🌲 고위험 임도 분석을 통한 산사태 예방 시스템

1. 프로젝트 소개

1.1. 개발 배경 및 필요성

최근 기후변화로 인한 국지성 집중호우의 증가로 산림 지역의 산사태 발생 위험이 높아지고 있습니다.
특히 임도는 산사태의 주요 발생 지점이며, 하부에 위치한 약 1,900채의 민가가 직접적인 위험에 노출되어 있어 피해 규모가 클 수 있습니다.
그러나 인력과 예산 부족으로 인해 임도 주변 배수 체계가 미비하며, 사고 이후에도 방치되는 사례가 다수 존재합니다.
따라서 임도 기반의 산사태 예측 및 사전 예방 체계 구축이 시급한 과제입니다.

1.2. 개발 목표 및 주요 내용

본 프로젝트는 임도 구간별 산사태 발생 빈도와 환경 요인 간의 관계를 분석하고,
k-means 클러스터링을 활용하여 임도 유형을 군집화하며, 위험 유형을 정량적으로 도출하는 것을 목표로 합니다.

이를 통해 고위험 임도를 식별하고,
향후 사방사업 우선 대상지 선정 및 지역별 산림재난방지계획 수립에 과학적인 데이터를 제공하고자 합니다.

1.3. 세부 내용

📌 사용 데이터 (산림청 오픈포털)

• 임도망도 (shp): 노선, 시공년도, 거리 등
• 산사태위험지도 (GeoTIFF): 10m × 10m 격자별 산사태 위험 등급
• 산림토양도 (shp): 지형과 토양 특성을 ‘토양형’ 단위로 제공
• 임상도 (shp): 임종, 수종, 수관밀도 등 산림 분포 정보
• 산사태 발생 이력 (csv): 피해 원인, 주소, 피해 면적 등 기록
• 산지 경사도 (shp): 경사도 분석 서비스 데이터
• 강수량 (csv): 방재기상관측소의 월강수량 합계

📌 분석 및 군집화

• 임도 버퍼에 오버랩되는 공간 정보를 추출
• 주요 환경변수를 기반으로 k-means 클러스터링 수행
• 각 클러스터의 위험도를 산사태위험지도를 통해 정량적으로 평가
• 위험도에 영향을 미치는 주요 변수(경사, 임상, 강수량 등) 분석

📌 시각화 및 정책 제언

• 위험도에 따라 임도망을 색상별로 시각화하여 직관적 전달
• 고위험 클러스터에 속한 임도를 사방사업 우선 대상지로 추천
• 지자체의 산림재난방지 시행계획 수립에 과학적 근거 제공

1.4. 기존 서비스 대비 차별성

1. 임도 중심의 산사태 위험 분석
   기존 산사태 위험지도는 전체 산림지역 기준의 정적 등급만 제공했지만, 본 프로젝트는 임도 구간별 위험도를 분석하여 실질적 현장 적용성이 높고, 임도에 해당하는 공간 데이터만 다루므로 처리 데이터 크기가 작아 메모리 효율성도 우수합니다.

2. 환경변수를 반영한 정량적 군집화 기반 위험 추출
   경사도, 강수량, 임상, 토양 등 다양한 환경 요인을 고려하여 유사 특성의 임도들을 k-means로 군집화하고, 산사태위험지도로 각 군집의 위험도를 평가함으로써 데이터 기반의 객관적 위험 분류가 가능합니다.

3. 위험도에 영향을 미치는 변수 분석 → 설명 가능한 모델
   단순 클러스터링을 넘어, 각 군집에 영향을 준 주요 환경변수(경사도, 토양도, 강수량 등)를 분석하여 설명 가능한(Explainable) 모델을 구축하였으며, 정책 수립과 현장 적용에 강점을 가집니다.

4. 사방사업 우선 대상지 선정에 직접 활용 가능
   고위험 클러스터를 식별하고 위치를 시각화하여 사방사업 대상지 선정에 직접적으로 활용할 수 있어, 예산과 인력의 효율적 배분이 가능합니다.

1.5. 사회적 가치 도입 계획

• 국민 생명과 재산 보호
  고위험 임도 구간을 사전에 식별함으로써, 산사태로부터 1,900여 민가의 인명·재산 피해 예방에 기여합니다.

• 재난 대응 정책의 과학적 고도화
  다양한 환경 데이터를 통합한 분석 결과는 사방사업 우선 대상지 선정 등 정책 수립의 과학적 근거가 됩니다.

• 예산과 인력의 효율적 운영
  고위험 구간을 우선 선정하여 공공 자원의 효율적인 배분 및 운영이 가능해집니다.

• 지속가능한 산림재해 예방 체계 구축
  예방 중심의 접근은 장기적으로 산림 생태계 보전과 기후위기 적응력 강화에 기여합니다.

• 지역 사회와의 협력 강화
  시각화된 분석 결과를 통해 지자체 및 주민과의 커뮤니케이션을 원활히 하여 협력 기반을 강화합니다.

2. 상세 설계

2.1. 시스템 구성도

2.1. 사용 기술

이름	버전
Python	3.11.13
Qgis	3.44.1

3. 개발결과

3.1. 전체시스템 흐름도

3.2. 기능설명

각 페이지 마다 사용자의 입력의 종류와 입력에 따른 결과 설명 및 시연 영상.

ex. 로그인 페이지:

• 이메일 주소와 비밀번호를 입력하면 입력창에서 유효성 검사가 진행됩니다.

• 요효성 검사를 통과하지 못한 경우, 각 경고 문구가 입력창 하단에 표시됩니다.

• 유효성 검사를 통과한 경우, 로그 인 버튼이 활성화 됩니다.

• 로그인 버튼을 클릭 시, 입력한 이메일 주소와 비밀번호에 대한 계정이 있는지 확인합니다.

• 계정이 없는 경우, 경고문구가 나타납니다.

(영상)

3.3. 기능명세서

고위험임도분석툴기능명세서 - 시트1.csv

3.4. 디렉토리 구조

폴더	설명
DATA/	임도 버퍼 데이터 저장소
idh/	임상도 전처리 및 시각화 코드
jde/	토양도 전처리 및 시각화 코드
ksh/Result/	경사도, 산사태 이력, 클러스터링 및 최종 분석 결과 코드
wjy/강수량/	강수량 시각화 코드
wjy/산사태위험지도/	산사태 위험지도 시각화 코드

4. 설치 및 사용 방법

1. 각 팀원 폴더의 코드로 데이터 전처리 수행
2. 최종 분석 코드는 ksh/Result/클러스터링_데이터_총합.ipynb
3. Jupyter Notebook에서 실행

5. 소개 및 시연 영상

프로젝트에 대한 소개와 시연 영상을 넣으세요. 프로젝트 소개 동영상을 교육원 메일([email protected])로 제출 이후 센터에서 부여받은 youtube URL주소를 넣으세요.

6. 팀 소개

이름	역할	연락처
김수현	아이디어 기획, 시각화	[email protected]
우지예	데이터 분석, 시각화	[email protected]
임도향	데이터 전처리, 시각화	[email protected]
장다은	데이터 분석, 시각화	[email protected]

7. 해커톤 참여 후기

김수현 : 환경 데이터 분석이라는 넓은 주제 속에서, 정말로 우리에게 필요한 정보를 도출하기 위해 어떤 데이터를 가지고 분석할 수 있을지 끊임없이 고민했습니다. 처음에는 방향이 막연했고, 다양한 가능성 속에서 주제를 정하는 것이 쉽지 않았습니다. 그러나 아이디어를 수없이 엎고 다시 세우는 과정을 거치면서, 점점 구체적이고 현실적인 주제를 만들어 갈 수 있었습니다. 이 과정에서 단순히 결과를 내는 것뿐만 아니라, 문제에 접근하는 방식과 분석 과정에서 고려해야 할 요소들에 대한 감을 얻을 수 있었습니다. 모두가 졸업 학기로 바쁜 시기였음에도 불구하고, 팀원 모두가 시간을 쪼개어 최선을 다해 준비했습니다. 데이터 수집부터 전처리, 분석, 시각화까지 전 과정에서 서로의 아이디어를 존중하며 협업했고, 예상치 못한 난관이 찾아왔을 때도 포기하지 않고 해결책을 찾아 나갔습니다. 비록 힘든 순간도 많았지만, 그만큼 성취감도 컸습니다. 이번 경험은 단순한 과제 수행을 넘어, 실제 데이터를 바탕으로 의미 있는 결론을 도출하는 과정의 중요성을 깨닫게 해주었습니다. 후회 없는 도전이었고, 앞으로의 연구나 프로젝트에서도 큰 밑거름이 될 소중한 경험이었습니다.

우지예 : 이번 학기, 팀원들 모두 바쁜 일정 속에서도 온전히 공모전에만 집중하기 어려운 상황이었지만, 그럼에도 불구하고 누구 하나 포기하지 않고 끝까지 함께 노력해준 것이 저에게는 정말 고마운 일이었습니다. 마음맞고 성실한 팀원을 만나는게 쉽지는 않기에 이번 기회에 좋은 팀원들을 만나 추억을 쌓은것 같아 공모전에 비록 아쉽게 탈락했더라도 후회없이 활동을 무사히 마무리할 수 있었던 것 같습니다.

이번 활동을 통해 산사태나 화재에 사용되는 ‘임도’라는 새로운 개념을 접하게 되었고, 처음엔 낯설고 이해하기도 쉽지 않았습니다. 하지만 팀원들과 함께 머리를 맞대어 다양한 데이터를 찾아보고 정보를 검색하면서 점점 익숙해졌고, 공모전 제출일이 가까워질수록 ‘임도’는 어느새 저희에게 친근한 존재가 되었습니다. ....아마도?

마지막으로 그동안 작성했던 활동 보고서들을 하나하나 다시 살펴보며, "그래도 이만하면 잘했다!" 라는 생각이 들었습니다. 다음에도 기회가 된다면, 이번 팀원들과 다시 한 번 함께 도전해보고 싶다는 마음이 생겼습니다.

임도향 : SW 학습공동체를 계기로 환경 데이터분석 공모전에 도전하는 경험을 할 수 있었습니다. 환경 관련 배경 지식이 많지는 않았지만, 공모전을 준비하면서 임도와 산림 회복 등 새로운 주제에 대해 배울 수 있었고, 특히 저희 팀의 주제였던 ‘임도’에 대해서는 처음 접하는 내용이 많아 신선한 시각을 얻을 수 있었습니다.

이번 활동을 통해 학부에서 배운 데이터 분석 지식과 기술을 실제 환경 데이터를 활용하는 데 적용해 볼 수 있었고, 이를 통해 전공 지식의 실무적 활용 가능성을 체감할 수 있었습니다. 중도에 포기하지 않고 학기 중 시간을 쪼개어 프로젝트를 완성한 것만으로도 값진 경험이었으며, 깃허브를 활용한 협업 과정을 통해 효율적으로 프로젝트를 진행할 수 있었습니다.

비록 공모전 결과는 아쉬웠지만, 이번 SW 학습공동체 경험은 저에게 큰 도움이 되었고, 앞으로의 공모전이나 프로젝트에서 더욱 발전된 결과를 낼 수 있는 밑거름이 될 것이라 생각합니다.

장다은 : 4학년으로 어느새 고학년을 맞이하였음에도 해커톤이나 공모전 경험이 전무하여 졸업 전 아쉬운 마음이 있었습니다. 그러던 중 친구의 권유로 sw 학습공동체에 참여하게 되었습니다. 막연한 두려움을 가지고 시작하였지만, 함께 대회를 준비하는 과정에서 어렵고 힘들 것이라고만 생각했던 대회 준비 과정이 생각보다 즐겁다는 것을 알게되었습니다. 다양한 사회 문제에 대해 고민할 수 있었고 공학도로서 지금까지 배운 지식을 사회문제를 해결하는데 사용될 수 있음을 경험하며 성취감을 느꼈습니다. 또한 이번 경험이 학습 공동체의 중요성을 알게되는 기회가 되었습니다. 만약 혼자 프로젝트를 진행하였다면 이렇게 좋은 아이디어를 떠올릴 수 도 없었고 학업과 대회를 병행하지 못해 중간에 포기하였을 것입니다. 함께한 친구들이 있었기 때문에 마무리까지 열심히 할 수 있었습니다. 저에게는 너무 값진 경험이었고, 앞으로도 학습공동체를 자발적으로 진행할 계획입니다. 좋은 기회 주셔서 감사합니다.