미국 뉴욕市 소방청(FDNY: NYC Fire Department)은 시 정부가 보유한 다양한 화재 관련 정보를 바탕으로 각 건축물의 화재 위험도 점수(fire risk score)를 예측하는 머신러닝 예측 모 델을 구축함. 이 예측 모델은 최신 정보를 바탕으로 매일 모든 건축물의 화재 위험도 점수를 업 데이트하며, 각 자치구 내 소방서에 가장 높은 점수를 기록한 15개의 건축물 리스트를 제공

배경

• 건축물 화재 점검, 위험도 높은 건축물 순으로 우선 시행할 필요
  • 뉴욕시 소방청은 매년 33만여 개 건축물의 화재 점검을 진행해야 하지만 인력 부족 등의 이유로 매년 10% 정도의 건축물만 점검
  • 효과적인 화재 방지를 위해 화재 위험이 큰 건축물부터 우선 점검할 필요
    • 우선 점검이 필요한 건축물을 선정하기 위해 기존 화재사고 정보 등을 취합해 건축물별 화재 위험도를 예측하는 머신러닝 알고리즘을 개발

주요 내용

• 기존 건축물 화재 위험도는 평가 방식이 단순한 한계 존재
  • 기존에는 건축물의 화재 위험도를 단순히 A~E 등급으로만 구분해 건축물 간의 상대적 화재 위험성을 판단하기 어려웠음
• 과거 화재 기록뿐 아니라 세금 납부 내역까지 화제 위험도 예측에 사용
  • 새로운 화재 위험도 예측 모델이 사용하는 데이터는 다음과 같음
    • 건축물의 화재･부상사고 데이터, 건축물의 위치와 인접한 건축물의 수, 세금･보건위생 관련법 위반 내역, 세금 납부 내역, 311(뉴욕시 민원 신고 전화) 신고 내역, 건축물의 재질 등
  • 관련 데이터는 실제 점검 결과를 바탕으로 업데이트하여 제공
• 예측 정확성을 높이기 위해 모델을 지속 개선하고, 외부기관의 데이터도 활용
  • 초기 모델과 달리 지역 환경에 따라 각 평가 요소를 다르게 반영하도록 개선하였으며, 지리학적 정보를 유용하게 활용
  • 미국 해양대기청(NOAA: National Oceanic and Atmospheric Administration)의 날씨 정보, 부동산 기업 Zillow의 건축물 보험 정보 등의 외부 정보 활용
• 모든 화재를 막을 수는 없지만, 화재 위험을 최소화하는 방향으로 설계
  • 화재는 주로 인간의 실수로 일어나기 때문에 점검을 바탕으로 한 예방에도 한계는 있음
  • 따라서, 위험도를 바탕으로 한 뉴욕시의 새로운 화재 예측 모델은 소방대원과 시민에게 가해지는 화재 위험을 줄이는 것을 최우선 목표로 설계
    • 소방대원은 화재를 진압해야 할 건물의 구조에 더 익숙해져 내부를 빠르게 탐색할 수 있고, 막혀 있는 비상구도 더 줄어들 것

https://apolitical.co/solution_article/new-york-city-saving-lives-predic...
http://michaelmadaio.com/Metro21_FireRisk_FinalReport.pdf
https://medium.com/homeland-security/big-data-providing-fire-service-and...

이 수 진 통신원, nowsujinsays@gmail.com