1. 서 론
지진화재(Fire-Following Earthquake, FFE)는 지진에 의해 발생한 화재로서 대표적인 2차 피해이며, 동시다발적 출화와 긴급 대응력 저하가 결합할 경우 도시 지역에 심각한 피해를 유발한다. 1906년 미국 샌프란시스코 대지진, 1923년 일본 관동대지진, 1995년 일본 효고현 Hanshin-Awaji 대지진, 그리고 2024년 일본 노토반도 지진 등 주요 사례들(Scawathron, 1986; Kawata, 1996; National Research Institute of Fire and Disaster, 2024; Tomoya et al., 2024)에서도 대규모 화재가 발생하였으며, 이로 인한 인명 피해와 건축물⋅인프라 손상은 Table 1에 요약되어 있다. 지진화재는 전기 스파크나 가스 누출 등 다양한 발화 요인에 의해 동시다발적으로 출화가 발생하며, 지반운동으로 인한 도로 및 기반시설의 파괴는 소방 접근성을 저해하여 화재 확산을 더욱 심화시킨다(Lee et al., 2008). 이에 따라 Lee et al. (2008)은 지진화재로 인한 위험을 효과적으로 예측하고 대비하기 위해, 소방기관이나 보험업계 등에서 지역 맞춤형 예측모델을 개발하고 이를 체계적으로 유지⋅관리하는 것이 중요하다고 강조하였다.
Table 1
Summary of the Damage Cases Caused by Previous FFE Events
미국, 일본, 중국, 그리고 뉴질랜드 등 주요 국가는 실측 데이터를 기반으로 출화율(ignition ratio)과 소실율(fire-burned ratio)을 정량화하고, 이를 활용한 지역 단위의 지진화재 위험도 평가체계를 구축해왔다. 이러한 체계들은 과거의 지진 및 화재 사례, 건축물 특성, 지리정보시스템(Geographic Information System, GIS) 데이터를 종합적으로 반영함으로써 높은 예측 정확도를 확보하고 있으며, 주요 국가별 시스템 구성은 Table 2에 정리되어 있다(Hamada, 1975; FEMA, 1999; Cousins et al., 2003; Ren and Xie, 2004 등). 그러나 이 모델들은 대부분 특정 지역의 실측 데이터를 기반으로 구축되어, 타 지역에 적용할 경우 해당 지역의 고유한 도시 및 건축 특성(예: 건축물 밀집도, 구조유형, 내화구조 유형의 분포, 건축물 간 이격 거리 등)을 반영하는 데 한계가 있다. 이러한 도시 및 건축 환경은 화재 확산 메커니즘에 직접적인 영향을 미치기 때문에, 이를 정량적으로 반영할 수 있는 예측모델의 필요성이 제기된다.
Table 2
Summary of Existing Fire-following Earthquake Risk Assessment
| Nation | Ignition Prediction Model | Fire Spread Prediction Model | ||
|---|---|---|---|---|
| Model | Description | Model | Description | |
| US | FEMA’s HAZUS-MH |
Utilize a regression model between actual earthquake and fire data Predict of ignitions according to PGA per 1,000,000 ft2 of total floor area of buildings |
FEMA’s HAZUS-MH |
Perform fire simulation based on Hamada model (Hamada, 1951) Predict the number of completely burned structures in the target region |
| Japan | TOSHO | Utilize the ignition ratio prediction model considering fire-related factors and firefighting | TOSHO |
Perform fire-spread simulation based on TFD data Predict the fire-burned area based on fire-spread speed in the target region |
| Static Analysis Evaluation |
Calculating the fire-burned ratio in target region using the developed function based on actual FFE data unburned area ratio-fire-burned ratio wood building coverage ratio-fire-burned ratio CVF-fire-burned ratio FFE Risk Assessment using Clustering |
|||
| China | Ren & Xie |
Utilize a regression model between actual earthquake and fire data Predict of ignitions according to PGA per 1,000,000 ft2 of total floor area of buildings |
Ren & Xie |
Predict fire-spread path through dynamic burning simulation using huygen’s principle Estimate the number or area of buildings fire-burned in the target region |
| New Zealand | Cousins & Smith |
Utilize a regression model between actual earthquake and fire data Predict of ignitions according to MMI per 1,000,000 ft2 of total floor area of buildings |
Cousins & Smith |
Predict fire-spread path and speed through dynamic fire-spread model using cellular automaton Estimate the number or area of buildings fire-burned in the target region |
최근 고해상도 GIS 데이터와 전산유체역학(Computational Fluid Dynamics, CFD)을 기반으로 실시하는 화재 확산 시뮬레이션 기법이 도입되어, 지역별 도시구조 및 건축 특성에 따른 화재의 시간적⋅공간적 확산 경향을 정밀하게 예측하려는 연구가 활발히 이루어지고 있다(Kang et al., 2024). 이러한 시뮬레이션 기반 접근법은 실측 화재 데이터가 부족한 도시에도 적용 가능하며, 지역 특성에 기반한 정량적 지진화재 위험도 평가를 위한 실질적인 분석 프레임워크로 평가받고 있다.
이러한 한계를 극복하기 위하여, Kim et al. (2025)은 선행연구에서 제시된 평가 접근법을 바탕으로 건축물의 간단한 정보만을 활용하여 신속한 위험도 평가가 가능한 지진화재 평가방법론을 제안하였다. 해당 방법론은 대상 지역의 기본 구조 정보를 이용하여 Kato et al. (2006)이 제안한 방식에 따라 클러스터를 형성한 뒤, FEMA (1999)의 HAZUS-MH에서 개발된 출화율 모델(FEMA, 1999; 2020)과 일본 국토교통성(MLIT, 2003a)과 국토기술정책종합연구소(NILIM, 2007)에서 제시한 CVF-소실율 회귀모델을 적용하여 지역 단위의 출화건수 및 위험도를 산정하는 방식이다. 이 방법론은 건축물의 기본 속성과 GIS 정보만으로도 평가 대상 지역의 지진화재 위험도를 신속하게 추정할 수 있으며, 실제로 2017년 포항지진 사례에 적용되어 그 유효성이 검증되었다. Fig. 1은 이러한 정적 해석 기반의 화재위험도 평가 절차를 도식화한 것이다(Kang et al., 2025). 그러나 기존의 소실율 함수는 일본 동경도와 같은 특정 지역의 화재 환경과 건축 특성을 기반으로 도출되었기 때문에, 타 지역의 고유한 화재 확산 관련 특성까지 반영하는 데는 한계가 존재한다. 예를 들어, 건축물 간 이격거리와 관련된 밀집도나 구조 유형별 내화성능의 분포 특성 등은 지역별로 상이하며, 기존 모델은 이를 충분히 반영하지 못한다. 이에 따라, 다양한 도시 및 건축 특성을 보다 단순하고 정량적으로 반영할 수 있는 새로운 화재 확산 예측 모델의 개발이 요구된다.
본 연구의 목적은 지진화재 관련 실측 데이터가 부족한 도시 지역을 대상으로, 도시 단위의 화재 확산 특성을 정량적으로 반영할 수 있는 새로운 소실율 회귀모델을 개발하고, 이를 정적 해석 기반의 위험도 평가체계에 적용하는 것이다. 이를 위해 건축물의 형상, 배치, 밀집도, 내화구조 유형의 분포비율 등 화재 확산에 영향을 미치는 주요 변수들을 체계적으로 다변화하고, 다양한 CVF (Covering Volume Fraction) 조건 하에서 동적 해석 기반의 대규모 화재 확산 시뮬레이션을 수행하여 학습용 데이터를 구축하였다. 이후 해당 데이터를 바탕으로 통계적 기법(statistical approach)을 활용하여 새로운 소실율 회귀모델을 도출하였고, 이를 기존의 정적 해석 기반 위험도 평가방법에 통합하여 기존 회귀모델 및 동적 시뮬레이션 결과와 비교⋅검증하였다. 마지막으로, 제안된 모델을 실측 지진화재 관련 데이터가 부족한 인근 도시에도 적용함으로써, 다양한 지역에 대한 정량적 위험도 평가의 적용 가능성을 확인하였다.
2. 정적 해석 기반 지진화재 위험도 평가방법론
본 장에서는 대지면적, 건축면적, 연면적, 층수, 구조 재료, 준공 연도 등 건축물의 기초 정보를 활용하여 신속하게 수행할 수 있는 정적 해석 기반의 지진화재 위험도 평가 방법론을 제시한다.
2.1 정적 해석 기반 신속 지진화재 위험도 평가방법론
기존의 지진화재 위험도 평가방법론은 지진, 건축물, 화재 관련 실측 데이터를 기반으로 다양한 시나리오를 고려하여 높은 예측 정확도를 달성하도록 개발되었다. 그러나 이러한 방법은 방대한 사전 데이터 수집이 요구되며, 동적 해석 기반 모델링과 시뮬레이션 절차로 인해 시간과 자원이 과도하게 소요되는 한계가 있다. 이러한 문제를 해결하기 위해, 선행 연구에서는 건축물의 기초 정보와 GIS 데이터를 활용하여 신속하게 지진화재 위험도를 산정할 수 있는 정적 해석 기반의 평가방법론을 제안하였다(Kang et al., 2024).
해당 방법론은 출화율과 소실율 예측모델로 구성되어 있으며, 건축물의 준공 연도, 층수, 용도, 구조재료, 연면적 등의 정보를 기반으로 내화구조유형을 분류한 후, 이를 바탕으로 Kato et al. (2006)이 제안한 기준에 따라 건축물의 화재 확산거리(di)를 산정한다. 이후 산정된 di와 GIS 다각형 데이터를 기반으로 도출된 건축물 간 인접거리(ni)를 비교하여 클러스터를 형성하고, 각 클러스터 내 건축물 정보 및 지역 단위 데이터를 활용하여 출화 건수와 지역별 지진화재 위험도를 산정한다. 이와 같은 절차를 통해 복잡한 시뮬레이션 없이도 건축물의 기본 속성과 공간 데이터를 활용하여 지역 단위의 신속한 지진화재 위험도 평가가 가능함을 확인할 수 있다.
2.2 정적 해석 기반 지진화재 위험도 평가의 적용
본 연구에서는 기존의 정적 해석 기반 지진화재 위험도 평가방법론(Kang et al., 2024)을 2017년 11월 지진이 발생한 대한민국 포항시에 적용하였다. 이를 위해 포항시의 건축물대장(building registration data)과 GIS 데이터를 통합한 ‘GIS 기반 건축물 일반집합정보(GIS-based general building dataset)’를 구축하였으며, 내화구조유형 분류 절차를 통해 총 70,483건의 건축물에 대한 내화성능 유형을 분류하고, 이를 기반으로 각 건축물의 di를 산정하였다. 이후 산정된 di와 ni를 비교하여 총 24,319개의 클러스터를 형성하였다.
형성된 클러스터를 대상으로 출화율 및 소실율 예측모델을 적용하여 포항시 내 29개 행정구역에 대한 지진화재 위험도를 산정하였으며, 전체 평가 절차는 Fig. 2에 요약되어 있다. 출화율 예측에는 최대지반가속도(PGA) 0.58 g (Kim and Lee, 2019)을 적용하였고, 실제 지진이 발생한 지역(북구 A, C, N, O)에서 약 3.69건, 즉 4건의 출화가 예측되어, 실제 발생 건수 5건(MOIS, 2018)과 유사한 결과를 나타냈다. 소실율 예측 결과, 29개 지역의 위험도는 0.004-0.522동/ha, 소실면적비율은 0.004%-0.889%의 범위를 보였다. 이 중 북구 H 지역은 소실건축물비율 0.52동/ha, 면적기준 0.89%로 가장 높은 위험도를 기록한 반면, 북구 F 지역은 각각 0.004동/ha, 0.004%로 가장 낮은 수치를 나타냈다.
기존 정적 해석 기반 지진화재 위험도 평가방법론은 복잡한 시뮬레이션이나 상세 실측 데이터 없이도 건축물 기본 속성과 GIS 정보만으로 지역 단위의 위험도를 신속하게 추정할 수 있는 실용적인 대안으로 간주된다. 그러나 일부 지역에서는 예측값과 화재 확산 동적 시뮬레이션 결과 간에 69.60%~77.07% 수준의 오차가 발생하였으며, 이는 기존 방법론이 건축물 밀집도, 내화구조유형, 인접거리, 그리고 연면적 등 지역별 화재 확산에 영향을 미치는 도시 구조적 요소를 충분히 반영하지 못한다는 점을 보여준다. 따라서, 이러한 한계를 극복하기 위해서는 지역 특성을 정량적으로 고려한 새로운 소실율 함수식의 개발이 필요하다.
3. 지역 특성 기반 화재 확산 회귀모델 개발
3.1 소실율 회귀모델 도출 절차
미국, 일본, 중국, 뉴질랜드 등 여러 국가는 지진화재 관련 실측 자료, 건축물 정보, 그리고 GIS 데이터를 기반으로 지역 단위의 지진화재 위험도 평가체계를 구축해 왔으며, 이를 활용하여 각 지역의 특성에 맞는 재난 대응 전략 및 피해 저감 방안을 수립하고 있다. 지진화재 관련 데이터가 부족한 도시 또는 지역에서는 정량적 위험도 평가가 어려워, 재난 발생 시 효과적인 대응 전략이나 정책 결정이 제한되는 한계가 존재한다.
이러한 지역에서는 기존의 평가방법론을 활용할 수 있으나, 대부분 특정 도시 또는 국가의 특성을 기반으로 개발된 만큼 타 지역에 적용할 경우 평가의 신뢰성과 타당성이 저하될 수 있다. 이에 따라, 평가 대상 지역의 고유한 도시 및 건축 특성을 반영할 수 있는 새로운 소실율 함수의 개발이 필요하다.
본 연구에서는 지진화재 관련 실측 데이터가 부족한 지역을 대상으로, 실제 건축물 및 GIS 정보를 기반으로 건축물 배치, 형상, 구조유형, 그리고 내화구조 분포비율 등 지역 특성을 반영한 화재 확산 시뮬레이션을 수행하였다. 이후 다양한 시나리오에 대한 변수스터디를 통해 소실율 함수 도출을 위한 대규모 데이터를 구축하였으며, 이 과정은 MLIT (2003a) 및 NILIM (2007)의 선행 연구보고서를 참고하였다.
우선, 기존 소실율 함수의 포항시 적용 가능성을 검토하기 위해 정적 해석 기반 평가를 수행하였고, 그 결과를 화재 확산 동적 시뮬레이션 결과와 비교하여 예측 정확도 및 오차를 분석하였다. 이를 통해 기존 모델이 지역 특성을 충분히 반영하지 못하며, 새로운 평가모델이 필요함을 확인하였다. 이후 화재 확산 시뮬레이션 모델과 실제 건축물 데이터를 연계하여 다양한 시나리오를 구성하고, 각 사례에 대해 CVF와 소실율 간의 관계를 도출하였다. 회귀분석을 통해 새로운 소실율 회귀모델을 도출하고, 해당 함수의 예측 성능을 검증하기 위해 포항시를 대상으로 정적 해석 결과와 동적 시뮬레이션 결과를 비교하였다.
3.2 화재 확산 동적 시뮬레이션
화재 확산 동적 시뮬레이션(Fire-spread dynamic simulation; TFD, 2005)은 일본 동경소방청(Tokyo Fire Department, TFD)에서 구축한 시뮬레이션 체계 및 관련 데이터셋을 기반으로, 특정 지역 내 화재 확산 범위(연소면적)를 정량적으로 산정하는 분석 기법이다. 이 시스템은 실제 건축물 및 GIS 데이터를 활용하여 대상 지역을 표준화된 격자(grid) 단위로 분할하고, 각 격자에 대해 시뮬레이션 분석을 위한 입력 변수를 할당한다. 입력 변수에는 건축물 특성, 기상 조건, 그리고 화재 확산 시간 등이 포함되며, 이를 바탕으로 화재 확산속도 V (t)를 계산한다(Eq. (1)). 산정된 화재 확산속도를 기반으로 최종 연소면적이 결정된다.
여기서, V0는 초기 연소속도(initial fire spread rate), Vf는 최종 연소속도(final fire spread rate)를 의미한다. Eq. (1)에 사용된V0와 Vf는 각각 Eqs. (2) 및 (3)을 통해 계산된다.
여기서, δ는 연소속도(fire spread rate)를 의미한다.
(4)
여기서,
b= 건축물의 길이(Length of building)
d= 건축물 간 인접거리 (Distance between adjacent buildings)
a’, b’, c’, d’ and j’= 건축물의 연면적비 (Building area ratio)
Vw, Vc, Vm and Vj = 건축물 연소속도 (Building combustion rate)
Vnn, Vnc, Vcc and Vnj= 건축물 간 연소속도 (Inter-building fire spread rate)
화재 확산 시뮬레이션은 초기 모델링 과정을 통해 대상 지역의 도시 및 건축 특성을 정밀하게 반영할 수 있어, 예측 결과의 신뢰성과 정밀도를 높일 수 있다. 특히, GIS 기반 건축물 데이터를 활용하면 각 건축물의 위치, 형상, 그리고 구조 유형 등을 모델링할 수 있어 실제 도시 환경을 정교하게 재현하는 것이 가능하다. 그러나 건축물 밀집도가 낮은 지역에서는 인접 건축물 간의 연소 전파가 제한되어 시뮬레이션 수행에 제약이 발생하는 한계가 존재한다. 이에 따라 본 연구에서는 건축물의 분포비율을 기반으로 도시 내 주요 고밀도 구역을 중심으로 평가 범위를 설정하였다.
Fig. 2는 본 연구에서 수행한 화재 확산 시뮬레이션의 전체 절차를 도식화한 것이다. Step 1에서는 GIS 기반 건축물 정보와 내화성능 분류 알고리즘을 활용하여 대상 지역을 모델링하고, Step 2에서는 건축물 간 인접거리, 구조 유형 등의 정보를 바탕으로 시뮬레이션 입력 데이터를 구축한다. 이후 Step 3에서는 해당 입력 정보에 실제 기상 조건을 반영하여 시뮬레이션을 수행하고, 각 지역 내 화재 확산속도와 연소면적을 예측한다.
평가 대상 지역은 2017년 11월 포항지진 당시 진앙지가 위치한 포항시 북구 A 지역과, 정적 해석 기반 위험도 평가 결과 고위험 지역으로 분류된 북구 H 및 J 지역으로 선정하였다. 대상 지역의 모델링은 건축물 데이터 역추적 알고리즘 및 내화구조유형 분류 알고리즘을 적용하여 보완된 GIS 기반 건축물 정보를 바탕으로 수행하였으며(Step 1 in Fig. 2), 일정한 격자 크기에 따라 시뮬레이션 입력 데이터를 생성하였다(Step 2 in Fig. 2). 시뮬레이션 수행 시에는 2017년 11월 15일 포항지진 발생 당시의 실제 기상 조건(풍향: 서북서, 풍속: 6.4 m/s, 습도: 40.0%)을 반영하였으며, 화재 확산 시간은 일본 MLIT (2003a)의 보고서를 참고하여 3시간으로 설정하였다(Step 3 in Fig. 2).
세 지역에 대한 시뮬레이션 결과, 연소면적은 북구 A 지역 8,205.76 m2, 북구 H 지역 2,997.16 m2, 북구 J 지역 3,280.00 m2로 예측되었다. 이러한 결과는 Fig. 3에 시각적으로 제시되어 있으며, 각 지역의 건축물 배치, 기상 조건, 내화구조 유형을 반영한 동적 해석 기반 화재 확산 양상을 시각적으로 확인할 수 있다. Fig. 3은 북구 A, H, J 지역의 화재 확산 경로 및 연소범위를 상세히 보여주며, 지역별 화재 진행 특성과 예상 소실면적을 직관적으로 파악할 수 있도록 구성되어 있다.
Figs. 4(a), (b), (c)는 각각 건축물 분포비율-소실면적비율, 내화구조 구성비율-소실면적비율, 목조 구성비율-소실면적비율 간의 관계를 나타낸다. 분석 결과, 건축물 분포비율과 소실면적비율 간 결정계수(R2)는 0.50으로 가장 높았으며, 내화구조 구성비율의 경우 R2 = 0.48, 목조 구성비율의 경우 R2 = 0.29로 나타나 상대적으로 낮은 상관성을 보였다. 이는 지진화재 확산 위험도에 있어 개별 건축물의 내화 성능보다 도시 내 건축물의 밀집도와 배치 특성이 더 큰 영향을 미친다는 점을 시사한다. 즉, 건축물의 재료 특성보다는 인접성, 배치, 밀집도와 같은 공간적 구조 특성이 화재 확산 경로 및 피해 규모를 결정짓는 핵심 변수로 작용함을 확인할 수 있다.
3.3 동적 화재 확산 시뮬레이션과 기존 정적 해석 결과 비교
Table 3은 지진화재 위험도가 가장 높은 것으로 예측된 포항시 북구 A, H, J 지역을 대상으로 수행된 동적 화재 확산 시뮬레이션 결과와, 기존의 정적 해석 기반 CVF-소실율 회귀모델(Eq. (5))을 적용한 예측 결과를 비교한 것이다.
Table 3
Comparison between Fire-spread Simulation and Static FFE Risk Assessment
기존 회귀모델(Eq. (5))을 활용하여 산정된 연소면적은 각각 북구 A 지역 2,494.32 m2, H 지역 682.53 m2, J 지역 758.48 m2로 나타났으며, 동적 시뮬레이션 결과와 비교할 때 각각 69.60%, 77.07%, 76.88% 과소 평가된 것으로 확인되었다. 이러한 결과는 Eq. (5)가 일본 동경도(Tokyo Metropolitan Government, TMG)의 도시 및 건축 특성을 기반으로 구축된 회귀모델로서, 건축물 구성 및 내화구조 유형 분포가 상이한 포항시와 같은 지역에 적용할경우, 예측 정확도에 심각한 한계가 있음을 시사한다. 즉, 기존 모델은 지역 고유의 도시⋅건축 특성을 정량적으로 반영하지 못하기 때문에, 개발 당시와 상이한 환경에 적용할 경우 신뢰성과 정확도가 현저히 저하될 수 있다.
따라서, 실측 기반 데이터가 부족한 지역에서도 적용 가능하며, 동시에 대상 지역의 도시 및 건축 특성을 효과적으로 반영할 수 있는 대체 회귀모델의 개발이 필요하다. 이에 본 연구에서는 동적 화재 확산 시뮬레이션을 통해 포항시 내 주요 지역에 대한 정량적 화재 확산 데이터를 구축하고, 이를 기반으로 정적 지진화재 위험도 평가에 활용 가능한 도시 특성 기반 화재 확산 회귀모델을 새롭게 개발하고 검증하였다.
4. 도시 특성 기반 소실율 회귀모델의 개발 및 검증
본 장에서는 지진화재 관련 실측 데이터가 부족한 지역을 대상으로, 건축물 및 주변 도시 환경의 특성을 반영할 수 있는 새로운 소실율 회귀모델을 개발하고자 한다. 이를 위해 화재 확산에 영향을 미치는 주요 도시 요인을 고려하여, 관련 변수들을 자동으로 다변화하고 동적 화재 확산 시뮬레이션을 반복 수행할 수 있는 자동화 알고리즘을 구축하였다. 해당 알고리즘을 통해 생성된 대규모 데이터를 기반으로 새로운 소실율 함수식을 도출하였다.
4.1 화재 확산 시뮬레이션 기반 변수스터디 시스템 구축
본 절에서는 지진화재 관련 데이터가 부족한 도시 또는 지역을 대상으로, 지역 특성을 반영한 소실율 함수식을 도출하기 위해 수행한 변수스터디 기반 데이터 생성 과정을 설명한다. 해당 과정은 화재 확산 시뮬레이션 모델과 건축물 정보, GIS 데이터를 연계하여 구성되었다.
Fig. 5에 제시된 바와 같이, 변수 다변화를 통한 데이터 생성 절차는 총 4단계로 구성된다.
Step 1에서는 내화구조유형(fire-resistant, quasi fire-resistant, fire-prevention, timber structure)을 사전에 정의된 생성 개수 및 조합 방식에 따라 무작위로 건축물에 부여한다. 이 단계에서는 하나의 구조유형만 포함된 단일 케이스부터 네 가지 구조유형이 혼합된 가상의 도시 형태까지 총 64개의 시나리오를 생성할 수 있으며, 본 연구에서 적용한 구조유형 조합은 Table 4에 정리되어 있다.
Table 4
Summary of the Created Cases for Parametric Study
Step 2에서는 생성된 건축물 정보와 GIS 데이터를 기반으로 시뮬레이션 입력 정보를 구성하고, Step 3에서는 해당 입력값에 실제 기상조건(풍향, 풍속, 습도)과 설정된 화재 확산 시간(fire-spread time)을 적용하여 화재 확산 시뮬레이션을 수행한다.
Step 4에서는 Step 1의 건축물 정보를 통해 산정된 CVF와 Step 3의 시뮬레이션 결과로 얻은 연소면적을 바탕으로 소실율을 계산하고, 두 변수 간의 관계를 도출한다.
이와 같은 자동화된 시뮬레이션 절차를 통해, 특정 지역의 내화구조 조합을 다변화한 다양한 시나리오를 구성할 수 있으며, 이를 기반으로 CVF-소실율 간의 관계를 정량화함으로써 지역 특성을 반영한 소실율 함수식을 도출할 수 있다.
4.2 도시 특성 기반 소실율 예측 회귀모델 개발
앞서 4.1절에서 제시한 변수스터디 기반 접근을 바탕으로, 본 연구는 포항시 북구 H 지역을 대상으로 총 64개의 시뮬레이션 케이스(Table 4)를 구성하였다. 각 케이스는 건축물의 내화구조유형을 무작위로 할당하여 구성되었으며, 동일한 건축물이라도 케이스마다 상이한 내화 특성을 가지도록 설정하였다.
Fig. 6은 동일한 지역 조건에서도 내화구조유형에 따라 연소면적이 달라질 수 있음을 시각적으로 보여주며, 건축물 특성이 화재 확산에 미치는 영향을 직관적으로 제시한다. 각 케이스마다 다양한 조건을 반영하기 위해 10개의 시뮬레이션 레이어를 구성하였으며, 이로써 총 640개의 기본 시나리오가 생성되었다. 두 가지 이상의 내화구조유형이 혼합된 케이스의 경우, 각 유형 간의 비율은 로그정규분포 기반의 표준편차(σ = 0.0-1.0, 0.1 간격)를 적용하여 조절하였다.
예를 들어, 구조유형이 fire-resistant, quasi fire-resistant, timber 순으로 배열된 케이스에서 σ = 0인 경우 timber 유형이 100%에 가까운 비율을 차지하며, σ 값이 커질수록 앞쪽에 위치한 구조유형의 비율이 점차 증가하는 형태를 보인다. 구조유형이 하나뿐인 케이스는 중복 생성을 방지하기 위해 1건으로 제한하였으며, 나머지 조합 케이스는 위 기준에 따라 총 6,604건의 화재 확산 시뮬레이션 데이터를 생성하였다. 모든 시뮬레이션은 2017년 11월 15일 포항지진 당시의 실제 기상조건을 반영하여 수행되었다. 풍향은 서북서(NNW), 풍속은 6.4 m/s, 습도는 40.0%로 설정되었으며, 화재 확산 시간은 일본 MLIT (2005)의 보고서를 참고하여 3시간으로 설정하였다. 해당 보고서는 68건의 화재 사례를 분석하여 평균 연소시간이 약 3.42시간임을 제시하고 있다. 이와 같이 생성된 총 6,604건의 화재 확산 시뮬레이션 데이터를 바탕으로, 각 케이스의 CVF와 소실율 간의 관계를 분석하였다. 본 연구에서는 클러스터 단위에서의 화재 영향을 정량화하기 위한 지표로서 CVF를 활용하였으며, 그 정의는 아래 Eq. (6)과 같다.
여기서 n은 화재 확산 여유 범위(Fire Spread Margin)를 고려하여 클러스터 외곽까지 확장된 영역을 반영하는 확장 계수(expansion coefficient)이며, 본 연구에서는 선행연구(Kang et al., 2024)의 결과를 바탕으로 n = 1.2로 설정하였다. CVF는 클러스터 내 건축물의 밀집도와 배치 상태를 반영하는 지표로, 실제 화재가 도달할 수 없는 완충 구역(Buffer Area)을 제외한 실질적인 화재 노출 면적 비율을 정량화한다. 이러한 CVF 값을 기반으로 각 시뮬레이션의 소실율과의 관계를 회귀분석한 결과, 포항시의 도시 및 건축 특성을 반영하는 새로운 소실율 회귀모델을 도출할 수 있었으며, 해당 함수식은 아래 Eq. (7)과 같이 제시된다.
Fig. 7은 CVF와 화재 소실율 간의 상관관계를 분석하기 위해 회귀모델을 적용한 결과를 나타낸다. Fig. 7(a)는 본 연구에서 제안한 새로운 회귀모델(Eq. (7))의 결과를 제시하며, 총 6,604건의 화재 확산 시뮬레이션 데이터를 기반으로 도출되었다.
해당 모델은 결정계수 R2 = 0.70으로 높은 상관성을 보였으며, CVF 값이 낮을수록 소실율이 1.0에 수렴하고, CVF가 증가함에 따라 소실율이 점진적으로 감소하는 비선형적 경향을 보였다. 특히 CVF ≤ 0.1 구간에서는 목조 건축물의 비율이 높고 건축물 간 밀집도가 높은 구조적 특성으로 인해 소실율이 대부분 100%에 근접하였으며, 이는 MLIT (2003b)의 도쿄 시가지 분석 결과와 유사한 경향을 보인다. 본 연구에서도 이러한 경향을 반영하여 해당 구간의 소실율을 1.0으로 설정하였다. 반면, CVF가 0.5를 초과하는 구간에서는 내화구조 건축물의 비율이 높고 건축물 간 이격거리가 넓어 소실율이 10% 이하로 낮게 유지되는 경향을 보였다.
Fig. 7(b)는 기존 회귀모델(Eq. (5))과 제안된 모델(Eq. (7))의 예측 성능을 비교한 결과를 제시한다. 기존 모델은 CVF가 낮은 구간에서 소실율을 과소 추정하는 경향이 뚜렷하며, 전체적으로 시뮬레이션 결과와의 예측 일치도가 낮게 나타났다. 특히 CVF가 0.2-0.6 범위의 중간 구간에서는 예측 곡선이 시뮬레이션 데이터와 크게 편차를 보이며, 일관되게 소실율을 과소 예측하는 경향이 확인되었다. 반면, 본 연구에서 제안한 모델은 전체 CVF 구간에 걸쳐 시뮬레이션 결과와 높은 수준의 일치도를 보였으며, 중간 구간에서 예측 곡선이 실제 데이터 분포를 정밀하게 반영하는 것으로 나타났다.
4.3 제안된 소실율 회귀모델의 정량적 검증
제안된 회귀모델의 검증을 위해, 대한민국 포항시를 대상으로 정적 해석 기반의 지진화재 위험도 평가를 수행하고, 그 결과를 동적 화재 확산 시뮬레이션과 비교하였다. 평가 대상 지역은 포항시 북구의 A, H 및 J 지역으로 설정하였으며, 검증 절차는 앞서 3.3절에서 제시한 방법론을 활용하였다.
Fig. 8은 해당 세 지역에 대한 정적 해석 기반 지진화재 위험도 평가 결과와 화재 확산 시뮬레이션 결과를 비교하여, 기존 회귀모델(Eq. (5))과 본 연구에서 제안한 회귀모델(Eq. (7))의 예측 정확도를 분석한 것이다. Eq. (7)을 적용한 결과, A 지역의 예측 소실면적은 8,222.59 m2로, 시뮬레이션 결과(8,205.76 m2) 대비 예측 정확도는 99.79%에 달하였다. H 지역은 3,576.04 m2 (정확도 79.88%), J 지역은 3,071.83 m2 (정확도 93.65%)로 나타나, 세 지역 모두에서 높은 수준의 예측 정밀도를 확보하였다. 기존 회귀모델(Eq. (5))은 동일 지역에서 각각 30.40% (A), 22.93% (H), 23.12% (J)의 낮은 예측 정확도를 보였으며, 이는 동경도 도시 특성을 기반으로 도출된 기존 모델이 타 지역 적용 시 지역 고유 특성을 반영하지 못한 결과로 해석된다. 이와 달리, 본 연구의 회귀모델은 포항시의 실제 건축물 및 GIS 데이터를 기반으로 다양한 내화구조 조합과 시나리오를 포함하여 개발되었으며, 지역 특성을 효과적으로 반영함으로써 전 지역에서 예측 성능이 일관되고 우수한 결과를 보였다. 이러한 정량적 비교를 통해 제안된 회귀모델의 적용성 및 신뢰도를 실증적으로 입증할 수 있었다.
본 연구에서 개발된 지역특성 반영 회귀모델(Eq. (7))은 기존의 정적 해석 기반 위험도 평가 프레임워크(Kang et al., 2024)에 통합되어, 포항시의 29개 행정지역을 대상으로 한 지진화재 위험도 평가에 적용되었다. 해당 모델은 도시 구조 및 건축물 특성을 정량화함으로써, 정적 분석 기반에서도 동적 시뮬레이션에 준하는 예측 성능을 확보할 수 있도록 설계되었다. 위험도 산정 결과, 전체 지역의 소실건축물동수(Fn)는 48동에서 1,296동까지, 소실면적(FTFA)은 9,296 m2에서 370,876 m2까지 분포하였다. 정규화된 위험도 지표인 단위면적당 소실건축물동수비율(Rn)은 0.020동/ha에서 2.150동/ha, 소실면적비율(RTFA)은 0.018%에서 4.588% 범위로 산정되었다.
지역별 정량 분석 결과, 북구 H 및 J 지역이 가장 높은 지진화재 위험도를 나타낸 반면, 북구 F 및 G 지역은 상대적으로 낮은 위험 수준을 보였다. 구체적으로, 북구 H 지역은 Fn = 498동, FTFA = 106,351 m2로 분석되었으며, 이는 Rn = 2.150동/ha, RTFA = 4.588%에 해당한다. 북구 J 지역은 Fn = 268동, FTFA = 67,639 m2로 분석되었으며, Rn = 1.541동/ha, RTFA = 3.646%로 평가되었다. 반대로, 북구 F 지역은 Fn = 464동, FTFA = 41,586 m2이나, 정규화된 위험도는 Rn = 0.020동/ha, RTFA = 0.018%로 가장 낮은 수치를 보였으며, 북구 G 지역 또한 Fn = 230동, FTFA = 22,639 m2, Rn = 0.044동/ha, RTFA = 0.043%로 비교적 안전한 지역으로 분석되었다. 이러한 결과는 단순한 소실면적이나 동수 기반의 위험지표보다, 행정구역 면적 대비 정규화된 지표(Rn, RTFA)가 지역 간 상대적 위험도 파악에 더 효과적임을 시사한다. 또한, Table 5에는 제안 모델(Eq. (7))과 기존 모델(Eq. (5))의 위험도 산정 결과가 병기되어 있어 동일 지역 간 예측 성능을 직관적으로 비교할 수 있도록 구성되었다. 추가적으로, Fig. 9에서는 QGIS 프로그램(SW: QGIS Ver. 3.28.3)을 활용하여 제안 모델을 기반으로 산정된 29개 지역의 위험도를 시각화하였다. 위험도는 동경도 기준(Bureau of Urban Development, 2024)에 따라 5개 등급으로 분류되었으며, Rank 1은 가장 높은 위험도를, Rank 5는 가장 낮은 위험도를 의미한다. 북구 H, J, F, G 지역에 대해서는 건축물 구조 유형의 분포 및 정량적 위험지표를 함께 나타낸 원형 차트와 수치 지표가 병기되어, 구조적 특성과 위험도 간의 상관성을 시각적으로 확인할 수 있도록 하였다. 각 차트에는 다음과 같은 기호가 사용되었다: D = 건축물 분포비율, CA = 내화조 비율, CD = 목조 비율, RN = 건축물 소실동수비율(동/ha), 그리고 RA = 소실면적비율(%)을 의미한다.
Table 5
Results of the FFE Risk Assessment for Pohang City
| Region | Fn [bldgs] | FTFA [m2] | FFE Risk | FFE Risk Rank | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Name | Area [m2] | Rn [bldgs/ha] | RTFA [%] | Eq. (5) | Eq. (7) | |||||
| Nam- gu | A | 45,512,844 | 663 | 75,777 | 0.146 | (15) | 0.166 | (21) | 1 | 2 |
| B | 36,103,781 | 581 | 130,707 | 0.161 | (14) | 0.362 | (16) | 1 | 2 | |
| C | 70,438,594 | 782 | 160,290 | 0.111 | (19) | 0.228 | (18) | 1 | 2 | |
| D | 32,545,908 | 334 | 154,759 | 0.103 | (21) | 0.476 | (13) | 1 | 2 | |
| E | 44,227,551 | 343 | 36,723 | 0.078 | (22) | 0.083 | (24) | 1 | 2 | |
| F | 100,910,115 | 619 | 59,715 | 0.061 | (27) | 0.059 | (27) | 1 | 1 | |
| G | 20,803,530 | 262 | 37,780 | 0.126 | (17) | 0.182 | (20) | 1 | 2 | |
| H | 3,432,774 | 259 | 64,268 | 0.754 | (5) | 1.872 | (5) | 2 | 3 | |
| I | 1,940,033 | 232 | 42,331 | 1.195 | (3) | 2.182 | (4) | 2 | 3 | |
| J | 2,213,079 | 215 | 33,647 | 0.971 | (4) | 1.520 | (7) | 2 | 3 | |
| K | 6,857,826 | 130 | 27,177 | 0.190 | (13) | 0.396 | (15) | 1 | 2 | |
| L | 21,053,376 | 231 | 378,076 | 0.110 | (20) | 1.796 | (6) | 1 | 2 | |
| M | 5,880,780 | 216 | 65,675 | 0.367 | (11) | 1.117 | (10) | 2 | 2 | |
| N | 4,928,255 | 254 | 74,048 | 0.514 | (8) | 1.504 | (8) | 2 | 3 | |
| Buk- gu | A | 107,989,525 | 1,296 | 197,789 | 0.120 | (18) | 0.183 | (19) | 1 | 2 |
| B | 79,975,887 | 531 | 66,226 | 0.066 | (26) | 0.083 | (25) | 1 | 1 | |
| C | 78,210,298 | 575 | 95,383 | 0.073 | (23) | 0.122 | (22) | 1 | 2 | |
| D | 59,500,275 | 397 | 45,358 | 0.067 | (25) | 0.076 | (26) | 1 | 1 | |
| E | 91,783,700 | 639 | 80,624 | 0.070 | (24) | 0.088 | (23) | 1 | 1 | |
| F | 236,172,643 | 464 | 41,586 | 0.020 | (29) | 0.018 | (29) | 1 | 1 | |
| G | 52,489,972 | 230 | 22,639 | 0.044 | (28) | 0.043 | (28) | 1 | 1 | |
| H | 2,318,232 | 498 | 106,351 | 2.150 | (1) | 4.588 | (1) | 3 | 4 | |
| I | 1,986,263 | 48 | 9,296 | 0.244 | (12) | 0.468 | (14) | 2 | 2 | |
| J | 1,855,165 | 286 | 67,639 | 1.541 | (2) | 3.646 | (2) | 2 | 4 | |
| K | 3,964,524 | 167 | 25,469 | 0.420 | (9) | 0.642 | (11) | 2 | 3 | |
| L | 6,255,410 | 85 | 20,412 | 0.135 | (16) | 0.326 | (17) | 1 | 2 | |
| M | 1,491,447 | 101 | 33,113 | 0.677 | (6) | 2.220 | (3) | 2 | 3 | |
| N | 11,228,266 | 592 | 166,374 | 0.527 | (7) | 1.482 | (9) | 2 | 3 | |
| O | 2,453,477 | 90 | 13,690 | 0.368 | (10) | 0.558 | (12) | 2 | 2 | |
결론적으로, 본 연구에서 제안한 회귀모델은 실측 데이터가 부족한 지역에서도 도시 및 건축 환경을 정량적으로 반영할 수 있는 유효한 평가도구로서 기능하며, 기존 모델 대비 향상된 예측 성능과 적용성을 바탕으로, 지진화재 위험도 분석의 실용적 대안으로 활용될 수 있음을 확인하였다.
5. 결 론
본 연구는 건축물 공공 데이터베이스(건축물대장)를 연구는 실측 기반의 지진화재 관련 데이터가 부족한 도시 및 지역을 대상으로, 건축물 및 도시 특성을 반영한 정량적 위험도 평가모델을 개발하고 그 타당성을 검증하는 것을 목적으로 수행되었다. 대한민국 포항시를 사례지역으로 선정하여 기존 회귀모델(Eq. (5))의 한계를 분석하고, 새로운 소실율 회귀모델(Eq. (7))을 제시한 뒤, 화재 확산 시뮬레이션 결과와의 비교를 통해 제안 모델의 실효성을 평가하였다. 주요 결론은 다음과 같다.
(1) 본 연구에서는 화재 확산 시뮬레이션 모델과 간략한 구조 정보 및 GIS 데이터(건축물 형상 및 공간 배치)를 연계하여, 다양한 내화구조 유형의 분포와 건축물 밀집도 조건을 반영한 시나리오 기반 변수스터디를 수행하였다. 이를 통해 건축환경의 공간적 특성을 반영한 CVF-소실율 관계를 도출하였으며, 회귀분석을 통해 내화구조 비율, 건축물 배치, 구조 구성 등 지역 특성을 통합적으로 반영할 수 있는 화재 확산 예측모델을 구축하였다.
(2) 기존 회귀모델(Eq. (5))을 포항시에 적용하여 산정한 정적 해석 기반 지진화재 위험도는, 동적 화재 확산 시뮬레이션 결과와 비교했을 때 평균 70% 이상의 오차를 보였다. 이는 기존 모델이 건축물 밀집도와 구조 유형 등 화재 확산에 결정적인 영향을 미치는 지역 고유의 공간구조 특성을 반영하지 못했기 때문이며, 시뮬레이션 기반 분석 결과 소실율과 가장 높은 상관성을 보인 요소는 건축물 밀집도(R2 = 0.50)로 확인되었다. 이러한 결과는 지역 특성을 반영한 새로운 예측모델의 필요성을 명확히 보여준다.
(3) 포항시를 대상으로 총 6,604건의 화재 확산 시뮬레이션을 수행하고, 이를 기반으로 CVF와 소실율 간의 회귀모델(Eq. (7))을 새롭게 도출하였다. 도출된 모델은 기존 연구(Kang et al., 2024)에서 제안한 정적 해석 기반 지진화재 위험도 평가체계에 적용되었으며, 그 결과 화재 확산 시뮬레이션 대비 최대 20% 이내의 오차로 높은 예측 정확도를 나타내어 제안 모델의 실효성을 확인하였다.
(4) 제안된 모델을 활용하여 포항시 29개 지역에 대한 지진화재 위험도를 정적 해석 기반으로 평가한 결과, 건축 특성과 밀집도에 따라 위험도 수준이 뚜렷하게 구분되었으며, 이를 통해 고위험 지역을 효과적으로 식별할 수 있었다. 동적 시뮬레이션 결과와 비교 시 최대 예측 정확도는 99.79%에 이르렀고, 기존 모델 대비 예측 성능이 3배 이상 향상되었음을 확인하였다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
