"02분반 물길흘러조"의 두 판 사이의 차이

2025년 12월 17일 (수) 23:52 판

프로젝트 개요

기술개발 과제

국문 : 기후 변화 대응을 위한 퇴적 위험도 분석 및 관리‧점검을 위한 웹 플랫폼 개발

영문 : Development of a WebPlatform for Analyzing Sedimentation Risk and for Management and Monitoring in Response to Climate Change

과제 팀명

물길흘러조

지도교수

구자용 교수님

개발기간

2025년 9월 ~ 2025년 12월 (총 4개월)

구성원 소개

서울시립대학교 환경공학부 20228900** 백*경(팀장)

서울시립대학교 환경공학부 20208900** 장*환

서울시립대학교 환경공학부 20228900** 권*성

서울시립대학교 환경공학부 20228900** 이*현

서론

개발 과제의 개요

개발 과제 요약

본 과제는 기후 변화 속 늘어나는 도시 침수 사고 문제를 대비하고, 인명 및 재산 피해를 최소화하는데 기여하기 위해 총 두 단계에 걸쳐 배수시스템 유지관리 시스템을 설계하였다.배수능 저하에 영향을 줄 것으로 예상되는 인자를 선정하여 1차로 퇴적물량을 예측하고, 이때 선별된 위험 지역에 대해 2차 예측을 추가로 진행한다. 개발된 1단계 모델에는 기상청에서 제공하는 초단기 강우 예보 데이터를 융합하여 실제 강우 이벤트에 따른 침수 위험도와 관리 우선순위를 동적으로 갱신 및 제공하고자 하였으며, 1단계 모델을 통해 선별된 위험지역에는 센서를 설치하여 실시간 모니터링을 진행한다.

이를 통해 단순 추정에서 벗어나 모델의 정확도를 향상시키고, 거시적인 위험 분포도 확인 및 미시적인 실시간 현황 파악이 가능해진다. 또한, 필요 지역에만 센서를 설치함으로써 비용 부담을 감소시켜 예산, 인력 등의 측면에서 효과적인 사전적 대응을 기대할 수 있다.

개발 과제의 배경

도시침수란 홍수로 인한 도시하천의 범람 또는 도시지역 내에서 강우가 적절히 배수되지 아니하여 발생하는 침수현상을 말한다(도시침수방지법). 침수피해란 도시침수로 인하여 발생한 생명·신체 또는 재산상 피해를 말한다.

행정안전부 재해연보에 따르면 2023년 도시 침수(호우, 홍수 중심) 피해는 재산피해 9,582억 원, 이재민 8,322명을 기록했다. 연도별로 보면 2021년 661억 원, 2022년 5,927억 원, 2023년 9,582억 원으로 해마다 가파르게 증가하고 있다. 인명피해 역시 2021년 3건, 2022년 19건, 2023년 53건으로 크게 증가하고 있으며, 복구에 드는 국비 투입 역시 2021년 1,475억 원, 2022년 1조 743억 원, 2023년 1조 2,097억 원으로 늘어났다. 극한호우 단일 사건의 피해 강도도 커졌다. 물정보포털에 따르면 2022년 8월 수도권 집중호우는 사망·실종 19명, 재산피해 3,115억 원에 달했고, 서울 동작구에서는 일 381.5mm의 기상관측 이래 최대 폭우가 관측되는 등 도심 저지대·하천 인접 지역을 중심으로 피해 강도가 심화되는 양상이다.

서울연구원에서 발표한(2025년 5월) 정책연구 “배수기능 확보 위한 빗물받이 설치와 유지관리 개선방안”에 따르면 빗물받이의 막힘은 위와 같은 침수피해를 가중시킨다. 이는 주로 빗물받이 최상단의 그레이팅이 낙엽, 무단투기된 담배꽁초, 쓰레기 혹은 악취 방지를 위한 덮개 등으로 막힌 상태에서 강우가 발생하면 발생한다. 국립재난안전연구원에 따르면 집중호우(시간당 강우량 50mm 이상) 발생 시 빗물받이의 막힘은 침수 면적을 약 3배 가량 증가시키며, 침수 깊이는 2.3배 이상 증가시키는 것으로 나타났다. 이를 방지하기 위해 시민들에게 본인의 주거지 또는 상가 앞 빗물받이를 점검하는 캠페인을 진행중이나, 그레이팅 외에 시민이 접근하기 어려운 빗물받이 내부에도 토사와 낙엽 등이 쌓여 빗물받이 막힘을 유발하기도 한다. 이 문제를 해결하기 위해서는 지자체에서 지속적인 청소와 준설을 진행해야 하지만, 예산 또는 인력 부족 등의 문제로 어려운 상황이다. 서울연구원 정책연구(2025년 5월)에 의하면 자치구별 빗물받이는 평균 23,378개가 설치되어 있으나, 1개 자치구 1일 준설 가능 빗물받이 수는 200~300개소로 연 2회 준설을 실시하고 있다. 하지만 토사를 비롯한 이물질 등은 준설 이후 즉시 재발하므로 우기 전에 맞추어 모든 빗물받이에 대한 준설을 진행하기에는 역부족한 실정이다. 따라서 본 연구에서는 두단계에 걸쳐 진행되는 배수구 퇴적물량 예측 및 관리‧점검 시스템을 개발하여 사전예방적 차원에서의 준설을 최적화함으로써 침수 피해를 최소화 하고자 한다.

개발 과제의 목표 및 내용

본 연구에서 궁극적으로 도달하고자 하는 목표는 사전예방 차원에서의 퇴적물량 산정을 통한 배수시스템 유지관리 최적화이다. 이를 위해 배수능 저하에 영향을 줄 것으로 예상되는 인자들을 활용하여 퇴적물량 예측 모델을 개발한 뒤, 위험지역을 선정할 예정이다. 위험지역에는 추가로 센서를 설치하여 실시간 데이터를 수집하고, 이를 기상청의 초단기 강우 예보 데이터와 융합하여 시스템의 정확도 및 신뢰도를 향상시키고자 한다.

(1) 설계 대상지 선정

1단계 모델 예측을 위한 설계 대상지는 서울특별시의 동대문구로 정하고자 한다. 2단계 모델 예측을 위한 설계 대상지는 교내 캠퍼스로 설정하여, 1단계 모델 예측에 실시간 데이터를 결합하였을 때의 정확도 변화도 함께 살펴보고자 한다. 2단계 모델 개발을 위해서는 실제로 센서를 설치한 뒤 실시간 데이터를 수집해야 하기에, 교내 캠퍼스가 위치한 동대문구를 설계 대상지로 선정하여 프로젝트를 진행할 예정이다.

(2) 1단계 모델 개발

가. 활용 데이터

1단계 모델 개발에 활용되는 데이터는 다음과 같다.

- 서울시 자치구별 불투수면적 현황

- 국토교통부 수치표고모델(DEM)

- 국토교통부 토지이용현황도(SHP)

- 국토교통부 도로망(현황) – SHP

- 서울시 가로수 위치정보

- 행정동 단위 서울 생활인구(내국인, 외국인)

1단계 모델은 기본적으로 DEM, 불투수율, 유동인구, 가로수 낙엽가중, 상권 등 공간변수를 동일 격자 해상도로 정규화하여 피처 레스터를 구축하고, 이를 지도학습 분류기로 학습해 역삼2동 내 침수 유발 취약성을 셀 단위로 산정하도록 구성된다. 코드상으로는 geopandas와 rasterio를 통해 벡터(SHP)와 래스터(TIF)간 변환, 정합을 수행하며, 모든 입력은 기준 DEM의 해상도/영역/변환행렬을 상속받도록 처리된다.

지형은 ‘수치표고모형(DEM)’을 활용하여 고도 원본값 자체뿐 아니라 지형 특성을 설명하는 파생 변수를 함께 사용한다. 이는 원천 고도 데이터가 가진 지형 정보를 보다 정교하게 반영하기 위함이며, 경사향(aspect), 경사도(slope), 지형의 상대적 높낮이(Topographic Position Index, 이하 TPI), 집수량(flow accumulation)의 네 가지 파생변수를 파이썬의 지리공간 데이터 추상 라이브러리인 GDAL과 유역경계설정 및 하천망 추출을 수행하는 pysheds를 이용하여 생성하였다. 단순 고도 값만으로는 지형의 방향성, 경사 변화율, 주변 대비 상대 높낮이, 유출 집중도와 같은 지형 구조적 특성을 충분히 표현하기 어렵기 때문이다. 이러한 한계를 보완하고 지형적 패턴이 퇴적 위험도에 미치는 영향을 정량적으로 모델에 반영하기 위해 파생변수를 포함하였다.

불투수율은 해당 벡터/속성을 기준 DEM 격자에 래스터화하여 연속값 지도로 만든다. 유동인구와 상권 데이터 역시 속성필드를 지정해 동일한 격자에 래스터화한다. 마지막으로, 가로수 데이터는 점 데이터에 낙엽량 가중치를 부여해 계산한뒤, 낙엽가중 밀도 피처로 활용한다. 이 중, 가로수 데이터는 수종, 수고, 수관너비, 흉고지름, 관리등급 등 세부 속성을 포함하여 계절별 낙엽량 및 표면 덮개 효과를 반영할 수 있다. Hrotkó et al.(2020)에 따르면 가로수는 도시 내 표면 환경에 직접적인 영향을 미치며, 낙엽 발생을 통해 대기 중 퇴적 물질의 지표 기여를 증가시킬 수도 있다.

이 중, 가로수 데이터는 수종, 수고, 수관너비, 흉고지름, 관리등급 등 세부 속성을 포함하여 계절별 낙엽량 및 표면 덮개 효과를 반영할 수 있다. Hrotkó et al.(2020)에 따르면 가로수는 도시 내 표면 환경에 직접적인 영향을 미치며, 낙엽 발생을 통해 대기 중 퇴적 물질의 지표 기여를 증가시킬 수도 있다.

정답지(라벨)는 현장 조사를 통해 수집한 총 486건의 실측 데이터(빗물받이 퇴적 정도)를 사용하며, 현장조사 결과를 좌표화하여 격자 라벨 래스터로 변환하였다. 모델 학습에는 LightGBM 분류기를 사용하였으며, 역삼 2동을 기준으로 학습된 예측 결과를 강남구 전 영역에 적용하였다. 전 영역에 대한 예측 결과는 GeoTIFF와 Folium-HTML로 산출, 시각화와 웹사이트 구축에 이용한다.

나. 모델학습

본 연구에서는 역삼 2동 및 강남구 전역의 빗물받이 퇴적 위험도를 격자 단위로 분류하기 위해 Light Gradient Boosting Machine(LightGBM) 기반 분류 모델을 적용하였다. LightGBM은 결정트리 기반의 그라디언트 부스팅 알고리즘으로, 다수의 입력 변수 간 비선형 관계와 상호작용을 효과적으로 학습할 수 있어 지형 조건과 도시 활동 요인이 복합적으로 작용하는 퇴적 위험성 분석에 적합하다. 또한 대규모 래스터 기반 입력 자료를 효율적으로 처리할 수 있다는 점에서 본 연구의 공간 데이터 구조와 잘 부합한다. 출력 클래스는 정상, 관심, 주의, 심각의 4단계로 정의하였다. 하이퍼파라미터는 기본값을 그대로 사용하는 대신, 트리의 복잡도와 예측 안정성을 고려하여 사전에 조정된 파라미터 조합을 적용하였다. 이 과정은 자동화된 탐색 기법보다는 반복적인 실험과 예측 결과의 공간적 분포를 비교·검토하는 방식으로 이루어졌으며, 이를 통해 과도한 과적합을 유발하지 않으면서도 지역적 패턴을 충분히 반영할 수 있는 설정을 최종 모델로 채택하였다.

모델의 입력 변수는 모두 DEM의 30m 해상도의 기준 격자에 맞춰 정규화된 래스터 형태로 구축되었다. 각 격자 셀에 대해 다차원 피처 벡터를 구성한 뒤, 현장 조사를 통해 수집된 빗물받이 퇴적 정도 실측 데이터를 기준으로 4단계 위험도로 라벨링하여 지도학습용 데이터셋을 생성하였다. 모델 학습 단계에서는 모델의 예측 성능을 단일 수치 지표로 평가하기보다는, 학습된 모델을 전 영역에 적용하여 생성된 위험도 지도의 공간적 분포 특성을 중심으로 결과를 검토하였다. 특히 지형적으로 저지대이거나 불투수율이 높은 지역, 유동인구와 상권 활동이 집중된 구간에서 상대적으로 높은 위험도가 예측되는지를 확인함으로써, 모델의 예측 결과가 도시 수문 및 현장 관측 특성과 정합적인지를 판단하였다. 학습이 완료된 모델은 역삼2동 전 영역 및 강남구 전체로 확장 적용되었으며, 셀 단위 예측 결과는 GeoTIFF 형식의 위험도 래스터로 저장하였다. 이를 통해 GIS 기반의 후속 분석 및 시각화가 가능하도록 하였으며, Folium 기반의 인터랙티브 지도를 통해 위험 지역의 공간적 분포를 직관적으로 파악할 수 있도록 구성하였다.

다. 1단계 모델 변수 중요도 분석 및 성능평가

변수 중요도 분석 결과, 추가된 파생변수들은 불투수율과 함께 전체 상위 중요도에 다수 포함되었으며 특히 경사향, 경사도, TPI가 핵심 입력 변수로 작동하는 것으로 나타났다. 이는 파생변수 도입이 모델의 분류 성능에 실질적 기여를 했음을 의미하며, 단순 고도 대신 지형 변화를 구조적으로 반영한 변수를 활용하는 접근이 타당했음을 뒷받침한다. 이러한 결과는 지형 기반 파생지수가 퇴적위험도 분류에서 중요한 설명력을 가진다는 점을 명확하게 보여준다.

구분	항목	세부내용	금액	합계
C0(정상)	0.55	0.50	0.52	12
C1(관심)	0.76	0.73	0.75	30
C2(주의)	0.59	0.57	0.58	35
C3(심각)	0.54	0.62	0.58	21
정확도	-	-	0.62	98
매크로 평균	0.61	0.61	0.61	98
가중 평균	0.63	0.62	0.62	98

모델 성능 평가 결과 네 개 클래스 간 균형 있는 성능을 확보한 수준으로 평가된다. C1(관심) 클래스는 정밀도 0.76, 재현율l 0.73으로 가장 높은 분별력을 보여 실제 관심 구간을 안정적으로 포착하는 경향이 뚜렷했다. C2(주의)와 C3(심각) 클래스는 각각 0.57, 0.62로 중간 수준의 재현율을 보였으며, 이는 실제 위험도 높은 구간을 일정 수준 이상 포착하고 있음을 의미한다. 반면 C0(정상) 구간은 정밀도와 재현율이 상대적으로 낮아 완벽한 구분에는 한계가 있었으나, 이는 본 데이터 특성상 정상 구간보다 위험 구간의 지형적 패턴이 더 뚜렷하기 때문으로 해석할 수 있다. 매크로 평균의 f1-score는 0.61로, 각 클래스가 과도하게 치우치지 않으며 일정한 성능을 확보한 모델임을 보여준다.

종합하면, 본 튜닝 모델은 고도 기반 파생변수가 전체 성능 향상에 실질적으로 기여했음을 변수 중요도 분석을 통해 확인할 수 있으며, 네 클래스 분류 문제에서 0.62 수준의 정확도와 비교적 안정적인 f1-score를 달성하였다. 특히 경사향, 고도, TPI 등 지형 특성을 반영한 가공 변수가 상위 중요도를 차지함으로써, 단순 원천 데이터보다 지형 구조적 특성을 반영한 파생변수의 도입이 퇴적위험도 분석에 적합함을 검증하였다. 이러한 결과는 향후 연구에서도 지형 기반 파생지수를 적극적으로 활용하여 모델의 해석력과 예측력을 향상시킬 필요성을 시사한다.

라. 위험지도 작성 및 센서 설치 후보지 도출

SHP 공간 데이터와 결합해 1차 위험지도를 작성함으로써, 모델의 정확도를 시각적으로 점검하고 개선 방향을 도출한다. 이 과정에서 도출된 고위험 지역을 센서 설치 후보지로 추천한다. 모든 관로에 센서를 전수 설치하는 것은 비용·관리 측면에서 비효율적이므로, 위험도가 높은 전략적 지점만 선별하여 관리하는 것이 효과적이다. 실제로 Wang et al (2021)에 따르면, 일부 핵심 배수구만 관리하더라도 전체 시스템 위험 저감에 상당한 효과를 거둘 수 있음을 보여주었다. 따라서 본 연구 역시 고위험 격자 중심의 센서 배치를 제안하며, 이는 예산·인력 제약 속에서 합리적이고 실용적인 접근으로 정당화될 수 있다.

(3) 2단계 모델 개발

2단계에서는 1단계 결과를 기반으로 설치된 수위·유량 센서 자료와 기상청에서 제공하는 초단기 강우 예보 데이터를 융합하여, 실제 강우 이벤트 발생 시 침수·퇴적 위험도를 동적으로 갱신하고 관리 우선순위를 제시하는 프로토타입을 구현하고자 한다. 이를 통해 정적 예측모형을 보완하고, 실제 강우 사상 발생 시 위험도를 동적으로 업데이트할 수 있는 기능을 확보한다.

가. 센서 설치

센서는 아두이노를 기반으로 하며, 송신부와 수신부로 나뉜다. 송신부는 영상 정보 수집을 위한 카메라 모듈, 퇴적물량 센싱을 위한 적외선 센서 모듈, 위치 정보 수집을 위한 GPS 모듈, 장거리 통신을 위한 LoRa 모듈, 전력 공급을 위한 배터리를 포함한다. 구성된 송신부는 방수 처리 후 빗물받이의 그레이팅 하부에 장착되며, 각 모듈에서 수집된 정보를 수신부로 실시간 전달한다. 수신부는 송신부의 수집정보를 서버에 업로드하는 역할로, LoRa 모듈을 포함하고 있다.

나. 강우 데이터 융합

기상청에 따르면 초단기예보는 예보시점부터 6시간 이내에 대한 예보로 짧은 시간에 발생 혹은 소멸하는 위험 기상에 대처하여 전국 읍, 면, 동 단위로 1시간마다 발표된다. 초단기예보 데이터 중 비, 눈, 빗방울, 눈날림 등의 정보를 담는 강수형태와 강수량 데이터를 본 연구의 강우 데이터로 활용하고자 한다. 각 행정구역별 예보되는 강수량과 막힘 위험도에 따른 통수량을 비교하였을 때, 전자가 더 크다면 긴급 준설 경보를 발효한다. 또한 강수형태상 눈에 비해 비의 유동성이 더 큰 점을 고려하여 눈 예보 지역보다 비 예보 지역에 대한 준설 우선순위를 높게 지정하고자 한다.

다. 위험도 갱신 프로토타입 구현

퇴적위험도를 1시간 단위로 주기적으로 갱신하는 프로토타입을 구축한다. 이 과정에서는 실시간/준실시간 데이터 스트리밍 파이프라인을 설계하고, 데이터 동기화 및 이상치 처리 절차를 포함한다. 이를 통해 정적 예측모형의 한계를 보완하고, 실제 강우 사상 발생 시 위험도를 동적으로 업데이트할 수 있는 기능을 확보한다.

(4) 웹사이트 개발

최종적으로는 결과를 웹 GIS 대시보드(예: Leaflet, Kepler.gl)로 시각화하여 관리기관이 직관적으로 활용할 수 있는 플랫폼을 제안한다.

~~수정필~~ ~~수정필요25env05 (토론)

(1) 스마트 빗물받이 관리 시스템

- 성동구 원클릭 빗물받이 신고 시스템

• 빗물받이 간편신고 및 데이터 기반의 체계적 유지관리를 위해 성동구에서 자체 개발한 빗물받이 불편신고 지도 플랫폼

• 빗물받이 간편신고, 불편신고지도, 통합관리시스템 등 4종 구성

• GPS 기반 빗물받이 불편신고 및 처리과정 등 실시간 모니터링

- 노원구 스마트 빗물받이 관리 시스템

• 지역 내 2만 2천 개에 달하는 빗물받이를 전수조사해 일일이 GPS 좌표를 시스템에 입력함으로써 체계적으로 관리함

• 빗물받이에는 고유번호, QR코드가 삽입된 번호판이 부착되어 누구나 쉽게 정확한 신고 위치를 특정할 수 있게 함

• 스마트폰 사용이 어려운 주민은 함께 기재된 담당자 직통 전화번호로 신고 가능함

(2) 리빙랩 구축 - 도시침수 리빙랩: OO구 빗물받이 관찰단

• 시민 참여형 리빙랩 방식을 활용함. 지역 문제 해결을 위해 시민이 직접 협력하여 해결책을 모색하는 실험적 플랫폼

• 시민들이 직간접적으로 경험한 침수 지점, 피해 강도, 피해 내용, 추정 원인 등을 기록하는 ‘도시침수 경험지도’를 제작함

• 침수흔적도 등 기존 재해지도에는 기록되지 않은 소규모 침수 사례나 미시적 침수 특성을 파악하여 공식 데이터를 보완하는 정성적 데이터 확보

• 시민들이 일상 속에서 모바일 설문을 통해 약 2주간 1,200건의 빗물받이 현장 데이터를 수집함 (퇴적 위험도, 막힘 원인, 주변환경)

• 중간 피드백 워크숍 진행

• 향후 빗물받이 관리 우선순위 결정 및 차등적인 관리구역 도출에 핵심적인 자료로 활용되는 것이 목표

(3) 스마트 빗물받이 덮개

• 평소에는 빗물받이 덮개 역할로 하수도 악취를 차단하고, 비가 내릴 경우 자동으로 열려 빗물을 배수함

• 태양광을 에너지원으로 하여 친환경적으로 사용이 가능

• 담배꽁초나 쓰레기가 빗물받이 내부로 투기되는 것을 막아 막힘을 예방함

특허조사 및 특허 전략 분석

(1) 하수관거 모니터링 시스템

세부내용

본 발명은 하수관거 상에 구비된 다양한 측정센서로부터 실시간으로 상황 정보를 모니터링할 수 있는 시스템에 관한 것이다. 특히 황화가스 센서를 통해 하수관거의 부식 요인을 분석하고, 하수관거 내 퇴적물의 축적 상태를 측정함으로써 해당 하수관거의 상태를 진단 및 평가할 수 있다. 이를 기반으로 하수관거의 노후도와 퇴적물 준설 시기 등 유지관리 시기를 효율적으로 파악할 수 있다. 보다 구체적으로는, 특정 관리대상지역에 설치된 복수의 하수관거에 대한 상태 정보를 수집하고 이를 모니터링하기 위한 시스템으로 하수관거에 설치되어 다종의 계측데이터를 수집하는 수집부, 관리대상지역의 인구, 면적 등 지역정보와 해당 지역의 하수관거 이력정보를 입력하는 입력수단, 수집부로부터 유·무선 통신망을 통해 계측데이터를 실시간 전송받아 하수관거의 상태 정보를 분석·저장·출력하는 운영서버, 운영서버와 연계되어 상태 정보 데이터를 요청·수신하고 모니터링을 수행하는 관리자 단말을 포함하는 것을 특징으로 한다.

의의

• 하수관 내부의 유량, 수질, 가스(악취 등)를 측정하는 센서를 설치하여 관련 데이터를 실시간으로 수집 및 분석함.

• 눈으로 확인하기 어려운 하수관의 노후화 정도나 부실 상태를 즉각적이고 정확하게 파악할 수 있음. 이를 통해 문제 발생 시 신속한 대응이 가능하며, 기존 방식에 비해 시간과 비용을 획기적으로 절감할 수 있음.

• 수집된 정량적 데이터는 효율적인 도시 기반 시설 관리를 위한 의사결정 도구로 활용될 수 있음.

(2) 하수관거 자산관리 시스템

세부내용

본 발명은 하수관거의 보수/준설이력, 재무비용, 서비스 수준에 대한 정보를 관리하는 관리부, 하수관거를 실시간으로 모니터링하는 측정부, 상기 관리부로부터의 정보와 상기 측정부로부터의 정보를 취합하여 하수관거의 물리적 상태 및 재무적 상태를 분석하여 하수관거의 유지·관리에 관한 분석결과를 도출하는 진단/평가부를 포함하여 구성되는 하수관거 자산관리 시스템에 관한 것이다.

의의

• 하수관거의 물리적 상태(노후도, 파손 위험 등)뿐만 아니라 재무적 상태(교체 비용, 유지보수 이력 등)까지 종합적으로 평가하고 분석함.

• 수집된 데이터를 기반으로 각 관거의 상태를 평가하여 가장 적절한 유지보수 시기, 필요한 비용, 그리고 보수 수준을 과학적으로 도출한다. 즉, 사후관리가 아닌 예방적 유지보수를 가능케 함.

• 한정된 예산을 가장 효율적으로 사용하여 하수관거 전체의 수명을 연장하고 안정적인 하수도 서비스를 제공하는, 종합적인 '자산관리'를 수행할 수 있도록 지원함.

(3) 하수관거내 퇴적량 예측방법 및 그 기능을 탑재한 하수관거 모니터링 시스템

세부내용

본 발명은 하수관거 내 퇴적량 예측방법 및 그 기능을 탑재한 하수관거 모니터링 시스템에 관한 것으로, 퇴적심도계를 활용한 현장제어반(100-100n)을 통하여 하수관거 내 지점별 실측된 퇴적심도 자료를 전송하는 단계와, 상기 전송된 퇴적심도 자료를 기초로 하면서 하수관거 자료분석 프로그램인 SWMM과 연계하여 하수관거 내 퇴적량을 예측 모의하는 단계로 구성됨으로써, 퇴적심도계에 의한 정량화된 퇴적량 데이터베이스 구축 및 하수관거 자료분석에 사용될 수 있는 프로그램과의 연계활용을 통하여 유지관리가 필요한 해당 하수관거의 특정시기의 퇴적량과 적정 준설시기가 예측가능하여, 종래의 주기적인 하수관거 준설작업에 비해 준설비용을 절감할 수 있고, 정량화된 퇴적량 데이터베이스 구축 및 그 분석작업을 통하여 간접적으로 하수관거의 구배 및 지역적 특성이 하수관거 퇴적량에 미치는 영향을 파악할 수 있도록 지원하는 효과가 있다.

의의

• 하수관거의 유속이나 수위 같은 수리학적 정보와 강우량 데이터를 수집함.

• 수집된 데이터들은 수치해석을 위한 분석식에 대입하여, 직접 들어가 보지 않고도 하수관 내부에 퇴적물이 얼마나 쌓여있는지를 예측할 수 있음.

• 퇴적량을 과학적으로 예측함으로써 하수관 청소 시기나 유지보수 계획을 효율적으로 수립할 수 있도록 지원하고, 도시 침수나 악취 문제를 예방하는 데 기여함.

(4) IoT 계측기를 이용한 침수 모니터링 시스템

세부내용

본 발명은 IoT 계측기를 이용한 침수 모니터링 시스템에 관한 것이다.보다 구체적으로는, 저가의 절대압력센서를 이용하여 비용 효율적으로 시계열 침수 데이터를 확보할 수 있는 IoT 기반 침수 모니터링 시스템에 관한 것이다.

이를 구현하기 위해 본 발명은 다음과 같은 구성을 포함한다. 1. 태양광모듈: 태양광 패널의 방향을 조절할 수 있으며, 태양에너지를 전기에너지로 변환하는 역할을 한다. 2. 전원공급부: 태양광모듈에서 생성된 전기에너지를 저장하고, 태양에너지가 공급되지 않는 경우에도 전력을 공급할 수 있다. 3. 압력센서: 침수 시 수압을 감지(센싱)하여 데이터를 생성한다. 4. 마이크로컨트롤러: 압력센서로부터 신호를 전송받아 디지털화하고, 이를 통신모듈로 전달한다. 5. 통신모듈: 안테나를 포함하며, 마이크로컨트롤러에서 수신한 신호를 원거리의 통합관제서버로 전송한다. 6. 통합관제서버: 무선으로 신호를 송수신하며, 통신모듈을 통해 전달된 압력센서의 수압 정보를 이용해 침수심으로 연산·처리·저장할 수 있다. 이와 같은 구성을 통해, 본 발명은 비용 효율적이면서도 실시간으로 침수 상태를 모니터링할 수 있는 IoT 기반 침수 모니터링 시스템을 제공한다.

의의

• 현장 장비의 구조를 단순하게 만들어 전력 소모를 줄이고, 장비의 크기를 줄이며, 생산 단가를 낮췄음.

• 이를 통해 더 많은 곳에 저렴한 비용으로 침수 모니터링 장치를 촘촘하게 설치하고 효율적으로 관리할 수 있음.

기술 로드맵

~~수정필요25env05 (토론)

시장상황에 대한 분석

현행 시스템 비용 분석

서울시 전체 빗물받이 수는 2024년 기준 약 58만 4천여개에 달하며, 이 중 강남구는 4만여 개로 가장 많다. 서울연구원에 따르면 빗물받이 점검률은 29%에 불과하며, 2023년 기준 실질적인 전담 관리 인력은 11개 자치구 120명에 그치기에 턱없이 부족한 인력으로 인해 물리적인 전수 점검 및 관리가 불가능하다. 경제적 한계도 존재한다. 서울시 전체로는

연간 224억 원이 소요되며, 강남구의 빗물받이 준설공사 예산만 보더라도 2023년 약 14.8억 원, 2024년 약 10.9억 원이 편성되었다. 또한, 기존 문제를 해결하기 위한 대안으로 제시되는 ‘스마트 빗물받이’ 기술은 개당 가격이 약 396만 원에 이르러, 비용 대비 효율성이 현저히 떨어진다.

현행 시스템 대비 비용 절감 효과 분석

2023년 기준 강남구는 약 4만 587개의 빗물받이에 대해 연 2회의 정기 청소를 시행하고 있으며, 총 청소비는 약 11억 1,197만 원에 달한다. 이에 비해, 본 제안에서는 위험도 기반 관리 시스템을 도입하여 빗물받이를 위험 수준에 따라 차등 청소하는 방식으로 개선했다.

[위험등급에 따른 청소 방식]

기존 방식	개선(안)
연간 청소 횟수	등급	비율	연간 청소 횟수
2회	위험지역	상위 20%	3회
2회	준위험지역	상위 20~50%	2회
2회	일반지역	하위 50%	1회

이렇게 조정된 시스템을 적용하면 연간 총 관리비는 약 9억 5,054만 원으로 줄어들며, 기존 대비 약 1억 6,121만 원(14.5%)의 예산 절감 효과가 발생한다. 이는 불필요한 반복 청소를 줄이고, 위험 지역에 집중적인 관리 자원을 투입함으로써 효율성을 극대화하는 모델이다. 또한 센서 기반 모니터링을 통해 고장이나 막힘 위험을 조기 탐지할 수 있어, 예방적 유지보수 체계를 확립하는 효과도 기대할 수 있다.

[기존 시스템 대비 절감 효과 분석]

구분	항목	세부내용	금액	합계
기존 시스템	강남구 빗물받이 청소비	2023년 배정금액	1,088,740,000	1,111,760,000
기존 시스템	빗물받이 특별 전담반 운영비	인건비 및 운영비	23,020,000	1,111,760,000
개선 시스템(안)	위험지역 청소 (상위 20%, 연 3회)	40,587개13,969원0.2*3	333,528,000	950,541,600
	준위험지역 청소(상위20~50%, 연 2회)	40,587개13,969원0.3*2	333,528,000
	일반지역 청소 (하위 50%, 연 1회)	40,587개13,969원0.5*1	277,940,000
	센서 설치비	21,440원*1,000개/5년 기준	4,288,000
	실측 인건비	연 1회 2명*일당 20만원	400,000
	센서 교체 및 유지관리비	5년간 200개 교체	857,600
절감효과	절감 금액	기존 - 개선	161,218,400	-
절감효과	절감율	(절감금액/기존금액)*100	14.50%	-

마케팅 전략 제시

개발과제의 기대효과

기술적 기대효과

내용

경제적, 사회적 기대 및 파급효과

내용

기술개발 일정 및 추진체계

개발 일정

내용

구성원 및 추진체계

내용

설계

설계사양

제품의 요구사항

내용

설계 사양

내용

개념설계안

내용

이론적 계산 및 시뮬레이션

내용

상세설계 내용

내용

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

내용

빗물받이와 센서의 결합 상태

.

포스터

내용

완료작품의 평가

내용

향후계획

내용

특허 출원 내용

내용

@@ 228번째 줄: / 228번째 줄: @@
 ::• 퇴적량을 과학적으로 예측함으로써 하수관 청소 시기나 유지보수 계획을 효율적으로 수립할 수 있도록 지원하고, 도시 침수나 악취 문제를 예방하는 데 기여함.
-'''(3) IoT 계측기를 이용한 침수 모니터링 시스템'''
+'''(4) IoT 계측기를 이용한 침수 모니터링 시스템'''
 [[파일:1조특허4.png|가운데]]
 * 세부내용