건축/환경에너지

Nikkei Construction_2021.5.24 특집 요약 (p30-54)

데이터가 혁신하는 재해 대응
재해 기술 2021, 방재 테크

드론이나 인공위성 이미지, SNS의 ‘입소문’ 등 방재에 도움이 되는 정보가 거대화되고 있다. 한곳에 모인 빅데이터를 기존의 방재 인프라에 어떻게 융합시킬 것인가? AI(인공지능) 등을 사용해서 재해 대응을 혁신하는 ‘방재 테크’에 이목이 집중되고 있다. 가속화되고 있는 방재 테크의 최전선을 취재했다.

Part 1. 동향
관민 연계로 ‘방재 테크’ 가속

관민의 매칭 지원이나 방재 기술의 공통기반 정비 등 정부는 ‘방재 테크’를 지원하고 있다. 중장기적인 시점에서 방재 테크의 미래상이나 실장을 위한 과제 검토도 추진하고 있다. 방재와 첨단기술이라는 쌍방의 지식을 보유한 민간기업 간의 협업도 필수다.

빈발하는 대규모 자연 재해의 영향으로 스마트폰에서 인공위성까지 모든 기술을 사용해서 재해 대응의 효율화와 고도화를 목표하는 ‘방재 테크’에 기대가 집중되고 있다.

정부도 방재 테크의 보급을 지원한다. 내각부는 ‘방재ⅹ테크놀로지 태스크포스’를 설치, 방재 테크 활용을 위한 시책을 검토한다. 20년 6월에 공표한 보고에서, 테크놀로지 활용의 미래상과 함께 7개의 구체적인 시책을 제시했다.

보급을 위한 과제는 지방자치단체의 수요와 민간기업이 보유한 첨단기술을 어떻게 매칭시킬 것인가? 21년도에 ‘방재ⅹ테크놀로지 관민연계 플랫폼’을 설립하고, 매칭 지원이나 모델 지자체에서의 실증을 추진할 예정이다.

다양한 방재 테크의 기반이 되는 인프라 정비도 필요하다. 인공위성에서 촬영한 재해 이미지나 주민이 전해주는 재해 정보의 수집∙공유, 재해자 지원 제도의 데이터베이스 구축, 절차의 디지털화 등을 추진한다.

또한 내각부는 20년 12월, ‘디지털∙방재지원 워킹그룹’을 설치. 목표해야 할 디지털 방재 기술의 미래상을 논의하는 ‘미래구상팀’과, 방재기술을 실장할 때 발생하는 과제를 도출하는 ‘사회실장팀’으로 나눠서 검토하고 있다.

사회실장팀에서는 방재 분야의 디지털화를 추진할 때 발생하는 문제점, 방재 관련 시스템의 사용 편의성이나 기능 향상, 고도화의 방향성을 검토한다. 양 팀 모두 21년 5월 중에 내용을 정리할 예정이다.

-- 민간끼리의 협업을 촉구한다 --
-- 방재 상의 과제에 IT 기업이 제안 --

Part 2. 침수 예측 AI 시스템
1cm 단위의 침수 예측을 몇 시간 만에

AI 기술을 활용함으로써 침수 피해 예측은 기존보다도 월등히 빠르고 정밀도도 높아졌다. 피해 상황을 파악하는 데 사용하면 피해증명서 발행이나 보험금 지급의 신속화로도 이어진다. 방재 면의 직접적인 효과뿐 아니라 작업하는 스태프의 부담도 경감시킬 수 있다.

AI와 드론을 사용해 집중 호우나 해일 등에 의한 침수 피해를 단시간에 예측한다. 이러한 예측 기술의 도입을 동일본대지진 때 피해를 입은 후쿠시마현 히로노초가 추진하고 있다. 주택 침수 대책이나 피난 경로 확보 등에 활용하기 위해서다.

히로노초의 대응을 기술 면에서 지원하는 것이 도쿄대학발 AI 개발 벤처기업인 아리스마(Arithmer)다. 아리스마와 드론 측량 업체 오오와다측량설계(히로노초)는 20년 6월에 히로노초와 ‘AI 스마트시티 프로젝트 추진협정’을 체결했다.

아리스마가 개발한 ‘침수 예측 AI 시스템’에서는 드론으로 취득한 측량 데이터로 3D 지형도를 작성. 지형도를 바탕으로 AI가 강우량이나 하천의 붕괴 장소 등 방대한 조합을 통해 지역의 수류(水流)를 계산해서 침수 피해를 예측한다.

AI 활용의 이점은 속도와 높은 정밀도에 있다. 아리스마의 오오타(大田) 사장은 “지금까지 방대한 노동력을 들였던 침수 예측을 불과 몇 시간이면 산출할 수 있다. 예측하는 침수심도 1cm 단위로 상세하다”라고 말한다.

-- 재해 상황 파악에도 활용 --
빠르게, 고정밀도로 시뮬레이션이 가능한 점은 재해 후 활용에서도 이점으로 작용한다. 재해 상황을 정확하고 신속하게 파악할 수 있기 때문이다. 예를 들면 히로노초는 재해 발생 후에 주택의 피해증명서 등을 신속하게 발행해, 조기 복구로 이어지는 시스템의 구축을 목표한다.

통상 피해를 입은 지자체는 피해증명서를 발행하려면 많은 직원의 손을 거쳐야 한다. AI 기술로 피해증명서 발행을 자동화, 고속화할 수 있다면 재해지역의 복구가 빨라질 뿐 아니라 직원들의 부담도 크게 줄일 수 있다.

아리스마의 시스템은 이미 재해 후 활용에서 실적이 있다. 20년 7월의 호우로 구마가와(球磨川)가 범람해 큰 수해를 입은 구마모토현 히토요시시에서, 미쓰이스미토모해상화재보험과 아이오이닛세이도와손해보험이 피해 주택의 파괴 수준 판단에 사용했다.

재해 상황은 다음과 같은 순서로 파악한다. 우선 3D 지형 데이터를 바탕으로, 유체 시뮬레이션으로 물이 흐르는 방식을 도출해 내도록 AI에게 학습시킨다. 그 AI에게 실측 데이터가 있는 재해 장소의 침수심을 입력해, 관측 데이터가 없는 장소의 침수심을 추측한다.

히토요시시에서는 점포 간판에 남은 진흙 자국 등을 통해 심수심을 여러 곳 실측해서 피해 상황을 추정했다. “극단으로 견적을 해도 오차는 10cm 정도다. 파괴 수준 판단이라면 충분히 활용할 수 있었다”(아리스마의 오오타 사장).

-- AI가 파도나 도로를 판별 --

Part 3. 위성 방재 정보 서비스
2종류의 위성 데이터로 피해를 확인

일정한 주기로 지표를 관측하는 인공위성은 인프라의 모니터링과 친화성이 높다. 2종류의 위성 데이터 조합을 통해 재해 시에도 넓은 지역에 신속하게 대응할 수 있다. 일본 상공을 도는 인공위성의 예정을 고려해 적절한 위성 데이터를 선별한다.

지구 주위를 도는 인공위성은 지상의 어떤 지점을 일정 주기로 관측할 수 있다. 게다가 한번에 넓은 범위의 데이터를 취득 가능하다. 지표면이나 구조물 등 인프라의 모니터링과의 친화성이 높아, 그 특징을 활용한 방재 기술의 개발도 활발하게 진행되고 있다.

위성방송 사업자 스카파JSAT(SKY Perfect JSAT), 지도 제조업체 젠린, 건설컨설턴트업체 닛폰코에이가 21년 4월에 개시한 ‘위성방재정보서비스’도 인공위성 기술의 특징을 활용했다. 스카파JSAT의 위성데이터, 젠린의 지도데이터, 닛폰코에이의 인프라 지식의 3사의 강점을 조합했다.

이 서비스에서는 인공위성으로 취득한 데이터를 사용해 수해나 토사 재해 등이 발생했을 때 피해 상황을 신속하게 파악해 구제나 복구에 유용하게 사용한다. 침수나 토사 붕괴 범위, 규모 등을 자동으로 산출해서 지자체의 직원들이 직접 결과를 브라우저에서 열람할 수 있다.

평상시에는 지표면을 모니터링한다. 닛폰코에이가 산사태나 토사 붕괴 등의 위험을 판정해, 재해 징후를 가시화한다. 지진이나 공사 등으로 변동된 지반도 파악할 수 있다. 위험이 발생할 경우는 경보로 알린다.

-- 우선 관측할 수 있는 위성을 찾는다 --
인공위성으로 지구를 관측하는 방법은 크게 2개로 나눌 수 있다. 하나는 광학 센서에 의한 이미지다. 디지털 카메라처럼 지구를 촬영한다. 우주에서 초망원 렌즈로 촬영하기 때문에 지형이나 하천, 바다의 모습이 선명하게 찍힌다. 탑재하는 위성 수는 많지만 구름이 많은 악천후나 야간에는 깨끗하게 촬영하지 못한다.

다른 하나는 합성개구레이터(SAR)에 의한 것이다. 지구에 전파를 조사해서 지표면에서 반사된 전파를 이미지화한다. 빛이 없어도 사용할 수 있어 레이더가 구름을 통과하기 때문에 악천후나 야간에도 관측이 가능하다. 단, SAR을 탑재하는 인공위성이 광학센서를 갖고 있는 인공위성보다도 적기 때문에 데이터의 취득 빈도가 한정적이다.

위성방재정보서비스에서는 광학센서와 SAR에 의한 이미지를 조합해, 넓은 지역에서 동시에 다발하는 토사 붕괴나 침수 피해를 신속하게 파악한다. 타이밍이나 구역에 따라서는 적절한 SAR 이미지를 얻을 수 없기 때문에 광학 센서 이미지로 보완한다.

닛폰코에이 하천수자원사업부의 가게야마(陰山) 부장은 “우선은 지구를 도는 위성 중에서 관측이 가능한 위성을 찾는다”라고 말한다. 사용할 수 있는 위성 서비스가 언제, 어느 상공을 비행할 것인가? 그것은 SAR인가 광학센서인가? ‘위성 캘린더’라는 시스템을 사용해서 파악한다.

-- 시장 확대를 목표로 6월에 새로운 회사 설립 --

Part 4. 댐의 사전 방류 판단 지원 서비스
51 종류의 예측으로 사전 방류를 판단

호우 재해를 방지하기 위해 정부는 치수와 이수에 관계없이 모든 기존 댐에서 사전 방류를 활용할 것을 촉구한다. 방류 판단이 늦으면 수해를 일으킬 우려가 있고, 방류가 지나치면 물 부족이 된다. AI의 활용을 통해 보다 고정밀도의 강우량 예측이 가능해졌다.

18년 7월의 서일본 호우나 19년의 동일본 태풍에 의한 호우 등 최근에는 하천 범람이나 침수 피해를 일으키는 호우가 잦다. 호우 시의 수해를 억제하는 수단으로서 정부는 19년 12월에 “기존 댐의 홍수 조절 기능 강화를 위한 기본방침’을 발표. 그 안에서 사전 방류 활용을 제시했다.

정부가 제시한 기본방침에서 대상이 되는 것은 이수와 치수에 관계 없이 모든 기존 댐이다. 사전 방류에서는 많은 비가 예상될 때 미리 댐의 물을 방류해서 수위를 낮춘다. 예상과 달리 강우량이 적으면 불 부족에 빠질 우려가 있다. 보다 높은 정밀도의 강우량 예측이 필수가 되었다.

그러한 배경을 고려해 일본기상협회는 20년 6월에 ‘댐의 사전 방류 판단 지원 서비스’를 시작했다. AI를 이용해 독자 개발한 ‘JWA 앙상블 예측’ 데이터를 활용해 최대 15일 앞까지의 강우량을 예측해서 댐 관리자를 지원한다.

서비스에서는 과거의 홍수 사례나 댐의 능력에 기초해서 댐 관리자가 사전 방류 목표 수위 등을 설정. 큰 비가 예상될 경우, 그러한 정보나 예측 강우량을 고려해서 사전 방류 타이밍이나 방류량을 판단한다.

댐 관리자는 예상 강우량이나 방류 판단 등의 정보를 브라우저에서 확인할 수 있다. 옵션 서비스로서, 방류 판단이 나왔을 경우에 메일로 통지를 받을 수도 있다.

-- ‘5km∙1시간’의 촘촘한 예측 --

Part 5. 방재 채팅 로봇 ‘SOCDA’
재해지의 ‘입소문’으로 재해 대응 지원

SNS 속 방대한 시민들의 정보를 AI로 활용한다. 이목이 집중되는 방재 테크 중에서도 가장 실증이나 도입이 진행된 기술 영역이라고 할 수 있다. 대표적인 기술이 Weathernews가 개발하는 ‘방재 채팅 로봇 ‘SOCDA’’다.

동일본대지진이 일어난 지 10년이 지난 21년 2월 13일, 후쿠시마현 앞바다를 진원으로 하는 매그니튜드 7.3의 지진이 발생했다. 진도 6을 관측한 후쿠시마현 미나미소마시에서는 도입한 ‘방재 채팅 로봇 ‘SOCDA’’에 약 130건의 시민들 의견이 모였다.

Weathernews와 방재과학기술연구소, 정보통신연구기구가 개발하는 SOCDA는 SNS 앱 LINE을 통해 지자체나 인프라 관련 기업의 방재 담당자와 재해자가 서로 연락할 수 있는 시스템이다. 미나미소마시 외에 미에현이나 도쿠시마현 등 여러 지자체가 이미 도입했다. 실증실험을 반복해 기능을 확충해 나간다.

재해가 발생했을 때는 AI가 LINE을 통해 재해자나 지자체 직원 등과 ‘대화’한다. 그 대화 내용을 바탕으로 피난 장소나 부족 물자, 재해 상황과 같은 재해 관련 정보를 자동으로 추출∙집약해서 재해자나 지자체에 제공한다. 정보가 부족하면 재해자에게 푸시 알림으로 직접 상황을 듣는다.

앞의 미나미소마시의 사례에서는, 야간에 재해가 발생한 후에 바로 ‘단수됐다’ ‘물이 흙색이다’ 등 수도 관련 트러블 정보가 많이 들어왔다. 날이 밝자 도로의 균열 등 옥외 트러블도 드러났다.

-- 복구에 필요한 정보는 토목 프로에게 --

Part 6. 지진 진동의 하이브리드 예측 방법
기존의 예측식의 약점을 AI로 보완

지진동 예측에서도 AI를 사용하면 예측 정밀도를 높일 수 있다. 단 AI만으로는 가끔씩밖에 발생하지 않는 강한 지진동을 과소 평가하는 경향이 있었다. 기존의 지진동 예측식과 AI를 조합, 상호의 약점을 보완함으로써 정밀도를 향상시켰다.

지진 해저드맵이나 긴급 지진 속보 등에 이용하는 지진동 예측도 AI를 활용해서 예측 정밀도를 높일 수 있다. 기존 예측에서 사용하고 있던 방법도 병용해 양자의 결점을 보완함으로써 보다 높은 정밀도로 예측이 가능해진다.

그것을 실현한 것이 방재과학기술연구소가 개발한 ‘지진동 하이브리드 예측 방법’이다. 기존의 지진동 예측식과 AI 기계학습을 조합했다. 기계학습에서는 과소 평가된 강한 진동을 지진동 예측식으로 보완해서 예측 정밀도를 높일 수 있다.

지진동 예측식은 ‘지진의 규모’와 ‘예측 지점과 진원과의 거리’ ‘예측지점의 진동 정도’를 바탕으로 과거의 지진 데이터를 추가한 것이다. 과거의 지식을 고려한 계산식이기 때문에 발생 빈도가 낮은 지진동이라도 비교적 안정적으로 예측할 수 있었다. 계산도 복잡하지 않기 때문에 일반적으로 널리 이용되고 있다.

반면에 그 식에 들어맞지 않는 지진동이라면 빈도가 높아도 예측은 어려웠다. 식이 고정화되어 있어 유연성이 낮은 것이 약점이다.

-- 강한 지진동은 학습 기회가 적다 --
기계학습의 장점과 약점은 그 반대다. 데이터에 근거한 고도의 예측이 가능하고, 지진동을 구하는 계산식에 의존하지 않기 때문에 유연성도 높다. 단, 빈도가 낮은 사태에는 취약하다. 검증을 해보니, 드물게 발생하는 1,000갤 이상의 강한 지진동의 경우 실제 관측 데이터보다 약하게 예상하는 경향이 있었다.

빈도가 낮은 사태를 예측하기 어려운 이유는 학습할 기회가 적기 때문이다. 기계학습에서는 학습 데이터를 준비하고, 그 경향을 학습해 나간다. 때문에 빈도가 낮은 데이터의 동향은 학습할 수 없다. 결과적으로 제대로 된 예측이 불가능하다.

개발을 담당한 방재과학기술연구소 지진해일화산네트워크센터의 구보(久保) 연구원은 “빈도가 낮은 데이터에 중점을 두고 학습을 시켜 봤지만 강한 지진동의 예측 정밀도는 향상되지 않았다”라고 말한다.

-- 베이스를 기존의 예측 방법에 --

 -- 끝 --

Copyright © 2020 [Nikkei Construction] / Nikkei Business Publications, Inc. All rights reserved.