16개 개별 머신 러닝에 확물 화재를 예측하도록 했는데, 개별 결과는 제각각이었지만 종합한 결과 신뢰도 있는 위험예측이 나왔다는 연구가결과가 발표됐다. 종전의 화재 예측 기법을 개선하고 인공지능 기반 위험예측모델에 더 접근했다는 평가다.

13일 보험업계에 따르면 화재보험협회와 KB손해보험의 공동연구 ‘머신 러닝과 스태킹앙상블 기술을 사용한 종합적인 건물 화재 위험 예측’ 논문이 SCIE급 국제학술지인 파이어(FIRE)에 게재됐다.

SCIE는 과학기술 분야 학술잡지에 실린 논문 데이터베이스로, FIRE는 전체 학술지 중 상위권으로 분류돼 있다. 이번 연구에는 화재보험협회 안승일책임, 이장춘책임, 원진섭 연구원과 KB손해사정 최창현 박사가 공동 저자로 참여했다.

과거에 화재예방 전략은 데이터와 전문가의 분석에 의존했다. 하지만 급속도로 복잡해지는 대도시 환경에는 적절치 않다는 지적이 있어왔다.

연구팀은 16개 머신 러닝에 같은 데이터를 주고 건물 화재를 예측하는 시도를 했다. 복수의 머신 러닝을 활용한 연구는 있었지만 화재 분야에서 대규모 머신 러닝을 동원한 연구는 첫 시도인 것으로 알려졌다.

연구진은 정부건물, 학교, 병원, 숙박시설, 공연장, 아파트, 영화관 등 화재 발생시 피해가 크고, 안전점검을 정기적으로 받는 특수건축물을 대상으로 했다. 특수건축물은 전체 건축물중 1.85% 수준이지만 화재발생률은 다른 건물에 비해 14배 이상 높다.

16개 머신러닝은 화재 위험 예측도에 대해 제각각인 결과를 내놨고, 개별 머신러닝의 분석 정확도는 15~36%대에 머물렀다. 실망스러운 결과였지만 연구진은 다음 단계로 넘어갔다. 개별 예측 결과를 가지고 투표를 붙여 본 것.

사람으로 생각하면 16명의 전문가에게 화재 예측을 맡기고 이를 놓고 토론을 시킨 셈이다. 제각각이던 예측 결과는 이 과정을 통해 편향이나 오류를 줄이는 등 일관된 예측이 가능했다. 개별 예측의 강점끼리 조합하자 상호보완이 됐다.

논문은 “화재 위험 수준을 5가지 등급으로 분류해 실제 화재 예방 전략에서 실용적인 구현을 용이하게 했다”며 “정부는 이 모델을 활용해 안전검사 우선 순위를 정할 수 있고, 건물 관리자는 고위험 건물에 집중해 예방과 대응 효과를 향상시킬 수 있다”고 밝혔다.

다만 “정부기관 및 민간조직과 협력을 통해 고품질 데이터를 확보하고, 예측모델을 정교하게 보완해야 예측 정확도를 높일 수 있다”고 덧붙였다.

오승완 기자 osw@naeil.com