1. 서론
2. 연구방법 및 데이터
1) 연구방법
2) 데이터
3. 저수지 범람 시 위험 지역 및 대피경로 도출 방법
1) 예상 위험 저수지 분류
2) 침수 예상 건물 및 범위 추출
3) 대피경로 도출
4. 결과 및 논의
1) 분석결과
2) 논의
5. 결론
1. 서론
2020년 8월 기록적인 폭우로 수도권과 중부지방에 많은 침수 피해가 발생했으며, 특히 이천시 산양저수지, 충주시 직동저수지, 안성시 북좌저수지의 둑과 제방이 붕괴되어 농경지가 침수되는 등 많은 저수지 사고가 발생했다. 저수지 붕괴는 풍수해, 집중호우, 지진 등 다른 재난과 함께 발생하는 복합재난의 성격을 갖고 있어 심각한 인명, 사회경제적 피해를 유발할 수 있다(김동현 등, 2019; 박종윤 등, 2010). 2019년 기준으로 우리나라 저수지는 총 17,147개가 있으며 한국농어촌공사에서 관리하고 있는 저수지는 3,400개, 시･군 관리 저수지는 13,747개로 구분되어 있다(한국농어촌공사, 2019). 이 중에서 준공된 지 50년이 경과한(~1968년) 저수지가 약 14,000여 개로 대부분의 저수지가 노후화되어 있는 현실이다(오상근 등, 2020). 노후화된 저수지는 개소수가 많을 뿐만 아니라 준공 당시 체계적인 설계나 시공기준이 부재하여 흙이나 특성을 알 수 없는 코어재료로 만들어져 있어 안전성을 보장할 수 없다(송영갑, 2016). 저수지 붕괴 사고는 지속적인 위험성이 제기되어 농어촌공사와 지자체에서 정기적인 점검을 실시하고 있지만, 흙으로 만들어진 제방과 둑의 특성상 집중호우에 취약하여 지속적인 모니터링과 대비가 필요하다(신은철･이종근, 2012; 최원 등, 2008; Wahl, 1998).
위와 같은 우리나라 저수지의 실정으로 저수지 안전성과 개선을 위한 많은 연구가 시도되었다. 저수지 범람에 따른 시뮬레이션과 예상 피해 면적 추출에 관련된 연구는 다양한 수문학적 모델을 활용하여 연구되었다. 고대홍 등(2015)는 FLO-2D 모형을 사용한 경주시 산대 저수지 붕괴 시뮬레이션 결과를 현장설문조사 결과와 비교하여 침수지역의 수위와 범위를 예측하는 연구를 진행하였다. 이재영 등(2016)는 1차원 수치모형의 한계점을 극복하고자 2차원 수치모형의 적용성과 타당성을 검토하였다. 정대진 등(2016)는 TELEMAC-2D 모형을 적용해 저수지 하류 하천의 시뮬레이션을 모의하여 RMA-2D 결과와 비교하는 연구를 진행하였다. 2차원 데이터를 사용한 시뮬레이션에서 나아가 토사와 물이 혼합된 유체의 3차원 전산유동 해석을 시도한 연구도 시도되었다(이주용 등, 2019; 이승수･황규관, 2017). 위와 같은 연구는 범람 시 예상되는 피해 지역 범위와 침수심, 시계열 흐름에 따른 시각화와 실세계 적용의 정확성에 장점이 있다. 앞선 모델과 방법론을 적용시키기 위해서는 모의를 진행할 저수지 선정이 중요하다. 저수지의 공간적 위치와 지형조건, 주변 시설물을 고려하여 범람 시 많은 피해가 예상되는 위험 저수지를 선별하여 모의 시뮬레이션을 진행하면 활용성이 더욱 확장될 것이다.
한편, 저수지가 범람하여 침수지역이 발생하면 인명피해를 줄이기 위한 대피과정은 필수적이다. 재난정보는 기관의 웹사이트, 마을방송, 재난문자 등으로 국민들에게 전파되어 예방 및 대응에 활용되고 있다. 특히, 대피경로는 자연재해대책법에 따라 작성된 재해정보지도를 통해 대피요령, 대피소, 대피경로 등의 정보가 표시되어 있다(강옥륜, 2012). 그러나 현재의 재해정보지도는 과거 침수지역범위에서 경로가 아닌 주변 대피소로의 대략적인 방향만이 표시되어 있거나 고정된 피해지역으로부터의 대표적 대피경로만 표시되어 있기 때문에 실제상황에 적용이 어렵다. 특히 대피경로가 범위지역에서 포괄적으로 제시되어 있기 때문에 개인 또는 건물단위 경로를 확인할 수 없어 실제상황에서 혼란을 불러올 수 있으며 발생 위치에 따른 대피경로 정보의 제공이 중요하다(황준수･최영복, 2016). 또한, 많은 경로도출 알고리즘 중에 최적의 알고리즘을 선정하는 행위 역시 중요하다(Zhan, 1997). 신속하고 정확한 경로 제공을 위해 다양한 알고리즘을 적용한 최단거리탐색 연구가 진행되었다. 이상운(2012)은 내비게이션 대피시스템 구축을 위해 Dijkstra, A*, Bellman-Ford 알고리즘을 사용하였다. 또한, Goldberg-Radzik 알고리즘(Cherkassky et al., 1999), Floyd-Warshall 알고리즘(Mirino, 2017), BFS 알고리즘(Cormen et al., 2009)을 적용한 최소경로 대피 연구도 다수 진행되었다. 이러한 알고리즘 중 어떤 알고리즘을 적용하느냐는 적용하고자하는 대상지역의 규모나 네트워크 구조의 복잡한 정도에 따라 다를 수 있다.
앞서 언급한 이천시 산양저수지의 경우 한국농어촌공사에서 2020년 초에 실시한 안전점검에서는 B등급으로 분류되어 위험 등급이 아니었지만 호우로 둑이 붕괴됨에 따라 피해가 발생하였다. 따라서 태풍 경로에 포함되거나 집중호우가 예상되는 지역의 모든 저수지에 대해 피해분석이 필요하다. 이러한 관점에서 저수지 붕괴의 예방과 대비를 위해 공간데이터를 활용하여 모든 저수지에 대해 저수지 붕괴 시 피해 유역을 확인하고, 특히 인적피해가 예상되는 지역을 구분하여 관리할 필요가 있다. 따라서, 본 연구에서는 저수지 붕괴에 따른 인명피해를 최소화하기 위한 방안을 제시하고자 하였다. 이를 위해 세 단계로 분석을 진행하였다. 저수지의 지리적 특성(고도 및 지형)을 활용하여 붕괴 시 위험 예상저수지를 고위험 저수지와 저위험 저수지로 분류하고, 다음으로 고위험 저수지 중 사례지역을 선정하여 둑 붕괴 시뮬레이션을 통해 예상 침수 건물을 추출하였다. 마지막으로 추출된 개별 건물에서 인근 대피소로의 대피경로를 도출하여 붕괴예상시 대피가 가능하도록 제시하였다. 연구의 활용성을 위해 예상 위험 저수지 분류과정과 대피경로 도출 과정을 오픈소스(open source) 기반의 Python 패키지를 사용해 자동화된 툴로 구현하였다.
2. 연구방법 및 데이터
1) 연구방법
본 연구의 연구 흐름은 아래 <그림 1>과 같다. 첫 번째로, 전국단위 저수지를 대상으로 고도에 따른 위험 저수지를 분류한다. 저수지 주변에 건물이 있어서 둑이 붕괴되거나 태풍, 폭우 등으로 인해 범람이 일어날 경우 인적･사회경제적 피해를 입힐 가능성이 존재한다(송영선 등, 2012). 저수지보다 고도가 낮고 하도에 따른 유수 흐름과 같은 지형요건으로 침수가 예상되는 지역은 위험성이 높다(최병한 등, 2019). 또한, 저수지의 고도가 주변 건물의 고도보다 높고 주변 하천망의 규모가 작고 배수가 불리하다면 피해 규모는 더욱 심할 것이다. 이를 고려하여, 본 연구에서는 주변 건물과 비교하여 상대적으로 높은 고도에 위치한 저수지를 고위험 저수지로, 낮은 고도에 위치한 저수지를 저위험 저수지로 정의하였다. 따라서, 고위험 저수지와 저위험 저수지를 분류하기 위해 저수지의 평균 고도와 인근 건물의 고도를 비교하였다. 지난 이천 산양저수지의 사례를 참고하여 저수지 반경 600m로 범위 기준을 설정하였다. 두 번째로, 분류된 예상 위험 저수지를 대상으로 침수가 발생했을 경우 피해를 입힐 수 있는 침수 예상범위를 추출하였다. 침수 예상범위는 Jacobs 사의 Flood Modeller S/W를 사용하여 공간범위를 추출하였다. 2차원 침수범위를 산출하기 위해 사용한 DIVAST(Depth-Intergrated Velocities and Solute Transport) model은 2차원 범람 시뮬레이션에 강점이 있는 모델이다(Lin et al., 2006).
앞선 결과로 분류된 고위험 저수지 중 최근 붕괴가 발생한 이천 산양저수지 일대를 사례지역으로 선정하여 침수 시 예상범위를 추출하였다. 마지막으로, 추출된 예상범위에 포함된 건물로부터 대피소까지의 건물별 대피경로를 도출하였다. 도출된 경로는 개별 건물단위로 시각화할 수 있으며 인근 대피소로의 대피경로를 의미한다. 첫 번째 단계인 예상 위험 저수지 분류 및 저수지 선정과정과 마지막 단계인 건물별 대피경로 도출 단계는 오픈소스 기반의 Python 코드로 구현하여 자동화하였다.
2) 데이터
연구를 위해 사용된 데이터는 저수지, 건물, DEM, 대피소, 도로 공간데이터이다. 저수지의 공간데이터 취득을 위해 국토정보지리원에서 배포하는 연속수치지형도의 호수/저수지 레이어를 사용하였다. 레이어 내 총 214,923개 호수/저수지 중 호수와 이름이 없는 객체를 제외한 3,766개의 저수지 데이터를 사용하였으며 분포현황은 아래 <그림 2>, <표 1>과 같다. 건물 데이터는 도로명주소전자지도1) (2020년 10월 기준)의 전국 건물 레이어 데이터를 사용하였다. DEM은 수치지형도 등고선 레이어를 사용하여 공간해상도 10m의 DEM을 제작하여 활용하였다. 대피소 데이터는 공공데이터포털을 통해 한국국토정보공사에서 제공하는 대피소 데이터2)를 사용하였다. 해당 데이터는 「재해지도 작성 기준 등에 관한 지침」에 의거하여 관리되고 있는 태풍, 호우, 해일 등으로 인한 침수발생시 대피할 수 있는 대피소가 공간데이터로 구축되어 있으며, 2020년 3월 기준 22,699개 시설이 등록되어 있다. 마지막으로 도로 데이터는 도로중심선의 형태인 도로명주소전자지도의 도로구간 레이어(TL_SPRD_MANAGE)를 사용하였다.
3. 저수지 범람 시 위험 지역 및 대피경로 도출 방법
1) 예상 위험 저수지 분류
저수지 범람피해 분석을 위해서는 둑붕괴 또는 범람 시 침수피해가 예상되는 저수지를 선정해야하는 과정이 선행되어야 한다. 고위험 저수지 선정 과정은 아래 <그림 3>과 같다. 먼저 건물과 저수지 공간데이터를 사용하여 저수지 인근에 위치하고 있는 건물을 추출한다. 저수지 버퍼 폴리곤을 생성하여 범위안에 포함된 건물을 우선 추출하였다. 버퍼의 거리는 지난 산양저수지 붕괴사고를 참고하여 600m로 설정하였다. 다음으로, 추출된 저수지 인근 건물과 저수지에 DEM로부터 추출한 고도값을 속성값으로 삽입한다. 마지막으로 건물과 저수지의 고도값을 비교하여 저수지 인근 건물보다 높은 고도에 위치한 저수지와, 인근 저수지보다 고도가 낮은 건물을 추출한다. 추출된 저수지는 주변 건물과 공간적 위치가 가까워 피해를 입힐 수 있는 가능성이 존재하는 지역으로 고위험 저수지로 정의하였으며 인명･재산 피해 예방을 위해 우선적으로 관리 및 모니터링이 필요한 저수지이다. 반대로 저수지 고도가 주변 건물들보다 낮은 경우 저위험 저수지로 분류하였다. Python 기반의 오픈소스 패키지를 활용하여 구현하였다. 구현된 기능의 의사코드(Pseudocode)는 <표 2>와 같다.
2) 침수 예상 건물 및 범위 추출
두 번째 단계는 앞서 선정된 고위험 예상저수지를 대상으로 범람 및 붕괴 시 예상되는 침수 지역을 추출하는 과정이다. 침수 범위를 추출함으로써 범위에 포함된 건물을 대상으로 이후 대피경로를 도출할 수 있다. 본 단계는 Jacobs사의 Flood Modeller 소프트웨어를 통해 진행하였으며, 최근 둑 붕괴로 피해가 발생한 이천시 산양저수지를 사례지역으로 선정하여 진행하였으며 산양저수지 현황 정보는 아래 <표 3>과 같다. 피해범위를 도출하기 위해 DIVAST model을 기반으로한 simple 2D modeling(reservoir) 분석과정을 진행하였다. 입력자료는 DEM, 저수지영역, 저수지경계이며 유역면적, 제방높이가 입력변수이다. 시뮬레이션 분석과정을 거치면 예상침수범위가 2차원으로 시각화하여 표현된다. 추출된 범위를 통해 침수가 예상되는 건물을 확인할 수 있으며 대피소로의 대피경로 도출에 입력자료로 사용된다.
표 3.
산양저수지 현황3)
|
유역면적 (ha) |
만수면적 (ha) |
총저수량 (천 m3) |
유효저수량 (천 m3) |
제방높이 (m) |
길이 (m) |
안전점검 결과 |
| 192.0 | 2.8 | 60 | 60 | 9.5 | 126 | B등급 |
3) 대피경로 도출
앞서 추출된 침수예상범위를 활용하여 위험지역에 포함된 건물의 대피경로를 도출할 수 있다. 대피경로도출을 위해 경로탐색 알고리즘은 A* 알고리즘을 사용하였다. A* 알고리즘은 순서대로 정점(node)을 확인하는 수학적 접근방식과 연산 효율성과 순위값을 고려하는 휴리스틱 접근방식을 사용하여 비용을 계산하는 알고리즘이다(Duchoň et al., 2014). A* 알고리즘은 다른 알고리즘과 비교하여 경로연산 시간과 저장공간 측면에서 우수한 장점이 있다(Liu and Gong, 2011). 따라서, 본 연구에서는 단일경로가 아닌 전국의 저수지와 침수예상개별건물로부터의 대피경로들을 도출해야하기 때문에 연산 시간에 강점이 있는 A* 알고리즘을 선택하여 분석을 진행하였다(이창규, 2021).
입력데이터는 침수예상범위, 도로중심선, 건물, 대피소, 인구수이다. 각 저수지의 침수예상범위로부터 대피가 필요한 건물들을 우선 추출한다. 다음으로 대피경로의 정확성을 높이기 위해 도로중심선 네트워크에 각 건물의 중심점을 연결하는 전처리 과정을 시행하였다(Cadieux et al., 2020). 대피상황에서 대피소 수용인원을 고려해야하기 때문에 건물별 예상피해인구를 추정하였다. 인구추정을 위해서 먼저 건물의 면적을 산출한 다음 해당지역의 집계구 인구수를 건물 면적의 비율로 나누어 건물별로 추정인구값을 도출하였다. 예상피해범위에 속해있는 건물의 추정된 인구값이 예상피해인구가 된다. 마지막으로 건물과 저수지 인근 대피소 간의 경로를 A* 알고리즘을 사용하여 대피경로를 도출하고 대피소에 예상피해인구를 할당하였다. 만약 대피소 수용인원보다 대피인원이 많을 경우 인근 대피소로의 대피경로를 도출하게 된다. 저수지 인근의 범위는 도보 30분 이내에 도달할 수 있는 저수지 반경 2km를 기준으로 설정하였으며, 경로탐색을 위한 가중치는 도로 간선의 길이를 사용하였다. 또한, 대피경로는 침수예상범위 중심으로부터의 단일 대피경로가 아닌, 개별 건물로부터의 대피경로를 도출하여 활용성을 고려하였다. 대피경로도출 과정은 Open source 패키지를 사용하여 아래 <표 4>와 같이 Python 코드로 자동화하여 구현하였다.
4. 결과 및 논의
1) 분석결과
연속수치지형도의 전국 3,766개 저수지의 위험 저수지 분류결과는 아래 <표 5>와 같으며 분포 위치는 <그림 4>와 같다. 우리나라 저수지의 약 36%가 호남지역에 위치하고 있어 고위험･저위험 예상저수지가 밀집되어 있다. 고위험 예상저수지는 전체 3,766개 중 3,423개이며 저위험 예상저수지는 343개로 나타났다. 전남지역에 고위험 예상저수지가 974개로 가장 많이 위치하고 있으며 고위험 예상저수지 중 28.5% 비율을 차지하고 있다. 저위험 예상저수지 역시 전남에 170개, 49.6%의 비율로 가장 높게 나타났다. 시군구 단위로 살펴보면 먼저 고위험 예상저수지는 신안군(176개), 해남군(154개), 진도군(118개) 순으로 나타났다. 저위험 예상저수지는 신안군(49개), 해남군(26개), 영암군(19개)로 나타났다. 구동시간은 약 18시간 30분이 소요되었는데 이는 전국 건물 데이터가 3.81GB 용량에 3,555,435개 객체를 담고 있어 이를 입출력하는데 많은 시간이 소모된 것으로 판단된다.
표 5.
시도별 고위험‧저위험 예상저수지 분류 결과
앞선 과정을 통해 선정된 저수지를 대상으로 범람 시뮬레이션을 진행하여 저수지별 예상피해범위를 추출한다. 사례지역인 산양저수지에 적용하여 시뮬레이션을 실시했으며 결과는 아래 <그림 5(a)>와 같다. 결과 지도를 통해 범람 시 예상되는 피해범위와 함께 흐름방향, DEM 고도를 확인할 수 있으며 시뮬레이션 결과를 통한 해석은 다음과 같다. 예상피해면적은 약 202,912m2이며 산양 저수지의 경우 실제로 붕괴된 둑의 방향과 일치하게 북동방향으로 유출이 발생하여 피해지역이 발생하였다. 지형 조건에 따라 최초 붕괴가 된 시점에는 급격한 범위로 저수지 물이 퍼졌으며 골짜기 형태로 모여 인근 마을과 농경지를 타격한 모습을 확인할 수 있다. 사례지역의 고도와 지형조건의 특징 때문에 방사형으로 물이 퍼지지 않고 북동방향의 도로를 따라 물이 모이고 퍼지는 형태가 반복되는 모습을 볼 수 있다.
추출된 범위를 통해 <그림 5(b)>와 같이 저수지 인근 건물 중에서 예상침수범위 내에 포함되어 있어 침수위험이 있는 건물들을 추출할 수 있다. 범위 내 포함된 건물의 수는 74개이며 이는 주거용 건물과 창고, 인프라 시설물이 모두 포함된 수치이다. 또한 74개 건물에서 추정된 인구수는 총 152명으로 산출되었다. 추출된 건물과 추정인구수는 이후 건물별 대피경로 도출 분석에 입력자료로 사용된다. 위와 같은 과정을 통해 유속의 방향과 고도(깊이), 범위와 함께 인프라 시설과 건물의 위치를 공간적으로 확인할 수 있어 피해 예방 및 대비 측면에서 활용될 수 있다.
마지막으로 예상침수범위 내에 있는 건물들의 인근 대피소로의 경로를 도출하였다. 범위 내 건물은 총 74개이며 건물에서 가장 가까운 대피소로의 경로가 <그림 6>과 같이 도출되었다. 구동 및 연산시간은 0.25초가 소요되었으며 shapefile 형태로 경로가 저장되며 개별 건물 단위별로 대피경로를 확인할 수 있다.
2) 논의
한국농어촌공사가 발표한 2018년 농업생산 기반정비 통계연보에 따르면 우리나라 저수지는 총 17,289개로 본 연구에서 사용한 연속수치지도내 명명된 3,766개와 약 13,000여개가 차이가 존재한다. 본 연구에서 제시한 위험 저수지 선정 자동화모듈을 사용하여 전국의 저수지를 대상으로 예상 위험저수지 분류 작업을 진행할 수 있을 것이다. 분류된 결과를 바탕으로 각 지자체 등 저수지 관리기관에서 위험 예방, 관리 측면에서 인력 및 자원 배분 등에 참고자료로 활용할 수 있을 것으로 사료된다.
본 연구에서는 침수 위험범위 추출 단계부터 오픈소스 기반으로 분석을 자동화하고 모듈을 개발하였다. 이를 통해 사용자가 중간 데이터 입력 및 처리 과정 없이 단계별 결과물을 얻을 수 있었다. 또한, 예상피해범위 시뮬레이션 결과의 정확도 향상과 검증을 위해 다양한 입력자료 및 조건이 필요하다. 아래 <그림 7>은 연구결과로 제시한 예상피해범위 시뮬레이션 결과와 실제 피해현장의 모습이다. <그림 7>의 좌측 예상피해범위 그림과 우측 피해현장 그림을 비교해보면 피해 범위가 과추정된 영역이 존재하는 것을 볼 수 있다. 더불어, 토지피복도 등 다른 자료와 중첩분석을 통해 예상침수 피해액 산출에 활용이 가능할 것이다. 또한 농경지, 차량 등 침수에 민감한 재산을 미리 추정한다면, 지원예산수립 및 정책지원에 활용 가능할 것이다.
대피경로 도출시 사례지역의 경우 저수지 주변 대피소 거리 기준(도보 30분 이내)에 부합하는 대피소가 존재하지 않아 고도와 건물의 부지, 수용능력을 고려하여 임의의 장소를 선정하였다. 기존 대피소 데이터에서는 산양저수지 주변 가장 가까운 대피소가 직선거리 4km로 도보로 1시간 이상 소요되는 거리에 위치하고 있다. 실제 침수가 발생할 경우 차량으로 인한 대피가 제한되는 경우가 발생할 수 있으며 유아･노년층의 이동능력을 고려했을 때 대피소와의 거리와 수용능력을 고려한 대피소 지정이 필요하다. 또한, 저수지의 경우 대도시보다는 농･어촌에 위치하고 있는 경우가 많기 때문에 도로 여건, 인구 구성을 고려한 신규 대피소 선정 및 기준에 대한 검토가 필요하다고 판단된다.
5. 결론
노후화된 둑과 갑작스런 폭우로 작년 8월에만 이천 산양저수지와 안성 북좌저수지가 붕괴되어 사회경제적인 피해를 입었으며 감곡면 주천저수지 붕괴위기로 350여 가구 700여명이 긴급대피하는 상황이 발생하였다. 따라서 저수시설 붕괴 및 범람으로인한 사고에 대비가 필요한 상황이다. 이에 본 연구에서는 제방붕괴 또는 범람 시 건물피해가 예상되는 저수지를 구분하고 시뮬레이션을 통해 예상피해범위를 추출한 뒤, 예상피해범위에 위치한 건물들의 인근 대피소로의 경로를 도출할 수 있는 방법을 개발하였다.
저수지 피해범위 추출을 위해서 먼저 주변에 건물이 있고 고도가 건물보다 높은 저수지를 추출하였다. 주변 건물보다 고도가 높은 저수지는 고위험 예상저수지로, 고도가 낮은 저수지는 저위험 예상저수지로 구분하였다. 다음으로 Flood Modeller S/W를 사용하여 DIVAST model 기반의 2차원 범람 시뮬레이션을 실시하였다. 시뮬레이션 결과는 예상피해범위이며 범위 안에 포함된 건물들을 추출하였다. 예상피해범위에 포함되는 건물에 대해 대피정보를 도출하기 위해 먼저 건물의 면적 비율로 인구를 할당하여 예상피해인구를 산출하였다. 그 다음 도보로 이동 가능한 대피소로의 대피경로를 대피소 인원수용능력을 고려하여 A* 알고리즘을 적용해 도출하고 대피인구를 할당하는 모듈을 개발하였다.
본 연구는 다음과 같은 의의가 있다. 첫째, 예상 위험저수지 분류 분석과 대피경로 분석을 오픈소스 패키지를 활용한 Python 코드로 구현하여 자동화 도구를 개발하여 지속가능한 활용성이 있다. 둘째, 도출된 대피경로는 건물단위로 제공이 되기 때문에 국민 안전차원에서 정보를 개인 제공하거나, 재해정보지도에 적용하여 사용 할 수 있다.
재난은 인명 및 사회적 피해를 막기 위해 사후 대응보다 예방･대비가 더욱 중요하다. 우리나라 저수지는 정기적으로 안전점검을 실시하고 있지만 과거 둑, 제방 붕괴와 범람 사례와 같이 예측이 어려운 분야는 지리적 요건을 고려한 위험 대상 인지와 대피방안이 필요하다. 호우 발생시 본 연구에서 제시한 방법을 이용하여 중앙 재난상황실 또는 지자체 상황실에서 호우 예상지역에 있는 위험 저수지를 선정하고, 시뮬레이션을 통해 예상피해범위를 추정하여 이를 바탕으로 대피소 선정 및 대피경로를 미리 도출할 수 있다. 유사시 즉각적인 대피 조치가 가능하여 인명피해 최소화에 기여할 수 있을 것이다. 특히, 도출된 개별 건물의 대피경로를 활용해 지자체에서 주민들을 대상으로 사전공지와 교육을 통해 위험성을 인지하고 대피경로를 숙지한다면 급작스런 상황에 피해를 최소화 시킬 수 있을 것이다. 또한, 관리기관과 유관기관에서 예상피해규모를 고려한 저수지 점검 및 보강정책수립에도 기여할 수 있을 것으로 기대된다.
