IoT기반 하수관로 맨홀 수위계측 및 침수예방모니터링 시스템 설계 및 구현 = Design and implementation of an IoT-based manhole water level measurement and flood prevention monitoring system

국문 초록 (Abstract)

최근 기후변화로 인한 집중호우와 도시침수 피해가 증가하면서 기존의 사후 대응 중심의 침수방재체계가 한계를 보이고 있다. 본 연구는 이러한 문제를 해결하기 위해 사물인터넷(IoT)을 기반으로 한 도심지 하수관로 맨홀 수위계측 및 침수예방 모니터링 시스템을 설계·구현하였다.

본 연구는 부산광역시 북구 덕천로타리 일원을 대상으로 IoT 기반 하수관로 맨홀수위 모니터링 시스템을 구축하고, 실측된 강우–수위 데이터를 활용하여 도시침수 위험을 예측하는 모델을 정량적으로 개발하는 것을 목적으로 한다. 연구지역에 IoT 초음파수위계와 강우량계를 설치하여 8개월간 실시간 데이터를 수집하였으며, 수집된 데이터를 바탕으로 강우특성과 맨홀수위 간 상관성 분석, 선형·다항 회귀모델, 그리고 Random Forest·XGBoost 기반 머신러닝 예측모델을 비교·평가하였다.
기초 통계분석 결과, 청천시에는 하수관로 수위가 1.6–1.8 m 범위에서 안정적으로 유지되었으나, 강우량이 증가할수록 수위가 급격히 상승하는 경향이 뚜렷했다. 특히 일강우량 100 mm 이상에서는 3.5 m 이상의 수위상승이 발생하였고, 4.0 m 초과 시 하수관 역류에 따른 도로침수 위험이 크게 증가하는 것으로 나타났다. 강우량과 수위의 피어슨 상관계수는 r=0.81로 높은 양의 상관성을 보였으며, 선형회귀모형은 수위(m) = 1.651 + 0.0136×일강우량(mm)으로 도출되었다(R²=0.656). 그러나 선형모형은 고강우 구간의 비선형 상승 패턴을 충분히 반영하지 못했다.
이를 보완하기 위해 적용한 다항회귀모델은 R² = 0.798, MAE = 0.049 m로 예측력 향상을 보였으며, 강우 증가에 따른 비선형적 수위 반응을 효과적으로 설명하였다. 머신러닝 기반 모델에서는 Random Forest가 R² = 0.854, RMSE = 0.153 m를 나타냈고, XGBoost는 R² = 0.862, RMSE = 0.142 m, MAE = 0.112 m로 가장 높은 예측정확도를 보였다. 이는 강우량, 강우강도, 강우 지속시간의 복합적 상호작용을 반영할 수 있는 AI 모델의 우수성을 보여준다. 특히 XGBoost는 선형회귀 대비 예측오차를 약 45% 감소시켜 5분 단위 실시간 침수경보시스템에 적용이 가능한 수준의 성능을 확보하였다.

본 연구는 IoT–AI 융합기술을 활용하여 도시침수 대응 패러다임을 기존의 사후 복구 중심 체계에서 사전 예측·선제 대응 중심 체계로 전환할 수 있음을 실증하였다. 강우량–맨홀수위 간 높은 상관성(r=0.81), 회귀모델 기반 예측식, 머신러닝 모델의 고정밀 예측 성능은 스마트 하수도 운영체계의 필수 요소로 기능할 수 있다. 향후 본 시스템을 부산시 전역으로 확대하고, 실시간 데이터–AI 기반 예측–현장 대응을 통합한 스마트 침수관리 플랫폼으로 발전시킨다면, 기후변화로 인한 극한호우와 도시침수에 보다 과학적·신속하게 대응할 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

Urban flooding has intensified in recent decades due to climate change and extreme rainfall, revealing the limitations of traditional reactive flood response systems. This study proposes a proactive solution through the design and implementation of an IoT-based monitoring system for sewer manhole water levels and flood prevention. The system integrates level meters, rain gauges, transmitters, and a cloud-based platform to enable real-time data collection and visualization. Correlation and regression analyses between rainfall intensity and manhole water levels were conducted to establish predictive models of urban flood risk. Implementation results demonstrate that the system effectively monitors sewer conditions, provides early warning signals, and enhances the capacity for rapid response to flooding events. Compared with conventional flood management methods, this IoT-driven approach is distinguished by its data-driven, real-time monitoring and predictive capabilities, offering a more resilient framework for urban flood prevention.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구배경 1
• 제2절 연구내용 및 방법 8
• 제2장 이론적 고찰 11
• 제1절 도시침수의 개념 및 발생매커니즘 11
• 1. 도시침수의 개념 및 종류 11
• 2. 도시침수의 발생매커니즘 13
• 제2절 국내 및 해외 도심지 침수피해사례 고찰 17
• 1. 국내 도심지 침수 피해 사례 17
• 2. 해외 도심지 침수 피해 사례 19
• 3. 국내외 침수피해양상 변화 및 대응체계 고찰 22
• 4. 국내 도심지 침수예방기술의 변천 24
• 5. 부산의 도시 배수시스템 특징과 구조적 한계 27
• 제3절 사물인터넷(loT) 29
• 1. 사물인터넷의 기술적 정의 29
• 2. 사물인터넷의 역사 30
• 3. 사물인터넷의 특징 32
• 4. 사물인터넷의 주요 구성요소 34
• 5. 사물인터넷의 작동원리 35
• 6. 사물인터넷의 주요 활용분야 36
• 제4절 사물인터넷(loT)을 활용한 도심지 침수예방기술 고찰 38
• 1. loT기반 도시침수관리시스템 개념 38
• 2. loT기반 도시침수관리시스템 구성요소 38
• 3. loT기술을 활용한 도시침수피해 예방 연구사례 고찰 39
• 4. loT기술을 활용한 기존 침수예방기술과의 차이점 42
• 제3장 본 론 43
• 제1절 loT기반 하수관로 맨홀수위계측 및 침수예방모니터링 시스템 설계 43
• 1. 시스템 구현장소 43
• 2. 시스템 구현방법 46
• 제2절 loT기반 하수관로 맨홀수위계측 및 침수예방모니터링 시스템 구현 48
• 1. 시스템 구성원리 및 체계도 48
• 2. 시스템 구성요소 49
• 1) 수위계(Lever Meter) 50
• 2) 강우량계(Rain Gauge) 54
• 3) 트랜스미터(Transmitter) 60
• 4) 클라우드 시스템(Cloud system) 64
• 3. loT기반 하수관로 맨홀수위계측 및 침수예방모니터링 시스템 구현 66
• 제4장 연구결과 70
• 1. loT기반 강우량과 하수관로 맨홀 수위변화 모니터링 분석 70
• 2. 강우량, 하수관로 수위에 따른 침수예측모델 분석 71
• 1) 상관관계 분석 71
• 2) 선형회귀 분석 예측모델 73
• 3) 다항회귀 분석 예측모델 76
• 4) AI기반의 침수예측모델 분석 78
• 4-1) Random Forest 침수예측모델 분석 78
• 4-2) XGBoost 침수예측모델 분석 81
• 5) 침수예측모델간 비교 분석 82
• 3. 요약 및 종합고찰 84
• 5장 결 론 85
• 참고문헌 88
• Abstract 98