선박 재난 환경을 고려한 지능형 대피유도 시스템

3.1 체감 거리 (weighted distance)

일반적으로 재난 상황이 발생했을 때 위험요소가 전혀 없고 구조물 내부에 대해 익숙하며 소수의 사람만 탈출하면 빠른 속도로 탈출할 수 있을 것이다. 하지만 큰 건물 내부와 같이 복잡한 구조를 갖거나, 선박 내부와 같이 좁고 복잡한 통로라면 최적의 경로를 찾아 탈출하기가 매우 어렵다.

이러한 환경에서 경로에 지장을 줄 수 있는 요소를 고려한다면, 같은 거리를 이동하더라도 물리적인 실제 거리와 위험요소을 고려하여 사람이 직접 체감하는 거리는 다를 것이다. 이를 체감 계수(α)로 나타내며 해당 지역의 침수, 화재나 장애물 등의 요소들을 고려하여 이동에 영향을 줄 수 있는 정도를 표현한다.

체감 거리(D_w: weighted distance)는 실제로 대피자가 체감하는 거리로써 값이 클수록 그 통로를 지나가는 것에 있어서 실제 물리적 거리보다 먼 거리를 이동하는 것과 같은 의미로 판단하며, 이는 실제 거리값(D)과 체감 계수(α)의 곱으로 나타내며 식 (3)와 같이 표현된다. 이는 내리막 경사와 같은 경우를 제외한다면 일반적으로 실제적인 거리 이상의 값을 가지게 될 것이다.

여기서 체감거리 산출에 고려되는 다양한 N개의 위험요소들 중 체감거리 산출 시, m번째 부분 경로에서 해당 n번째 위험요소를 고려하는 경우 O_m,n은 1로 설정되며, 그렇지 않은 경우 0으로 설정된다. N_m은 m번째 부분경로에 존재하는 위험요소의 수 혹은 1로 설정한다. 그리고 위험요소의 위험도 혹은 통과 난이도에 따라 가중치(W_n)를 설정하였으며, 각 위험요소를 아래첨자 n으로 표시하여 화재(fire)는 W_f, 침수(waterlog)는 W_w, 기울기(slope)는 W_s 등과 같이 정의할 수 있다. 다양한 요소들을 고려할수록 체감거리는 정밀해지며 각 요소의 가중치를 어떻게 얼마나 잡느냐에 따라서 위험요소를 얼마나 큰 요소로 볼 것인지를 나타낼 수 있다. 각 요소의 가중치는 실제 측정이나 재난관련 시뮬레이터를 통해 반영할 수 있으며, 해당 값의 측정은 본 연구의 범위를 벗어나므로 본 논문에서는 특정 값으로 가정하여 반영될 것이다.

이러한 체감거리를 고려한 최적 대피경로는 식 (4)와 같이 전체 R개의 경로 중 가장 적은 값의 D_w를 갖는 r번째 경로로 선택된다.

3.2 위험 예측치 (expected risk)

위험요소가 있는 통로에서 체감 계수만을 고려하여 경로를 표시할 경우, 최적 경로 결정시점과 대피자 이동상황 간의 시간 차가 존재하고 이 시간 구간동안 위험요소의 확산에 의해 대피자가 탈출하는 도중 위험에 처할 수 있다. 예를 들어 대피자가 탈출 도중, 화재발생 지점 부근의 위험요소로 인한 폭발이 발생하거나, 화재가 점점 크게 확산되어 현재 유도중인 탈출 경로 중 한 곳에 영향을 주는 상황을 가정할 수 있다. 따라서, 대피자의 위치와 속도, 잠재적인 위험요소를 고려하지 못하고 대피 당시의 상황만을 이용한 대피 경로 결정은 최적의 경로 선택이라 할 수 없다.

이렇게 가까운 미래에 예상되는 위험요소를 위험 예측치(expected risk)로 정의하며, 이를 최적 경로 유도 알고리즘에 고려하여 실시간으로 변할 수 있는 위험상황에 대처하고자 한다.

위험요소가 발생한 노드에서 다음 노드까지의 m번째 부분 경로(d_m)와 해당 n번째 위험요소가 번지는 속도(υ)를 나누어 해당 경로의 안전을 보장할 수 있는 시간을 식 (5)와 같이 정의하였다.

시간이 흐름에 따라 ts는 감소하며, 또한 t_s를 통해 위험 예측 계수($$ \overline{\mathit{Ri}}$$)를 구할 수 있다. t_s가 크다면 발생할 시간이 많이 남은 것이므로 $$ \overline{\mathit{Ri}}$$은 0에 가까운 값을 나타내며, t_s가 작다면 해당하는 위험요소가 곧 나타나는 것을 의미하므로 $$ \overline{\mathit{Ri}}$$은 1에 가까운 값을 갖는다. 하지만 $$ \overline{\mathit{Ri}}$$의 범위는 1 이하로 제한하지 않고 위험요소로 인해 예상되는 피해정도가 매우 큰 경우 1 이상의 값을 가질 수 있도록 하여, 일반적인 상황에서 고려된 위험요소의 정적(static) 가중치, W_n과 별도로 동적으로 변할 수 있는 위험 정도를 반영할 수 있는 장치를 마련하였다. 위험 예측 계수의 결정 방안 또한 본 논문의 범위를 벗어나므로 본 논문에서는 각 위험 예측치를 특정 값으로 가정하고 성능을 평가하였다.

이 위험 예측 계수, $$ \overline{\mathit{Ri}}$$를 포함하여, 즉 예상되는 위험요소의 영향까지 모두 고려하여 r번째 경로에 대해 예측된 체감 거리($$ {\overline{D}}_w$$)는 식 (6)과 같이 표현된다.

그리고, 위험 예측 계수를 고려한 체감 거리, $$ {\overline{D}}_w$$를 반영하여 최적 경로 결정 기준을 식 (7)과 같이 정의할 수 있다.

3.3 제안된 최적 경로 유도 시스템

본 논문에서 제안하는 최적 경로 유도 시스템은 대상 구조물 내 설치된 센서를 통해 위험 인자의 유무(O_n)와 위험정도(W_n)를 파악하고 이를 토대로 각 위치에서의 위험 예측치를 고려한 체감거리를 산출하여 최적의 탈출경로를 탐색한다.

앞서 설명된 최적경로의 탐색 과정은 Figure 1과 같이 정리될 수 있다. 본 논문에서 제안하는 경로 유도 시스템에서는 이러한 과정을 통해 탐색된 경로를 구조물 내부 바닥이나 벽면에 방향을 지시할 수 있는 비상유도등 형태로 설치되어 재난 상황 시 탈출을 유도한다.

Figure 1:

Optimal route discovery and leading process

4.1 시뮬레이션 환경 및 조건

제안하는 유도 시스템의 성능을 평가하기 위해서 실제 선박환경에 적용하기 앞서 보다 복잡한 구조의 구조물을 가정하였다. 이를 Figure 2에 나타내었으며 제안하는 최적 경로 유도 시스템을 이용하여 컴퓨터 시뮬레이션을 수행하였다. 각 좌표의 차이가 통로의 길이로 주어져 있고 탈출구는 그림과 같이 배치하였다. 굵은 선은 대피자가 이동할 수 있는 통로를 나타내며 각 지점의 바닥이나 벽면에 방향을 표시할 수 있는 유도등이 있다고 가정한다.

Figure 2:

Virtual simulation environment

가상 구조물에서 나타날 수 있는 다양한 위험요소들은 공통적으로 화재 상황, 부분적인 암전 상태나 연기로 인한 시야방해 등이 있으며 특수한 상황으로는 선박 사고 및 결함으로 인한 침수, 기울어짐 등을 고려할 수 있다. 앞서 설명된 제안된 방식에서는 N가지 위험 요소들을 고려하도록 설계되었지만, 각 위험 요소에 대한 영향, 가중치, 위험 요소의 전파 속도와 관련된 위험 예측치에 대한 정확한 정보를 적용하는 것은 본 연구의 범위를 벗어나므로 화재상황만을 고려하고 관련 파라미터를 가변적인 값으로 설정하여 성능 평가를 진행하였다. 하지만 향후 Fire Dynamics Simulator (FDS)와 같은 재난 시뮬레이터[7] 및 관련 연구 결과[8]를 토대로 해당 파라미터에 대한 보다 정확한 성능 평가 결과를 확보할 수 있을 것이다.

4.2 시뮬레이션 결과

위험요소의 유무에 따라서 체감거리가 어떻게 달라지는지 비교하기 위해서 Figure 2 내부에 임의의 위치에 있는 탈출자는 아무런 위험이 없이 일반적인 유도등을 보고 탈출하는 상황과 Figure 2 내부에 임의의 위치에 위험요소를 적용하여 앞서 탈출한 동일한 경로로 탈출하였을 때를 비교하였다. Figure 2의 임의의 위치에서 위험 요소의 발생 확률은 20% 위험 예측치($$ \overline{\mathit{Ri}}$$)는 0.2로 가정하였다.

각 라운드당 100번씩 시뮬레이션을 수행하여 각 방식별 체감거리의 평균값을 Figure 3 ~ 5에 나타내었다. Figure 3은 W_f가 10일 때를 가정하였고, Figure 4는 W_f가 15, Figure 5는 W_f가 20를 가정하고 체감거리의 결과 값을 나타내었다.

Figure 3:

Weighted distance (Wf = 10)

Figure 4:

Weighted distance (Wf = 15)

Figure 5:

Weighted distance (Wf = 20)

각 그림에서 가장 낮은 체감거리를 보이는 상황은 아무런 재난이 발생하지 않은 일반적인 상황에서의 체감거리를 나타낸 것이고, 가장 높은 체감거리를 적색 점선은 재난상황이 발생하였지만 재난이 발생하지 않은 상황에서의 경로, 즉 일반적인 비상구 표시등을 따라 이동한 경우의 체감거리를 나타낸다. 마지막으로 가운데 있는 녹색 실선의 그래프는 제안한 시스템을 적용하였을 때 적색 점선 대비 감소하는 체감거리를 확인할 수 있다. 가중치가 증가함에 따라 전반적인 체감거리가 증가하지만, 제안한 시스템에서는 위험 요소를 회피하여 탈출 경로를 유도하므로 체감 거리가 비교적 일정한 것을 알 수 있다. 이는 가중치 값이 높을수록 대피유도 성능에 더 큰 영향을 끼친다고 판단할 수 있다.

다음으로 가상의 구조물에서 임계 시간에 대한 생존 확률을 Figure 6에 나타내었다. 재난상황이 발생하지 않은 경우에는 생존 확률을 검토할 필요가 없으므로 본 실험에서 제외하였고, 일반적인 인간의 평균 보행속도에서 속보(3m/s)로 이동한다고 가정하였다[6]. Figure 6에서 가로축은 탈출에 걸리는 임계시간을 나타내며, 이 임계시간 안에 탈출에 성공하였다면 생존한 것으로 가정하였다. 제안한 시스템을 적용시킨 환경에서는 위험한 경로를 회피하여 대피를 유도하므로, 탈출까지 걸리는 시간이 줄어들어 생존율이 증가한다고 볼 수 있다. 재난상황 시 생존에 필요한 임계시간이 20초 정도로 짧은 경우에는 대피에 필요한 기본 시간보다 짧게 설정되어 제안한 방식의 적용 여부가 성능에 영향을 미치지 못하지만, 30초~180초의 구간에는 그 성능 차이가 확연히 드러남을 확인할 수 있다. 그리고 190초 이상의 임계시간은 제안한 방식을 적용하지 않더라도 탈출에 필요한 충분한 시간이 확보된 상황이므로 두 방식의 성능이 동일함을 알 수 있다. 하지만 이 경우에도 재난상황에서의 대피자 행동패턴이나 병목현상이 고려된다면 제안된 방식과의 성능 차이가 발생할 것으로 예상된다.

Figure 6:

Survival rate according to escape time

4.3 실제 선박환경 적용

제안하는 시스템의 실제 성능을 확인하기 위해 한국해양대 실습선 한바다호 환경에 적용하여 시뮬레이션을 해보았다. 먼저 한바다호에 적용하기 위해서는, 발생할 수 있는 위험요소를 판단할 수 있도록 각종 센서나 장치들로 측정할 수 있어야 하고, 또한 방향을 표시할 수 있도록 각 위치에 유도등이 필요하다. 다음 Figure 7은 한국해양대의 실습선인 한바다호의 구조도의 일부이며 해당 구역에서 재난상황을 가정한 시뮬레이션을 수행하였다. 한바다호는 실습선으로써 해당 선박에 대해 익숙한 인원이 일반적으로 생활하고 있지만, 설정한 구역은 외부 사람들이 한바다호에 탑승하게 되면 주어지는 침실이므로 해당 실습선에 대해 익숙하지 않은 사람이 타게 되며, 위험 상황 시 대피에 어려움을 겪을 수 있기 때문에 해당 구역을 선정하게 되었다.

Figure 7:

Simulation environment

한바다호에 통로나 출구 중 한 곳에 위험상황이 있다고 가정한 후 제안한 알고리즘을 사용하여 시뮬레이션한 결과를 Figure 8에 나타내었다. 크루즈 선박이나 대형 복합구조물과 달리 비교적 단순한 구조에 대한 실험이어서 Figure 3~5와 달리 성능 차가 크지 않지만, 제안된 알고리즘을 적용할 경우 체감거리 측면에서 성능이 향상됨을 확인할 수 있다.

Figure 8:

Weighted distance on the ship (Wf = 10)