설명가능한 인공지능을 활용한 소규모 공공시설(세천·소교량) 위험 예측 및 평가 = Risk Prediction and Assessment of Small-Scale Public Facilities (Small Streams and Small Bridges) Using Explainable Artificial Intelligence

국문 초록 (Abstract)

본 연구의 목적은 「소규모 공공시설 안전관리 등에 관한 법률」의 관리 대상인 세천과 소교량을 대상으로, 현행 위험도 점수 기반 규칙(rule-based) 방식보다 효율적으로 위험시설을 발굴할 수 있는 기계학습·설명가능 인공지능(XAI) 기반 예측·평가 체계를 제시하는 것이다. 현재 위험시설 지정은 주로 위험도 평가 총점(예: 71점 이상)과 점검자의 판단에 의존하고 있어, 전체 시설 중 위험시설 비율이 약 1% 수준에 불과한 상황에서 한정된 정비 예산 하 우선순위 결정을 지원하는 데 한계가 있다.
전국 단위 실태조사 및 위험도 평가 결과, 지자체의 실제 위험시설 지정 이력을 통합하여 세천·소교량을 분리한 데이터셋을 구축하였다. 입력 변수는 위험도 평가표의 항목 등급과 구조·환경을 나타내는 보조지표로 구성하고, 목표 변수는 지자체의 실제 위험시설 지정 여부(위험시설/비위험시설)로 설정하였다. 로지스틱 회귀, 랜덤포레스트, XGBoost, 심층 신경망 등 여러 분류기를 층화 5-겹 교차검증으로 학습·평가하였으며, 위험도 평가 항목만 사용하는 경우와 보조지표를 추가한 경우의 모형 성능을 비교하였다. 위험시설 비율이 매우 낮은 불균형 자료 특성을 고려하여 PR-AUC, 재현율, F1 점수, 균형 정확도, 예산–재현율 곡선을 주요 지표로 사용하고, Platt scaling과 isotonic regression으로 예측확률을 보정한 뒤 Brier 점수와 교정 곡선을 통해 위험도 지수로서의 신뢰성을 검토하였다. 분석 결과, 특히 위험도 평가 항목과 보조지표를 함께 활용한 XGBoost 모형이 규칙 기반 기준(예: “위험도 점수 71점 이상”)보다 높은 PR-AUC와 재현율을 보였으며, 동일 예산(상위 1–2% 정비) 하에서 더 많은 실제 위험시설을 선제적으로 포착하였다. SHAP 분석과 부분의존곡선(PDP), ICE 곡선을 통해 세굴, 하부 구조 손상, 통수 능력 저하, 세월교 형식 등 핵심 위험 요인과 기존 평가표에 명시되지 않은 임계구간을 도출하여, 위험도 평가표 개편 및 정비 우선순위 설정에 활용 가능한 정량적 근거를 제공하였다.

목차 (Table of Contents)

• 제1장 서론 1
• 1.1 연구 배경 및 목적 1
• 1.2 연구동향 3
• 1.3 연구 내용 및 방법 7
• 제2장 이론적 배경 10
• 2.1 소규모 공공시설 위험도 평가 제도 및 정비 체계 10
• 2.2 지도학습 기반 분류 모형 12
• 2.2.1 지도학습 분류의 기본 구조 12
• 2.2.2 주요 분류 모형 13
• 2.2.3 본 연구에서의 모형 활용 방향 15
• 2.3 불균형 자료의 성능 지표 16
• 2.4 설명가능 인공지능 19
• 제3장 연구방법 22
• 3.1 데이터셋 개요 22
• 3.2 전처리 및 분할 전략 30
• 3.3 보조지표 설계 34
• 3.4 예측 모형 및 베이스라인 구성과 불균형 처리 방법 37
• 3.4.1 기준 모형(베이스라인) 37
• 3.4.2 예측 모형군 38
• 3.4.3 입력 변수 구성: 위험도 평가항목 vs 보조지표 포함 39
• 3.4.4 그룹 교차검증과 불균형 처리 원칙 40
• 3.4.5 예측확률 교정 방법 41
• 3.4.6 성능지표 및 Top-N 분석 틀 41
• 3.5 예측확률 교정(calibration), 임계값 및 Top-N 선정 규칙 43
• 3.5.1 예측확률 교정 절차 43
• 3.5.2 임계값 선정 규칙 44
• 3.5.3 Top-N 선정 규칙과 예산 제약 시나리오 45
• 3.6 평가 지표 및 통계 검정 방법 47
• 3.6.1 평가 지표와 교차검증 구조 47
• 3.6.2 보조지표 효과에 대한 통계 검정 48
• 3.6.3 임계값 기반 분류 결과 비교를 위한 McNemar 검정 49
• 3.6.4 예산–재현율 곡선 기반 평가 49
• 3.7 설명가능성 분석 및 오류 사례 분석 계획 51
• 3.7.1 분석 대상 모형 및 자료 구성 51
• 3.7.2 전역 설명: 변수 중요도 및 SHAP 분석 52
• 3.7.3 지역 설명: 개별 시설 단위 설명 52
• 3.7.4 부분집단 기반 오류분석 및 편차 점검 53
• 제4장 연구결과 55
• 4.1 데이터 요약 및 분할 안정성 확인 55
• 4.1.1 세천·소교량 데이터 규모와 불균형 정도 55
• 4.1.2 그룹 기반 5-겹 계층화 교차검증 결과 56
• 4.1.3 분할 안정성의 해석상 의미 58
• 4.2 예측확률 교정 결과 60
• 4.2.1 세천 데이터의 교정 결과 60
• 4.2.2 소교량 데이터의 교정 결과 64
• 4.3 보조지표 효과 분석 67
• 4.3.1 세천에서의 보조지표 효과 70
• 4.3.2 소교량에서의 보조지표 효과 71
• 4.4 예산 곡선 72
• 4.4.1 세천의 예산–재현율 특성 74
• 4.4.2 소교량의 예산–재현율 특성 76
• 4.5 오류분석:FN 사례 분석 78
• 4.5.1 FN 규모와 분포 개요 78
• 4.5.2 세천 FN 사례의 특성 80
• 4.5.3 소교량 FN 사례의 특성 84
• 4.6 논의 89
• 제5장 결론 92
• 참고 문헌 94
• ABSTRACT 97