ScholarWorks@성균관대학교

초록

기후변화의 가속화로 인해 국지성 집중호우와 폭우의 발생 빈도가 증가하며, 도심지의 홍수 및 침수 위험이 확대되고 있다. 그러나기존의 인력 조사 및 센서 기반 침수 모니터링 방식은 적용 범위가 제한적이고 운영⋅유지⋅관리 비용이 높으며, 실시간성이 부족하다는 한계가 있다. 본 연구에서는 이러한 한계를 극복하기 위해, 실시간 도시 침수 영역 탐지와 침수 면적의 정량적 추정을 동시에 수행할 수 있는 영상 기반 컴퓨터 비전 기법을 제안한다. 제안 기법은 YOLOv8 기반 딥러닝 모델을 활용하여 침수 영역과 기준 객체(도로 표지판, 신호등)를 동시에 검출하고, 기준 객체의 실제 크기와 영상 내 픽셀 정보를 결합하여 침수 면적을 m² 단위로 산출한다. 학습 데이터는 AI-Hub에서 수집된 자료를 조합하여 구축하였으며, 최종 모델은 mAP 0.548, F1-score 0.59의 성능을 달성하였다. 또한, 빈번한 침수 발생 지역을 대상으로 한 실증 실험에서위성이미지 기반 면적 추정값 대비 약 5.63%의 오차율을 보여, 제안 기법의 정확성과 실용성을 입증하였다.

키워드