CCTV 영상 기반 모니터링 및 AI 실시간 침수 예측 모델링을 통한 건설현장 침수 위험 관리

• 영문명: Construction Site Inundation Risk Management through CCTV-Based Monitoring and AI Real-Time Inundation Prediction Modeling
• 발행기관: 위기관리 이론과 실천
• 저자명: Jong Pyo Park Taek Mun Jeong Young Ho Seo Kyung Su Choo Jang Hyun Sung
• 간행물 정보: 『한국위기관리논집』Vol.21 No.5, 19~32쪽, 전체 14쪽
• 주제분류: 사회과학 > 행정학
• 파일형태: PDF
• 발행일자: 2025.05.30

국문 초록

본 연구는 건설 현장의 CCTV를 활용한 실시간 침수 예측 시스템을 개발하는 것을 목표로 한다. CCTV로부터 침수 깊이를 추정하기 위한 모델을 구축하고, 추정된 침수 깊이를 관측 데이터와 비교하여 성능을 검증하였다. 분석 결과 높은 상관관계(R2 = 0.99)와 약 3cm의 RMSE를 보여 정량적 침수 모니터링에 CCTV를 활용할 수 있는 가능성을 확인했다. 또한, 취약 지역에 대한 실시간 침수 예측 방법을 제안했으며 XP SWMM 시뮬레이션에서 도출된 침수 특성을 활용하여 ANN(인공 신경망)과 CNN(합성곱 신경망)을 기반으로 한 모델을 학습시켰다. 모델의 성능은 평균 절대 백분율 오차(MAPE)를 사용하여 평가되었으며, 전체 평균 오차율은 침수면적 예측에서 8.89%, 그리드 기반 침수 깊이 예측에서 19.49%가 나타났다. 향후 연구는 실시간 CCTV 침수 모니터링과 AI 모델을 통합하여 예측 정확도를 높일 수 있을 것이라 판단된다.

영문 초록

This study aims to develop a real-time inundation prediction system using CCTV at construction sites. A model was established to estimate inundation depth from CCTV, and its performance was validated by comparing the estimated inundation depth with observed data. The results demonstrated a high correlation (R2 = 0.99) and an RMSE of approximately 3 cm, confirming the feasibility of using CCTV for quantitative inundation monitoring. Furthermore, a real-time inundation prediction method for vulnerable areas was proposed. inundation characteristics derived from XP SWMM simulations were used to train a model based on ANN (Artificial Neural Networks) and CNN (Convolutional Neural Networks). The model's performance was evaluated using the Mean Absolute Percentage Error (MAPE), with overall average error rates of 8.89% for inundation area predictions and 19.49% for grid-based inundation depth predictions. Future efforts will focus on integrating real-time CCTV inundation monitoring with the AI model to enhance its predictive accuracy.

목차

Ⅰ. 서론

Ⅱ. 자료 및 방법

Ⅲ. 결과

Ⅳ. 결론

Acknowledgement

References

키워드

실시간 침수 폐쇄 회로 인공신경망 합성곱신경망 real-time inundation CCTV XP SWMM ANN-CNN