도시공학과 세특주제 – 홍수 예방을 위한 인공 지능 활용
최근 몇 년 동안 장마철 집중호우로 도심에서의 침수위험을 관리하는 데 점점 더 많은 어려움에 직면해 있으며 홍수 예방에 대한 최첨단 접근 방식이 필요합니다.
미래의 빠른 정보로 관리되는 스마트도시의 설계에서 자연재해의 변수는 통제불가능한 부분에서 최대한 객관적으로 대응하는 인공지능 시스템의 개발은 필수적이라고 판단합니다.
인공지능(AI)의 힘을 활용하여 홍수 위험을 효과적으로 완화하기 위해 실시간 데이터 분석, 예측 모델링 및 즉각적 대응을 결합하는 혁신적인 홍수 예방 시스템의 설계를 주제로 정해봅니다.
*사진출처 : 인공지능신문
스마트도시 모델을 위한 인공지능
LSTM 순환신경망은 기존의 RNN(RecurentNeural Network)으로 발생할 수 있는 그래디언트 소멸(Gradient Vanishing) 문제를 해결하면서 특정 상황지속 여부를 판정할 수 있는 알고리즘이다.
인공지능 GAN Model은 거짓을 포함할 수 있는생성자(Generator)와 진실을 포함하고 있는 판별자(Discriminator)가 훈련과 학습을 수행하여 인공지능신경망의 신뢰도를 향상시키는 기법이다
GAN (Generative Adversarial Network)은 Ian Goodfellow가 2014년에 발표한 머신러닝을 이용한 비지도 학습 기법입니다. GAN 모델은 생성기(Generator)와 판별기(Discriminator)라는 두 개의 신경망이 서로 경쟁하며 학습하는 구조를 가집니다.
생성기 (Generator): 이 신경망은 임의의 입력 데이터나 노이즈로부터 학습하면서 새로운 데이터를 생성합니다. 생성기의 목표는 판별기를 속여 실제 데이터와 거의 구분할 수 없는 가짜 데이터를 만들어내는 것입니다.
판별기 (Discriminator): 이 신경망은 주어진 데이터가 실제 데이터인지 생성기가 만든 가짜 데이터인지를 판별합니다. 판별기의 목표는 실제 데이터와 생성기가 만든 데이터를 정확히 구분하는 것입니다.
인공지능 GAN Model 해설
GAN 모델은 생성기가 계속해서 더 나은 가짜 데이터를 만들어내려 하고, 반면 판별기는 그것을 더 잘 구분하려고 노력하는 조화로운 경쟁 상황을 통해 학습하게 됩니다.
이 과정에서 두 신경망은 각각의 목표를 달성하기 위해 지속적으로 발전하게 됩니다. 최종적으로 생성기는 완벽한 가짜 데이터를 만들어내고, 판별기는 주어진 데이터가 진짜인지 가짜인지를 최적으로 판별하게 됩니다.
GAN 모델은 이미지 생성, 이미지 변경, 스타일 전환, 데이터 생성 등 다양한 분야에서 활용되고 있습니다.
예를 들어, 이미지를 고해상도로 변환하는 Super Resolution, 실제 사진을 그림으로 변환하는 Style Transfer와 같은 작업에 GAN 기술이 사용되고 있습니다.
실시간 데이터 수집 및 모니터링
홍수 예방 시스템의 기초는 도시 전체에 전략적으로 배치된 포괄적인 센서 네트워크입니다.
센서는 강우 강도, 강 수위, 토양 수분 및 배수 용량과 같은 다양한 환경 매개변수를 지속적으로 모니터링합니다.
수집된 실시간 데이터는 중앙 AI 기반 제어 센터로 전송되어 현재상황과 향후 예상되는 위험모델 구상을 위해 지속적인 데이터를 실시간으로 공급받습니다.
AI 지원 데이터 분석 및 예측
홍수 방지 시스템은 고급 AI 알고리즘을 활용하여 들어오는 데이터 스트림을 신속하게 분석합니다. AI 모델은 강우 데이터, 강 수위 및 토양 수분을 분석하여 정확한 홍수 위험 지도를 생성합니다. 이 정보를 통해 시의 비상 대응 팀은 사전에 대비하고 홍수 가능성이 가장 높은 지역에 자원을 배치할 수 있습니다.
데이터마이닝을 통한 지속적인 분석을 통해 가장 확률이 높은 패턴을 인식하고 높은 정확도로 잠재적인 홍수 위험을 식별할 수 있습니다.
현재 관찰과 결합된 과거 데이터를 통해 시스템은 홍수가 발생하기 쉬운 지역을 예상하고 리드 타임을 연장하여 잠재적인 홍수 사건의 예측 모델을 제안합니다.
조기 경보 시스템 실시
AI 생성 예측을 기반으로 효율적인 조기 경보 시스템 구현을 목적으로 합니다. 사람의 판단과 대응은 전화와 CCTV를 통한 상황실에서의 즉각적인 판단은 인공지능의 데이터를 신뢰합니다.
위험예상모델을 통한 시스템은 자동으로 지역 당국, 응급 구조원 및 취약 지역에 거주하는 주민들에게 경고 및 알림을 보냅니다.
조기 경보 시스템은 중요한 관리자의 판단시간을 제외하고 사전 모델링 된 내용에 의해서 즉시 문자 메시지, 모바일 앱 및 소셜 미디어로 안내합니다.
적응형 인프라 및 제어
중앙관제소에서 AI 알고리즘을 통한 제어로 사람이 현장에서 관리하는 위험을 최소화하고 홍수 장벽, 수문 및 펌프장 운영을 포함하여 홍수 통제 조치의 자동화를 가능하게 합니다. AI 기반 제어 센터는 특정 지역에서 빠르게 상승하는 수위를 나타내는 실시간 데이터를 수신합니다. 이 시스템은 인근 펌프장을 자동으로 활성화하고 홍수 방지벽 높이를 조정하여 침수를 방지함으로써 잠재적인 피해를 완화합니다.
*이번 지하차도의 문제점도 해당 위험예측 모델을 통한 사전통제가 가능했다고 하면, 신고와 판단에 의한 혼선으로 충분히 방지할 수 있었던 상황이라고 판단합니다.
예방 및 복구장비 지휘체계의 모델제공
AI 시스템은 홍수가 발생하기 쉬운 지역을 정확하게 예측하여 복구자원 배치를 최적화하는 데 도움을 줍니다.
이렇게 하면 위험도가 낮은 구역에 인력과 장비를 불필요하게 배치하는 것을 방지하여 시간과 자원을 절약하는 동시에 홍수 예방 노력의 효과를 극대화할 수 있습니다.
프로그램개발을 위한 크라우드소싱
정부주도의 플랫폼 개발보다는 현장경험이 많은 다양한 시민참여를 통해 현장적응형 시스템 구축을 목표로 하고, 이와 관련하여 시민이 참여하는 크라우드소싱 형태로 지속적인 데이터 제공을 통한 데이터마이닝이 필요합니다.
미래의 스마트도시에서의 자연재해 대응은 기존의 상황실에서의 단계적인 보고지연 절차를 개선한 인공지능의 판단으로 홍수 예방 시스템을 강화하여 홍수 위험에 대처하기 위한 강력한 데이터 기반 접근 방식의 모델이 가능하다는 가정입니다.
실시간 데이터 분석, 예측 모델링 및 적응형 대응의 통합은 도시의 홍수 완화 능력을 향상이 예상되고, 시민 참여 및 재난 복원력도 증가합니다. 환경오염으로 기후변화가 진행되는 미래도시에서의 인공지능 기반으로한 도심시스템은 진행되어야할 필수조건입니다.
