AI 리빙랩 기반 도시침수 대응
플랫폼 개발 및 현장실증

본 플랫폼은 실시간 강우·지형·수위·유량·인구·시설 정보를 입력받아, ① AI 기반 강우 보정·예측, ② 물리모형-AI 연계 침수 모의, ③ 침수피해 위험도 평가, ④ 통합 예·경보 판단을 순차적으로 수행한다. 결과는 도시침수 위험도 지도, 예·경보 알림, 대피경로 및 대화형 재난대응 지원 정보로 제공된다. 개별 시스템에서 정보를 확인하던 기존 방식에서 벗어나 감시·위험판단·대피지원·복구계획에 필요한 정보를 경량 디지털트윈 플랫폼(PURGE)에서 통합 제공함으로써, 침수 발생 후 대응을 사전·선제 대응으로 전환하는 것이 핵심이다(그림 1).

레이더 강우와 지점 관측자료(AWS/ASOS) 간에는 관측 방식의 차이로 인한 시·공간적 오차가 존재한다. 정량적 강우 추정(QPE)은 랜덤포레스트 기반 AI가 레이더 패턴과 지상 관측값의 관계를 학습한 뒤, 관측값과 추정값의 잔차를 추가 보정하여 고해상도 강우 입력자료를 생산한다. 정량적 강우 예측(QPF)은 현재와 과거 QPE 자료에서 강우의 이동·발달·약화 특성을 학습하여 향후 10~180분의 강우분포를 생성한다. 검증 사례에서 QPE의 결정계수(R²)는 최대 0.901로 나타나 기존 합성 레이더 자료보다 관측값과의 일치도가 개선되었다.

재난 담당자가 반복적으로 수행하는 실시간 기상정보 확인, 현장조치 매뉴얼 검토, 상황보고서 작성 업무를 지원하기 위해 대화형 AI 에이전트를 개발하였다. 에이전트는 사용자 질의의 의도를 분석한 뒤 기상청 API 조회와 현장조치 매뉴얼의 검색증강생성(RAG) 검색을 병렬로 수행하고, 근거가 포함된 대응 정보를 제공한다. 일일기상보고서 자동생성 기능은 기상특보·현재기온·기상전망, 조석 및 강우량 등 5개 데이터 소스를 실시간 수집·정규화하고, 공식 매뉴얼과 대규모 언어모델(LLM)을 활용해 행동방침을 작성한 뒤 DOCX·PDF·HWPX 형식으로 출력한다. 통합 플랫폼에서는 관측·예측·과거 침수위험지도·기반시설·위험도·예·경보·챗봇을 함께 제공하며, 결과 다운로드와 사용자 의견 등록도 지원한다.

군산시는 2024년 7월 10일 1시간 강우량 131.7mm, 총 누적강우량 271mm, 3시간 최대 누적강우량 181mm의 집중호우로 학교·상가·공장 등에 약 493억원의 피해가 발생한 지역이다. 이러한 사례는 짧은 시간에 급격히 확대되는 침수위험을 사전에 파악하고 지역 여건에 맞게 대응할 필요성을 보여준다. 본 과제는 군산시를 연구대상지로 설정하고 지역 침수 현안 수렴 → 사용자 요구사항 도출 → 플랫폼 기능 시연 → 재난대응 담당자 교육 → 사용자 평가 → 기능 개선으로 이어지는 순환형 AI 리빙랩을 운영하였다. 리빙랩 과정에서는 상습침수지역과 배수시설 관리, 재난정보 제공, 대피지원 등 현장의 요구를 수렴하고, 시나리오 기반 침수분석, 과거 침수피해지역 표출, 인근 대피소 정보 제공, 예·경보와 행동매뉴얼 연계 등을 플랫폼 고도화 과제로 구체화하였다.
플랫폼 내 게시판은 사용자가 개선의견을 등록하면 관리자에게 자동으로 알림을 전달하도록 구성하여, 시연 이후에도 의견을 지속적으로 수렴할 수 있도록 하였다. 담당 공무원 대상 평가에서는 플랫폼 만족도 90.2점, 교육 만족도 90.3점으로 나타나 기술 이해도와 실무 활용 가능성을 함께 확인하였다. 리빙랩의 의미는 단순히 완성된 기술의 만족도를 조사하는 데 있지 않다. 현장 의견을 기능 요구사항, 데이터 표출방식, 예·경보 기준, 매뉴얼 연계 및 사용자 화면 개선에 반영하고, 수정된 기능을 다시 검증하는 환류구조를 구축하는 데 있다. 이는 기술을 개발한 뒤 일방적으로 보급하는 방식에서 벗어나, 지자체와 함께 개발·검증하면서 실제 재난대응 업무에 안착할 가능성을 높이는 접근이다.

플랫폼의 실용화를 위해서는 첫째, 기상·수위·조위·시설자료의 안정적 연계와 갱신주기·품질관리 기준을 마련해야 한다. 둘째, 예·경보 단계와 지자체 현장조치 행동매뉴얼을 연결하여 단계별 담당부서, 전파방식, 현장점검 및 대피지원 절차를 구체화할 필요가 있다. 셋째, 실제 강우사례를 활용한 모형 성능 점검, 사용자 교육, 개선의견 반영을 정례화하여 기술 성능과 업무 적합성을 지속적으로 관리해야 한다. 향후에는 군산시 실증 결과를 바탕으로 다른 지자체에 적용하되, 지역별 강우·침수 특성, 기반시설, 인구·시설 분포 및 재난대응 체계를 반영한 맞춤형 검증이 필요하다. 이러한 운영체계는 지자체 도시침수 대응계획, 재난대응 매뉴얼 및 침수취약지역 사전관리와 연계될 수 있다.

본 과제는 AI 기반 강우 추정·예측, 도시침수 예측, 위험도·회복력 평가, 예·경보, 대화형 의사결정 지원을 하나의 플랫폼으로 통합하고, AI 리빙랩을 통해 현장 수요 확인과 기능 개선을 반복한다는 점에서 의의가 있다. 플랫폼의 역할은 재난 담당자의 판단을 대신하는 것이 아니라, 침수위험지역과 대응시점을 빠르게 제시하고 그 근거를 제공하는 데 있다. 앞으로도 실제 강우사례와 지자체 업무환경을 바탕으로 현장실증과 사용자 환류를 지속하여, 신뢰할 수 있는 선제적 도시침수 대응도구로 고도화할 필요가 있다.

이 연구는 2024년도 행정안전부 및 한국산업기술기획평가원(KEIT) 연구비 지원에의한 연구임(RS-2024-00398858)