기후변화에 따른 침수 예측의 불확실성 증가와 고층화 및 지하화된 서울시의 복잡한 도시구조로 인해 재난이 복합화되면서, 예보만으로는 시민들의 대피 골든타임 확보에 한계가 있다. 그러므로 실시간으로 변화하는 재난 상황을 모니터링하여 위험이 감지될 경우 즉각적으로 대응할 수 있는 실시간 모니터링을 기반으로 한 수방통합시스템 마련이 필요하다. 실시간 모니터링은 인명 피해를 최소화하기 위한 골든타임 확보와 대피 중심의 침수대응 체계 구축을 위해서는 필수적이라 할 수 있다.
기후위기 대응 가능한 새로운 패러다임의 침수대응 방안 마련 시급
기후변화의 가속화로 자연재해의 발생 빈도와 강도가 점차 증가하는 기후위기에 직면하고 있으나, 방재시스템의 성능은 이를 따라가지 못하고 있다. 심각한 침수 피해는 대부분 기존의 방재시스템 성능(방재성능목표)을 크게 초과하는 극한 홍수에서 발생하고 있음에도, 여전히 방재성능목표를 초과하는 극한 홍수에 안전하게 대응 및 관리할 수 있는 대책 마련은 미흡한 실정이다. 기후위기에 대응 가능한 새로운 패러다임의 침수대응 방안 마련이 시급하다.
딥러닝 영상처리 기술 기반 실시간 침수심 분석 기술 개발
본 연구에서는 기존의 센서 기반의 모니터링 방식이 아닌 AI 딥러닝 기반 영상처리 기술을 활용해 침수 발생 여부뿐만 아니라, 침수 정도(침수 깊이)를 평가할 수 있는 기술을 개발하였다. 개발된 기술은 AI 딥러닝 모델을 이용해 도로침수 영상 혹은 이미지에서 자동차를 탐지하고 해당 자동차의 침수 정도를 자동차의 타이어 규격 정보를 이용해 자동차 주행 여부와 도로통제 여부, 침수위험도에 따라 설정된 5단계 레벨로 분석한다. 개발된 침수심 분석 딥러닝 모델은 약 96%의 정확도로 CCTV 영상 및 이미지에서 도로의 침수 상태를 거의 실시간으로 분석할 수 있는 것으로 나타났다.
CCTV 활용 딥러닝 기반 실시간 침수심 모니터링 기술 고도화 및 현장실증
딥러닝 기반 침수심 분석 모델의 정확도를 높이기 위해 CCTV 설치, 생성형 모델 등을 통해 학습 데이터를 확보하고 데이터 증강 기법으로 다양성을 강화하였으며, 최신 YOLOv10 프레임워크 도입으로 분석 지체시간을 단축하여 실시간 영상 분석 성능을 향상시켰다. 이를 기반으로 침수심 모니터링 플랫폼을 구축하고, 강남구청 치수과와 협력하여 대치역 사거리 등 2개 지점에서 한 달간 시범 운영을 실시하여 모델 정확도와 현장 적용성을 검증하였다. 나아가 KISTI의 도시재난 솔루션(KUDS)과 연계하여 침수심 모니터링·예경보·침수지도 작성 모델을 통합한 실시간 도시침수 모니터링 시스템(프로토타입)을 구축하였다. 본 시스템은 실시간 CCTV 모니터링과 2차원 흐름 해석 모델을 결합하여 침수 발생 및 예측 정보를 신속하게 제공할 수 있어 향후 서울시 AI 기반 수방통합시스템으로 활용될 수 있을 것으로 기대된다.