치수 특성과 머신러닝의 t-SNE를 이용한 지역 군집화 제고 연구

• 영문명: Improvement of Regional Clustering Using Flood Control Characteristics and t-SNE of Machine Learning
• 발행기관: 한국방재학회
• 저자명: 주홍준(Joo, Hongjun) 김종성(Kim, Jongseong) 곽재원(Kwak, Jaewon) 이종소(Lee, Jongso) 정재원(Jung, Jaewon) 김형수(Kim, Hung Soo)
• 간행물 정보: 『2. 한국방재학회 논문집』 20권3호, 247~257쪽, 전체 11쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2020.06.30

국문 초록

본 연구에서는 효율적이고 일괄적인 치수 관리를 도모하기 위하여 치수 특성에 따른 지역 군집화 제고 방안을 마련하고자 하였다. 치수 관리는 수해로부터 인명과 재산을 사전에 예방하고 보호하기 위한 구조적·비구조적 대책이 요구되며 이를 위해서는 지역별 치수 특성을 파악하는 것이 선행되어야 한다. 특히, 유사한 치수 특성에 기반하여 지역별로 군집화하는 것은 국내의 중장기적인 치수 관리의 전략 수립에 있어서 올바른 방향을 제시해 줄 수 있다. 이에 본 연구에서는 우리나라의 162개 시군을 대상으로 치수 특성의 유사도에 따른 군집화를 수행하였다. 치수 특성 평가 지표는 수자원장기종합계획에서 제시하는 홍수피해잠재능(Potential Flood Damage, PFD)내의 지표를 이용하고, 19개년(2000∼2018)에 걸쳐 지표의 DB를 구축하였다. 군집화 기법은 방대한 자료를 효과적으로 축소하고 분류할 수 있는 머신 러닝의 t-distributed Stochastic Neighboring Embedding (t-SNE) 기법을 활용하였으며, 개별 지표 및 통합지표에 따라 지역별 치수 특성을 도출하고 군집화 하였다. 그 결과, 전반적으로 비슷한 규모와 입지 유형을 갖는 지역들이 동일한 군집으로 구성되는 것으로 나타났다. 하지만, 일부 지역은 규모 및 유형과 관계없이 동일한 군집으로 구성되었기 때문에 치수 특성 지표별로 추가적인 세밀한 분석이 필요하며, 지표에 영향을 미치는 직·간접적인 요인을 탐색하는 연구 또한 이루어져야 할 것으로 판단된다.

영문 초록

The aim of this study was to perform clear clustering according to regional flood control characteristics in order to promote efficient and collective flood control management, which requires structural and non-structural measures to proactively prevent flooding and protect people and property. This approach requires to understand regional flood control characteristics; in particular, clustering based on flood control characteristics that are similar among regions can represent the right direction in establishing a strategy for managing medium to long-term flood control in Korea. Therefore, clustering was performed in this study for 162 Korean regions according to the similarity of their flood control characteristics, which were evaluated by the indicators of the Potential Flood Damage (PFD) suggested by the National Water Resource Plan; a 19-year database (2000-2018) for the indicators was constructed. The t-distributed Stochastic Neighboring Embedding (t-SNE) technique, which can effectively reduce and classify massive data, was utilized. Then, the flood control characteristics for each region were derived and clustered according to individual and integrated indicators. As a result, it was found that regions of similar size and type generally consisted of the same cluster. However, because some regions were composed of the same cluster regardless of size and type, a more detailed analysis is required for each indicator of flood control characteristics, and further research should be conducted to explore the direct and indirect factors affecting the indicators.

목차

1. 서 론

2. 지역별 치수 특성에 따른 군집화 방법론

3. 치수 특성 지표의 자료 구축

4. t-SNE를 이용한 지역별 치수 특성 군집화

5. 결 론

감사의 글

References

키워드

치수 특성 군집화 머신러닝 Flood Control Characteristics Clustering Machine Learning t-SNE