Earticle

기상기후변화로 인해 가뭄, 홍수, 태풍, 화재 등 단일 재난이 동시에 또는 연속적으로 발생하는 복합재난의 빈도와 심각성이 증가하고 있다. 본 연구는 두 가지 이상의 자연재해가 복합적으로 발생하는 현상인 복합재난의 발생 원인과 메커니즘을 분석하 고, 기후 극한성의 증가가 복합재난에 미치는 영향을 탐구한다. 또한, 인공지능(AI) 기술이 대규모 데이터를 활용하여 복합재 난을 조기에 감지하고, 정확한 예측과 효율적인 대응을 지원하는 최신 사례를 검토한다. AI는 기후변화로 인한 재난 위험 관리 에 새로운 접근법을 제공하지만, 데이터 한계, 모델 신뢰성, 해석 가능성 등의 과제를 안고 있다. 본고는 이러한 한계를 극복하기 위한 방향을 함께 제시하며, 종합적인 재난 관리 전략의 필요성을 강조한다.

기후위기 상황이 날로 심각해짐에 따라 도시 내 안전취약계층의 기후 재해와 환경 변화에 대한 취약성이 높아지고 있다. 본 논문은 기후 위기와 관련된 도시 내 안전취약계층을 보호하는 방안을 논의하고, 이를 실현하기 위한 구체적인 해결책으로 헌법 상 안전권의 명문화 필요성을 제시했다. 또한, 일본, 네덜란드, 브라질 등의 해외사례를 비교하여 각국의 기후 위기 대응 정책이 취약계층 보호를 위해 어떤 방식으로 실현되고 있는지 살펴보았다. 기후위기 대응에 있어 무엇보다 시급한 것은 안전취약계층 의 보호이며, 헌법상 안전권 명문화가 이를 법적·정책적으로 보장하는 중요한 역할을 한다는 점을 강조했다.

본 연구는 현대 사회는 기후변화, 도시화, 기술의 상호의존성 심화로 인해 과거와 비교할 수 없는 복잡성과 불확실성을 지닌 다중복합재난(多重複合災難)의 위협에 직면하고 있다. 단일 재난 중심의 전통적 재난관리 패러다임은 연쇄적 파급효과를 동반 하는 복합재난에 효과적으로 대응하는 데 명백한 한계를 보인다. 본 연구(硏究)는 이러한 문제의식에서 출발하여, 다중복합재 난 상황을 모의실험하고 사회 시스템의 회복력(回復力)을 정량적으로 평가하기 위한 통합적 방법론을 제시하는 것을 목적으로 한다. 이를 위해 본론에서는 첫째, 다중복합재난의 개념을 연쇄성(Cascading Effect), 동시성(Concurrency), 상호작용성 (Interaction)을 중심으로 재정의하고 국내외 재난 사례를 통해 그 특성을 분석하였다. 둘째, 다중복합재난 대응을 위한 시뮬레 이션 모델 설계 방안으로 물리적 인프라 모델, 사회 시스템 모델, 재난 시나리오 모델을 유기적으로 결합한 하이브리드 시뮬레 이션 아키텍처를 제안하였다. 특히, 사회 구성원의 의사결정과 상호작용을 모의하는 행위자기반모델(ABM)의 적용 가능성을 심도 있게 탐구하였다. 셋째, 회복력 평가 방법론으로서 '4R' (Robustness, Redundancy, Resourcefulness, Rapidity) 프레임워 크를 기반으로, 시뮬레이션 결과를 활용하여 사회 핵심 기능의 저하 수준과 회복 시간을 측정하는 정량적 평가지표를 개발하였 다. 본 연구는 다중복합재난에 대한 과학적 이해를 증진하고, 데이터 기반의 선제적 재난관리 정책 수립에 기여할 수 있는 학술 적, 정책적 토대를 마련하고자 한다.

기후변화와 도시화로 인해 태풍, 홍수, 지진, 산불 등이 동시다발적으로 또는 연쇄적으로 발생하는 복합재난의 위험성이 증 대되고 있다. 그러나 현재 국내 재난관리 체계는 재난 유형별로 데이터가 분절적으로 관리되고, 기관별 데이터 형식과 의미구 조가 달라 신속하고 통합적인 상황판단에 한계를 보이고 있다. 본 연구는 이러한 문제점을 해결하기 위해, 복합재난 상황에서 다종의 재난 데이터를 효과적으로 융합하고 분석할 수 있는 표준 데이터 구조 및 메타데이터 모델을 제안하는 것을 목표로 한 다. 이를 위해 국내외 재난 데이터 표준 사례를 분석하고, 재난 공통 요소와 재난 유형별 특성을 모두 포괄하는 확장 가능한 데이 터 모델을 설계하였다. 제안된 모델은 데이터의 상호운용성을 확보하여 범부처 통합 재난대응 플랫폼의 기반을 마련하고, 데이 터 기반의 예측적 재난관리로 전환하는 데 기여할 것으로 기대된다.

2025년 강원도 대형 산불을 계기로 기후변화에 따른 재난 관리의 패러다임 전환과 과학적 대응 체계의 필요성이 부각되었 다. 본 연구는 유럽연합(EU)의 '오픈데이터 성숙도(ODM)' 모델을 활용하여 국내 소방안전 빅데이터 플랫폼의 현재 수준을 정 책, 포털 기능, 데이터 품질, 사회적 영향의 네 가지 차원에서 종합적으로 진단했다. 분석 결과, 소방안전 플랫폼은 전체 비교 대상 중'중하위권'수준의 성숙도를 보였으며, 특히'데이터 품질'영역에서 개선이 시급한 것으로 나타났다. 본 연구는 향후 플랫 폼의 고도화 전략을 수립하고, 한국형 공공데이터 성숙도 모델(K-ODM) 개발을 위한 실증적 기초 자료를 제공하는 데 의의가 있다.

본 연구는 대한민국이 초고령사회로 진입함에 따라 심각한 사회 문제로 대두된 치매 환자 실종 현황과 그에 따른 사회경제적 비용을 분석하고, 위치추적 기술을 활용한 대응 방안의 효과와 한계를 고찰하는 것을 목적으로 한다. 국내 치매 환자 실종 신고 는 연간 1만 5천 건을 상회하며, 이는 막대한 수색 비용과 가족의 정신적·경제적 부담을 야기한다. GPS 기반 배회감지기 등 위 치추적 기술은 실종자 발견 시간을 획기적으로 단축시키는 효과를 보였으나, 낮은 보급률, 기기 사용의 한계, 개인정보 보호 및 환자 자율성 침해와 같은 윤리적 딜레마 등 복합적인 과제를 안고 있다. 본고는 선행 연구와 국내외 사례 분석을 통해 기술적 해결책을 넘어, 사전등록제 강화, 지역사회 참여형 대응 모델 구축, 기술 활용과 윤리적 고려의 균형을 맞추는 통합적 정책 마련 의 필요성을 제언한다. 이를 통해 치매 환자의 안전을 보장하고 사회적 부담을 경감시키는 지속 가능한 대응 체계 구축의 학문 적, 정책적 토대를 마련하고자 한다.

본 논문에서는 재난 상황에서 급증하는 소셜 네트워킹 서비스(SNS) 정보를 효율적으로 분석하기 위한 인공지능(AI) 기술 기반 시스템의 개발 현황과 이를 활용한 방재 훈련의 실증 사례를 분석하는 것을 목적으로 한다. 최근 스마트폰 및 SNS의 보급 확대로 재해 시 피해 상황이 대규모로 게시됨에 따라, 정보통신기술(ICT)과 자연어 처리 기술을 활용한 AI 기반 정보 분석 시스 템의 필요성이 증대되고 있다. 연구 결과, 소버린AI와 민간 기업의 상용화 시스템은 정보 처리의 신속성, 24시간 대응, 현장감 있는 정보 수집 등 기존 재해 대응 체계의 한계를 극복하는 유의미한 효용성을 제시하였다. 또한, AI 기반 시스템을 활용한 훈련 은 주민 참여와 실효성을 높여 재해 대응 인력의 핀단력과 응용력 강화에 기여함을 확인하였다. 본 연구는 AI를 활용한 재해 정보 분석의 기술적, 정책적 동향을 제시함으로써 향후 재해 예방 및 피해 최소화를 위한 방재 정책 및 훈련 체계 구축에 학술적 시사점을 제공한다.

본 연구는 인공지능(AI) 기술이 사업연속성관리시스템(BCMS)의 내재화에 미치는 영향을 탐색하고, 재난정보 혁신이 조직 의 회복탄력성과 학습문화 확산에 어떤 시사점을 주는지를 분석하였다. 최근 재난환경은 복잡성과 불확실성이 심화되며, 이에 따라 재난정보의 신속성과 정확성은 조직의 생존 요인이 되고 있다. AI 기반 재난관리체계는 데이터 분석, 위험 예측, 상황 인식 의 자동화를 통해 정보의 신뢰도를 높이며, BCMS 내재화의 효율성을 증진시킬 수 있다. 본 연구는 기술 중심의 접근을 넘어 AI가 조직문화와 학습지원환경 내재화에 미치는 함의를 제시하였다.

본 논문에서는 전산시스템의 서비스 안정성과 업무 연속성 확보는 디지털 전환과 함께 필수적인 요소로 자리잡고 있다. 본 논문에서는 Active-Active 데이터센터 구축의 한계점과 3-Node 데이터센터 구축 방안으로 전산시스템의 복구목표시간 (RTO)과 복구목표시점(RPO)을 최소로 달성하고, 업무연속성을 확보할 수 있는 방안을 제시하였다.

본 연구는 행안부 재난안전통신망(PS-LTE)의 서비스 연속성(Continuity)을 보장하기 위해, 군이 별도로 운영하는 PS-LTE 이동기지국 자원을 민간망과 결합하는 혁신적인 거버넌스 프레임워크를 제안한다. 민·군 통신 자원의 독립적인 운용은 대규모 재난 발생 시 난청지역으로 인한 서비스 공백을 발생시키며, 국가 재난 회복탄력성(Resilience)을 저해하는 관리적 한계가 있음 을 보여준다. 이를 극복하기 위해 동적 QoS(Quality of Service) 정책 설계를 통한 자원 배분 최적화, NS-3 기반 시뮬레이션을 통한 정책 효과성 정량 검증(MTTR 지표 활용), 그리고 군 PS-LTE 이동기지국 출동 및 네트워크 제공에 관한 민·군 통합 SOP (표준운영절차) 개발을 핵심 연구방법으로 제시하였다. 연구를 통해, 군 통신 자원의 활용 주체와 절차를 명확히 함으로써, 재 난안전통신망의 연속성을 보장할 실용적인 정책 모델을 제시한다.

본 연구는 대형마트(A사) 환경에서 고객, 직영사원, 협력사 등 다중 이용자 대상 비상 피난 유도 시스템의 효율성 향상 방안을 제시하였다. 기존 정적 유도 방식은 상품 진열과 혼잡 상황 변화를 반영하지 못해 재난 대응에서 한계를 보였다. 본 연구에서는 AI 기반 다중 채널 정보 전파, 협력사 맞춤형 QR코드 매뉴얼, 동적 피난 유도 시스템을 제안하였다. 이를 통해 화재 위치와 혼잡 도를 실시간 분석하고, 최적 대피 경로를 안내하며 취약 집단의 안전 확보를 강화하였다. 제안 방안은 규제 준수를 넘어 ESG 경 영과 안전문화 정착에도 기여하며, 향후 AI·IoT·빅데이터 기반 지능형 재난 대응 플랫폼으로 확장 가능함을 확인하였다.

데이터센터는 디지털 사회의 핵심 인프라로서 장애 또는 재난 발생 시 광범위한 서비스 중단과 사회적 혼란을 초래할 수 있 다. 최근 발생한 데이터센터 화재 사례는 데이터센터의 재난 거버넌스 구축 및 관리가 조직의 경영성과에도 직결됨을 확인할 수 있었다. 본 연구는 데이터센터 종사자를 대상으로 재난안전인식과 재난관리시스템이 비재무적 경영성과에 미치는 영향을 실증적으로 분석하고자 하였다. 선행연구를 기반으로 데이터센터 환경에 맞게 수정 및 보완한 설문항목을 측정도구를 사용하 였으며, 탐색적 요인분석 및 신뢰도 검증을 통해 구성 타당성을 확보하였다. 가설 검증은 다중회귀분석을, 매개효과 검증은 Sobel Test를 실시하였다. 분석 결과, 재난안전인식과 재난관리시스템은 재난대응역량에 유의한 정(+)의 영향을 미치며, 재난 대응역량이 두 선행 요인과 비재무적 경영성과 간의 관계에서 통계적으로 유의한 매개 효과를 갖는 것으로 확인되었다. 이는 데이터센터 조직의 시스템적 요인과 구성원 인식이 대응역량의 제고를 경유하여 비재무적 성과 향상에 기여하는 구조를 실증 적으로 확인하였다.

본 논문에서는 2025년 국가정보자원관리원 화재 사례에서 드러난 전통적 사업연속성관리체계(BCMS)의 한계를 지적하 고, 인공지능(AI) 기술을 융합하여 조직의 회복탄력성을 획기적으로 향상시키는 방안을 제시한다. 전통적 BCMS는 정적 (Static)이고 사후 대응적인 성격이 강해, 복잡하고 동적으로 변화하는 재난 위험 환경에 효과적으로 대응하기 어렵다. 이에 본 연구는 AI 기술을 BCMS의 주요 단계인 ▲사업영향분석(BIA) 및 위험평가, ▲연속성 전략 개발 및 계획 수립, ▲운영, 훈련 및 성과평가에 적용하는 구체적인 방안을 제안한다. AI는 예측적 위험 평가, 실시간 위협 감지, 최적 대응 전략 추천, 계획 문서의 자동 생성 및 동적 업데이트를 가능하게 한다. 또한, 현실감 있는 모의훈련을 가능케 해 조직의 실질적인 위기 대응 역량을 강화 한다. 결론적으로, AI 기술의 통합은 BCMS를 변화하는 위협을 지속적으로 학습하고 선제적으로 대응하는 동적(Dynamic)이 고 지능적인 시스템으로 전환시키는 핵심 동력이다. 성공적인 구현을 위해서는 설명가능성(XAI)과 신뢰성 확보, 데이터 편향 을 제거하는 윤리적 거버넌스 구축, 그리고 파운데이션 모델 기반의 통합 플랫폼으로 발전시키는 전략적 접근이 필수적이다.

최근 기업 경영환경에서 위기의 영향이 증가하고 있으며, 위기관리 실패 시 인적·물적 피해 뿐 아니라 기업 이미지 타격 등 사업에 중대한 영향을 받게 된다. 또한 기업은 고객 및 투자자의 사업연속성 확보 요구에 적극적으로 대응해야 하는 상황이다. 본 연구는 이러한 환경에서 기업의 전사적 위기관리체계 구축 및 강화 Needs에서 착안한 연구이며, 새로 체계를 구축하거나 기존 체계를 강화하는 방향에 대한 시사점을 제공하고자 하는 목적에서 실행하였다. 전사적 위기관리 체계를 운영하고 있는 한국 대기업 L사는, 글로벌 수준 재난관리 역량 강화를 요구하는 고객의 요구를 충족하기 위해 사업연속성관리체계를 구축하 고 ISO 22301 인증을 획득하였다. 위기관리 조직, 방침, 규정, 프로세스 등의 기존 체계와 구축한 사업연속성관리체계가 서로 상충되거나 중복에 의한 비효율이 발생하지 않고, 보완을 통한 시너지 효과를 내어 회사의 위기관리 역량을 강화하게 된 과정을 고찰하였다. 시사점으로는, 새로 BCMS를 구축하거나 기존의 체계를 보완하고자 하는 기업들에게 본 연구의 사례가 체계 구축 의 기준 및 아이디어를 제시하여, 기업의 사업연속성을 실질적으로 강화할 수 있도록 하는 데에 본 연구의 활용을 기대해 볼 수 있다.

환태평양 조산대에 위치한 인도네시아는 연속되는 재난 환경에 노출되어 있고 실시간으로 방어체계를 구축하며 발전해야 하는 본의 아닌 재난관리 기술의 살아있는 실험실이 되어있다. 본 논문은 인도네시아가전통적 재난 대응의 한계를 넘어, 인공 지능(AI)과 디지털 트윈(Digital Twin)을 활용한 선제적 재난 방어 체계를 어떻게 활용하는지 분석한다. 주요 사례로 쓰나미 조기경보 시간 단축, 위성을 이용한 화산 원격 감시, 소셜 미디어를 통한 실시간 상황인식 등 AI의 구체적 적용 성과를 고찰하며 이러한 기술들이 디지털 트윈 및 엣지 컴퓨팅 기반의 통합 아키텍처가 어떻게 조화를 이루며 작동하는지 분석한다. 본 연구는 기술적 성과와 더불어 데이터 거버넌스, 설명가능 AI(XAI) 등 사회·제도적 도전과제를 함께 알아보면서, 유사한 환경의 다른 글로벌 사우스 국가들에게 중요한 청사진이 될 수 있음을 주장한다.

본 연구는 최근 디지털 전환과 클라우드 컴퓨팅의 급속한 확산으로 공공기관과 민간기업의 업무환경을 근본적으로 변화시 키는 가운데, 전자정보자원의 안전성과 업무연속성 확보는 조직의 생존을 좌우하는 핵심 요소로 대두됨에 따라 2025년 9월 발 생한 국가정보자원관리원 화재 사건에 대하여 정부의 재해 복구에 대한 행정안전부 중앙재난안전대책본부의 공식 브리핑 (2025.9.27.~10.13.) 자료를 토대로, 복구 활동을 탐구하여 재해경감활동관리체계(BCMS의 업무영향분석(BIA)에 따른 복구 우선순위를 설정하는 방안을 탐색하였다.

최근 인공지능(AI)은 재난의 예방·대비·대응·복구 등 재난관리 전 과정에 활용되며, 정부 차원의 기술개발 정책에서도 핵심 분야로 부상하고 있다. 국내 인공지능 재난관리 연구는 점차 확대되고 있으나, 개별 사례나 특정 기술 중심에 머물러 단계별 활용과 주제 변화를 포괄한 체계적 분석은 이루어지지 않았다. 이에 본 연구는 국내 학술연구를 대상으로 체계적 문헌고찰 (Systematic Literature Review)과 텍스트 마이닝 기법을 적용하여 AI-재난관리 연구의 구조와 주요 이슈를 분석하고자 한다. 일부 초록 데이터를 대상으로 실시한 기초 키워드 분석 결과, 기술 중심 및 AI 활용 관련 연구가 상대적으로 빈번하게 나타났다. 향후 전처리와 토픽모델링을 통해 주제 구조를 정교화함으로써, 데이터 기반 재난관리 정책 수립과 AI 활용 연구의 학문적 확 장에 기초자료를 제공하고자 한다.

본 연구는 상호의존적 인프라 구조 속에서 복합재난이 증가되고 있는 현대사회에서, 재해경감활동과 사업연속성계획 (BCP)의 실효성을 제고하기 위한 실무적 대응 전략을 분석한다. 대규모 복합재난 발생시 위기관리 거버넌스의 제도화, 공급망 복원력 평가, 다계층 비상통신체계의 구축이 리스크 완화에 미치는 영향을 고찰한다. 이를 통해, 효과적인 재해경감활동은 계 획 수립 자체보다 현장에서의 실행력과 조직간 협력체계에 의해 결정됨을 확인하고 민관 협력 및 정보공유 프로토콜의 제도화 가 사회적 복원력 강화를 위한 핵심 요인임을 제시하고자 한다. 또한, 향후에는 AI와 IoT 기반의 실시간 위험 예측 시스템을 BCMS와 연계하여, 지속적 개선이 가능한 회복관리체계로 발전 시켜 재해경감활동이 조직의 생존전략이자 지속가능경영의 핵심 적 요소로 작용하는 데 기여하고자 한다.

최근 재난현장에서 이재민 임시주거시설(쉘터 등) 운영의 규모와 복잡성이 증가함에 따라 체계적이고 지속가능한 운영 방 식에 대한 관심이 높아지고 있다. 본 연구는 이러한 상황을 바탕으로 디지털 기반 자동화 기술과 인공지능(AI)의 쉘터 운영 적 용 가능성을 검토하였다. 등록 절차, 정보 안내, 공간 배치 등 운영의 주요 영역을 중심으로 기술 도입의 방향성과 적용 조건을 살펴보기 위해 국내외 사례 및 선행연구를 바탕으로 기술 도입의 가능성과 운영상 기대 효과를 탐색하였다. 특히 복잡한 현장 운영을 보완할 수 있는 기술 도입의 방향성을 탐색하고 향후 실증 기반의 정책 논의로 이어질 수 있는 기초 자료를 제시하고자 하였다.

기후위기로 초고속 산불이 빈번해지며 기존 예측 시스템의 한계가 드러났다. 특히 2025년 경북 산불 사례는 역대급 강풍 등 극한 기상 조건에서 기존의 평균 풍속만을 활용한 예측 시스템이 무력화되어 대규모 인명피해가 발생했음을 보여준다. 본 연구 는 초고속 산불의 확산 예측 및 피해 저감을 위해, 산불의 3대 핵심 인자인 기상, 임상(연료), 지형에 대한 빅데이터 정밀 분석을 수행한다. 2005년 양양, 2019년 고성, 2025년 경북 산불 등 대형 산불 사례의 분 단위 기상 데이터(최대순간풍속 등 극한값), 임상도, 수치표고모델을 수집·활용한다. 연구는 전문가 패널의 내용 타당도(CVR) 검증 후, IPA(중요도-수행도 분석)와 AHP (계층 분석적 의사결정)를 적용하여 초고속 산불 발생 요소 간 우선순위를 도출하여 산불 예방 및 초기 진화 전략 수립, 정책 개선의 과학적 근거로 제시하여 한정된 자원의 효율적인 집중 투자를 목표로 한다.

본 연구는 인천국제공항고속도로 영종대교의 가변형 속도제한 시스템 운영데이터를 활용하여 다중추돌사고 예방효과를 실증적으로 검증하고자 하는 연구로써 기상 조건 및 제한속도별로 차량의 평균속도 및 속도 분산 변화를 분석하고자 한다. 안 개, 비, 강설, 강풍 등 악천후로 인한 시야저하는 다중추돌사고 위험을 높이며 이를 예방하기 위하여 가변형 속도제한 시스템을 도입하였으나, 장기 운영데이터를 활용한 정량적 효과 분석 연구는 부족한 실정임. 장기간 실증데이터를 기반으로 가변형 속도 제한시스템의 속도 관리 및 분산 감소효과를 검증하여 제한 속도별 교통류 안정화 효과비교를 통해 속도 분산 감소를 통한 다중 추돌사고 예방효과를 입증하고자 한다.

과거의 본 연구는 인천광역시 전 지역을 대상으로 정류소의 개수와 평균 교통속도 간의 관계를 실증적으로 분석하였다. 정류 소수 데이터와 교통속도 데이터를 결합하여 동별 평균속도를 산출하고, 피어슨 상관분석 및 단순회귀분석을 수행하였다. 분석 결과, 정류소수가 많을수록 평균속도가 낮아지는 음의 상관관계가 확인 되었으나, 통계적으로는 유의하지 않았다. 또한 회귀 계수는 –0.0125로 정류소 10개 증가 시 속도는 약 0.125km/h 감소하는 것으로 나타났다. 향후 연구에서는 교통량 차로수 등 다양한 변수를 반영하여 정밀 분석할 필요가 있다고 판단된다.

본 연구는 인천광역시 주요 교차로를 대상으로 교통혼잡 예측 및 신호 제어 최적화를 수행한 결과를 나타냈다. 인천광역시의 주요 교차로 부평IC, 구월사거리, 간석오거리, 인천시청사거리, 예술회관사거리를 분석 대상으로 하였고, 2시간(07:00~09:00) 동안의 1초 단위 교통량 데이터를 이용하여 시뮬레이션을 수행하였다. 신호 주기를 ±15%인 102초~138초 범위에서 조정하여 교통혼잡 완화 효과를 분석하였으며, 시뮬레이션 결과 평균 지체시간이 약 19% 감소하고 통과율이 13%향상되었다.

2020년 이후 코로나19의 확산으로 인해 교통흐름, 물류활동등 사회 전반이 중대한 변화를 초래하였다. 특히 온라인 소비와 택배물류 수요의 급증은 화물차 운행빈도를 증가시켜 화물차 사고의 잠재적인 영향을 미쳤을 것으로 예상되었다. 이에 본 연구 는 코로나기인 (2020년-2022년)과 이후 안정기(2022년-2024년)를 구분하여 화물차 교통사고의 발생 변화를 통계적으로 비교 분석하였다. Taas에서 취득한 연도별 화물차사고건수를 집계하고 두시기의 차이에 대한 유의성을 카이제곱검정을 통해 분석 하였다. 검정결과 p값이 × 로 통계적으로 유의한 차이를 보였다. 이는 코로나기의 물류 수요증가와 이동패턴의 변화 가 화물차 사고의 영향을 미쳤음을 시사한다.

교통사고 데이터는 EPDO>3의 중대 사고보다 EPDO<=3의 경미 사고가 많은 불균형 구조를 나타내고 있으며, 이러한 데이 터 불균형은 예측 모델의 성능을 저하시키는 문제를 가지고 있다. 이에 본 연구는 데이터 증강기법인 언더샘플링과 CTGAN을 사용하여 데이터를 각각 증강시킨 후 예측모델에 학습시켜 두 증강기법의 예측성능을 비교 분석하였다. 분석 결과 CTGAN으 로 생성된 합성데이터의 예측 모델의 성능이 전반적으로 뛰어난 것으로 나타났다. 이는 CTGAN이 실제 사고 데이터의 변수 및 복합적 패턴을 잘 반영한 것을 시사한다.

본 연구는 교통사고의 공간적 분포와 사고 위험도를 고려한 고위험 구간을 체계적으로 탐지하고 해당 구간의 사고 영향 요인 도출을 위해 종합적인 분석 체계를 연구하고자 하였으며, 인천시 전역에서 발생한 교통사고를 대상으로 공간 좌표 기반의 사고 위치정보를 활용하여 연구를 진행하였다. 또한, 단순 빈도 중심의 기존 분석 틀에서 벗어나 교통사고의 공간적 밀도와 질적인 심각도를 종합적으로 반영한 DBSCAN-EPDO 기반의 체계와 함께 기계학습 기반 사고 심각도 예측 모델 및 해석을 활용해 교 통안전 분야의 정밀하고 효과적인 위험 구간 분석 체계를 제시하고자 하였다.

Traffic crashes in Myanmar present a critical global issue where rapid motorization has severely outpaced the development of adequate road infrastructure and legal enforcement, leading to a high fatality rate. This study employed a dual methodology, combining quantitative data analysis of vehicle trends and crash frequency with qualitative insights from interviews to ensure a comprehensive evaluation of the causes. Findings highlight significant systemic gaps, including poor road conditions, deficient law enforcement, and outdated vehicle inspection practices, as major contributors to accident severity and frequency.The research concludes that these deep seated deficiencies exacerbate crash rates, particularly due to human negligence and a surge in inexperienced drivers. Addressing the severe socioeconomic toll requires an immediate and holistic national approach that advocates for upgraded infrastructure meeting international standards, the adoption of rigorous traffic legislation, and broader public awareness campaigns.

본 연구는 지속적인 교통량 증거와 혼잡 문제 해결을 위한 고속도로의 복잡하고 동적인 패턴을 정교하게 반영할 수 있는 딥러 닝 기반의 GRU 모델을 활용한 고속도로 통행량 예측 모델을 구축한다. 따라서 고속도로 통행량의 시계열적 패턴과 예측 성능 을 비교 및 분석하고 교통류 예측에 적합한 모델을 검토하고자 한다. 전국의 고속도로 VDS 대용량 자료를 활용하여 교통량, 점유율, 평균속도 등의 변수를 포함한 약 6,900만 건의 시계열 데이터를 구축하고 로그 변환과 Min_Max Scaling을 적용한 변 수 전처리 후 각 모델을 동일한 입력 구조와 하이퍼파라미터로 학습한 결과 가장 우수한 예측 성능을 나타낸 GRU 모델로 전체 데이터를 재학습하여 모델의 정밀도를 평가하였다. GRU 모델은 구조의 간결성과 빠른 학습 특성으로 높은 정확도와 안정성을 보이며, 이를 통한 고속도로 교통량 예측 분야에서 딥러닝 기반의 시계열 모델 적용 가능성을 실증적으로 입증하였고, 교통운 영 및 혼잡 완화를 위한 정책 수립에 활용될 수 있을 것으로 기대한다.

물리기반 도시침수 해석 모형은 복잡한 지형과 배수시설 내 수리학적 거동을 정밀하게 재현하여 높은 예측 정확도를 제공하 지만, 고해상도 모의 시 막대한 계산 자원과 연산 시간이 요구되어 실시간 예·경보 및 재해 대응과 같은 의사결정 지원에는 한계 가 있다. 이에 따라 최근에는 계산 효율성을 확보하면서도 물리모형 수준의 정확도를 유지할 수 있는 딥러닝 기반 대리모형 (Emulator) 개발이 활발히 이루어지고 있다. 그러나 딥러닝 모형의 성능은 훈련 데이터의 통계적 특성과 공간 해상도에 민감하 게 반응하며, 이러한 데이터 특성이 예측 정확도에 미치는 영향에 대한 체계적인 분석은 여전히 부족하다. 본 연구에서는 Gated Convolutional Neural Network (Gated CNN) 기반의 도시침수 예측 모형을 구축하고, 훈련 데이터의 특성이 최대 침수심 예측 성능에 미치는 영향을 정량적으로 분석하였다. 이를 위해 서울시 신림 4 배수분구를 연구 대상으로 선정하고, HC-SURF (Hyper Connected Solution for Urban Flood) 모형을 활용하여 다양한 강우 시나리오에 대한 5 m 및 10 m 공간 해상도의 침수 해석 자료를 구축하였다. 각 데이터 세트를 Gated CNN 모형의 학습에 적용하고, 공간 해상도와 침수 통계(침수 빈도, 침수심 분포 등) 가 예측 정확도와 오차 특성에 미치는 민감도를 평가하였다. 연구 결과는 학습 데이터의 구성과 통계적 특성이 딥러닝 기반 도시침수 예측의 성능에 결정적인 영향을 미친다는 점을 보여주며, 향후 실시간 도시침수 예측 시스템의 신뢰성 향상과 효율적 데이터 구축 전략 수립을 위한 기초자료로 활용될 수 있다.

기후변화와 급속한 도시화로 인해 극한 강우의 발생 빈도와 강도가 증가하면서 도시지역의 침수 피해가 심화되고 있다. 인구 와 기반시설이 밀집된 도시에서는 짧은 시간 내에 광범위한 피해가 발생할 수 있으므로, 신속하고 정밀한 침수 위험도 평가가 필수적이다. 본 연구에서는 도시 지역의 CCTV 관측자료와 물리기반 수치모의 결과를 Indicator Cokriging (ICK) 기법으로 융 합하여 도시침수 위험도의 공간분포를 추정하는 방법을 제안하였다. CCTV 영상에서 추출한 **침수 여부(이진 지표)**를 주 변수로 사용하고, 수치모의로부터 산정된 침수심과 침수 지점까지의 거리를 보조변수로 활용하였다. 제안된 방법을 서울시 관 악구 신림유역에 적용한 결과, 실제 침수 양상과의 정합도가 높게 나타나 본 기법의 적용 가능성과 효용성을 확인하였다.