BIG-DATA 분석을 이용한 비상대피명령 예측 연구

Abstract

최근 전 세계적으로 화학 사고에 대한 우려가 커지고 있다. 이러한 사고로부터 피해를 최소화하기 위해서는 유독 가스 방출과 같은 화학 사고가 인구 밀집 지역 인근에서 발생하였을 때 신속하고 정확한 비상대피를 통해 피해를 최소화하는 것이 중요하다고 할 수 있다. 비상대피명령의 의사 결정 과정에서 중요한 것은 긴급 상황에서 고려해야 하는 요소들(화학물질, 날씨, 위치 등)을 식별하는 것이다. 이를 통해 최종 의사 결정권자가 객관적인 절차를 통해 의사결정을 하는 데 도움을 줄 수 있다. 이 연구에서는 신뢰할 수 있는 다수의 화학사고 데이터를 활용하여 비상대피명령에 대한 예측을 더욱 잘 수행할 수 있는 방법과 결과를 제시한다. HSEES(Hazardous Substances Emergency Events Surveillance) 시스템은 미국에서의 대피와 같은 공중 보건 조치를 초래하는 유해 물질의 급성 방출에 대한 정보를 수집하고 분석한 자료로써 1996년부터 2012년까지의 사고 데이터를 포함하고 있다. 분석은 Naive Bayesian 알고리즘을 사용하여 빅데이터 분석 도구인 Rapidminer 7.0 소프트웨어를 사용하여 수행되었다. 111,285건의사고 중 약 8%가 비상대피명령이 내려졌다. 이 연구는 또한 ROC 곡선과 AUC 값을 사용하여 정확성과 신뢰성을 검증하기 위해 수행되었다. 이 연구를 통해 과거 실제 비상대피명령에 영향을 미치는 요소를 식별하고 궁극적으로 향후 신속하고 정확한 비상대피명령 및 의사결정 프로세스를 제공할 수 있음을 보여준다.