포항시 지진 관련 데이터로 안전지대 찾는 방법

포항시 지진 데이터를 활용해 지반 안정성, 내진 설계, 대피소 접근성을 분석하고 AI 기반 안전지도를 구축하는 방법을 단계별로 설명한 심층 가이드.

 

포항시 지진 관련 데이터로 안전지대 찾는 방법 포항은 2017년 11월 규모 5.4의 지진을 겪으며, 한동안 전국에서 가장 많은 지진 데이터가 수집된 도시로 주목받았다.
당시 포항 지진은 단순한 자연재해가 아니라, 도시의 안전 인프라를 재정의하는 계기가 되었다.
지진 발생 이후 포항시는 한국지질자원연구원, 기상청, 행정안전부 등과 협력해 지진 발생 위치, 강도, 진동 주기, 지반 특성 등의 데이터를 체계적으로 축적해왔다.

이 데이터는 단순한 과거의 기록이 아니라, 미래 지진에 대비하기 위한 예측형 도시 안전 데이터로 발전할 수 있는 핵심 자원이다.
이 글에서는 포항시의 지진 관련 공공데이터를 활용하여, 지진 시 상대적으로 안전한 지역(안전지대)을 과학적으로 찾아내는 방법을 구체적으로 살펴본다.
데이터 기반 분석을 통해, 시민이 체감할 수 있는 “지진에 강한 도시 포항”을 만드는 실질적인 방법을 제시한다.

 

 

1. 포항시 지진 데이터의 구성과 주요 특징

포항시의 지진 관련 데이터는 크게 발생 이력 데이터, 지반 특성 데이터, 건축물 내진 설계 데이터, 대피소 및 인프라 데이터의 네 가지로 구분된다.

먼저 지진 발생 이력 데이터는 포항 지역의 진앙 좌표, 발생 시각, 규모, 진동 지속 시간, 깊이 정보를 포함한다.
기상청 지진속보 API를 통해 이 데이터가 실시간으로 갱신되며, 포항시는 이를 지역 단위로 세분화하여 축적한다.
이 데이터는 지진이 주로 발생하는 단층대(예: 영일만 단층대, 흥해 단층대) 주변의 위험도를 평가하는 핵심 근거가 된다.

 

두 번째는 지반 특성 데이터다.
지반은 지진 피해의 정도를 결정짓는 가장 중요한 요소 중 하나다.
포항 북부 지역은 모래와 점토가 혼합된 연약지반이 많아 지반 증폭 현상이 자주 발생한다.
반면 남구 일부 지역은 암반층이 두껍고 진동 전달률이 낮아 상대적으로 안전하다.
이러한 지반 정보를 GIS 데이터로 시각화하면, 진앙지로부터 동일한 거리에 있어도 피해 정도가 달라질 수 있음을 확인할 수 있다.

 

세 번째는 건축물의 내진 설계 데이터다.
포항시는 2018년 이후 신축 건물의 내진 설계 의무화를 시행했으며, 공공데이터 포털에는 건축물별 내진 등급이 포함된 데이터셋이 제공된다.
이 데이터는 각 구역별로 지진 대응력을 정량적으로 평가할 수 있게 해준다.
예를 들어 북구 흥해읍의 건물 중 30%가 내진 등급 1등급 이상인 반면, 일부 노후 주택 밀집 지역은 10% 미만에 불과하다.
이러한 정보는 시민이 거주지를 선택할 때 중요한 판단 기준이 된다.

 

마지막으로 포항시는 지진 대피소와 응급시설 위치 데이터를 함께 공개하고 있다.
이 데이터에는 대피소 수용 인원, 건물 구조, 주변 도로 폭, 응급 의료시설 접근 시간 등이 포함된다.
이 네 가지 데이터셋을 통합 분석하면, 포항시 내에서 상대적으로 안전한 지역을 도출할 수 있다.

---

2. 포항시 안전지대 탐색을 위한 데이터 분석 절차

지진 안전지대를 찾기 위해서는 단순히 진앙지와의 거리를 계산하는 것이 아니라,
지반 강도, 건축물 내진 수준, 대피소 접근성, 인구 밀도 등 복합적인 요인을 함께 고려해야 한다.
이를 위해 포항시는 공개된 데이터를 GIS(지리정보시스템)와 AI 모델링 기법으로 결합할 수 있다.

분석 과정은 다음과 같은 단계로 이루어진다.

 

1. 데이터 수집 단계 – 기상청 지진 이력, 포항시 지반 정보, 건축물 내진 등급, 대피소 위치 데이터를 수집한다.

2. 지리정보 매핑 단계 – 수집된 데이터를 포항시 행정동 단위로 격자화(1km² 단위)하여 GIS 좌표로 변환한다.

3. 위험도 산정 단계 – 각 지역의 지반 증폭 계수, 평균 진동 지속시간, 내진율, 대피소 거리 등을 가중 평균해 위험도를 산정한다.

4. 안전지수 계산 단계 – 위험도의 역수를 이용해 안전지수를 0~100 사이로 산출한다.

5. 시각화 단계 – 지도 위에 색상 히트맵 형태로 안전지수를 표시해 시민이 직관적으로 이해할 수 있도록 한다.

 

예를 들어 포항 북부 흥해읍 일대는 연약지반 비율이 높고 내진율이 낮아 안전지수가 40 이하로 산출되는 반면,
포항 남구 오천읍과 효곡동 일대는 암반 지반 비율이 높고 대피소 접근성이 좋아 80 이상으로 평가된다.
이러한 정량적 비교는 기존의 막연한 위험 인식보다 훨씬 실질적인 대응 전략을 제공한다.

---

3. 인공지능을 활용한 포항시 지진 위험 예측 모델

AI 기술을 활용하면 과거 데이터에 기반해 향후 지진 위험 가능성을 예측할 수도 있다.
기상청과 포항시가 수집한 지진 이력 데이터를 시계열 모델로 학습시키면,
진동 강도, 발생 깊이, 시간 간격 등을 분석해 특정 지역의 ‘지진 발생 확률 점수’를 계산할 수 있다.

예를 들어 LSTM(Long Short-Term Memory) 기반 모델은 시간 순서에 따라 데이터를 학습하기 때문에,
이전 지진 패턴을 토대로 다음 6개월 이내 지진 발생 가능성을 추정할 수 있다.

AI 모델은 또한 지반 데이터와 결합해 “피해 예측 지도”를 생성할 수 있다.
모델이 각 지역의 지반 특성, 지진 강도, 건물 내진 수준을 입력받으면
지진 발생 시 예상 진동 강도와 건물 붕괴 확률을 색상 지도로 시각화한다.

이 지도는 단순히 학술적인 분석이 아니라, 실제 시민의 대피 행동에 직접 활용될 수 있는 실질적 자료다.

예를 들어 포항 북구의 일부 연약지반 지역은 규모 4.5 이상의 지진 시 건물 흔들림 강도가
남구 지역보다 약 1.8배 높게 예측된다.
반면 남구 효곡동은 암반 기반 구조로 평균 진동 강도가 절반 이하로 나타난다.

이러한 차이는 시민이 어떤 방향으로 이동해야 안전한지를 구체적으로 알려주는 지표가 된다.

AI 기반 예측은 또한 대피소 운영 계획 최적화에도 활용될 수 있다.
예측 모델이 위험 지역을 조기 탐지하면,
지자체는 그 구역의 대피소 개방 시각을 앞당기거나
응급 자원을 우선 배치할 수 있다.

이처럼 지진 데이터는 단순한 재난 통계가 아니라,
실시간 대응력을 높이는 도시 생존 데이터로 변모한다.

---

4. 포항시 시민 참여형 안전지도와 정책 활용

포항시는 공공데이터와 AI 분석을 결합하는 것뿐 아니라, 시민 참여를 통한 안전망 강화를 추진할 수 있다.
시민이 직접 앱을 통해 “지반 흔들림 체감 보고서”나 “대피소 접근성 평가”를 등록하면,
이 데이터가 실시간으로 안전지도에 반영된다.

이런 형태의 크라우드소싱 안전지도(Crowdsourced Safety Map) 는 행정기관의 관측 한계를 보완하며,
데이터 정확도를 높인다.

예를 들어 시민이 특정 지역에서 진동을 크게 느꼈다고 신고하면,
시스템은 해당 위치의 센서 데이터를 자동 조회해 실제 진동 강도와 비교한다.
이 정보를 바탕으로 지도는 색상 변화를 실시간으로 업데이트하고,
행정기관은 이를 근거로 즉각적인 대응을 할 수 있다.

또한 시민이 자주 이용하는 대피소의 접근 시간과 안전 상태를 평가하면,
AI는 이를 학습해 “가장 빠르고 안전한 대피 경로”를 제시할 수 있다.

정책적으로는 이러한 데이터가 지진 대응 예산 배분에도 활용될 수 있다.
위험지수가 높은 지역에 우선적으로 예산을 투입해 내진 보강, 대피소 확충, 도로 정비를 진행할 수 있다.
장기적으로 포항시는 이러한 데이터 기반 분석을 통해
“지진 예측–대피–복구” 전 과정을 하나의 데이터 체계로 통합할 수 있다.

그 결과, 포항은 재난 대응의 선진 도시이자 데이터 기반 안전관리 모델 도시로 자리매김하게 된다.

---

결론

포항시의 지진 데이터는 단순한 재난 기록이 아니라,
도시가 스스로의 안전도를 예측하고 강화할 수 있는 스마트 재난 대응 자원이다.
지반 특성, 건물 내진율, 대피소 접근성, 시민 체감 데이터가 결합될 때
포항은 과학적으로 ‘안전지대’를 정의할 수 있다.

AI 기반의 예측과 시각화 기술은 시민에게 명확한 대피 기준을 제시하며,
지자체에는 정책적 우선순위를 설정할 수 있는 객관적 근거를 제공한다.
결국 포항의 지진 대응력은 데이터의 깊이와 활용력에서 비롯된다.

이제 포항은 데이터를 통해 두려움을 줄이고, "예측 가능한 안전”을 실현하는 도시로 나아가고 있다.