부산광역시 화재 사고 출동 데이터 기반의 소방인력 배치의 효율성을 분석하고 유전 알고리즘과 회귀모델을 활용하여 피해를 줄일 수 있는 최적의 배치 전략을 제시합니다.
부산광역시 화재 사고 데이터에 따르면, 최근 10년 동안 화재 사고가 지속적으로 발생하며 인적 및 물적 피해가 증가하고 있습니다. 이러한 상황에서 신속한 대응과 효과적인 피해 감소 방안의 필요성이 커지고 있습니다. 현재 소방기관은 *소방력을 증가시키고, [행정 안전부령 제361호]에 따른 다양한 기준에 따라 소방력을 배치하고 있습니다. 그러나 증가하는 인력과 장비에도 불구하고 소방력 배치의 효율성에는 문제가 제기되고 있습니다.
본 프로젝트는 부산지역의 화재 출동 및 소방인력 데이터를 기반으로 상관분석을 진행한 결과, 사고 다발지와 다인력 배치 지역 간 불일치를 확인했습니다. 이를 바탕으로 사고 수 외에도 통계적 분석을 통해 도출된 주요 피해 요인을 고려하여 소방인력 배치를 사고 피해 감소에 더욱 효과적인 방향으로 개선할 수 있는 방안을 제시합니다.
*소방력: 소방기관이 소방업무를 수행하는 데 필요한 인력과 장비
- 강준규(PM): 유전 알고리즘 기반 소방력 배치 최적화 로직 설계
- 이성훈: 딥러닝 기반 회귀 모델 구축 및 학습 수행
- 하재민: 통계 분석 및 회귀 예측 모델링
- 황태언: 데이터 흐름 설계 및 전처리, 상관 분석 및 PCA 기반 입력 특성 구성
-
데이터 전처리
불필요한 컬럼 제거, 이상치 및 결측값 처리, 범주형 데이터 변환, 정규화 등을 통해 모델 학습에 적합한 형태로 데이터 구성 -
상관분석
변수 간의 연관성을 분석하여 소방력 배치와 피해 간의 관계를 파악하고 소방력 배치 최적화를 위한 핵심 변수를 도출 -
군집 분석
데이터를 군집화하여 유사한 특성들을 그룹화하고, 지역, 환경 정보, 요일별 데이터를 바탕으로 소방력 배치와 화재 피해 예측에 유용한 패턴을 도출 -
회귀 분석
회귀 모델을 사용하여 소방 인력과 화재 피해 간의 관계를 예측하고 선형 및 비선형 회귀 모델을 비교하여 최적의 예측 모델을 도출한 후, 이를 기반으로 재산 피해를 예측 -
유전 알고리즘
초기 해 100개를 생성하여 각 해에 대해 적합도 점수를 부여한 후, 상위 점수를 받은 유전자들만 생존시키고 교차 및 변이 연산을 통해 최적의 배치 방안을 도출
- 총 117개 변수에서 핵심 입력 특성을 구성하고, 소방 인력 데이터를 병합하여 예측 기반을 마련
- 상관분석 결과, '출동소요시간', '기온', '강수량', '요일' 등이 재산 피해 금액과 유의미한 상관관계(0.4 이상)
- 기존 사고 수 중심 배치와 달리, 피해 규모에 영향을 주는 변수 중심의 소방력 배치 기준 수립 가능성 확인
- 군집 분석을 통해 유사 사고 특성을 가진 지역을 분류하고, 지역 맞춤형 배치 전략 설계 기반 확보
- 딥러닝 기반 회귀 모델(R² = 0.93)이 가장 높은 예측 성능을 보였으며, 전/후 피해 예측값 비교를 통한 정량적 효과 검증 가능
- 유전 알고리즘을 통해 기존보다 적은 인력으로도 최적의 배치를 도출하고, 최대 18% 수준의 피해 감소 효과 확인
부산광역시 화재 사고 출동 데이터(소방안전 빅데이터 플랫폼), 부산광역시 소방인력 배치 데이터(부산시 소방 재난 본부)
Optimizing_Firefighting_Resources/
│
├── Data_preprocessing.ipynb # 데이터 전처리 및 클렌징 작업
├── Genetic.ipynb # 유전 알고리즘을 통한 최적화 작업
├── Guide.ipynb # 프로젝트 개요 및 설명
├── Reg_Layer.ipynb # 회귀 모델을 위한 레이어 분석
├── Reg_PCA_N.ipynb # PCA 기법을 통한 차원 축소 및 회귀 분석 (PCA 적용 후)
├── Reg_PCA_Y.ipynb # PCA 기법을 통한 차원 축소 및 회귀 분석 (PCA 적용 전)
