1. 서 론
1.1 연구의 배경 및 목적
1.2 연구의 범위 및 방법
2. 시설물 안전관리제도 및 BIM 기반 유지관리에 대한 고찰
2.1 안전등급 및 안전취약시설물 관리제도
2.2 BIM 기반 시설물 유지관리 선행연구 고찰
2.3 소결
3. 공공데이터 기반 안전취약시설물 현황 분석
3.1 분석 대상 데이터 및 전처리
3.2 시설물 유형별·종별 분포 및 취약률
3.3 등급판정 후 경과기간 및 조치 현황
3.4 현행 관리정보의 한계
4. BIM 유지관리 정보모델 구축 방안
4.1 정보모델 프레임워크
4.2 공공데이터 IFC 속성 매핑 스키마
4.3 유지관리 우선순위지수의 산정
4.4 미기재 데이터 제외 재분석 및 가중치 민감도 검증
4.5 건설사업관리 연계 방안
5. 결론 및 향후 연구
1. 서 론
1.1 연구의 배경 및 목적
국내 시설물은 「시설물의 안전 및 유지관리에 관한 특별법」(이하 시설물안전법)에 따라 규모와 위험도를 기준으로 제1종·제2종·제3종 시설물로 구분되어 관리되며, 정기안전점검·정밀안전점검·정밀안전진단의 결과에 따라 A등급부터 E등급까지의 안전등급이 부여된다. 이 가운데 D등급과 E등급은 주요부재에 결함이 발생하여 긴급한 보수·보강이 필요하거나 사용을 제한하여야 하는 상태를 의미하며, 관리주체는 해당 시설물에 대하여 사용제한·사용금지 조치와 주민공지 등의 안전조치를 이행하여야 한다.
문제는 이러한 안전취약시설물의 관리정보가 여전히 문자와 수치로 구성된 대장 형태로 축적되고 있다는 점이다. 시설물명, 소재지, 등급판정일, 차기점검일과 같은 항목은 표로 관리될 뿐 시설물의 위치·형상·부재와 결합되지 않는다. 그 결과 관리주체가 다수의 취약시설물을 동시에 관리하는 상황에서 어떤 시설물을 먼저 조치하여야 하는지, 어느 부재에 어떤 보수·보강 물량이 필요한지를 관리정보로부터 직접 도출하기 어렵다.
BIM을 시설물 유지관리 단계에 활용하려는 연구는 지속적으로 수행되어 왔다. Jang et al. (2013)은 구조물 점검정보를 3차원 모델에 입력하고 표시하는 방법을 제시하였고, Byun et al. (2021)은 교량 유지관리를 위한 데이터 스키마와 정보시스템을 구축하였다. Li et al. (2023)은 교량 결함 데이터를 표준 분류체계로 부호화하여 BIM 모델과 연계하고 상태점수에 따라 유지관리 우선순위를 시각화하는 시스템을 제안하였으며, Song et al. (2025)은 2차원 점검자료를 3차원 예측모델로 전환하는 디지털 트윈 체계를 제시하였다. 그러나 이들 연구는 대체로 단일 시설물을 대상으로 하고, 연구자가 직접 수집하였거나 관리주체가 보유한 비공개 점검데이터에 의존하기 때문에 다른 시설물로의 확장이나 제3자에 의한 재현이 용이하지 않다.
한편 공공데이터포털을 통해 개방되는 시설물 관리정보는 전국 단위로 축적되어 있어 개별 시설물이 아닌 자산 포트폴리오 관점의 분석이 가능하다는 장점이 있다. 그러나 개방 항목이 텍스트 대장 형태에 머물러 있어 공간정보나 형상정보와 결합되지 못하고 있다. Choi et al. (2015)과 Kim (2016)은 도시공간데이터와 건축데이터의 통합 활용 가능성을 제시한 바 있으나, 시설물 안전·유지관리 정보를 BIM 정보모델의 속성으로 구조화한 연구는 미흡한 실정이다.
이에 본 연구는 공공데이터포털에 개방된 안전취약시설물 데이터를 분석하여 현행 관리정보의 한계를 실증적으로 도출하고, 개방 항목을 IFC 속성세트로 매핑하는 스키마와 유지관리 우선순위지수를 제안함으로써 BIM 기반 유지관리 정보모델을 구축하는 방안을 제시하는 것을 목적으로 한다.
1.2 연구의 범위 및 방법
본 연구의 대상은 국토안전관리원이 공공데이터포털을 통해 개방한 공공 안전취약시설물(D·E등급) 212개소이며, 공동주택은 개방 범위에서 제외되어 있다. 분석 기준일은 해당 데이터셋의 포털 공표일인 2026년 1월 27일로 고정하였다. 연구는 다음 순서로 수행하였다.
첫째, 시설물 안전등급 관리제도 및 BIM 기반 유지관리 선행연구를 고찰한다.
둘째, 공공데이터포털의 안전취약시설물 데이터를 수집·전처리하고 분석에 필요한 파생변수를 정의한다.
셋째, 시설물 유형별·종별 분포와 전체 공공시설물 모집단 대비 취약률을 분석한다.
넷째, 등급판정 후 경과기간 및 안전조치 현황을 분석하여 현행 관리정보의 한계를 도출한다.
다섯째, 공공데이터 항목을 IFC 속성세트로 매핑하는 스키마를 제안한다.
여섯째, 유지관리 우선순위지수를 산정하여 정보모델에 적용·가시화하고, 미기재 데이터를 제외한 재분석과 가중치 민감도 분석으로 결과를 검증한 후 건설사업관리 연계방안을 제시한다.
2. 시설물 안전관리제도 및 BIM 기반 유지관리에 대한 고찰
2.1 안전등급 및 안전취약시설물 관리제도
시설물안전법은 시설물을 규모와 공중이용도에 따라 제1종, 제2종, 제3종으로 구분한다. 제1종과 제2종은 교량·터널·항만·댐·건축물 등 대규모 시설물이 해당하며, 제3종은 준공 후 일정 기간이 경과한 소규모 시설물 가운데 안전관리가 필요하거나 재난 위험이 높아 지속적 관리가 요구되는 시설물을 지정한 것이다. 관리주체는 종별에 따라 정기안전점검, 정밀안전점검, 정밀안전진단을 정해진 주기로 실시하여야 하며, 그 결과에 따라 A(우수), B(양호), C(보통), D(미흡), E(불량)의 안전등급이 부여된다.
D등급은 주요부재에 결함이 발생하여 긴급한 보수·보강이 필요하고 사용제한 여부를 결정하여야 하는 상태를, E등급은 주요부재에 심각한 결함이 발생하여 시설물의 안전에 위험이 있으므로 즉각 사용을 금지하고 보강 또는 개축하여야 하는 상태를 의미한다. 관리주체는 D·E등급 판정 시 사용제한·사용금지, 주민공지, 보수·보강 계획 수립 등의 조치를 이행하여야 하며, 국토안전관리원은 이러한 시설물의 관리현황을 공공데이터로 개방하고 있다.
2.2 BIM 기반 시설물 유지관리 선행연구 고찰
BIM 기반 유지관리 연구는 정보모델의 스키마를 정의하는 연구와, 점검·진단 결과를 모델에 결합하여 의사결정을 지원하는 연구로 크게 구분된다. Marmo et al. (2020)은 IFC 스키마에 기반한 건물 성능 및 유지관리 정보모델을 제안하여 유지관리 정보를 표준 속성체계로 구조화하는 방법론적 기반을 제시하였다. Shin et al. (2022)은 항만시설을 대상으로 COBie 표준을 확장한 유지관리 데이터 처리 메커니즘을 개발하였다. 의사결정 지원 측면에서는 Li et al. (2023)이 교량 결함 데이터를 BIM 모델과 연계하여 상태점수 기반의 유지관리 우선순위를 시각화하였고, Jeon et al. (2024)은 프리스트레스트 콘크리트 교량을 대상으로 가중합 형태의 건전도 지수를 BIM에 적용하였으며, Song et al. (2025)은 2차원 점검자료를 3차원 열화 예측모델로 전환하였다. Medrano-Sanchez and Martos (2025)는 BIM 기반 교량 유지관리의 방법론과 도구를 종합적으로 분석하였다. Table 1은 본 연구가 참조한 주요 선행연구를 정리한 것이다.
Table 1.
Research on BIM-based facility maintenance
| Researcher | Subject | Contents |
| Jang et al. (2013) | 3D model for structural inspection data | Proposed a method to input and display structural inspection results on a 3D model |
| Marmo et al. (2020) | IFC-based maintenance information model | Structured building performance and maintenance information as an IFC schema extension |
| Byun et al. (2021) | Bridge maintenance data schema | Established a maintenance data schema and information system covering diagnosis, repair and valuation |
| Shin et al. (2022) | COBie-based port facility maintenance | Developed a maintenance data processing mechanism through COBie standard development |
| Li et al. (2023) | BIM-based bridge maintenance system | Encoded defect data, linked them to the BIM model and visualized maintenance priority by condition score |
| Jeon et al. (2024) | Health index-based maintenance | Derived a weighted health index of prestressed concrete bridges for BIM application |
| Song et al. (2025) | Digital twin for slab deterioration | Converted 2D inspection data into a predictive 3D deterioration model |
2.3 소결
선행연구는 유지관리 정보를 정보모델의 속성으로 구조화하는 방법과 상태점수 기반의 우선순위 산정 절차를 제시하였다는 점에서 의의가 있다. 그러나 대상이 단일 시설물 또는 특정 시설물군에 한정되어 있고, 입력 자료가 연구자 또는 관리주체가 보유한 비공개 점검데이터라는 공통적 제약이 있다. 개방된 공공데이터를 정보모델의 속성으로 구조화하고 이를 전국 단위 자산 포트폴리오의 유지관리 의사결정에 활용한 연구는 확인되지 않는다. 본 연구는 이러한 연구공백에 대응하여, Li et al. (2023)이 제시한 결함데이터-정보모델 연계 및 우선순위 시각화 프레임워크를 국내 시설물안전법 체계와 공공데이터 환경에 맞게 수정·적용한다.
3. 공공데이터 기반 안전취약시설물 현황 분석
3.1 분석 대상 데이터 및 전처리
분석에는 국토안전관리원이 공공데이터포털에 개방한 「공공 안전취약시설물관리정보」와 「공공시설물종별현황」을 사용하였다(KALIS, 2026a; 2026b). 전자는 공동주택을 제외한 공공시설물 중 D·E등급으로 판정된 212개소의 관리현황을, 후자는 취약률 산정을 위한 모집단으로서 시설물 88,212개소(공동주택 포함)의 종류별·종별 개수를 제공한다. Table 2는 원본 항목과 본 연구에서 정의한 파생변수를 정리한 것이다.
Table 2.
Composition of the analyzed dataset
주소 항목은 시·도 및 시·군·구 수준까지만 개방되어 있어 필지 단위의 위치 특정이 불가능하다. 또한 사용제한여부와 주민공지여부에는 공백이 포함되어 있으며, 결측은 사용제한여부 50개소(23.6%), 주민공지여부 57개소(26.9%), 차기점검진단일 3개소(1.4%)의 세 항목에 국한되었고 나머지 항목은 모두 기재되어 있었다. 본 연구에서는 이를 결측으로 처리하되 별도의 범주로 유지하여 관리정보의 완전성을 함께 분석하였으며, 결측이 분석 결과에 미치는 영향을 확인하기 위하여 모든 항목이 기재된 완전사례(complete-case) 155개소(73.1%)만으로 동일한 절차를 반복하여 상호 검증하였다(4.4절).
3.2 시설물 유형별·종별 분포 및 취약률
D·E등급 공공시설물 212개소를 시설물구분별·종별로 집계한 결과는 Table 3과 같다. 교량이 126개소(59.4%)로 가장 많고(59.4%)로 가장 많고 건축물이 63개소(29.7%)로 뒤를 이었다. 종별로는 제3종 시설물이 185개소(87.3%)로 대부분을 차지하였으며, 제2종은 24개소(11.3%), 제1종은 3개소(1.4%)였다. 즉 안전취약시설물의 다수는 제1종·제2종에 비하여 규모가 작은 제3종 시설물에 집중되어 있다.
Table 3.
Distribution of D·E grade facilities by category and safety class
그러나 절대 개소 수는 모집단의 크기에 좌우되므로, 전체 공공시설물 대비 발생률을 함께 검토할 필요가 있다. Table 4와 같이 모집단 대비 취약률을 산정한 결과 항만이 5.22‰로 가장 높고, 교량 3.52‰, 댐 3.13‰, 건축물 2.88‰의 순으로 나타났다. 교량은 절대 개소 수와 발생률이 모두 높아 우선적인 관리대상임이 확인되며, 항만은 개소 수가 2개소에 불과하나 모집단이 383개소로 작아 발생률 기준으로는 가장 취약한 시설물군으로 분류된다. 취약률 산정의 모집단은 D·E등급 자료의 시설물구분과 대응되는 6개 구분 69,595개소이다. 기타(10개소)는 ‘기타 안전관리가 필요한 것으로 인정하는 토목시설’로서 교량·옹벽·출렁다리·인공데크 등 성격이 다른 시설이 혼재하고 모집단 자료의 시설물종류와 일대일로 대응되지 않아 취약률 산정에서 제외하였으며, 터널·사면·상하수도 등 나머지 구분에는 D·E등급 시설물이 없었다.
Table 4.
Vulnerability rate against the total public facility population
| Category | D·E grade | Total population | Rate(‰) |
| Harbor | 2 | 383 | 5.22 |
| Bridge | 126 | 35,827 | 3.52 |
| Dam | 2 | 639 | 3.13 |
| Building | 63 | 21,867 | 2.88 |
| River | 7 | 7,537 | 0.93 |
| Retaining wall | 2 | 3,342 | 0.60 |
지역별로는 경기 31개소, 충북 30개소, 충남 29개소, 경북 27개소, 전남 26개소의 순으로 나타나 비수도권 도(道) 지역에 집중되는 경향을 보였다(Figure 1). 특히 충북·충남·경북·전남은 교량이 차지하는 비중이 높아, 농어촌도로 및 지방도상의 중소규모 교량이 취약시설물의 주된 구성요소임을 알 수 있다.
3.3 등급판정 후 경과기간 및 조치 현황
D·E등급 판정일로부터 분석 기준일까지의 경과기간을 산정한 결과 평균 2.18년, 중앙값 1.4년, 최대 12.1년으로 나타났다. Figure 2와 같이 1년 미만이 74개소(34.9%)로 가장 많았으나, 3년 이상 경과한 시설물이 54개소(25.5%)에 달하였고 이 중 5년 이상 경과한 시설물도 26개소(12.3%)로 확인되었다. D·E등급은 긴급한 보수·보강 또는 사용금지를 요하는 상태임을 고려할 때, 상당수 시설물이 장기간 취약등급 상태로 존치되고 있음을 의미한다.
등급판정일로부터 차기점검진단일까지의 대기기간은 평균 835일, 중앙값 592일, 최대 4,376일이었으며, 기준일 시점에서 차기점검진단일이 이미 경과한 시설물은 69개소(32.5%)로 나타났다. 안전조치 현황은 Table 5와 같다. 사용제한 없음이 84개소(39.6%)로 가장 많았고, 일부 사용제한 52개소(24.5%), 전면 사용금지 26개소(12.3%)의 순이었으며, 해당 항목이 기재되지 않은 시설물이 50개소(23.6%)였다. 주민공지 항목 역시 57개소(26.9%)가 미기재 상태였다. Table 5에서 Notice는 원자료의 ‘방송·인터넷을 통한 주민공지’를 의미한다.
Table 5.
Status of usage restriction and public notification
| Usage restriction |
Sign + notice |
Sign only |
Notice only |
Not recorded | Total |
| Full prohibition | 20 | 5 | 0 | 1 | 26 |
| Partial restriction | 44 | 8 | 0 | 0 | 52 |
| None | 71 | 6 | 1 | 6 | 84 |
| Not recorded | 0 | 0 | 0 | 50 | 50 |
| Total | 135 | 19 | 1 | 57 | 212 |
3.4 현행 관리정보의 한계
이상의 분석을 통해 현행 안전취약시설물 관리정보의 한계를 네 가지로 정리할 수 있다.
첫째, 위험도와 조치수준의 정합성이 확보되지 않는다. D·E등급으로 판정되었음에도 사용제한이 없는 시설물이 84개소(39.6%)에 이르며, 이는 등급과 조치 사이의 판단 근거가 정보로 표현되지 않기 때문이다.
둘째, 관리정보의 완전성이 낮다. 사용제한여부와 주민공지여부의 미기재 비율이 각각 23.6%와 26.9%로, 대장 형태의 수기 입력에 의존하는 관리방식의 구조적 한계를 보여준다.
셋째, 위치정보의 해상도가 낮다. 주소가 시·군·구 수준까지만 개방되어 개별 시설물의 위치를 특정할 수 없으므로 공간정보 기반의 점검 동선 계획이나 인접 시설물과의 연계 분석이 불가능하다.
넷째, 형상 및 부재정보가 부재하다. 어느 부재에 어떤 결함이 발생하였는지가 표현되지 않으므로 보수·보강 물량과 개산공사비를 관리정보로부터 직접 산출할 수 없다.
이러한 한계는 관리정보를 표 형태의 대장이 아니라 시설물의 형상·위치·부재와 결합된 정보모델의 속성으로 구조화함으로써 완화될 수 있다.
4. BIM 유지관리 정보모델 구축 방안
4.1 정보모델 프레임워크
본 연구가 제안하는 프레임워크는 Li et al. (2023)이 교량 결함관리 시스템에서 제시한 5단계 구조, 즉 데이터 수집, 표준 분류체계에 의한 부호화, BIM 모델 연계, 상태점수 산정, 우선순위 시각화의 절차를 따르되 각 단계의 입력과 기준을 국내 여건에 맞게 치환한 것이다. 데이터는 현장에서 수집한 결함정보 대신 공공데이터포털의 개방데이터를 사용하고, 부호화 기준은 IFD (International Framework for Dictionaries) 대신 시설물안전법 시행령의 시설물 분류와 종별 체계를 적용하며, 모델 연계는 IFC 속성세트를 통해 수행한다. 상태점수는 결함 심각도가 아니라 종별·안전조치·경과기간·점검기한 준수 여부를 결합한 유지관리 우선순위지수로 정의한다.
4.2 공공데이터 IFC 속성 매핑 스키마
개방된 9개 항목과 본 연구가 정의한 5개 파생변수를 IFC 엔티티 및 속성으로 매핑한 결과는 Table 6과 같다. 시설물구분에 따라 교량은 IfcBridge, 건축물은 IfcBuilding, 항만은 IfcMarineFacility에 배정하고, IFC 4.3에 전용 시설물 엔티티가 정의되어 있지 않은 하천·댐·옹벽·기타는 상위 엔티티인 IfcFacility로 생성하되 ObjectType 속성에 시설물구분(RIVER, DAM, RETAININGWALL, OTHERS)을 기재하여 구분한다. 또한 시설물종류는 시설물안전법 시행령 별표를 참조하는 IfcClassificationReference로 연결하며, 나머지 항목은 본 연구가 제안하는 속성세트에 정의한다. IFC 규격은 ‘Pset_’ 접두어를 buildingSMART 표준 속성세트에 한정하고 있으므로 본 연구가 제안하는 사용자 정의 속성세트의 명칭은 KR_VulnerableFacilityMaintenance로 하였으며, 속성세트의 구성은 Marmo et al. (2020)이 제시한 IFC 스키마 확장 방식을 따른 것이다.
Table 6.
Proposed property set mapping schema
제안한 속성세트는 IFC 4.3의 표준 속성세트인 Pset_Condition 등과 병행하여 사용할 수 있도록 구성하였으며, 개방데이터의 갱신 주기에 맞추어 속성값만 갱신하면 정보모델 전체를 재작성하지 않고도 최신 관리현황을 반영할 수 있다.
4.3 유지관리 우선순위지수의 산정
유지관리 우선순위지수(Maintenance Priority Index, MPI)는 Jeon et al. (2024)이 제시한 가중합 형태의 건전도 지수 구조를 참고하여 다음 식과 같이 정의하였다.
여기서 Wc는 종별 가중치로 제1종 1.0, 제2종 0.7, 제3종 0.4를 부여하였고, Wu는 안전조치 가중치로 전면 사용금지 1.0, 일부 사용제한 0.6, 사용제한 없음 0.2를 부여하였다. E는 등급판정 후 경과년수이며 5년을 상한으로 정규화하였고, O는 차기점검진단일 경과 여부로 경과한 경우 1, 그렇지 않은 경우 0의 값을 갖는다. 가중치는 시설물의 규모와 위험도를 반영하는 종별, 실제 위험노출 수준을 반영하는 안전조치를 동등한 비중으로 두고, 시간 경과와 점검주기 준수 여부를 보조 지표로 구성한 것이다.
계수와 가중치의 설정 근거는 다음과 같다. 종별은 시설물의 규모와 공중이용도, 즉 사고 발생 시의 피해 규모를 대표하고 안전조치는 관리주체가 판단한 현재의 위험 수준을 대표하므로 두 항목을 주 지표로 보아 동일하게 30점씩 배분하였다. 경과기간은 취약 상태의 누적 노출을 나타내나 판정일 하나에서 파생되는 값이므로 25점을, 점검기한 경과 여부는 이진값의 행정적 준수 지표이므로 가장 낮은 15점을 배분하였다. 종별과 안전조치 가중치는 서열척도이므로 등간격(각각 0.3, 0.4)으로 두었고, 제3종과 사용제한 없음도 D·E등급 시설물인 점을 고려하여 0이 아닌 하한값을 부여하였다. 경과년수의 상한 5년은 이를 초과하는 시설물이 전체의 12.3%(26개소)에 그치므로 극단값(최대 12.1년)의 영향을 제한하기 위하여 설정한 것이다.
한편 조치 판단의 결과인 ‘사용제한 없음’과 판단 여부 자체가 기록되지 않은 ‘미기재’는 성격이 다르므로 구분하여 처리하였다. 미기재 50개소는 실제 조치수준을 알 수 없으므로 안전조치 가중치를 단일 값으로 두지 않고 하한(0.2)과 상한(1.0)을 적용한 MPI 구간으로 산정하였으며, 정보모델에서도 UsageRestriction 속성에 NOTKNOWN 값을 부여하여 사용제한 없음(NONE)과 구분하였다. 미기재 시설물의 MPI는 하한 기준 평균 28.5, 상한 기준 평균 52.5로 24.0점의 폭을 가지며, 이하의 순위는 하한 기준으로 제시하고 상한 기준의 영향은 4.4절에서 검토하였다. 이상의 계수와 가중치는 전문가 조사를 통해 도출된 값이 아니라 연구자가 설정한 값이라는 한계가 있으므로, 가중치 변화에 따른 순위의 안정성을 4.4절의 민감도 분석으로 검증하였다.
212개소에 대하여 MPI를 산정한 결과는 Table 7과 같다. 상위 시설물은 제1종 항만시설과 장기간 경과한 제2종 교량이 주를 이루었으며, 개소 수가 가장 많은 제3종 교량은 사용제한이 기재되지 않은 경우 상대적으로 낮은 지수를 나타내었다. 이는 조치정보의 결측이 우선순위 판단을 왜곡할 수 있음을 보여주는 것으로, 정보모델 기반 관리로 전환할 때 속성값의 필수 입력을 강제하여야 하는 근거가 된다. Figure 3은 등급판정 후 경과년수에 따른 MPI의 분포를 시설물구분별로 나타낸 것이다.
Table 7.
Top-10 facilities by maintenance priority index
4.4 미기재 데이터 제외 재분석 및 가중치 민감도 검증
미기재 데이터가 분석 결과에 미치는 영향을 확인하기 위하여, 사용제한여부·주민공지여부·차기점검진단일 가운데 하나라도 기재되지 않은 57개소를 제외한 완전사례 155개소에 대하여 3장의 현황 분석과 4.3절의 MPI 산정을 동일한 절차로 반복하였다. Table 8은 전체 212개소와 완전사례 155개소의 주요 지표를 비교한 것이다. 제3종 시설물 비중(87.3%→87.1%)과 점검기한 초과 비율(32.5%→33.5%)은 거의 변하지 않았고, 교량 비중은 59.4%에서 52.9%로 낮아졌으나 최다 유형이라는 결론은 유지되었다. 반면 사용제한이 없는 시설물의 비율은 39.6%에서 50.3%로, 3년 이상 경과한 시설물의 비율은 25.5%에서 32.9%로 높아져, 미기재를 포함한 전체 집계가 위험도와 조치수준의 부정합 및 장기 존치 문제를 오히려 과소하게 나타내고 있음을 확인하였다. MPI 상위 20개 시설물은 두 집단에서 구성과 순위가 모두 동일하였다.
Table 8.
Comparison between all records and complete-case records
제외된 57개소는 44개소(77.2%)가 2025년에 등급이 판정된 시설물로 평균 경과기간이 1.0년에 불과하였다. 즉 결측은 무작위로 발생한 것이 아니라 등급판정 직후 조치정보가 아직 입력되지 않은 입력 지연의 성격이 강하다. 이들은 경과기간이 짧아 MPI가 평균 29.1로 낮고 전체 순위에서도 최고 25위에 그쳐 상위 우선순위에는 영향을 주지 않았다. 다만 사용제한여부가 미기재인 50개소의 안전조치 가중치를 일부 사용제한 수준(0.6) 또는 전면 사용금지 수준(1.0)으로 가정하면 기준 순위와의 Spearman 순위상관계수가 각각 0.926과 0.706으로 낮아지고 상위 20개소 중 3개소와 6개소가 교체되며, 상한 가정에서는 미기재 3개소가 상위 10위 안에 진입한다. 따라서 미기재 시설물은 하한 기준 순위만으로 후순위로 분류할 것이 아니라 조치정보의 확인을 우선 요구하여야 하며, 미기재 항목의 처리 방식은 순위의 불확실성 요인으로 남는다.
MPI 가중치는 식 (1)의 가중치를 변화시킨 다섯 가지 대안 시나리오와 기준 시나리오의 순위를 비교하는 민감도 분석으로 검토하였다(Table 9). 전체 212개소 기준 Spearman 순위상관계수는 0.908~0.993, 완전사례 기준 0.895~0.993이었으며, 모든 시나리오에서 1순위 시설물은 동일하였고 전체 기준 상위 10개소 중 7~10개소, 상위 20개소 중 15~19개소가 유지되었다. 종별·안전조치·경과기간 가중치를 5%p 단위로 ±10%p 범위에서 변화시키고 나머지를 점검기한 가중치에 배분한 85개 조합에서도 순위상관계수는 최소 0.910(평균 0.966)으로 나타났다. 따라서 제안한 지수의 전반적인 순위 구조는 가중치 설정에 대하여 안정적이라고 판단된다. 다만 상위 10개소의 구성은 조합에 따라 최소 4개소만 유지되는 경우가 있어 개별 시설물의 세부 순위는 가중치에 의존하며, 가중치 자체의 타당성은 전문가 조사에 기반한 후속 검증이 필요하다.
Table 9.
Rank stability of the MPI under alternative weighting scenarios
4.5 건설사업관리 연계 방안
제안한 정보모델은 유지관리 단계의 건설사업관리 업무와 다음과 같이 연계될 수 있다. 첫째, 점검·진단 계획 수립 단계에서 MPI를 기준으로 점검 순위와 투입 자원을 배분할 수 있다. 둘째, 보수·보강 예산 편성 단계에서 시설물 유형별 취약률과 지역별 분포를 예산 배분의 객관적 근거로 활용할 수 있다. 셋째, 사용제한 및 주민공지 상태를 3차원으로 가시화함으로써 관리주체와 이용자 간의 위험 커뮤니케이션을 지원할 수 있다. 넷째, 유지관리 건설사업관리 용역의 과업지시서에 본 속성세트를 성과품 요구사항으로 명시함으로써 발주자가 요구하는 정보의 수준을 사전에 정의할 수 있다.
5. 결론 및 향후 연구
본 연구는 공공데이터포털에 개방된 D·E등급 공공시설물 212개소를 분석하고, 개방 항목을 IFC 속성세트로 구조화하는 매핑 스키마와 유지관리 우선순위지수를 제안하였다. 분석 결과 안전취약시설물은 교량(59.4%)과 제3종 시설물(87.3%)에 집중되어 있었고, 모집단 대비 취약률은 항만과 교량에서 높게 나타났다. 또한 D·E등급임에도 사용제한이 없는 시설물이 39.6%에 달하고 주요 조치항목의 미기재 비율이 23.6~26.9%로 나타나, 현행 대장 형태 관리정보의 한계가 실증적으로 확인되었다. 미기재 데이터를 제외한 완전사례 155개소에 동일한 절차를 적용한 결과에서도 제3종 시설물 비중과 점검기한 초과 비율, MPI 상위 20개 시설물이 동일하게 유지되었고, 사용제한이 없는 시설물의 비율은 50.3%로 오히려 높아져 본 연구의 결론이 결측에 의하여 과장된 것이 아님을 확인하였다.
본 연구에서 확인된 문제점은 개방데이터 자체의 문제와 본 연구가 제안한 방식의 한계로 구분된다.
먼저 개방데이터 자체의 문제로서, 3.4절에서 제시한 바와 같이 개방데이터의 위치정보가 시·군·구 수준에 머물러 있어 정보모델의 공간적 배치에 한계가 있다. 도로명주소 및 공간정보 서비스와의 연계를 통한 좌표 확보가 선행되어야 한다.
다음으로 본 연구가 제안한 방식의 한계는 두 가지이다. 첫째, 조치정보의 결측이 우선순위 산정 결과를 왜곡할 수 있다. 정보모델 전환 시 필수 속성의 입력 규칙과 검증 절차가 함께 정의되어야 한다. 본 연구는 미기재를 사용제한 없음과 구분하여 MPI 구간으로 처리하였고 결측의 77.2%가 2025년에 판정된 시설물에 집중되어 하한 기준의 상위 순위에는 영향이 없었으나, 상한 가정에서는 미기재 3개소가 상위 10위 안에 진입하므로 실제 조치수준이 확인되기 전까지 순위의 불확실성이 남는다.
둘째, MPI의 계수와 가중치는 연구자가 설정한 값으로 전문가 합의에 의한 검증을 거치지 않았다. 민감도 분석을 통해 순위 구조의 안정성(Spearman 순위상관계수 0.90 이상)은 확인하였으나, 이것이 가중치의 타당성 자체를 보증하지는 않는다.
향후 연구에서는 제안한 속성세트를 실제 시설물의 BIM 모델에 적용하여 상호운용성을 검증하고, 전문가 설문에 기반한 계층분석법을 통해 MPI 가중치의 타당성을 확보할 필요가 있다. 또한 개방 범위를 민간 시설물까지 확대하고 실제 보수·보강 이력과 비교함으로써 지수의 예측력을 검증하는 후속 연구가 요구된다.
