앙상블 기계학습 기반 태풍·도시 재난 예측 및 대피 의사결정 연구

Ensemble Learning for Typhoon and Urban Disaster Forecasting and Evacuation Decision-Making

연구 내용

태풍 경로·바람장을 앙상블 모델로 예측하고 도시 대피 인원 군집화 전략을 최적화하는 재난 예측·의사결정 연구

열대저기압과 도시 환경 변화를 동시에 다루기 위해, 기상 예측과 도시 규모 공학 시뮬레이션을 결합하는 연구를 수행합니다. 과거 궤적 기반으로 유사성을 판별해 태풍 경로를 앙상블 k-NN으로 생성하고, 예측된 중심 위치를 전처리 형태로 활용해 OpenFOAM 입력을 보정함으로써 장애물이 포함된 도시 바람장을 산출합니다. 또한 재난 대응에서는 인구 분포의 공간적 변동을 반영하기 위해 K-means, DBSCAN 및 앙상블 클러스터링으로 대피 대상군을 재구성하고 대피 시뮬레이션으로 전략 성능을 비교합니다. 홍수 상황에서는 이동거리와 K-means 클러스터링을 결합한 대피소 입지 탐색 관점을 제안하며, 도시 열섬 분석의 도시 형태 지표를 보강하는 방향도 병행합니다. 이를 통해 조기경보 및 의사결정으로 이어지는 연계형 분석 프레임을 구축합니다.

관련 프로젝트

1건

연구 흐름

2022년에는 재난 대응에서 핵심 의사결정 변수(대피소 배치, 대피 인원 배정)를 중심으로, 기존 연구의 평가 요소를 정리하고 Euclidean 기반 접근의 편향 가능성을 검토하며 대안으로 K-means 기반 분해를 제안했습니다. 같은 시기 태풍 궤적 예측에서는 GIS 환경에서 과거 궤적을 클래스 분할하고 앙상블 k-NN으로 유사 집합을 구성한 뒤 회귀 예측으로 경로를 산출하는 흐름을 확보했습니다. 2024년에는 도시 규모 대피 전략에서 K-means와 DBSCAN의 역할을 결합한 앙상블 클러스터링 프레임을 도입하고 대피 시뮬레이션 기반으로 성능을 비교했습니다. 2025년에는 태풍 경로 예측을 풍속 예측과 결합하며, OpenFOAM 연계 및 3D 웹 애플리케이션으로 관측 기반 검증과 전달 체계를 확장했습니다. 해양·도시 방재 관련 과제를 통해 위험도지도와 통합관리 관점의 응용도 병행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

태풍 경로-풍장 예측 파이프라인
OpenFOAM 입력 보정 자동화
도시 대피 전략 최적화
대피 인원 군집 재구성
홍수 대피소 입지 탐색
조기경보용 가시화
도시 열섬-재난 취약도 연계
재난 시뮬레이션 기반 의사결정
위치 기반 재난 데이터 처리
3D 웹 기반 모니터링 도구