1. 서론
1.1 연구의 배경 및 목적
2. 건축물 안전관리 현황
2.1 건축물 안전관리 제도 및 한계
2.2 연구 목표
3. 연구 방법
3.1 데이터 수집
3.2 데이터 전처리
3.3 데이터 확인 및 검수
4. 결론
4.1 구조 형식과 내진 설계를 고려한 건축물 분석
4.2 조적조 건축물
4.3 30년 이상 노후 건축물과 상관관계
4.4 상관관계를 기반으로 하는 분석 고도화
5. 고찰
1. 서론
1.1 연구의 배경 및 목적
2018년 6월 서울특별시 용산구 상가건물 붕괴사고, 2019년 7월 광주광역시 서구 나이트클럽 붕괴사고 등, 소규모 건축물 관련 사고가 끊임없이 발생하고 있다. 연이은 사고 소식에 시민들은 안전을 우려하는 목소리를 내고 있다. 행정안전부가 고시한 「사고발생현황」에 따르면 각종 건축물 및 시설을 포함한 붕괴사고는 2019년 441건에서 2020년 4,557건으로 급격히 증가하였다. 2020년 붕괴사고로 인한 인명피해는 사망 27명과 부상 245명으로 국민의 안전을 위하여 건축물 안전관리 시스템 확충이 시급하다.
2016년 9월 12일 경북 경주시 남남서쪽 8.7km 지역에서 규모 5.8의 지진이 발생하였다. 이는 우리나라 지진관측 이래 가장 강도 높은 지진이었다. 이는 9,368개소의 시설피해와 110억 원의 피해액(CDSCHQ, 2016)이 집계되었다. 이듬해인 2017년 11월 15일 경북 포항시 북구 북쪽 8km 지역에서 규모 5.4의 지진이 발생하였다. 27,317개소의 시설피해와 551억 원의 피해액이 집계되었다(CDSCHQ, 2017). 포항 지진의 강도는 경주 지진에 이어 두 번째를 차지하지만 지진 피해 규모는 경주 지진의 약 5배로 가장 큰 피해를 남겼다. 이외에도 2021년 12월 14일 제주 서귀포시 서남서쪽 41km 해역에서 규모 4.9의 지진이 발생하는 등, 최근에도 크고 작은 지진이 연이어 발생하고 있어 지진에 취약한 건축물을 관리하는 노력이 필요하다.
한편, 국토교통부는 「건축법시행령」 개정을 통하여 건축물 내진설계 대상을 거듭하여 확대하였다. 1988년에는 관련 법 조항에 따라 ‘6층 이상 또는 연면적 10만 제곱미터 이상 건축물’만이 내진설계 의무 대상이었지만, 2017년 법 개정으로 인하여 ‘2층 이상 또는 연면적 2백 제곱미터 이상 건축물 또는 단독·공동주택’까지 확대하여 적용하고 있다(Table 1).
법 개정을 통하여 신축 건축물에 대한 안전기준이 강화되었지만, 기존의 건축물에는 개정된 법이 적용되지 않는다. 서울특별시 지진안전포털에 따르면 2022년도 1월 기준 서울특별시의 전체 건축물 597,301동에서 내진설계가 적용된 건축물은 111,898동으로 약 81.3%의 건축물이 내진 성능을 확보하지 못한 상황이다. 내진 성능이 취약하면 지진 발생 시 건축물의 붕괴 위험성이 높으므로(Lee et al., 2014) 안전 점검을 실시하여 안전관리 대책을 마련해야 한다.
Table 1.
Changes in seismic design mandatory standards following revision of ‘Enforcement Decree of The Building Act’
| Year of Application | Minimum Number of Floors | Minimum Total Floor Area |
| 1988 | 6 floors | 100,000㎡ |
| 1996 | 6 floors | 10,000㎡ |
| 2005 | 3 floors | 1,000㎡ |
| 2015 | 3 floors | 500㎡ |
| 2017 | 2 floors | 500㎡ |
| 2017 | 2 floors | 200㎡ |
2. 건축물 안전관리 현황
2.1 건축물 안전관리 제도 및 한계
2014년 2월 17일 경주 마우나리조트 붕괴사고와 같은 해 10월 17일에는 판교 환기구 추락사고로 다수의 인명피해가 연이어 발생하였다. 산업화와 도시화로 시설물의 종류가 늘어나고 그 규모가 증가함에 따라 시설물안전관리에 사각지대가 발생하였다고 판단하여 이에 정부는 ‘시설물 안전관리 일원화’ 방안을 제시하였고, 2018년 1월 18일부터 재난 안전법 상의 특정관리대상 시설이 시설물안전법상의 3종시설물로 편입되고, 안전점검 업무가 국토교통부로 일원화되었다. 하지만 이러한 개편이 업무 효율화와 전문성 강화 등의 긍정적 효과가 있을 것으로 판단된다. 하지만 이러한 일원화와 효율성 강조로 관련 예산이 지속적으로 감소하고 있음에 대한 우려와 시설물 노후화와 기후변화에 따른 건축물 안전에 대한 추가적이 고려가 필요한 상황이다.
또한 건축물 안전관리 제도에는 대표적으로 「재난 및 안전관리기본법」에 따른 특정관리대상시설과 「시설물 안전 및 유지관리에 관한 특별법」에 따른 1·2·3종 시설물이 있는데, 이러한 제도는 중대형 건축물을 대상이기 때문에 소규모 건축물의 안전관리 실정은 매우 열악한 상황이다. 국가통계포털에 따르면 2020년 기준 우리나라 건축물은 총 7,275,266동인데, 그중 시특법에 의한 1·2·3종 시설물은 총 99,120개소로 전체 건축물의 약 1.4%이다. 이들에 해당하지 않는 건축물은 주로 소규모 건축물이다.
「건축법시행령」에 따라 건축물의 소유자나 관리자는, 건축물과 대지, 건축설비를 규정에 적합하도록 유지 및 관리하여야 하며, 건축물의 사용 승인일을 기준으로 10년이 지난 후부터 2년마다 정기적으로 안전점검을 실시하여야 한다. 그러나 이렇게 결정되는 안전등급은(Table 2) 유지관리보다 건축법령 준수 여부를 중점적으로 측정하는 한계를 가진다.1) 더불어 이는 건축물 외부 요소를 고려하지 않아 사실상 종합적인 재난 위험도를 판단하기 어렵다는 한계를 지닌다(Lee et al., 2020).
Table 2.
Facility safety level
더불어 정부의 건축물 안전관리 대책은, 건축물의 주변 환경이나 이용 방식 등의 잠재적 원인을 기반으로 하는 근본적인 안전 대책이 아니라 개별적이고 지엽적으로 건축물 자체의 문제를 해결에 치중하였다(Kim et al,. 2019).
또한 실제적인 안전관리는 관련 담당자들이 데이터시트를 수작업으로 분석하여 직접 방문하여 그 정도를 판단하는 매우 원시적인 방법으로 관리가 되고 있다.
본 연구는 이러한 문제점을 지적하며 건축물의 안전도를 판단함에 있어서 국토교통부, 주택도시공사 및 행정안전부의 안전관리 데이터 외 관련 오픈 소스데이터를 활용하여 종합적인 안전관리를 위한 우선순위 건물을 선별하고 직관적인 가시화를 통하여 관리의 효율성을 극대화 하기 위한 방법에 대한 제안이다. 종합적이지 못하고 부분적인 등급을 사람의 직관으로 판단해야하는 현재의 안전관리 문제점을 도시차원의 빅데이터 분석을 통하여 재난에 위험 요소에 대한 종합적인 고려가 가능하도록 하려는데 그 목적이 있다.
이에 여러 데이터 소스를 포함하여 유기적으로 데이터 소스의 확장을 가능하게 하는 모델을 구축하여 도시적 차원에서 건축물과 관련된 데이터를 종합적으로 분석하고 재난에 취약한 건축물을 도출하고 안전관리와 안전보강 등의 우선순위를 결정하는 모델을 제시하고자 한다.
2.2 연구 목표
본 연구에서 빅데이터를 활용하여 안전관리 사각지대에 놓여 있는 소규모 건축물의 안전관리를 돕는 우선순위 도출 모델을 구현하고자 한다. 건축물의 안전도는 건축물의 노후도와 구조형식 등의 건물 자체 요인과 더불어 지어진 시기와 건축 기술의 발전정도 등의 외부적 요인이 복합적(Lim et al,. 2019)으로 작용한다. 건축물 자체의 데이터와 외부데이터 및 인근 지역의 및 시대에 따른 데이터를 종합적으로 분석하여 건축물의 안전관리 우선순위를 도출하며 분석의 방법에 대한 결과를 가시적으로 보이며 상세정보를 볼 수 있는 환경을 구축하는 것을 목적으로 한다. 분석의 대상으로 지정하고 있는 소규모 건축물은 규모 1000㎡ 이하의 건축물로 2005년에 이르러서야 내진설계 기준이 되어 최소 15년 이상의 노후정도를 가진 건축물이다. 분석 방법은 다음과 같다. 첫 번째로, 건축물 내 외부 데이터를 선정하여 데이터를 수집하고 현황을 파악한다. 두 번째로는, 데이터 전처리 과정을 통하여 수집한 데이터를 정제하여 다중 분석이 가능한 데이터 베이스를 구축한다. 그리고 세 번째로, GIS 소프트웨어를 활용하여 분석한 데이터를 가시화 하고 정사영상2)과 중첩하여 정확성을 확인 및 검수하는 과정을 거친다. 이러한 과정을 통하여 안전관리가 어려운 소규모 건축물의 붕괴 위험성을 분석하고 우선순위를 도출하여 종합적인 결론을 내린다. 이러한 종합적 분석으로 도출된 안전관련 정보는 추후 머신러닝 기반의 학습데이터로 활용하여 보다 지능적인 판단을 가능하게 하여 소규모 건축물 안전사고를 예방하는 데 큰 도움을 줄 것으로 기대한다.
3. 연구 방법
3.1 데이터 수집
지진 및 화재 등과 같은 재난에 취약한 건축물을 분석하기 위한 데이터를 확보하는 과정을 거친다. 건축물의 안전관리 우선순위를 도출하는 데 사용할 데이터는 다음과 같다(Table 3).
이 연구의 분석 대상이 되는 건축물은 서울 주택공사에서 제공한 관리중인 건축물을 대상으로 하였다. 서울시 전체의 데이터를 기반으로 하지 않았기에 서울시의 전체 현황을 통계적으로 보여주지는 못한다. 공공데이터를 비롯한 활용 가능한 데이터의 범위 탐구와 빅데이터 기술을 활용한 데이터 마이닝 방법에 대한 실험이 연구의 주된 목표이다. 하지만 분석된 내용의 가시적 전달을 위해 여러 분석자료를 GIS 기반으로 가시화 하고 통계자료를 제시하여 그 가능성을 제시한다. 이를 위해 위치, 건축년도를 비롯한 기본 데이터와 재난재해, 붕괴 위험지역 등의 위험 수준 데이터 대상 건축물의 추가적인 정보와 국토교통부, 국토지리정보원, 행정안전부, 통계청의 안전관리 및 지적 데이터를 활용하여 건물 내부데이터 외의 외부 환경적, 정책적인 데이터를 포함하여 종합적인 데이터 셋을 구축하였다. 특히 지속적으로 업데이트가 되는 API기반의 오픈소스 데이터를 포함하여 일회적인 분석이 아니라 지속가능한 시스템의 구축에 대한 방법을 고려하였다.
서울주택도시공사의 데이터, 국토교통부의 지리정보원, 행정안정부, 및 통계청의 데이터를 활용하였고 그 자세한 출처는 아래의 표(Table 3)와 같다.
Table 3.
Data sources and list used in the analysis
3.2 데이터 전처리
데이터 전처리는 분석 데이터를 분석 알고리즘에 넣기전에 데이터를 재조합하는 과정으로 데이터를 정제하고, 좌표계를 통일하고, Null값과 이상치를 제거하는 과정을 거치는 것으로 사실상의 빅데이터 분석에서 요구되는 소요시간 중 상당히 많은 부분을 차지하게 된다.
특히 본 연구는 GIS를 활용하여 분석 결과의 시각화를 기본으로 하고 있어 위도 경도의 통일된 좌표계로 Geocoding하는 과정을 거쳤다. 원점에 따라 경위도가 다르기 때문에 각각 따르고 있는 위경도를 파악하여 표준화된 좌표계로 통일하였다. 특히 텍스트화되어 있는 주소 정보를 위도와 경도로 환산하는 전처리를 수행하였다. 이때 위경도 환산 표준은 국내 표준이면서 국제적으로 통용되는 WGS84 좌표계를 사용하였다. 대표적인 GIS어플리케이션에서 기본적으로 지원하는 좌표계로 호환성이 우수하고 특정 플러그인 없이 간단히 사용할 수 있다. null값의 경우 데이터 값이 존재하지 않거나 대부분의 데이터가 비어있는 항목이라면 데이터 분석에 포함할 것인지 판단하여 결정하는 과정을 거쳤다. 대표적으로 다중 대체 방법(Multiple Imputation)을 선택하여 처리하였다. 다중 대체 방법은 여러 개의 임의 데이터 세트에서 null 값을 추정하고, 이를 조합하여 최종적인 보정 값을 계산하는 방법으로, 이상적으로 완벽한 데이터 세트를 위치기반으로 다수 (10개) 생성하여 각 데이터 세트마다 null 값을 대체하고, 최종적으로 보정 값을 계산하는 방식으로 수행했다. 주소표기가 부족하거나 대체가 불가능한 경우는 null 값을 가지고 있는 레코드를 삭제하였고 사용승인일 등이 존재하지 않는 경우도 삭제하여 데이터의 왜곡을 최소화하고 보다 정확한 분석 결과를 도출할 수 있도록 하였다.
마지막으로, 이상치 값을 확인하고, 보정하거나 제거하는 과정을 거쳤다. 평균과 표준편차를 사용하여 각 데이터 값이 평균으로부터 얼마나 떨어져 있는지를 나타내는 값으로, 특정 기준치를 넘는 데이터 값을 이상치로 판단하고, 해당 값을 평균으로 대체하는 방법 Z-score를 사용하였다. Z-score 방법은 간단한 공식으로 적용이 가능하며, 해당 값이 표준화된 값으로 변환되므로 데이터의 숫자가 일관적이지 않는 상태에서 데이터의 스케일에 무관하게 적용할 수 있다. 이 외에도 건축물의 대지연면적보다 건축연면적이 큰 경우 등, 분석상에서 발견되는 실제 분석과정에서 나타나는 오류를 통해서도 이상치를 찾아내었고 이 경우 가능한 경우는 Z-score로 대처하고 대처가 불가능한 경우는 역시 제거하였다(Figure 1).
3.3 데이터 확인 및 검수
전처리된 데이터를 확인하고 검수하는 과정을 위해 정사영상3)과 중첩하여 데이터의 경위도가 잘 추출되었는지 확인한다. 조적조 건축물, 필로티 건축물, 매입형 원룸 다가구 주택, 30년 이상 노후 건축물 등의 데이터가 정사영상과 잘 맞는지 확인한다. 더불어 서울특별시의 행정경계와 전체 건축물, 전체 도로, 노후 건축물 수 등의 데이터를 정사영상과 비교하며 데이터의 정확성을 검토한다(Figure 2).
4. 결론
4.1 구조 형식과 내진 설계를 고려한 건축물 분석
필로티 구조와 지진취약성에 대한 상관관계에 대한 연구는 다양한 경우의 수가 존재하여 두 관계만의 뚜렷한 정의를 내리지 못하고 있다. 다만 최근 포항지진에서 필로티 건축에 대한 피해가 유독 두드러진 것을 감안하여 필로티 건축을 안전관리 분석의 요소로 포함하였다(Kim et al., 2019). 분석의 포함된 여러 요소들은 연구의 진척에 따라 제외되거나 추가될 수 있다. 이 연구에서는 다양한 데이터 소스들을 복합적으로 고려한 모델을 통해 분석하는 방법에 대한 실험을 연구의 목표로 하고 있다.
다음의 이미지는 서울시의 다가구 및 다세대 주택 데이터에서 필로티 구조4)인 건축물을 가시화한 이미지 이다. 서울주택공사에서 관리중인 총 1404동 중 필로티 구조로 지어진 건축물은 1058동으로 나타났고(Figure 3). 더불어 서울특별시 지진에 취약한 건축물 현황 데이터와 앞서 도출한 필로티 구조 건축물 데이터와 결합한다. 서울특별시 전체 건축물 626,692동 중 지진에 취약한 건축물은 202,877동이다. 두 데이터를 통합하여 지진에 취약한 필로티 구조의 소규모 건축물을 도출한다. 이에 해당하는 건축물은 총 31동으로 전체 필로티 소규모 건축물의 3%를 차지한다(Figure 4).
소규모 건축물을 서울특별시의 행정구와 행정동별로 현황을 그래프로 나타내어 살핀 결과, 행정구별로 파악하였을 때는, 도봉구가 7동, 강동구와 금천구, 중랑구, 강서구가 각각 3동으로 그 뒤를 이었다(Figure 5). 행정동 별로 분류하여 살핀 결과, 도봉구 창3동이 3동, 금천구 시흥4동이 2동으로 그 뒤를 이었다(Figure 6). 이에 따라 도봉구 창3동은 필로티 구조의 건축물이 가장 많은 지역이므로 파악되었다.
GIS 프로그램을 활용하여 안전관리가 필요한 건축물의 위치를 정사영상과 중첩하여 지도에 표현하였다. 더불어 Figure 7 속성 테이블 창을 통하여 개별 건축물의 정보를 쉽게 파악할 수 있어 검출된 건축물의 위치와 구조, 사용승인일 등의 정보를 직관으로 이해할 수 있도록 구성하였다.
4.2 조적조 건축물
다가구 및 다세대 주택 데이터에서 조적조 구조5)인 건축물을 도출한다. 총 1404동 중 조적조 구조로 지어진 건축물은 249동으로 나타난다(Figure 8). 더불어 서울특별시 지진에 취약한 건축물 현황 데이터와 앞서 도출한 조적조 구조 건축물 데이터와 결합한다. 서울특별시 전체 건축물 626,692동 중 지진에 취약한 건축물은 202,877동이다. 두 데이터를 중첩하여 지진에 취약한 조적조 구조의 소규모 건축물을 도출하였다. 이에 해당하는 건축물은 총 158동으로 전체 조적조 소규모 건축물의 63%를 차지한다(Figure 9).
지진에 취약한 조적조 구조의 소규모 건축물을 서울특별시의 행정구와 행정동별로 현황을 살펴보겠다. 그래프로 나타내어 살핀 결과, 행정구별로 파악하였을 때는, 은평구가 34동, 강서구가 30동으로 그 뒤를 이었다(Figure 10). 행정동 별로 분류하여 살핀 결과, 은평구 불광2동이 8동, 은평구 갈현1동과 강서구 화곡1동, 강서구 화곡본동이 7동으로 그 뒤를 이었다(Figure 11). 은평구 불광2동은 지진에 취약한 조적조 구조의 건축물이 가장 많은 지역이므로 집중적인 안전관리가 필요한 것을 알 수 있다. 이를 지도에 직관적으로 가시화한 이미지와 도표를 볼 수 있다(Figure 10, Figure 11).
GIS 프로그램을 활용하여 안전관리를 요하는 건축물의 위치를 정사영상과 중첩하여 지도에 표현한다. 마찬가지로 속성 테이블 창을 통하여 정보를 쉽게 파악할 수 있어 직관적인 관리에 편리한 인터페이스를 구축하였다. Figure 12와 같이 건축물의 위치와 구조, 사용승인일 등의 정보를 간편하게 파악할 수 있도록 하여 실사용이 가능한 응용프로그램으로 확장 가능하도록 계획하였다.
4.3 30년 이상 노후 건축물과 상관관계
노후 건축물의 기준은 다양하며 구조형식과 관리상태에 따라서 노후도를 판단하게 된다(Sin et al., 2021). 또한 노후도는 건물이 지어진 당시의 구조적 요구 기준에 따라서도 달라지게 된다. 특히 1990년 이전의 건축물은 중대 재난, 재해에 따른 건축법이 생성되기 이전으로 건축사용 연한과 상관없이 구조적 안정성을 담보하기 힘들다(Oh, 2022). 이 연구에서는 이를 기준으로 30년 이상의 건축물을 구조적 노후 건축물로 가정하고 분석을 진행하였다.
서울주택공사가 보유한 데이터에 따르면 소규모 건축물 중 조적조 구조로 지어진 건축물의 현황을 조사하였다(Figure 8). 더불어 서울특별시 지진에 취약한 건축물 현황 데이터와 앞서 도출한 조적조 구조 건축물 데이터와 결합하였다. 서울특별시 전체 건축물 626,692동 중 지진에 취약한 건축물은 202,877동이다. 두 데이터를 중첩하여 지진에 취약하다고 조사된 건축물중 특히 조적조 구조의 소규모 건축물을 포기하여 가장 우선적으로 안전성을 조사하야하는 대상을 도출하였다(Figure 9).
Figure 13, 14는 종합적인 분석결과로 30년 이상된 소규모 건축물중 조적식 구조를 가지고 있으며 서울시의 지진취약 건축물로 관리되고 있는 건축물을 표시한 것으로 행정구별로 보면 은평구가 34동, 강서구가 30동으로 조사되었다. 이에 따라 은평구 불광2동은 지진에 취약한 조적조 구조의 건축물이 가장 많은 지역이므로 집중적인 안전관리가 필요한 것으로 판단된다.
4.4 상관관계를 기반으로 하는 분석 고도화
Figure 15는 “시설물 안전 및 유지관리에 관한 특별법”6)에 따른 C, D, E 등급을 추출하여 현장조사가 필요한 건축물의 정보와, 추후 현장조사를 통하여 보수와 보강, 개축 등을 결정한 내용 그리고 지진에 취약한 소규모 건축물을 필로티 구조, 조적조 구조, 노후도로 구분하여 분석한 결과를 시각화하였다.
지진에 취약한 필로티 구조 건축물은 모두 C등급으로 조사되었고, 지진에 취약한 조적조 구조 건축물은 C, D, E 등급으로 파악되었다. 노후 건축물 등의 분포는 Figure 15와 같다.
효율적인 건축물 관리를 위해서는 안전관리의 우선순위를 도출하여 우선적으로 보강이 필요한 건축물을 찾아내는 것이 중요하다. 지진에 취약한 건축물과 노후 건축물을 우선으로 매칭하여 지진에 취약한 조적조 건축물 기준, 사용승인일로부터 30년 경과된 건축물은 중 C등급 3동과 D등급 18동, E등급 9건, 조사필요 9동으로 구분하여 분석하였다(Figure 16).
따라서 현장조사를 우선적으로 시행하여하는 하는 건축물을 도출할 수 있도록 하여 관리의 효율성을 높일 수 있도록 하였다. 추후 조사 결과에 따라 보수 또는 보강 및 개축을 실시를 하게 되고 건축물 붕괴 등의 안전사고를 예방 데이터가 축적되면 기계학습을 통해 예측가능한 환경으로 활용이 가능할 것으로 보인다.
5. 고찰
본 연구의 결과는 GIS 프로그램을 활용하여 위성지도 위에 현장조사가 필요한 건축물의 위치를 시각화하고, 테이블 창을 통하여 분석 결과를 찾아볼 수 있도록 하여 데이터 비전문가도 직관적으로 의도하는 데이터 간의 상관관계 분석이 가능하도록 하였다. 도로명주소와 건축물의 구조 및 사용승인일, 연면적 등의 데이터를 프로그램 내에서 관리할 수 있도록 하여 데이터 변경과 신규 데이터에 대응하며(Figure 17), 사회 전반의 안전을 위하여 지진 및 화재, 노후붕괴 등에 대한 관리가 필요한 건축물 등의 추가적인 데이터와의 비요를 통한 우선순위 도출이 가능하도록 하였다.
이러한 직관적이고 지속가능한 데이터 관리 모델을 통하여 실무자가 GIS기반의 시각화된 데이터를 관리하고 결과 데이터를 도출한다. 또한, 도시재개발구역과 주민등록인구 등의 공공개방데이터 API를 연결하여 실시간으로 업데이트되는 데이터를 반영하고 추가적인 분석이 가능한 어플리케이션을 계획하였다.
(Figure 18)과 같이 서울시 내의 도시재개발구역 데이터와 주민등록인구, 노후건축물수, 공가현황 등의 데이터를 데이터 분석에 포함하고 가중치를 조정하여 분석한 결과를 확인할 수 있다. 고위험군과 저위험군으로 세분화하여 건축물이 어느 군에 해당하는지 속성 테이블을 통해 확인할 수 있어, 건축물 관리에 용이하도록 하였다. 또한, 건축물 관리를 GIS 프로그램 내에서 가능하게 하여 지속가능한 시스템으로 운용이 가능하도록 계획하였다.
이를 통하여 국가적인 차원에서의 안전관리 강화 정책을 반영하여 지진에 취약하거나 노후붕괴 가능성이 있는 건축물에 대해 합리적인 안전관리를 돕는 모델을 도출하고 있다. 이러한 결과는 후속연구로 상관관계 데이터 분석 모델에 다양한 머신러닝 모델을 적용하여 안전도 예측 모델을 구축하는 것으로 고도화 할 계획이다.
