프로젝트 및 수상 내역: 본 연구는 개기월식 팀(김동재, 김나경, 조예나, 김가은)으로 진행되었으며, 2022년 정보융합대학 데이터분석 공모전에서 우수상을 수상했습니다.
Figure 1. Visualization of Human Risk Factors (Left) vs. Physical Risk Factors (Right)
효율적인 도시 계획과 자원 분배를 위해서는 데이터에 기반한 정밀한 의사결정이 필수적입니다. 본 프로젝트는 부산광역시, 특히 강서구 지역을 중심으로 복합적인 화재 취약 구역을 분석하여 제한된 소방 인프라의 효율적 배치와 정책적 대안을 도출하는 것을 목표로 했습니다.
📌 문제 정의: 복합적인 인적, 물적 위험 요인의 산재
부산광역시는 전국 광역시 중 인구 대비 화재 발생 건수가 최상위권에 속하는 도시입니다. 화재 위험은 단순히 하나의 요인으로 결정되지 않으며, 인구 밀집도와 취약계층 규모 같은 ‘인적 요인’과 노후 건축물, 위험물 취급소, 소방 인프라 부족과 같은 ‘물적 요인’이 복합적으로 작용합니다. 일률적인 소방 자원 배분을 넘어, 데이터 기반 접근법을 통해 위험도는 가장 높으나 대응 능력은 가장 떨어지는 실질적인 행정동 단위의 “사각지대”를 특정해야 했습니다.
⚙️ 연구 방법론: Sparse PCA와 앙상블 클러스터링
화재 취약성을 정량화하고 구조화하기 위해 다음과 같은 데이터 분석 파이프라인을 구축했습니다.
- 변수 설정 및 전처리: 각 행정구역별로 취약계층 수, 흡연율, 가스/전기 사용량 등 5개의 ‘인적 요인’ 변수와 노후건물, 공장 수, 119 안전센터 및 용수시설 역수 등 10개의 ‘물적 요인’ 변수(총 17개)를 수집하고 이상치에 강건한 Robust Scaler로 전처리했습니다.
- 차원 축소 (Sparse PCA): 변수 간의 복잡한 다중공선성을 해결하고 해석력을 잃지 않기 위해 Sparse PCA를 적용하여, 다차원의 변수들을 인적/물적 요인이라는 2차원 공간으로 요약했습니다.
- 머신러닝 군집화 (Clustering): K-Means, Affinity Propagation, Gaussian Mixture Model (GMM) 등 3가지 알고리즘을 앙상블하여 행정구역을 군집화했습니다. 평가 지표(Elbow Method, Silhouette Score) 최적화를 통해 강서구 지역이 가장 심각한 화재 취약 군집(Cluster)임을 성공적으로 식별했습니다.
🚀 연구의 시사점: 맞춤형 도시 소방 정책 제안
강서구 내에서도 화재 위험과 피해 규모가 큰 상위 5개 주요 행정동(대저1동, 강동동, 명지동 등)을 추출하고, 이들의 특성에 맞춰 다음과 같은 3대 맞춤형 특별관리구역으로 세분화했습니다:
- 소방대상물 집중 구역: 고성능 난연/불연성 PF 단열재 의무화 확대 제안.
- 화재위험건축물 경계 구역: 방화시설 점검 및 소방 안전관리자 배치 강화.
- 소방력 확충 구역: 물리적 출동 거리의 한계를 극복하기 위한 무인 소방 드론 확대 및 AI 기반 화재 탐지/진압 시스템 도입 제안.
이러한 데이터 기반 분석 결과는 지자체 및 정책 입안자들에게 미래 스마트 시티의 근본적인 안전 시스템을 확보하기 위한 명확하고 객관적인 청사진을 제공합니다.