1. 서 론
2. 연구방법
2.1 토립자 유실을 고려한 지반함몰 발생 영향인자 선정
2.2 데이터베이스 구축 및 영향인자 추출
2.3 로지스틱 회귀분석
2.4 지반함몰 취약성 지도 작성
3. 연구결과 및 해석
3.1 서울 지역의 지반함몰, 지반환경, 사회기반시설의 특성 분석
3.2 지하매설물 및 지하철 선로 권역 별 지반함몰 발생과 영향인자 간의 상관관계 분석
3.3 지하매설물 및 지하철 선로 권역 별 지반함몰 취약성 예측 지도 작성
4. 토의 및 결론
1. 서 론
최근 도시 내 지반함몰(ground sink; 지표면이 수직방향으로 꺼지는 현상)과 도로함몰(cave-in 또는 road sink) 발생으로 잠재적 대형 사고에 대한 우려와 대국민 불안감이 확산되고 있다(MOLIT, 2015). 지하공간의 난개발로 인해 2014년도 잠실･송파 지역에서 시작된 현상이 전국 주요 도시에서 동시다발적으로 발생(2015년 용산역 앞, 삼성중앙역 출입구 주변, 인천시 중구 도로 등)되면서 일반인에게도 단순한 사고가 아닌 민감한 사회적 이슈로 인식되었다(Lee and Yoon, 2017). 경기개발연구원의 조사보고서(GRI, 2014)에 따르면 수도권 주민의 약 95% 이상이 이른바 싱크홀(sinkhole; 석회암 지반이 물과의 화학작용으로 인해 용해되어 자연적으로 지하에 공동(cavity; 지반 내부에 생긴 빈 공간)이 발생되는 현상으로 지반함몰이나 지반침하와는 발생기작이 다름)이라는 용어로 잘못 알려졌었던 땅꺼짐 재해에 불안감을 느끼고 있는 것으로 파악되기도 하였다. 이와 같이 도시 지반함몰 발생에 의한 경제적 리스크(risk)가 크기 때문에 이에 대한 근본적인 진단은 물론 과학적･체계적인 대응과 지속적인 관리가 요구된다.
지반함몰 발생에 의한 피해를 최소화하고, 위험성을 선제적으로 대응하고 관리하기 위해서는 지반함몰 취약성 지도의 작성을 통해 고위험지역을 선별하고 모니터링할 필요가 있다. 이를 위해서는 도시 지반함몰에 대한 명시적 위험도 평가 과정과 발생기작에 대한 설명이 제시되어야 한다. Table 1에 기술한 바와 같이 땅꺼짐 현상은 다양한 형태로 나타나며 지반함몰은 현상학적 또는 발생기작 측면에서 싱크홀이나 압밀에 의한 침하(consolidation)와는 차이를 보인다. 3개 현상 모두 지하에 존재하는 공동이 주원인이지만 이를 생성하고 확장시키는 요인들은 모두 다르다. 따라서 싱크홀이나 지반침하 연구에 사용했던 영향인자나 접근법을 지반함몰 취약성 평가에 그대로 적용하는 것은 무리이며, 지반함몰의 발생원인과 주요 특성에 근거하여 영향인자와 분석 기법을 선정해야 한다.
Table 1. Types and characteristics of subsidences
도시 지반함몰 발생 원인을 조사하거나 여러 학문적 관점에서 지반함몰 취약성을 평가하기 위한 다양한 연구들이 수행되었다. 지하매설물 별로 나누어보면, Kim et al.(2017)은 상수관로 파손으로 인한 지반함몰 발생기작에 대한 실험적 연구를 수행하였고, Ham (2019)는 대도시 지하에 매설된 하수관로와 도로함몰의 상관성을 분석하였다. 지반 및 지하 공사 관점에서 Park et al.(2017)은 굴착공사 중 지반함몰 위험예측을 위한 지반함몰인자들을 분류하였고, Choi et al.(2016)은 터널 및 지하매설물 시공에 따른 지반함몰 발생 원인과 대책을 지반공학적인 관점에서 조사하였다. Lee et al.(2017)은 수치해석기법을 이용하여 지반입도조건에 따른 지반함몰 가능성을 평가하고 검증하였으며, Lee and Yoon (2017)은 도시 지반함몰에 관한 예방정책 개선안에 대해 발표하였다. Hong et al.(2015)은 지반 이완구간 추정을 위해 지하투과레이더(ground penetrating radar, GPR)의 적용성을 검토하였다. GPR 탐사 기법은 도로 지하의 공동을 확인할 수 있는 시추 지점을 제시해줄 수 있다는 점에서 타 접근법보다는 정확도가 높다고 볼 수 있다. 그러나 다양한 잡음원이 존재하는 도시환경과 광범위한 도로 영역을 고려 시 많은 비용과 시간 소요되는 GPR 탐사는 최선의 대안이라고 보기는 어려우며, 시간 변화에 따른 지반 조건의 변화와 지하매설물의 노후화 등에 의해 지하공동은 언제든지 발생될 수 있다. 따라서 현재는 공동이 존재하지 않더라도 이에 대한 가능성을 예측하고 관리할 필요가 있다.
여러 연구와 문헌들에 근거할 때 최근 도시를 중심으로 발생한 지반함몰의 원인은 상･하수관의 노후화 또는 손상이 약 85%, 지하매설물 굴착공사 등이 약 15% 정도인 것으로 밝혀졌다(Lee et al., 2017). 이러한 발생원인은 노후 상･하수도관의 노출, 굴착공사장의 지하수 유출 등 지하수위 저하 등에 따른 토립자 유출에 의한 것으로 추론할 수 있다. 즉, 지하수 유동에 의한 토립자 이동 혹은 다짐불량으로 인해 파손된 지하매설물로의 토립자 유실과 이에 따른 지하 공동 발생이 장기화되어 포장체 아래까지 확장될 경우에는 갑작스런 지반함몰로 이어져 인명 및 재산상의 피해로 발생될 수 있는 것이다. 따라서 토립자 유실에 의한 지하공동의 발생 및 확장 가능성을 평가하고 예측할 필요가 있으며, 이는 지하매설물의 종류에 따라 달라질 수 있기 때문에 각 지하매설물 및 지하철 선로 권역 별로 적절한 영향인자를 선정하고 분석할 필요가 있다.
본 연구의 목적은 토립자 유실을 고려하여 지하매설물 및 지하철 선로 권역별로 지반함몰 발생에 영향을 미치는 요인들을 선정하고, 지반함몰 발생 이력 자료와 영향인자 간의 상관성을 분석함으로써 연구 대상 지역인 서울특별시의 지반함몰 취약성을 평가하고 예측하여 이를 지도의 형태로 나타내는 것이다.
2. 연구방법
본 연구에서는 토립자 유실을 고려하여 도시 지반함몰을 유발하는 다양한 지표 및 지하공간 영향인자들을 선정하고, 이를 지리정보시스템(geographic informations systems, GIS) 데이터베이스로 구축하였다. 로지스틱 회귀분석(logistic regression) 기법의 적용을 통해 2종의 지하매설물 및 지하철 선로 권역별로 지반함몰 발생과 영향인자 간의 상관성을 통계적으로 분석하여 서울 지역의 지반함몰 취약성 지도를 작성하였다.
2.1 토립자 유실을 고려한 지반함몰 발생 영향인자 선정
토립자 유실은 입도분포 특성 및 지하수 유동 조건이 토립자 유실 거동에 미치는 영향을 평가하는데 활용된다(Bertram, 1940; U.S. Corps of Engineers, 1948). 일반적으로 실험적 스케일에서 토립자 유실을 모델링하는 방법으로는 실험적 방법과 이론적 모델에 근거한 분석적 방법이 있다. 그러나 본 연구에서는 지반함몰을 유발하는 지하공동의 발생 영향인자를 선정하는데 있어 토립자 유실의 개념을 적용하는데만 그 목적을 두었다.
토립자 유실에 의한 지하공동 및 지반함몰의 발생 조건으로 지반구성 물질로 토립자, 토립자를 이동시킬 수 있는 포텐셜, 토립자가 쌓일 수 있는 공간 등 3가지 필수 항목을 제시할 수 있다. 여기서 지반구성 물질로 토립자를 전제하고, 토립자를 이동시킬 수 있는 포텐셜로는 이완된 토립자의 자중 혹은 지하수 유동 포텐션을 의미하며, 토립자가 쌓일 수 있는 공간은 지하매설물 혹은 지하구조물의 인근 배면이 될 수 있다(Table 1). 즉, 지하 환경의 특정 조건 하에서 3개 항목의 조합에 의해 토립자 유실로 지하공동이 발생 및 확장되고, 이로 인해 지반 안정성이 저하되거나 지반이 붕괴되는 것을 의미한다.
본 연구에서는 토립자 유실을 고려하여 지하공동이 생성 및 확장되고 지반함몰 발생을 유발하는데 영향을 미치는 인자들을 선정하고, 이를 지반환경인자와 사회기반시설인자로 구분하여 명명하였다. 지반환경인자로는 지하매설물 및 지하철 선로 상부 토층의 입도(균등계수), 토심(토층두께), 지하수 포텐셜을, 사회기반시설인자는 물질의 이동을 촉발하거나 지하공동 생성에 영향을 줄 수 있는 2종의 지하매설물 특성으로 상수도 관망 노후도, 하수관로 노후도와 지하철 선로의 시공법을 선정하였다. 여기서 사회기반시설인자인 2종의 지하매설물과 지하철 선로 시공법은 영향인자로 사용되는 동시에 지반함몰 취약성을 평가하는 분석 영역(도메인)으로 활용되었다. 예를 들면, 상수도 관망의 노후도 인자는 지반환경인자와 더불어 지반함몰 취약성을 유발하는 하나의 사회기반시설인자인 동시에 상수도 관망 권역이라는 분석 영역으로 활용된다. 즉, 서울 전체 지역이 아닌 상수도 관망 권역 내의 지반함몰 취약성을 평가하고자 한 것이다. 하수관로의 노후도나 지하철 선로의 시공법 인자의 경우도 동일하게 적용된다.
2.2 데이터베이스 구축 및 영향인자 추출
토립자 유실을 고려하여 서울 지역의 지반함몰 취약성을 평가하고 지도를 작성하기 위해 서울 행정구역 및 지형도, 지질도, 지반함몰 이력, 시추공 자료, 지하매설물 2종(상수도 관망, 하수관로) 및 지하철 선로 분포도 등 다양한 지형공간 자료를 수집하고, 이를 GIS 데이터베이스 형태로 구축하였다. 국내 정부기관, 연구소, OO공사 등 다양한 기관으로부터 획득한 GIS 자료들의 좌표계를 통일하기 위해 서울 전체 지역을 포괄하는 GIS 자료에 가장 적합한(오차가 상대적으로 작은) GRS1980 타원체와 중부원점(127°E)을 기준으로 Traverse mercator (TM) 투영법을 적용하는 좌표계를 사용하였다. 모든 자료는 데이터 전처리를 통해 지도 대수(map algebra)와 지형공간분석이 용이한 격자 형태 기반의 래스터 레이어(raster layer) 자료를 생성하였다. 연구영역의 범위와 분석 시 연산 능력을 고려하여 모든 래스터 레이어는 격자의 행과 열이 각각 303, 371개이며, 격자 크기(공간해상도)를 100 m로 설정하였다. 각 영향인자를 추출하기 위한 자료 전처리 과정과 구축 방법은 다음과 같다.
∙ 서울 행정구역 및 지형도: 연구대상지역인 서울의 행정구역에 대한 기본적인 자료로써 원자료는 연속선(polyline) 형태이며, 서울 지역에 대한 다양한 래스터 레이어가 생성될 때 분석 영역(extent)와 격자 크기(공간해상도)에 대한 통일된 기준을 제공한다. 즉, 지반환경인자 특성값을 갖고 있는 시추공과 같은 점 자료로부터 보간을 수행할 때 예측값을 얻어내고자 하는 분석 영역(도메인 또는 범위)을 산정할 때 활용되었다. 지형도의 경우 등고선(contour)으로부터 서울 지역의 지형고도와 기복을 보여주는 격자 형태의 수치고도모델(digital elevation model, DEM)을 생성하는데 사용되었으며(Fig. 1), DEM 자료는 지하수위 자료의 정확성을 보완할 때 참고자료로 활용되었다. 우리나라의 행정구역 경계 및 지형도 자료는 국가공간정보포털 오픈마켓(http://market.nsdi.go.kr/)에서 무료로 다운로드 가능하다.
∙ 지반함몰 이력: 지반함몰 이력 자료(ground sink inventory)는 서울 지역의 지반함몰과 도로함몰 위치 분포와 다양한 속성 정보를 점(point) 형태의 자료로 구축한 것으로, 지반함몰을 유발하는 다양한 영향인자와의 상관성 분석을 통해 과거의 지반함몰 발생 원인을 분석하고 미래의 지반함몰 취약성을 예측하는데 활용된다. 본 연구에서 구축한 지반함몰(도로함몰 등 포함) 자료는 3,653개이며, 현장 조사를 통해 실측된 자료만을 포함하였다(서울특별시 제공). 다만, 지반함몰 이력 자료를 제공한 기관의 요청으로 지반함몰(도로함몰 포함) 발생 위치는 소축척의 그림으로만 나타냈다(Fig. 2).
∙ 지반환경인자: 본 연구에서 고려한 지반환경인자는 토심(토층두께), 입도(균등계수), 지하수 포텐셜 등 3개이다. 지반환경인자는 서울특별시와 국토지반정보 통합DB센터인 지오인포 웹사이트(http://www.geoinfo.or.kr/)에서 제공하는 원자료(raw data)를 가공 및 처리하였다.
서울 지역의 토층은 (지표에서 가까운 순서대로) 매립토층, 퇴적층, 풍화토로 이루어져 있으며, 서울 지역의 전체 토심은 3개 토층의 두께를 합친 것과 같다. 시추공 자료에는 심도별 토층의 종류와 입도(균등계수), 그리고 지하수위 등의 정보가 포함되어 있기 때문에 각 토층의 두께 정보는 시추공 자료로부터 추출 가능하다. 시추공의 각 토층 별 최대고도와 최저고도의 뺄셈연산을 통해 각 시추공 내의 토층 두께를 확인할 수 있다. 그리고 다수의 시추공 토심 자료로부터 서울 권역에 대한 지구통계학적 보간 기법의 적용을 통해 서울 지역의 토층별 두께를 추정해낼 수 있다. 본 연구에서는 수백 개의 시추공 자료의 심도별 토층 정보에 순차 지시자 시뮬레이션(sequential indicator simulation, SIS) 기법을 적용하여 서울 전체 지역의 토층별 토심 정보를 생성하였다. 이 때 매립토층과 달리 퇴적층과 풍화토의 경우 해당 지질의 영향을 받기 때문에 한국지질자원연구원에서 제공하는 1:50,000 수치지질도에 근거하여 특정 지질 별로 분석 영역을 분리하여 시추공 자료 특성값의 보간을 수행한 후, 이를 다시 서울지역 영역의 크기로 나타냈다. 그리고 서울 지역의 토층 두께 정보를 각 2종의 지하매설물 및 지하철 선로 권역 별로 마스킹(masking)하는 중첩 연산을 통해 지하매설물 및 지하철 선로 권역 별 토층 두께 정보만을 추출하였다. 마지막으로 토심과 2종의 지하매설물 및 지하철 선로의 심도값을 각각 비교하여 토립자 유실이 발생 가능한 대상체의 토피고를 계산하였다(Fig. 3).
입도(균등계수)의 경우에도 토심 정보 추출 과정과 마찬가지로 과정을 거쳐 지하매설물 별 상부의 평균 입도(균등계수) 값을 해당 격자셀에 할당하였다(Fig. 4).
지하수 포텐셜의 경우 수백 개의 관정 지하수위 자료, 양수지점 및 양수량, 강우 함양량, 상하수도 누출량 등의 자료를 이용하여 3차원 유한 요소망을 기반으로 서울 지역의 지하수위를 모델링한 결과를 이용하였다. 그리고 지하수위 모델링 자료와 서울 지역의 DEM 자료를 비교해서 지하수위가 지형고도보다 높을 경우 지하수위를 지형고도 값으로 대체하였다. 그리고 위와 마찬가지로 서울 지역의 지하수위 정보를 각 지중매설물 권역 별로 마스킹하는 중첩 연산을 통해 지하매설물 및 지하철 선로 권역 별 지하수위 정보만을 추출하였다. 이 자료를 기반으로 지하매설물 및 지하철 선로 권역 내 격자셀의 지하수위 값에서 2종의 지하매설물(상수도 관망, 하수관로)과, 지하철 선로의 고도 값을 뺄셈 연산하여 지중매설물 상부의 지하수 포텐셜을 계산하여 해당 격자셀에 할당하였다(Fig. 5).
∙ 사회기반시설인자: 본 연구에서 고려한 사회기반시설인자는 상수도 관망 노후도, 하수관로 노후도, 지하철 선로의 설계 방법 등 3개이다.
연속선(polyline) 형태로 구축된 상수도 관망과 하수관로 분포 자료에는 각 파이프라인 별로 구축년도 정보를 포함하고 있기 때문에 노후연한 계산이 가능하다. 특히, 지반함몰 발생 지역과 상･하수도 관로의 분포를 공간적으로 비교･분석해본 결과 상･하수도가 지하공간에 밀집 분포되어 있거나 사용연한이 40년 또는 50년 이상 되었을 때 지반함몰 발생이 증가하는 특성을 발견할 수 있었다. 이에 기반하여 본 연구에서는 상수도 관망 및 하수도 관로의 노후연한을 40년 미만, 40-50년, 50년 이상으로 구분한 후, 상･하수도 파이프라인의 각각의 상･하수도 관로 밀도 레이어를 생성하고, 아래와 같은 수식을 이용하여 상･하수도 관로의 노후도 지수를 제안하였다(Figs. 6 and 7). 선 형태인 관로의 밀도를 계산하는 방법은 다음과 같다. 어떤 격자(grid cell)에서 특정 거리를 갖는 가상의 원을 그리고 원 내부를 통과하는 선(여기서는 파이프라인) 길이의 합을 원의 면적으로 나눈 값이 해당 격자의 상･하수도 관로의 밀도가 된다(Suh et al., 2013).
지하철 선로의 설계(또는 시공) 방법 또한 지반함몰 발생에 영향을 줄 수 있다. 서울 지역의 지하철 선로를 설계한 방법으로는 개착식, 터널식, 혼합식(개착식+터널식), 기타 공법 등이 있다. 본 연구에서는 선 형태로 구축된 지하철 선로 자료를 래스터로 변환하고, 이를 설계 형태에 따라 구분되어 표시되도록 하였다(Fig. 8).
2.3 로지스틱 회귀분석
본 연구에서는 지반함몰 발생과 다수의 영향인자 간의 상관관계를 분석하기 위하여 로지스틱 회귀분석 기법을 채택하였다. 로지스틱 회귀분석 기법은 하나의 종속 변수와 이를 설명하는 다수의 독립 변수간의 상관성을 분석하고 함수로 나타내며, 이로부터 다수의 독립 변수의 선형 결합을 통해 미래의 어떤 사건의 발생 가능성(종속 변수)을 예측하는데 사용되는 통계 기법이다. 이 기법은 종속 변수가 범주형 자료를 갖는 명목척도(nominal scale)일 때 사용하는 특수한 형태의 회귀모델로서 일반적으로는 이항형 문제(유효한 범주의 개수가 2개인 경우)를 지칭할 때 사용된다. 예를 들어 종속 변수가 지반함몰 유무일 경우, 지반함몰 발생은 1, 지반함몰 미발생은 0으로 할당한 경우가 그렇다.
이 기법은 선형 회귀와 유사한 점이 많지만 두 가지 차이가 있다. 첫째로 종속 변수 Z 값의 결과 범위가 0-1로 제한된다는 것이고, 둘째로 종속 변수가 이진적이기 때문에 조건부 확률(P(Y|X))의 분포가 정규분포가 아닌 이항분포를 따른다는 점이다. 로지스틱 회귀식의 형태는 아래와 같다.
| $$Z\;=\;\beta0\;+\;\beta_1{\mathrm X}_1\;+\;\beta_2{\mathrm X}_2\;+\;...\;+\;\beta_{\mathrm n}{\mathrm X}_{\mathrm n}\;+\varepsilon$$ | (2) |
∙ Z (dependent variable): 종속 변수, 예측하고자 하는 값(여기서는 지반함몰 취약성 지수)
∙ β (coefficients): 로지스틱 회귀분석을 통해 계산되는 계수, 종속 변수와 독립 변수 간의 관계성을 보여주는 값
∙ X (explanatory variables): 독립 변수 또는 설명 변수, 종속 변수를 예측하기 위해 고려되는 영향인자 변수
∙ ε (residuals): 절편 또는 랜덤 에러, 독립 변수와 계수로서 설명되지 않는 모델을 보완하기 위한 값으로 로지스틱 회귀분석 수행을 통해 계산됨
앞에서 제시된 로지스틱 회귀식(식 (2))을 아래 로지스틱 함수(식 (3))에 적용하면 미래 사건 발생 가능성에 대한 확률(여기서는 지반함몰 취약성)을 계산할 수 있다.
| $$\mathrm g(\mathrm z)\;=\;1\;/\;(1\;+\;\mathrm e^{-\mathrm z})$$ | (3) |
∙ g(z): 지반함몰 취약성 확률
본 연구에서는 상용 통계 패키지 소프트웨어인 SPSS의 로지스틱 회귀분석 모듈을 이용하여 지반함몰 발생과 영향인자 간의 상관성을 분석하였다. SPSS를 이용한 로지스틱 회귀분석 방법과 절차에 대한 자세한 설명은 Lee and Kim(2004)를 참고할 수 있다.
2.4 지반함몰 취약성 지도 작성
본 연구에서는 지하매설물 및 지하철 선로 권역 별로 다양한 지반함몰 취약성을 평가하기 위하여 서울특별시의 상수도 관망, 하수관로, 지하철 선로 지역 등을 각각 분석 영역(도메인)로 설정하고, 각 영역 별로 4개의 영향인자(3개의 공통된 지반환경인자와 1개의 상이한 사회기반시설인자)를 선정하였다. 그리고 로지스틱 회귀분석 기법을 적용하여 각 분석 영역에서 4개의 영향인자와 지반함몰 이력 자료와의 상관성을 분석하고 회귀식을 도출하였으며, 이를 토대로 3개 권역의 지반함몰 취약성 지도를 각각 작성하였다(Table 2). 즉, 지반환경인자들과 상수관망 노후도를 고려한 상수도 관망 지역의 지반함몰 취약성, 지반환경인자들과 하수관로 노후도를 고려한 하수관로 지역의 지반함몰 취약성, 지반환경인자들과 지하철 시공법을 고려한 지하철 선로 지역의 지반함몰 취약성 등 2종의 지하매설물 및 지하철 선로 지역에 대한 지반함몰 취약성 지도를 작성하였다. 본 연구는 지반 조건, 지하매설물 노후도 및 지하철 선로 시공법에 따른 지반함몰 취약성 평가와 예측을 목표로 두었기 때문에 지반함몰 발생 이후 복구 여부는 취약성 평가에 고려하지 않았다.
Table 2. Methods of ground sink susceptibility assessment in three different domains using logistic regression technique
3. 연구결과 및 해석
3.1 서울 지역의 지반함몰, 지반환경, 사회기반시설의 특성 분석
2017년까지 구축한 지반함몰(도로함몰 포함) 이력 데이터베이스에 따르면 총 3,653건의 지반함몰이 발생된 것으로 나타났다. 원인별로 나누어보면 하수관로(노후화 등)에 의한 지반함몰 발생이 1,958건으로 가장 많았고, 상수도 관망 노후화(77건), 지하철 공사, 빗물받이나 맨홀, 다짐 및 되메우기 불량 등이 주요 원인인 것으로 분석되었다(Fig. 2). 지반함몰의 발생 원인을 정확하기 알기 어려운 경우도 100여 건으로 조사되었다. 다만 지반함몰의 발생 원인이 2가지 이상인 복합적인 경우도 존재하였다.
지반환경인자 중 하나인 서울 지역의 토층두께는 약 2-28 m인 것으로 분석되었다(Fig. 3). 대부분의 지역의 경우 2-10 m의 토층두께는 보였고, 여의도･성수･잠실 지역의 경우 타 지역에 비해 퇴적층과 매립토층이 두꺼운 분석으로 나타났다. 입도의 균등계수는 17-110 정도의 분포를 갖는 것으로 분석되었는데 특히 용산, 여의도, 구로, 송파 일부 지역에서 낮은 균등계수를 보였다(Fig. 4). 지하대상체 상부 지역의 지하수위(이른바 지하수 포텐셜)의 경우 –210 m – 20 m의 분포를 갖는 것으로 분석되었다(Fig. 5). 이 때, 지하수 포텐셜이 음수일 경우 지하수위가 지하 대상체 고도보다 낮다는 것을 의미한다.
사회기반시설 중 상･하수도 관로의 경우 서울 지역에서 산과 강 등을 제외한 대부분의 지역에 위치하는 것을 볼 수 있었다. 상수도 관망의 경우 사용연한이 40년 이상된 관로의 비율은 낮은 편이었다. 다만 노후도와 관로의 공간적 밀도를 고려했을 때 서울 지역 내에서는 동대문구, 서대문구, 중구와 관악구 일부 지역의 상수도 관로가 상대적으로 노후된 것으로 분석되었다(Fig. 6). 반면 하수관로의 경우 사용연한이 50년 이상된 관로의 비율이 상당히 높은 것으로 조사되었다(Fig. 7). 마찬가지로 하수관로의 노후도와 관로의 공간적 밀도를 고려할 경우 서울 지역 내에서는 중구, 서대문구, 구로구, 금천구와 송파구 일부 지역의 하수관로가 상대적으로 노후된 것으로 분석되었다. 지하철 선로 시공법 종류의 경우 개착식의 비율이 가장 높았으며, 터널식, 혼합식이 유사한 비율로 적용된 것으로 조사되었다(Fig. 8).
3.2 지하매설물 및 지하철 선로 권역 별 지반함몰 발생과 영향인자 간의 상관관계 분석
SPSS 소프트웨어에서 종속변수로는 지하매설물 및 지하철 선로 권역 별 지반함몰 이력 자료를 선택하고, 독립변수(공변량)로는 지하매설물 및 지하철 선로 권역 별 토심, 균등계수, 지하수 포텐셜, 상수도 관망 노후도, 하수관로 노후도, 지하철 선로 시공법 형태 자료를 입력하여 로지스틱 회귀분석을 수행하였다. 각 지하매설물 및 지하철 선로 권역 내 지반함몰 이력과 영향인자 간의 상관성 결과는 다음과 같은 회귀식으로 도출되었다.
* 지하철 선로 시공법 형태별 상수값 : 개착식 = 17.994, 터널식 = 17.890, 혼합식(개착식+터널식) = 17.034, 기타 = 0
도출된 회귀식의 검토 결과, 토층이 두꺼울수록, 토립자의 균등계수가 낮을수록, 상･하수도 관로가 노후 될수록(또는 그러한 지역이) 지반함몰 발생에 취약한 것으로 분석되었다. 다만 회귀식에서 각각의 영향인자 별로 곱해지는 계수(상수값)을 확인할 수 있는데 이는 영향인자 별로 값의 범위가 모두 다르기 때문에 그 크기가 정해지는 것이지 지반함몰 발생에 있어 영향인자 간의 상대적 가중치를 의미하는 것은 아니다.
지하수 포텐셜의 경우, 상수도 관망과 하수관로 지역에 있어 지반함몰 취약성에 미치는 영향이 상반되게 나타났으나, 매우 낮은 계수의 크기를 고려했을 때 통계적으로는 지하수 포텐셜의 영향이 거의 없는 것으로 해석할 수 있다. 이는 지하수위가 대부분 상수도 관망이나 하수관로 아래에 존재하기 때문이다. 한편 본 연구에서는 지하수위는 광역 지하수 모델링 결과를 토대로 산정되었으며, 강우 사상, 계절별 지하수 용수량 변화 등을 고려한 시계열적 지하수위 변화를 분석하지는 않았다. 일반적으로는 지하수위 변화가 심한 지역이 지반함몰에 취약하다고 볼 수 있는데, 이는 지하수위가 높았다가 내려가면 물이 있던 공간을 흙이 채우게 되면서 지반안정성이 저하되거나, 땅속에 있는 구조물에 힘이 더 가해지면서 관로가 손상되기 때문이다(Cho, 2015). 따라서 광역 지하수위 분포와 도시기반시설의 상대적 위치를 고려함으로써 대규모 공사와 같은 외부 요인에 의한 지하수 포텐셜 변화가 예상되는 지역을 선별하여 지하수위 모니터링을 적용할 필요가 있다.
지하철 선로 지역의 결과에서는 시공법 형태별 상수값의 차이가 작게 나타난 것으로 미루어볼 때, 개착식과 터널식의 구분이 지반함몰 취약성 차이를 유발하는 정도는 아닌 것으로 해석할 수 있다. 이는 배수터널의 특성과도 관련이 있으며, 선로 내 유입수가 토사유출의 주요 원인으로 볼 수 있기 때문에 지하철 선로 지역에 대한 보다 정확한 취약성 평가를 위해서는 노선 구간별 유입량을 인자로 추가 고려할 필요가 있다.
3.3 지하매설물 및 지하철 선로 권역 별 지반함몰 취약성 예측 지도 작성
앞에서 도출된 지하매설물 및 지하철 선로 권역별 회귀식(식 (4-6))들을 각각 식 (3)에 대입하여 지반함몰 취약성 지수(확률)를 계산하고, 이를 지반함몰 취약성 지도의 형태로 작성하였다(Fig. 9). 적색은 지반함몰에 취약한 지역을, 녹색은 지반함몰에 취약하지 않은 지역을 의미한다. 로지스틱 회귀분석을 통해 도출된 지반함몰 취약성 지수는 지반함몰 발생 확률을 의미한다. 이는 각 지도의 좌측 상단에 적힌 지수로부터 확인 가능하다. 3개 권역 모두 지반함몰 발생 최저 확률은 거의 0에 가깝다. 반면 지반함몰 발생 최고 확률은 상수도 관망 지역과 지하철 선로 지역의 경우 각각 약 8%, 11%인데 비하여 하수관로 지역의 경우에는 약 43%인 것으로 분석되었다. 지도에 표현된 값이 곧 지반함몰 발생 예측 확률을 의미하기 때문에 원칙적으로는 3종의 지도 모두 동일한 가시화 방법을 사용해야 한다. 그러나 상수도 관망과 지하철 선로 지역의 지반함몰 발생 확률을 보여주는 Fig. 9(a)와 Fig. 9(c)를 Fig. 9(b)와 같은 범례로 나타낼 경우 확률 범위가 좁아 대부분의 지역이 1-2가지의 녹색으로만 가시화되기 때문에 공학지도로서의 의미를 갖기가 어렵다. 따라서 본 연구에서는 상수도 관망과 지하철 선로 지역 내에서의 상대적인 지반함몰 발생 확률의 차이만을 보여주기 위해 Fig. 9(b)와는 다른 가시화 범례 방법을 사용하였다. 그렇기 때문에 Fig. 9(a)나 Fig. 9(c)에 적색으로 표시되었다고 해서 지반함몰 발생 확률이 절대적으로 높은 것은 아니며, 3개 지도의 동일 색상이 나타내는 지역의 지반함몰 발생 확률은 모두 다르다는 것을 명심해야 한다.
상수도 관망 지역의 경우 마포구, 서대문구, 사대문 안쪽 지역, 영등포구 일부와 잠실 석촌호수 주변 지역의 지반함몰 취약성 지수가 상대적으로 높게 나타났다(Fig. 9(a)). 다만 지반함몰 취약성 지수 관점에서는 지반함몰 발생 확률이 절대적으로 낮기 때문에 추가적인 지반함몰의 가능성은 상당히 낮으며, 중･장기적 관점에서 노후 상수도 관망의 교체 작업 수준의 관리가 필요할 것으로 사료된다. 지하철 선로 지역의 경우 광화문 주변과 은평구와 양재 일부 지역의 지반함몰 취약성 지수가 상대적으로 높게 나타났다(Fig. 9(c)). 그러나 마찬가지로 취약성 지수에 근거해보면 실제로 지반함몰이 발생할 확률은 상당히 낮을 것으로 판단된다. 또한, 상수도 관망 지역과 지하철 선로 지역 모두 지반함몰 취약성 지수(확률)이 상당히 낮은 편이기 때문에 둘의 최고 확률에 대한 차이는 큰 의미를 갖지 못한다고 볼 수 있다.
하수관로 권역의 경우 대부분의 지역은 지반함몰 취약성 지수가 0.1 이하인 것으로 나타났다. 반면에 지반함몰 취약성 지수가 0.3-0.45인 위험지역이 밀집된 4개 지역(A-D)을 도출할 수 있었다(Fig. 9(b))(다만 여기서 도출된 값은 제한된 가정과 환경에서의 시뮬레이션 결과 수치이기 때문에 실제 이 지역의 지반함몰 발생 예측 확률이 30-45% 라고 말하는 것은 아니다). 지반함몰 위험예측 지역 중에 B, C, D 지역은 과거에 지반함몰이 발생된 지역으로 분석되었다. 따라서 정부나 지자체에서 이미 위험성을 인지하고 있으며, 보강공사 또는 모니터링을 수행하고 있을 것으로 사료된다. 또한, 이는 본 연구에서 채택한 예측 모델이 지반함몰 취약성 예측에 적합함을 간접적으로 보여주는 결과이기도 하다. 반면 A 지역의 경우 주변에 지반함몰이 발생된 사례가 없었지만 본 연구를 통해 위험지역으로 분석되었다. 따라서 이 지역에 대해서는 정밀조사(GPR를 이용한 공동 탐사 등) 또는 추가 연구가 수행될 필요가 있다. 물론 지반함몰 취약성 지수가 높게 나타난 지역 중에는 이미 복구 작업이 이루어진 경우도 있을 것이나 이러한 지역을 제외하더라도 여전히 지반함몰 위험지역은 곳곳에 존재할 수 있으니 지속적인 예측과 관리가 필요할 것으로 판단된다.
4. 토의 및 결론
본 연구에서는 GIS 환경에서 토립자 유실을 고려하여 2종의 지하매설물(상수도 관망, 하수관로) 및 지하철 선로 권역별로 지반환경과 사회기반시설 등 4개의 영향인자를 선정하고, 영향인자와 기 발생된 지반함몰 이력과의 통계적 분석을 통하여 서울특별시의 지반함몰 취약성을 평가하고 예측하였다. 그 결과 지하매설물 및 지하철 선로 권역 별로 기존에 지반함몰이 발생되지 않은 고위험지역을 예측할 수 있었으며, 이를 통해 지하공동 탐지 시 높은 비용이 요구되는 정밀 탐사를 위한 후보지를 필터링해줄 수 있었다.
다만 데이터 추출 과정에서 연구지역의 범위와 자료처리속도 등을 고려하여 래스터 격자를 다소 크게 생성하였으나, 향후에는 10 m 이내 수준의 공간해상도를 갖는 데이터를 이용하여 분석을 수행할 할 필요가 있을 것으로 판단된다. 또한, 지반함몰이 발생되지 않은 고위험지역에 대한 예측 결과를 제시함에 있어 복구 여부에 대한 데이터가 확보되지 않아 이를 반영하지 못하였으나, 추후에는 최신 데이터의 확보를 통해 고위험지역 선정에 대한 보다 신중한 접근을 할 필요가 있을 것으로 판단된다. 마지막으로 지반함몰과 같은 재해는 시간 흐름에 따라 취약성이 달라질 수 있기 때문에 3차원 공간에 시간적 관점을 함께 고려할 수 있는 4D GIS와 더불어 빅데이터(big data) 분석기법의 적용에 대한 연구도 필요할 것으로 사료된다.
본 연구는 레거시 정보를 기반으로 도시 지반함몰의 명시적 취약성 평가 방법을 제공하고 발생기작을 설명할 수 있는 근거를 마련할 수 있었으며, 사물인터넷(internet of things, IoT) 기반의 도시 지반함몰 위험 예･경보 시스템 구축을 위한 지반함몰 취약 지역 및 지반 안전 상시 모니터링 지역 선정 근거에 대한 기초 자료를 제공할 수 장점이 있다. 또한, 각 지하매설물 및 지하철 선로 권역 별로 다른 결과를 제시함으로써 담당 부처 또는 부서별로 시설을 유지･관리할 수 있는 용이성을 제공할 수 있을 것으로 기대한다.
