홍수 피해 예방을 위한 AI 활용 물관리 기술 동향
▲ 정재원 KICT 수자원하천연구본부 수석연구원
들어가며
기후변화로 집중호우 발생빈도가 증가하며 홍수로 인한 인명·재산 피해가 해마다 크게 발생하고 있다. 2020년부터 연이은 대규모 홍수로 큰 피해가 발생하였으며, 특히 2022년 발생한 홍수로 인한 인명피해는 30명, 재산피해액은 5,728억 원에 달한다. 이와 같은 상황에서 구조물적 대응방안은 비용과 시간적으로 한계가 있다. 따라서 단기간 내 홍수피해를 저감시키기 위한 비구조물적 대응방안을 강화할 필요가 있다.
한편, 최근 AI와 빅데이터의 융합으로 기술과 산업구조가 지능화되고 있다. 이러한 AI는 컴퓨터가 데이터를 통해 학습하고 추론하는 능력을 갖춘 기술로서, 컴퓨터의 발전과 함께 다양한 분야에 적용되고 있다. 우리나라를 비롯한 주요 선진국에서는 AI 기술을 활용하여 수해 관리문제를 효율적으로 대응하기 위한 기술 개발을 활발하게 수행하고 있다. 강우 및 홍수 예측, 도시홍수 등 분야에 다양한 AI 기법을 적용하여 데이터 분석 및 예측 등에 활용할 수 있다. 이 글에서는 예측하기 어려운 돌발성 집중호우 발생빈도가 증가함에 따라 수해 관리가 어려워지는 문제를 효율적으로 대응하기 위해 AI 기술을 활용하는 물관리 기술 현황 및 방향에 대해 간략히 소개하고자 한다.
홍수 피해 예방을 위한 AI 활용 기술 개요
AI 기술은 분류, 예측, 생성 문제 해결에 적합하며 다른 분석 기법과 결합하여 예측 분석, 예측기반 유지관리, 전망(forecasting) 등 다양한 활용모델로 발전 가능하다(McKinsey Global Institute, 2016). 홍수 피해 예방을 위해서는 데이터 분석, 예측 모델링, 실시간 모니터링, 시뮬레이션 및 시나리오 분석 등 다양한 영역에 활용할 수 있다. 즉, 데이터 분석을 통해 기상 및 수문 데이터를 분석하여 패턴을 식별하고, 이를 통해 과거 홍수 사상과 관련된 데이터를 학습하여 예측 모형을 구축함으로써 홍수 발생을 예측할 수 있다. 또한 다양한 센서를 통해 수집되는 자료를 실시간 모니터링하고 자동 분석하는 데 활용하며, 시뮬레이션 및 시나리오 분석을 수행하여 특정 기상조건이나 환경 변경에 따른 홍수 발생 가능성을 예측하는 데 활용할 수 있다.
대표적인 AI 활용 기술로는 AI 기반 홍수 예측 기술이 있다. AI 기반 홍수 예측 기술은 관측 자료를 학습하여 예측하는 기술로 기존 방법에 비해 신속성과 정확성을 높일 수 있다는 장점이 있다. 기존 하천홍수 예측에 사용되는 물리 기반 모형은 유출에 영향을 미치는 요인을 고려하여 수학적 모델을 구성하고, 초기 조건과 경계 조건을 입력하여 시뮬레이션을 수행한다. 이에 반해 AI 기반 모형은 지형학적/수문학적 특징이 반영된 관측 자료를 활용하여 현재와 미래 관측값의 관계성을 사전에 학습하여 예측한다. 따라서 자동화된 자료 수집, 분석, 예측이 가능하기 때문에 매번 매개변수 보정 등 수동적인 작업이 필요한 물리모형 대비 신속한 예측정보 생산이 가능하다. 또한 도시 홍수 분야에서는 강우량, 하천 수위, 배수 시스템 등을 고려하여 내수배제 불량 감지, 도시침수 예측 등에 AI 기술을 활용한다. 도시침수는 홍수로 인한 도시하천의 범람 또는 도시지역 내에서 강우가 원활히 배수되지 않아 발생하는 침수 현상으로 침수흔적도, CCTV 자료, 관로 수위계 관측 자료 등을 활용하여 예측할 수 있다.
국내외 AI 활용 물관리 기술 관련 현황
주요 선진국에서는 현재 AI 등 주요 핵심기술을 활용하여 홍수 예측과 관련된 연구를 기획·추진하고 있다. 구글(Google)에서는 인도와 방글라데시를 대상으로 과거 홍수사상, 수위, 지형 등 메타데이터를 학습하여 홍수 발생 가능성을 예측하는 AI 알고리즘(Google AI for Social Good)을 개발 및 적용하였다. 또한 딥러닝 기법을 이용한 후속 기술로 레이더 영상 학습을 통해 1 km 반경 내 6시간 뒤 기상을 예측하는 기상예측 알고리즘(Google Nowcast)을 개발하였다. 일본 토목연구소(PWRI)에서는 JFE 엔지니어링과 공동연구를 통해 기상 및 수문 관측자료를 학습하여 하천 홍수위를 실시간으로 예측하는 AI 홍수예측시스템 (WinmuSe)을 개발하였으며, 일본 내 약 90개 이상의 위치에 설치하여 운영하고 있다.
중국의 알리바바 그룹에서는 하천 유량 및 수위 영상을 원격으로 감지하고 물 인식 알고리즘(Water body recognition algorithm)을 통해 실시간 하천 수위 탐지 기술을 개발하여 운영하고 있다.
국내에서도 AI 활용 기술과 관련하여 정부 정책이 제시되고 있다. 환경부에서는 AI 홍수예보의 도입을 추진하고 있다. AI 기법을 활용하면 과거 홍수 시의 강우-수위 관계자료를 학습하여 별도의 수문분석 없이 기상예측 자료를 토대로 신속하게 수위를 예측할 수 있다. 이로써 홍수예보를 전국 지류 지천까지 빠르고(3→6시간 전) 촘촘하게(75→223개 지점) 실시할 수 있다. AI 홍수예보는 올해 5월부터 서울시 도림천 유역에 도시침수 피해 방지를 위한 시범시스템이 구축되어 시범운영 중에 있다. 또한 도림천 시범운영 결과를 반영하여 2025년까지 전국 223개 홍수특보지점을 대상으로 시행하는 것을 계획하고 있다.
맺음말
홍수 피해 예방을 위해 AI는 데이터 분석, 예측 모델링, 실시간 모니터링, 시뮬레이션 및 시나리오 분석 등 다양한 영역에 활용할 수 있다. AI 기반의 홍수 관리 기술은 기존 방법 대비 선행예측시간을 확보할 수 있기 때문에 홍수 피해 예방에 효과적으로 활용할 수 있다. 또한 AI 기술은 계속하여 발전하고 있어 향후 기상 및 수문 분야 등에서 더욱 광범위하게 활용될 것으로 예상된다. 그러나 AI 모형은 데이터의 품질과 양에 의존하므로 방대한 자료의 처리능력에도 불구하고 학습 데이터에 따라 예측 성능이 제한될 수 있다. 또한 AI 기술의 실용화를 위한 국내 기술 수준은 충분한 것으로 판단되나, 현재까지 실제 실무에 적용된 사례는 미미한 수준이다. 이는 AI 기술의 특성상 도출된 결과의 원인 파악이 어려우며, AI 시스템 운용에 따른 윤리적인 가이드라인이 부재하기 때문이다. 따라서 AI 활용 기술의 발전 및 적용 확대를 위해서는 학습 데이터 수집 및 품질관리 체계를 구축하는 것이 필요하며, 기술 실용화를 위한 연구개발 및 산업화 지원이 필요하다. 마지막으로 AI 시스템의 결과를 단순한 의사결정모형으로 활용하는 것이 아닌 AI를 통한 결정에 따른 파급효과에 대한 충분한 고려가 필요하다. 따라서 AI 시스템 사용자 및 의사결정자는 전문적인 지식과 이해도가 있는 적합한 인재로 구성해야 하며, 이를 위한 교육 및 인력 양성에 대한 지속적이고 적극적인 투자 지원이 필요하다.
―――――――――――――――――
참고자료
• 과학기술정보통신부 과학기술일자리진흥원 (2021). AI기반 홍수예측알고리즘을 이용한 독립형 홍수예경보시스템 실증화 실증·기획 최종보고서
• 환경부(2020). AI홍수예보체계 구축을 위한 기본구상 수립 보고서
• 환경부 보도자료(2023). 가상모형(디지털 트윈)·인공지능(AI) 기반 도시침수 예보 및 신속 대응체계 구축한다
• Google DeepMind (https://deepmind.com/research/casestudies/alphago-the-story-so-far)
• IBM(https://www.ibm.com/ibm/history/ibm100/us/en/icons/watson/)
• Intelligence, A. (2017). “The next digital frontier.”, Discussionpaper. McKinsey Global.
• McKinsey Global Institute. (2016). "The next digital frontier."Discussion paper.
• Mousavi, S. S., Schukat, M., and Howley, E. (2016). “Deepreinforcement learning: an overview.”, In Proceedings of SAI Intelligent Systems Conference, pp. 426-440. Springer, Cham.
