머신러닝을 이용한 상수도 관로의 노후도 예측 연구

Abstract

2019년 기준 우리나라의 상수도 보급률은 전국 평균 99.3%로 전국 대부분의 지역에서 상수도 이용이 가능하다. 반면, 20년 이상 경과된 관로의 수는 점차 증가하여 전체 관로의 34.8%인 7.94만km이며, 시간이 경과할수록 계속 증가할 전망이다. 상수도 관로의 노후화는 관로 파손으로 인한 단수, 상수도 내부의 스케일이나 부식 문제로 인한 붉은 수돗물 등 수질문제를 야기하고, 이는 국민의 수돗물에 대한 불신을 증가시킬 수 있다. 따라서, 적기에 노후 상수도 관로를 개량하여 물 공급의 신뢰성을 확보하는 노력이 필요하다. 노후 상수도 관로 개량을 위해 반드시 필요한 절차는 노후도 평가이다. 노후도 평가는 기존의 운영인자를 바탕으로 관로의 노후상태를 간접적으로 측정하는 간접평가와 실제 단수를 통해 관로를 절단하거나 굴착하여 관 내‧외부의 부식정도를 직접 측정하는 직접평가로 구분할 수 있다. 하지만, 현행 간접평가와 직접평가 방법은 데이터의 대표성 문제, 평가등급의 차이, 조사과정에서 위험, 단수 리스크 등 한계점이 있다. 이에, 본 연구는 노후관 조사시 간접평가와 직접평가의 한계점을 극복하고, 데이터 기반의 학습방식인 머신러닝을 활용하여 직접조사없이 실제 직접조사 결과에 근접한 노후도 평가 결과를 예측하기 위해 진행하였다. 그 결과, 92.83%의 정확도를 갖는 노후도 예측 모델을 개발하였다. 향후 실제 사업에 적용하여 노후관 개량사업의 효과성을 제고하고, 단수나 안전문제를 해소할 수 있을 것으로 기대한다.

As of 2019, the water supply rate in Korea was about 99.3%, and water supply services are available in most areas of the country. The number of aging pipelines has gradually increased to 79.461km, which is 34.8% of the total pipelines, and is expected to continue increasing over time. Aging water supply infrastructure can lead to water quality problems such as interruption of water supply due to broken supply pipes, red water due to scales and corrosion problems inside the water supply system, and the distrust of water supply system. Therefore, It is necessary to provide stable water supply service by improving aging water supply pipelines in a timely manner. A necessary procedure for the improvement of aging water pipeline is Deterioration evaluation. Deterioration evaluation is divided into indirect evaluation and direct evaluation. Indirect evaluation is to predict the aging state of pipelines based on operating factors and Direct evaluation is to directly measure the degree of corrosion inside and outside the pipe by cutting or excavating the pipe. However, the current indirect and direct evaluation methods have limitations, such as data representativeness, differences in evaluation grades, risks in the investigation process, and risk of interruption of water supply. The purpose of this study is to predict the aging evaluation grade of water supply pipeline using machine learning without direct investigation process. As a result of the study, it is possible to predict the aging evaluation grade of water supply pipeline with an accuracy of 92.83%. It is expected that the results of this study will be applied to actual projects to improve the effectiveness of the project and to solve interruption of water supply and safety problems.