이 소스 코드는 오픈소스이며, 조영진, 허한결, 현태환. (2024). 우리 집은 화재와 침수로부터 안전한가? - 머신러닝을 활용한 건축물 화재·홍수 위험 분석. auri brief, No.278. 건축공간연구원. 및 몇 가지 참고문헌을 바탕으로 개발된 머신러닝 모델입니다.
이 프로젝트는 머신러닝 모델을 활용하여 지구온난화 변수를 고려한, 건축물의 화재 및 침수 피해액을 예측하는 것을 목표로 합니다. 주어진 데이터를 기반으로 학습된 모델은 사용자가 입력한 건축물 정보를 바탕으로 잠재적인 피해액을 산정합니다. 각 모델에서 사용하는 종속변수는 참고문헌에서 피해액과 유의미한 관련이 있는 것을 선정한 것입니다.
| 구분 | 변수명 | 설명 및 예시 |
|---|---|---|
| 종속 변수 (Target) | damage_cost |
예측하고자 하는 화재로 인한 피해 비용입니다. |
| 독립 변수 (Feature) | structure |
건축물 구조 (예: steel, wood, concrete) |
housing_type |
주거 형태 (예: apartment, villa, detached) |
|
area |
연면적 | |
approval_year |
사용 승인 연도 | |
floor_area_ratio |
용적률 | |
location |
지역 (예: dong1, dong2, dong3) |
|
temperature |
온도 | |
humidity |
습도 |
| 구분 | 변수명 | 설명 및 예시 |
|---|---|---|
| 종속 변수 (Target) | flood_damage_cost |
예측하고자 하는 침수로 인한 피해 비용입니다. |
| 독립 변수 (Feature) | structure |
건축물 구조 (예: steel, wood, concrete) |
housing_type |
주거 형태 (예: apartment, villa, detached) |
|
land_use |
토지 이용 (예: residential, commercial, industrial) |
|
land_area |
대지면적 | |
approval_year |
사용 승인 연도 | |
basement_floors |
지하층 수 | |
slope |
경사도 | |
distance_to_river |
하천과의 거리 | |
elevation |
고도 | |
temperatures |
온도 |
이 프로젝트에서는 다음 Python 라이브러리 및 머신러닝 모델을 활용합니다:
pandas: 데이터 처리 및 분석numpy: 수치 계산matplotlib.pyplot,seaborn: 데이터 시각화scikit-learn(sklearn): 머신러닝 모델 구축 및 평가LinearRegression: 선형 회귀 모델DecisionTreeRegressor: 의사결정 트리 모델RandomForestRegressor: 랜덤 포레스트 모델OneHotEncoder: 범주형 변수 원-핫 인코딩StandardScaler: 데이터 스케일링train_test_split: 훈련/테스트 데이터 분리
화재 및 침수 피해 예측을 위해 다중 선형 회귀, 의사결정 트리, 랜덤 포레스트 모델이 훈련되었습니다. 각 모델의 성능은
이 모델은 무작위로 생성된 샘플 데이터를 사용하여 개발되었습니다. 따라서 실제 환경에서의 예측 정확도를 높이려면 다음과 같은 개선이 필요합니다:
- 데이터 확보: 공공데이터 포털이나 실제 재난 피해 데이터를 활용하여 모델의 학습 데이터를 강화해야 합니다.
- 실측 데이터 활용: 특정 지역의 건축물 및 환경 관련 실측 데이터를 사용하면 모델의 지역별 특성 반영 능력을 향상시킬 수 있습니다.
- 사용성 강화: 사용자 인터페이스를 개선하거나, 더 다양한 입력 방식을 지원하여 사용자가 쉽게 모델을 활용할 수 있도록 할 수 있습니다.
-
순서대로 셀을 실행하면 서울시 평균 기온 데이터인 tmp.csv를 현재 작업 경로에서 찾아 읽고, 사용자의 현재 연도, 나중 연도를 입력 받아 기온 상승값인 rise를 계산/출력한다.
-
샘플 데이터를 생성한뒤 머신러닝 모델을 학습시켜 모델 성능을 평가하고 선택한다. (이 코드에선 모의 데이터로 고정 시드로 랜덤 생성된 값을 사용하기때문에 랜덤 포레스트 모델이 침수 피해액과 홍수 피해액 계산 모델에서 사용된다.)
- 마지막 셀을 실행 한 뒤 침수 피해액과 홍수 피해액 중 하나를 고르고 입력해야할 값을 차례로 입력하면 예상 피해액이 산출된다.
MIT License