A* 알고리즘 기반의 F_A* 알고리즘을 활용한 화재 시 대피 경로 탐색 연구
Research Evacuation Route Search in Case of Fire Using the F_A* Algorithm Based on the A* Algorithm
Article information
Abstract
본 연구에서는 A* 알고리즘과 fire dynamics simulator (FDS)를 결합한 F_A* 알고리즘을 제안하였다. 기존 A 알고리즘은 화재와 같은 동적 상황에서는 화염 확산, 온도 변화, 연기 농도를 반영하지 못하는 한계가 있다. 이를 해결하기 위해 FDS 데이터를 활용하여 경로 가중치를 동적으로 조정하는 F_A* 알고리즘을 개발하였다. 실험 결과, F_A* 알고리즘은 기존 A* 알고리즘보다 더 정확한 피난 시간 계산 능력을 보였으며, 대피 성공률과 경로 탐색 측면에서도 새로운 정보를 제공할 수 있었다. 대피 성공률은 2 min까지 100%를 유지했으나 3 min 후 1명의 사망자가 발생하였다. 최초 대피자는 12 s, 최종 대피자는 23 s에 대피를 완료하였다. F_A*의 경로 탐색 속도는 2~5 s로, 기존 A* 알고리즘의 32 s보다 훨씬 빨랐다. 제안된 F_A* 알고리즘은 기존 A* 알고리즘으로는 확인하기 어려운 화재 피해 정도에 따른 대피 시간을 효과적으로 산출할 수 있었다.
Trans Abstract
This study proposes the F_A* algorithm, which integrates the A* algorithm with the Fire Dynamics Simulator (FDS). The conventional A* algorithm struggles to reflect fire dynamics such as flame spread, temperature changes, and smoke concentration. To address this issue, the F_A* algorithm dynamically adjusts the path weights using FDS data. The experimental results show that F_A* provides more accurate evacuation time calculations and offers new insights into evacuation success rates and pathfinding performance. The evacuation success rate remained at 100% for 2 min, but dropped after 3 min, with one fatality. The first evacuee escaped in 12 s and the final evacuee escaped in 23 s. The pathfinding speed of the F_A* algorithm ranged from 2 to 5 s, which was significantly faster than the 32 s required by the conventional A* algorithm. The proposed F_A* algorithm effectively estimates the evacuation times based on fire damage, which is difficult to achieve using the conventional A* algorithm.
1. 서 론
1.1 연구 배경
최근 수년간, 전 세계적으로 화재 발생 빈도와 이로 인한 인명 및 재산 피해가 점차 증가하는 추세를 보이고 있다. 이러한 화재는 예기치 않게 발생하며, 순식간에 큰 재난으로 이어질 수 있다. 따라서 화재 발생 시 신속하고 안전한 대피는 인명 피해를 최소화하는데 중요한 요소이다(1).
초고층 빌딩의 증가와 건축물의 규모가 커짐에 따라 건물 내부와 외부의 복잡도가 급증하였다. 작은 건물에서는 대피구가 바로 확인이 가능하여 나가는 것만으로 대피가 해결되었던 반면, 초고층 빌딩의 경우 건축적인 구조 및 내부 배치의 복잡성이 작은 건물에 비하여 크게 증가한다(2). 초고층 건물의 복잡한 구조에 의하여 화재 시 화재의 피해와 건물 내부의 장애물 따라 길찾기 시간이 급격히 증가할 수 있다(3). 이러한 문제를 해결하기 위해서는 화재 시 새로운 방식의 길찾기 알고리즘이 필요하다(4).
재난 상황에서 건물 재실자의 대피 경로와 대피 시간을 계산하는 시뮬레이션인 Pathfinder에서는 A* 알고리즘을 활용하여 대피 최단 거리를 계산한다. Figure 1은 Pathfinder 프로그램의 대피 예시 이미지이다. 최단 대피 경로 계산에 주로 사용되는 A* 알고리즘은 다익스트라(Dijkstra) 알고리즘을 확장하여 만들어진 최단 경로 탐색 알고리즘이다(5). 그러나 A* 알고리즘은 기본적으로 정적 환경에 최적화되어 있으며, 화재와 같이 시간에 따라 변하는 위험 요소들을 고려하는 데는 한계가 있다. 대피 경로 탐색 알고리즘들은 주로 사전에 대피 구조나 장애물을 계산한 뒤, 정적 환경을 기반으로 최단 경로를 탐색하는 데 중점을 두고 있다(6). 이러한 대피 경로 탐색 알고리즘은 일상적인 상황에서는 효과적이지만, 화재와 같은 동적인 상황에서는 최적의 대피 경로를 제공하는 데 한계를 가지고 있다. 화재 상황에서의 대피의 경우, 불이 확산되는 속도와 방향, 발생 지점 등 다양한 변수들이 대피 경로에 영향을 미치는 중요한 변수임에도 불구하고, 화재에 대한 실시간성을 반영하지 못함으로써 실제 상황에서의 대피 경로 추천에 어려움을 초래한다(7).
Pathfinder simulation.
1.2 연구 목적
본 논문은 A* 알고리즘과 fire dynamics simulator (FDS)의 결과 데이터를 결합한 새로운 대피 경로 탐색 알고리즘인 F_A* 알고리즘을 제안한다. FDS는 화재의 확산과 영향을 시뮬레이션하는 데 사용되는 시뮬레이션으로, 화재의 동적인 특성을 유체역학을 기반으로 모델링할 수 있다. FDS의 결과값과 A* 알고리즘과 결합함으로써, 화재 상황에서 변화하는 위험 요소들을 반영하여 대피 경로를 탐색하는 새로운 방식을 제안한다.
본 논문은 화재의 단계인 발화기, 성장기, 최성기에서 최적의 대피 경로를 제공함으로써, 실제 화재 상황에서 발생할 수 있는 상황에 대한 대피자의 경로 탐색에 대한 방법을 제안한다. 이러한 통합 알고리즘은 재난 대응 시스템에서의 응용 가능성이 높으며, 향후 화재 대피 계획과 관리에 중요한 기여를 할 것으로 기대된다.
본 논문은 이러한 새로운 알고리즘의 개발 과정과 그 효율성을 검증하기 위한 실험적 접근을 포함하고 있다. 이를 통해 기존의 알고리즘들이 가진 한계를 극복하고, 화재와 같은 재난 상황에서의 동적인 상황에서의 대피 요구에 보다 적합한 해결책을 제시하고자 한다.
본 연구는 재난 대응 시스템, 화재 대응 시스템에 있어 중요한 이론적 및 실용적 기여를 할 것으로 기대된다. F_A* 알고리즘은 화재 상황에서의 대피 경로 탐색을 위한 방법을 제시하며, 재난 대응의 효율성을 높이는 데 중요한 역할을 할 것이다.
2. 관련 연구
2.1 A* 알고리즘
A* 알고리즘은 그래프 탐색에서 널리 사용되는 효율적인 방법론이다. 이 알고리즘은 최단 경로를 찾는데 활용되며, 많은 응용 분야에서 사용되고 있다(8). A* 알고리즘은 Dijkstra 알고리즘의 변형으로, 휴리스틱 함수를 사용하여 탐색 과정을 최적화한다. 이러한 휴리스틱 함수는 각 노드로부터 목표 노드까지의 예상 비용을 추정하여 탐색을 진행한다(9). A* 알고리즘은 시작 노드로부터 목표 노드까지의 최단 경로를 찾아내기 위해 휴리스틱 함수를 사용한다. 휴리스틱 함수를 사용하는 방식은 그래프의 규모가 크고 복잡할 때 유용하게 적용된다. Figure 2는 A* 알고리즘의 탐색의 예시이다. A* 알고리즘은 정확성과 최적성 높으며, 적절한 휴리스틱 함수를 사용할 경우 일반적으로 빠른 속도로 최적의 경로를 찾을 수 있다(10).
How the A* algorithm finds paths.
A* 알고리즘의 핵심은 최단 경로를 탐색하는 동안 탐색 공간을 효율적으로 줄이는 것이다. 이를 위해 휴리스틱 함수를 사용하여 탐색의 방향을 목표에 대한 예상 비용이 낮은 곳으로 유도함으로써 탐색 속도를 향상시킨다. 따라서 A* 알고리즘은 정적 환경에서의 최단 경로 탐색에 적합하며, 많은 경우에 뛰어난 성능을 보여주고 있다(11).
그러나 A* 알고리즘은 정적 환경을 가정하고 있기 때문에, 동적인 환경에서의 최적의 경로를 찾는 데는 한계가 있다. 특히 화재와 같이 시간에 따라 변하는 위험 요소들을 고려해야 하는 상황에서는 A* 알고리즘이 활용되기 어렵다. 이러한 한계로 인해 재난 상황에서의 대피 경로 탐색에 있어서는 새로운 접근 방식이 필요하다.
A* 알고리즘의 단점은 정적인 경로 탐색을 기반으로 하기 때문에 동적 변화에 대응하지 못한다는 것이다. 경로 탐색 초기의 환경 정보만을 바탕으로 경로를 설정하며, 화염의 확산, 연기의 농도 증가, 온도의 상승과 같은 동적 위험 요소를 반영하지 못한다. 화재 상황에서는 경로가 실시간으로 차단될 수 있는데, A* 알고리즘은 경로 차단을 인지하지 못하고 기존 경로를 고수하는 문제가 발생할 수 있다. 다익스트라 알고리즘은 모든 노드에 대한 최단 경로를 탐색하기 때문에, 대규모 네트워크나 복잡한 화재 시나리오에서는 탐색 시간이 크게 증가한다.
F_A 알고리즘은 A 알고리즘과 다익스트라 알고리즘의 이러한 단점을 극복하기 위해 개발되었다. F_A* 알고리즘은 FDS로부터 수집한 화재 확산 데이터(온도, 연기 농도, 화염 확산 경로 등)를 반영하여 경로를 지속적으로 재탐색하는 기능을 추가하였다. 이를 통해, 화재의 동적 특성을 반영할 수 있어, 경로가 차단되거나 새로운 위험 구역이 발생하는 경우에도 즉각적인 경로 변경이 가능하다.
2.2 FDS 화재 시뮬레이션
FDS는 화재 시스템의 시뮬레이션을 수행하는 공개 소프트웨어 도구로, 건물 내부의 화재와 연기의 전파, 열 동태 등을 모사하여 안전성을 평가하는 데 사용된다. FDS는 유한 차분법을 기반으로 하며, 건축물의 3차원 구조와 화재의 물리적 특성을 고려하여 시뮬레이션을 수행할 수 있다. FDS는 화재의 동적인 특성을 고려하여 실제 시나리오를 시뮬레이션하고, 화재에 대한 이해를 깊이 있게 연구할 수 있도록 도와준다.
FDS는 실시간성보다는 정밀한 모델링에 초점을 맞추고 있다. 주어진 조건 하에서 화재의 진행과 그로 인한 공간 내의 온도, 가스 농도 등을 예측하는 데 중점을 둔다. 따라서 FDS는 시뮬레이션 초기 설정과 계산에 상당한 시간이 소요된다. 특히 큰 규모의 공간이나 복잡한 화재 시나리오에서 더욱 두드러진다. FDS는 실시간으로 화재가 발생하고 변화하는 상황을 반영하기보다는, 예측적이고 정확한 결과를 도출하는 데 초점을 맞추고 있어 화재의 초기 진행 상황을 모니터링하거나 장기적인 안전 계획을 수립하는 데 적합하다.
FDS는 다양한 화재 시나리오에 대해 열전달, 질량이동, 화재 확산 등을 고려하여 시뮬레이션을 수행한다. 이를 통해 화재의 발생 및 확산 경로, 열 및 가스 배포 패턴 등을 예측할 수 있으며, 이는 화재 대응 및 대피 계획 수립에 매우 유용하다. 따라서 FDS를 활용하여 화재 상황을 분석하고, 대피 경로 탐색 알고리즘에 통합함으로써 화재 상황 시 대피 경로를 탐색하는 새로운 접근 방식이 가능해진다.
2.3 화재 시나리오
본 연구에서 개발된 대피 알고리즘을 테스트하기 위하여 화재 사례를 하나 선정하였다. 해당 화재 시나리오는 2020년 군포 한양백두아파트에서 리모델링 공사중에 일어난 화재 사고를 기반으로 작성되었다. 겨울철 건설현장은 화재 발생 가능성이 높고, 인화성 물질이 많이 존재하는 작업 환경이며, 건설 현장 드럼통 난로는 겨울철 작업자들이 난방을 위해 자주 사용하는 장비로, 우레탄 폼과 같은 인화성 물질이 난로의 과열로 인해 쉽게 발화할 수 있다는 사례가 있다. 본 사례는 겨울철에 발생한 건설현장 화재로, 해당 공종은 창호 및 유리공사였다. 최초 화재는 거실에서 작업자가 드럼통 난로를 이용하여 난방을 하던 중 발생하였다.
화재의 발화 원인은 공사장 드럼통 난로 주변에 있던 우레탄 폼의 폭발이었다. 드럼통 난로의 열로 인해 우레탄 폼이 가열되면서 폭발이 일어났고, 이는 주변에 있던 우레탄 폼 자재와 바닥재 등으로 화염이 전파되는 결과를 초래하였다.
화재는 거실에서 시작하여 인접한 발코니(여섯시 방향)으로 진행되었다. 거실에서 난로의 과열로 인한 우레탄 폼의 폭발이 발생하면서, 인화성이 높은 자재들이 불길에 휩싸이게 되었다. 이에 따라 화염은 거실과 맞닿은 발코니 방향으로 빠르게 확산되었다.
해당 화재 시나리오를 기반으로 대피 알고리즘의 성능을 분석하고자 한다.
3. 제안하는 알고리즘
본 연구에서 제안하는 F_A* 알고리즘은 기존의 A* 알고리즘과 FDS 데이터를 결합하여 화재 상황에서 동적인 특성을 반영할 수 있도록 설계되었다. 기존 A* 알고리즘은 정적 환경에서 최단 경로를 탐색하는 데 적합하지만, 화재와 같은 동적 환경에서는 변화하는 위험 요소(예: 온도, 연기 농도, 화염 확산 경로)를 반영하지 못하는 한계를 가진다. 이를 극복하기 위해 F_A* 알고리즘은 FDS 데이터를 활용하여 각 경로의 가중치를 실시간으로 조정함으로써 대피 경로를 동적으로 탐색한다.
F_A* 알고리즘은 FDS 데이터를 기반 및 시야 정보를 기반으로 한 실시간 경로 업데이트, 휴리스틱 함수의 개선을 통해 확인할 수 있다. 첫째, FDS 데이터를 활용하여 화재의 확산 경로, 온도 변화, 연기 농도 등의 동적 데이터를 실시간으로 반영하며, 화재 시 경로 탐색을 통해 피난 시간을 계산하도록 설계되었다. 둘째, 복잡한 도면에서의 기존 A* 알고리즘의 휴리스틱 함수는 계산시간이 많이 소요되는 문제점이 있었지만, F_A* 알고리즘에 적용된 휴리스틱 함수를 통해 피난 경로를 빠르게 탐색할 수 있다.
Figure 3과 같이 F_A* 알고리즘은 초기 데이터 설정, 2D 그리드 변환(12), 초기 경로 탐색, 실시간 데이터 반영, 경로 재탐색의 5단계로 구성된다. 초기에는 FDS 데이터를 수집하여 2D 그리드로 변환하고, 각 셀에 위험 가중치를 부여한다. 이후 A* 알고리즘을 기반으로 초기 경로를 탐색하며, 실시간으로 업데이트되는 FDS 데이터를 활용하여 위험 요소를 반영한 경로 재탐색을 수행한다. 이러한 과정을 통해 F_A* 알고리즘은 변화하는 화재 상황에서의 피난 시간을 제공할 수 있다.
F_A* algorithm flowchart.
3.1 FDS를 활용한 화재 결과 데이터 수집
F_A* 알고리즘을 피난 시뮬레이션에 적용하기 위해 FDS를 이용한 화재 결과 데이터 수집이 필요하다. 기존 피난 시뮬레이션에서는 화재 데이터를 고려하지 않지만, F_A* 알고리즘은 FDS의 데이터 업데이트를 통해 각 시점마다 최적의 대피 경로를 동적으로 제안할 수 있다. FDS 결과 데이터를 활용하면 화재 상황의 변화에 따라 대응할 수 있는 알고리즘을 제시할 수 있다.
본 연구에서는 화재 시뮬레이션 데이터의 가공과 위험성 평가를 다음과 같은 절차에 따라 수행하였다. 화재 시뮬레이션 데이터의 가공은 화재 시나리오 설정, 결과 데이터 수집 및 보간 단계로 진행하였다. 화재 데이터를 수집하기 위해 화재 시나리오를 설정하고, FDS를 사용하여 화재 발생 위치, 화재 시간, 화재 성장 및 확산 속도 등을 고려한 온도, CO, CO2, soot 등의 데이터를 수집하였다.
1 m 간격으로 수집된 데이터를 Figure 4와 같이 30 cm 간격의 2D 그리드 형식으로 변환하기 위해 큐빅 보간법(cubic interpolation)을 이용하였다. 큐빅 보간법은 주어진 데이터 포인트들 사이의 값을 추정하는 보간법으로, 각 데이터 점 사이의 데이터를 부드럽게 연결하는 방법이다. 큐빅 보간법은 주로 다차원 데이터에서 사용되며, 데이터가 불연속적일 때, 데이터 포인트 간의 부드러운 연결을 유지하며 연속성을 보장한다.
Converting a drawing to a 2D grid.
Table 1은 피난 시뮬레이션에서 사용된 각 구역의 상태와 특성을 시각적으로 표현하기 위해 설정된 색상과 그 의미를 설명한 표이다.
Evacuation Simulation Colours and Criteria
빈 공간은 흰색으로 표시되며, 대피자가 자유롭게 이동할 수 있는 구역을 의미한다. 이 구역은 온도, 연기, 장애물과 같은 위험 요소가 없는 곳으로 간주되며, 대피 경로에서 가장 선호되는 경로로 선택된다. 벽은 갈색으로 표시되며, 건물의 벽, 내⋅외벽, 구조적 장애물 등을 의미한다. 벽은 대피 경로 탐색에서 이동 불가능한 구역으로 간주되며, 알고리즘은 이 구역을 우회하는 경로를 설정하게 된다.
온도는 빨간색으로 표시되며, 화재로 인한 온도 변화를 0에서 1까지의 스케일로 시각화한 구역이다. 온도가 30 ℃ 이하인 경우 안전 구역으로 간주하여 값 0으로 표시하고, 80 ℃ 이상인 경우 위험 구역으로 간주하여 값 1로 표시한다. 30 ℃에서 80 ℃ 사이의 온도는 0에서 1 사이의 값으로 선형 보간되어 표시된다. 연기는 검정색으로 표시되며, 화재로 인한 연기 농도를 0에서 1까지의 스케일로 시각화한 구역이다. 연기 농도가 4,000 ppm 이하일 때는 안전한 구역으로 간주하여 값 0으로 표시하고, 10,000 ppm 이상일 때는 위험 구역으로 간주하여 값 1로 표시한다. 4,000 ppm에서 10,000 ppm 사이의 농도는 0에서 1 사이의 값으로 선형 보간되어 표시된다. 연기는 대피자의 시야를 제한하고 이동 속도에 영향을 미치는 중요한 요소로 작용한다. 연기 농도가 높을수록 대피자의 이동 속도가 느려지거나, 대피 경로의 우회 경로로 설정되는 경우가 많다.
장애물은 파란색으로 표시되며, 대피 경로를 차단하는 물체나 고정된 물체를 의미한다. 대표적인 예로는 가구, 설비, 공사 자재 등이 있으며, 이동이 불가능한 구조물로 간주된다. 알고리즘은 장애물이 있는 구역을 경로 탐색에서 벽과 동일하게 취급하여, 이 구역을 피하는 경로를 설정한다.
창문은 초록색으로 표시되며, 대피 경로의 비상 출구로 간주되는 구역이다. 일반적으로 창문은 특정 상황에서 외부로의 대피 통로로 활용되며, 대피 시 문보다 낮은 우선도를 갖는다.
문은 형광색으로 표시되며, 대피자가 주요 대피 경로로 사용하는 출입문을 의미한다. 대피 경로의 주요 경유 지점으로 설정되며, 화재 발생 초기의 주요 대피 통로로 작용한다.
화재 시뮬레이션 결과를 기반으로 다음과 같이 위험 구역을 평가하고 정의하였다. 화재로 인해 발생하는 높은 온도, CO, CO2 농도 등의 위험 요소가 높은 지역을 위험 구역으로 설정하였다. 화재 발생 시 온도는 30 ℃~80 ℃에서 0~1 사이의 값으로 지정하였으며, 연기농도는 CO, CO2, soot을 함께 고려하여 4,000 ppm~10,000 ppm에서 0~1의 값을 가지게 설정하였다. 온도에서 0은 평시 상태를 나타내며 1은 이동할 수 없을 정도로 큰 피해를 입은 정도를 나타내고, 연기농도의 0은 평시 상태를 나타내며 1은 시야거리가 0인 상태를 나타낸다.
본 연구에서는 화재 발생의 위험 구역을 판단하기 위해 온도 30~80 ℃, 연기 농도 4,000~10,000 ppm을 기준으로 설정하였다. 이 기준은 대피 경로 탐색 알고리즘의 효율성을 높이고, 화재 상황에서의 위험성을 정량적으로 평가하기 위해 설정된 것이다. 온도와 연기 농도는 화재 상황에서 인체의 생리적 반응, 재난 안전 지침, 시뮬레이션 데이터의 특성을 기반으로 명확히 설정되었으며, 그 근거는 다음과 같다.
인체는 30 ℃ 이상의 환경에 장시간 노출되면 체온 조절 메커니즘이 활성화되며, 땀 분비를 통해 체온을 낮추려는 반응이 나타난다. 이는 열 스트레스(heat stress)로 불리며, 더운 환경에 장기간 노출될 경우 피로와 불쾌감을 유발할 수 있다.
50 ℃를 초과하는 환경에서는 피부 조직의 화상 가능성이 증가한다. 특히, 60~70 ℃ 이상의 온도에서는 피부 및 점막에 치명적인 손상이 발생하며, 80 ℃ 이상의 온도에서는 호흡기와 피부 조직에 중대한 손상이 발생할 수 있다. 이는 실험적 데이터와 생리학적 근거에 의해 뒷받침되며, 80 ℃를 위험 구간의 상한선으로 설정하였다.
또한 미국 소방 지침(national fire protection association, NFPA 72)에 따르면, 온도가 70 ℃ 이상일 때 대피 경로의 안전성을 보장할 수 없으며, 80 ℃ 이상에서는 대피 불가능 구역으로 간주한다. ISO 13571 (life-threatening conditions due to fire)에서도 피난 경로의 온도 조건으로 50 ℃~80 ℃ 사이의 온도에서의 인체 반응을 분석하고 있으며, 80 ℃ 이상에서는 호흡기 손상이 발생하는 것으로 명시하고 있다.
연기의 주요 성분인 일산화탄소(CO), 이산화탄소(CO₂), 그을음(soot)의 농도가 인체에 미치는 영향을 분석한 결과, CO의 농도가 1,000 ppm을 초과하면 현기증, 두통, 메스꺼움이 발생하며, 4,000 ppm을 초과하면 신체 활동이 제한된다. 10,000 ppm을 초과하면 몇 분 내에 의식 불명이 발생할 수 있으며, 심각한 경우 사망에 이를 수 있는 수준이다.
또한 ISO 13571 (life-threatening conditions due to fire)에 따르면, CO 농도가 1,400 ppm을 초과하면 대피에 치명적인 영향을 미친다고 명시하고 있으며, 10,000 ppm은 사망에 이르는 임계점으로 정의된다.
따라서, 본 연구에서는 4,000 ppm을 최소 경고 기준으로 설정하여 대피 경로의 위험도를 경고하고, 10,000 ppm을 절대 위험 구간으로 간주하여 해당 구역을 폐쇄된 경로로 설정하였다.
화재 결과 데이터를 수집하기 위해 FDS 화재 시뮬레이션을 진행하였다(Figure 5(a)). 시뮬레이션에서 가로세로 1 m, 높이는 사람의 키를 고려하여 1.5 m에서 측정하였다(Figure 5(b)). FDS의 결과 데이터 온도, CO, CO2, soot을 수집하였고, 1 s 단위로 수집된 데이터로 구성되어 있다(Figure 5(c)). FDS의 시뮬레이션 결과를 대피 알고리즘에 결합하기 위하여 2D 그리드로 변환하여 사용하였다(Figure 5(d)). 2D 그리드는 사람의 어깨 길이를 고려하여 30 cm 단위로 나누어 생성하였고, 도면을 기준으로 벽, 문, 창문, 장애물로 구분하여 배열의 값으로 지정하였다. 화재 시뮬레이션 데이터를 2D 그리드의 크기에 맞춰 데이터를 적용하기 위해 큐빅 보간법을 사용하였다.
FDS result data 2D grid conversion process.
3.2 F_A* 알고리즘
F_A* 알고리즘은 A* 알고리즘과 fire dynamics simulator (FDS)를 결합한 새로운 대피 경로 탐색 알고리즘이다. 이 알고리즘은 화재 상황에서의 대피 경로를 탐색함으로써 화재 발생 시 대피 계획 수립에 기여하고자 한다.
F_A* 알고리즘은 A* 알고리즘의 기본적인 원리를 따르면서도, 화재 시뮬레이션 결과를 휴리스틱 함수로 활용하여 대피 경로를 탐색한다. 본 연구에서 사용된 휴리스틱 알고리즘은 아래 식(1), 식(2)와 같다.
식(1), 식(2)는 출구의 위치x1, y1와 각 그리드의 위치x2, y2에서의 휴리스틱 함수의 값을 나타낸다.
식(1)에서x2의 위치가 짝수 번째, 식(2)에서 짝수 번째를 구분하여 계산하였다. 휴리스틱 값을 계산하기 위해 목적지에서의 각 거리만큼의 3을 곱한 값에 0과 1을 더하였다. 기존 휴리스틱 함수는 작은 그리드에서는 효과적으로 길찾기를 수행하였지만, 건축물 사이즈의 그리드에서는 직선으로 이동하지 않고 지그재그로 이동하는 현상이 발견되었다. 또한 길찾기 알고리즘의 탐색 속도 또한 길게 증가하였다. h(n)을 증폭하여 탐색 속도를 높이는 기법이 제안되었다. Weighted A 알고리즘에서는 h(n)을 2~5 배로 증폭하여 더 빠른 경로 탐색을 수행하는 방법이 제안되었다(13).
이러한 방식을 통해 명확하게 구분된 휴리스틱 값을 얻을 수 있어 계산속도가 빨라졌으며, 같은 거리에서 화재나 연기에 의해 길이 막혔을 때, 좌우를 반복해서 이동하지 않고 최단 경로로 나아갈 수 있도록 하였다.
Figure 6은 제안된 휴리스틱 값과 기존 휴리스틱의 값에 대한 차이를 보여준다. 제안된 휴리스틱 값은 최소값 0에서 최대값 1,200까지 세분화 되어있는 반면 기존 휴리스틱 값은 최소값 0에서 최대값 400으로, 제안된 휴리스틱 값이 더 세세하게 값이 나눠진 것을 확인할 수 있으며 최소값과 최대값의 차이도 큰 것을 확인할 수 있다. 기존의 휴리스틱 함수를 적용한 길찾기 시간을 비교하였다. Table 2를 확인해보면, 초기 A* 알고리즘 실험 결과, 기존 휴리스틱 함수는 일부 복잡한 환경에서 길찾기 시간이 상대적으로 증가하는 경향을 보였다. 예를 들어, 장애물이 많은 지형이나 구조적으로 복잡한 건물 내부에서 A* 알고리즘을 실행할 때, 기존 휴리스틱 함수는 최적의 경로를 찾는 데에 있어서 추가적인 계산 비용이 발생하거나 탐색이 중단되는 것으로 나타났다.
Proposed and universal heuristic values.
Evacuation Simulation Colours and Criteria
또한 Table 2와 같이 대피인원이 증가함에 따라 탐색하는 속도가 달라졌는데, 원인은 거리상의 차이로 보인다. 전체적으로 기존 휴리스틱 함수는 넓은 그리드상에서 길찾기를 수행하는데 오랜시간이 소요되는 것을 확인할 수 있었다. 또한 4명 이상 대피를 실행했을 때, 특정 위치에서 탐색이 되지 않으며 탐색시간이 길게 소요되는 현상이 발생하였다.
제안된 휴리스틱 함수는 탐색 속도가 월등히 빠른 것으로 나타났으며, 탐색에 실패하는 경우도 나타나지 않았다.
실험 중 기존 휴리스틱 함수를 이용한 길찾기 과정에서 화재 상황에서 재탐색을 실행할 때, 복잡한 환경에서 경로가 좌우로 반복되어 잘못 계산되는 상황이 발생하였으며, 주로 동적으로 생성되는 화재나 연기에 따라 경로 조건 변화에 대응하지 못하여 문제가 발생하였다. 제안된 휴리스틱 알고리즘은 일반적인 환경에서도 기존 휴리스틱 함수보다 빠르게 최적의 경로를 찾는 경향을 보였으며, 특히 복잡한 지형이나 구조적으로 복잡한 건물 내부에서도 상대적으로 더 나은 성능을 보여주었다.
이를 통해 화재의 동적인 특성을 고려하며, 화재의 진행 상황에 따라 대피 경로를 업데이트할 수 있다.
F_A* 알고리즘의 주요 특징은 다음과 같다: FDS를 통해 얻은 화재 시뮬레이션 결과를 사용하여 온도, CO 농도, CO2 농도, soot 수치를 대피 경로 탐색에 반영한다. 이를 통해 실시간으로 화재의 확산 상황을 파악하고, 대피 경로를 조정할 수 있다.
3.3 FDS 데이터
FDS 시뮬레이션 결과인 0 min, 1 min, 2 min, 3 min 경과 데이터는 화재의 발생 및 확산 상황을 반영한다. 이 데이터를 활용하여 F_A* 알고리즘은 대피 경로를 탐색하며, 화재의 진행 상황에 따라 대피 경로를 업데이트한다. 실험 결과에서는 FDS 데이터를 활용한 F_A* 알고리즘이 화재의 발생과 진행 상황을 정확하게 반영하여 대피 경로를 탐색하는 것을 확인할 수 있다.
Table 3은 화재 발생 후 시간의 경과에 따른 대피 경로의 변화를 보여주는 표로, 화재의 진행 단계별로 대피 경로와 대피 행동의 변화를 시각적으로 이해할 수 있도록 구성되어 있다. Table 3은 대피 경로 탐색 알고리즘의 성능을 평가하는 데 있어 중요한 기준이 되며, 대피 경로의 동적 변화를 통해 F_A* 알고리즘의 경로 탐색 능력을 검증할 수 있는 근거를 제시한다.
Evacuation Routes Over Time After a Fire
Table 3은 화재의 단계에 따라 대피 경로가 어떻게 변화하는지를 나타낸다. 화재 단계는 보통 발화기, 성장기, 최성기, 쇠퇴기의 4단계로 구분된다. 이 단계는 화재의 진행 상황과 밀접한 관련이 있으며, 각 단계에서는 화재의 확산 속도와 연기 농도, 온도, 화염의 크기가 달라지기 때문에 대피 경로도 크게 달라질 수 있다.
발화기 단계에서는 화재가 막 시작된 상태로, 일반적으로 화염과 연기가 특정 위치에만 국한되어 있어 대피 경로가 비교적 자유롭다. 이 시점에서는 대피자들이 가장 빠르고 직선에 가까운 경로를 통해 출구로 이동할 수 있다. 대피 알고리즘은 발화 위치를 고려하여 초기 경로를 설정하며, 장애물이 없는 한 대피자는 초기 경로를 그대로 따르게 된다.
성장기 단계는 화재가 빠르게 확산되는 시기로, 발화 위치에서 화염과 연기가 인접한 구역으로 퍼지면서 대피 경로가 실시간으로 변동하는 특징이 있다. 특히, 연기 농도와 온도가 상승함에 따라 기존 경로가 차단될 가능성이 높아진다. F_A* 알고리즘은 이 변화를 감지하여 경로를 재탐색하고 새로운 최적 경로를 제시한다. 출구로 이어지는 직선 경로가 화염에 의해 차단되었다면, F_A* 알고리즘은 이를 회피하여 우회 경로를 탐색하고 새로운 경로로 대피자를 유도한다. 이 과정에서 기존 A* 알고리즘과의 차별점이 두드러지며, F_A* 알고리즘은 FDS에서 수집한 연기 농도와 온도의 데이터를 활용해 경로를 동적으로 업데이트할 수 있다.
최성기 단계는 화재가 가장 격렬하게 확산되는 시기로, 연기 농도와 온도가 가장 높은 단계이다. 이 단계에서는 특정 경로가 완전히 차단될 수 있어 대피 경로의 유연성이 매우 중요해진다. F_A* 알고리즘은 FDS 시뮬레이션 데이터를 바탕으로 안전한 경로를 재탐색하며, 불가피한 대피하지 못한 경우 고립을 발생시킨다. 지속적인 고립의 발생은 사망으로 판정된다.
쇠퇴기 단계는 화재가 진정되고 화염의 크기와 연기 농도가 점차 줄어드는 시기로, 이 시점에서는 대피 경로의 복구가 일부 이루어질 수 있다. 화재가 초기화되면서 기존에 차단되었던 경로가 대피 가능한 구역으로 변경되거나, 연기와 화염이 사라진 구역이 다시 대피 경로로 인식된다. 하지만 대피 시간의 관점에서는 이미 대부분의 대피가 완료되었기 때문에, 이 단계에서의 대피 경로 변화는 실제 대피자 행동에 미치는 영향이 제한적일 수 있다.
시야정보와 FDS에서 수집한 화재 정보를 기반으로 화재로 인한 고립 상태를 판단한다. 현재 피난자가 대피하고자 하는 경로와 시야에서 확인되는 화재 상태가 중첩되는 경우 대피 경로를 재설정한다. 또한 화재로 인한 고립 상태 판단은 현장의 정보와 화재의 정보에 따라, 시야에서 확보된 장소로 이동 가능 여부를 판단하여 대피할 수 있는 위치가 없으면 고립으로 판단한다.
시야정보 식(3)은 다음과 같은 규칙에 따라 작성되었다. 첫째로, countl 변수는 루프 반복 횟수를 제한하여 이동 경로의 무한 반복을 방지한다. 둘째로, countp 변수는 특정 위치에서의 사망 가능성을 평가하여 불의 영향이 큰 지역을 회피할 수 있도록 유도한다. 수식은 경로 탐색 과정에서 발생한 불의 위치를 감지하고, 이 정보를 바탕으로 countl 과 countp 값을 조정하여 경로를 재설정한다.countl는 반복 횟수를 나타내고, countp 는 피해를 입은 횟수를 나타낸다. 작성된 알고리즘에서 maxl는 100회, maxp은 10으로 설정하였다. 이러한 기준을 통해 안전한 경로를 제시하여 화재의 영향을 고려한 대피 경로를 안내하는 것을 목표로 한다.
장애물을 통한 길찾는 알고리즘은 주어진 2D 그리드의 정보를 이용하여 최단 경로를 제시한다. 경로 초기화와 시작 위치 설정을 통해 시작점에서 출발하여 경로를 초기화하고 시작 좌표를 경로 리스트에 추가한다. 이전 경로와 현재 경로가 동일할 경우 제자리 멈춤으로 판별하고 해당 좌표를 경로에 추가하며, 장애물인 경우 다음 위치가 장애물이 아닌지 확인한다. 현재 위치에서 이동 가능한 인접 셀의 개수를 계산하여 2개 이하일 경우 현재 위치의 좌표를 경로에 추가하여 불필요한 길찾기를 최소화하고 효율적인 경로를 설정한다.
3.4 대피자 시야기반 화재 인식
화재 상황에서는 실시간으로 정보를 인식하고 대응하는 능력이 대피자의 생존에 큰 영향을 미친다. 실시간성이 중요한 이유로 화재는 매우 빠르게 확산되기 때문에 대피자는 실시간으로 화재의 위치와 확산 경로를 인식해야 하며 실시간 정보는 대피자가 빠르게 의사결정을 내리고 안전한 경로를 선택하는 데 필수적으로 활용된다. 화재 현장은 역동적이며 연기와 불길의 확산으로 인해 상황이 시시각각 변한다. 따라서 대피자는 실시간으로 변하는 환경을 지속적으로 모니터링하고 이에 맞춰 대피 경로를 조정해야 한다.
화재 발생 시 대피자의 시야 기반 인식은 대피 경로와 안전한 탈출을 위해 매우 중요하다. 본 연구에서는 대피자가 화재를 인식하고 탈출 경로를 계획하는 과정을 이해하기 위해 시야 모델을 사용한다. 대피자가 특정 위치를 인식할 수 있는지 판단하기 위해 몇 가지 기준이 적용된다. 첫째, 해당 위치가 벽 등 장애물로 막혀 있는 경우 대피자는 그 위치를 인식할 수 없다. 둘째, 해당 위치가 시작 위치로부터 시야 범위 내에 있는 경우 대피자는 그 위치를 인식할 수 있다. 이 두 조건을 만족하면 대피자는 해당 위치를 인식할 수 있으며, 이는 안전한 대피 경로를 계획하는 데 중요한 정보를 제공한다.
식(4)는 F_A* 알고리즘의 대피 경로 탐색 과정에서 특정 위치의 가시성을 평가하는 식으로, 대피자가 인식할 수 있는 특정 위치의 가시성을 판단하는 데 사용된다. 식(4)에서startr, startc는 대피자의 현재 위치를 나타낸다. 각각 행(row), 열(column)을 의미하며 대피자가 현재 위치하고 있는 공간의 2D 그리드 좌표 시스템 상의 위치를 나타낸다. 이는 시야의 중심점으로, 대피자가 주변 환경을 인식하는 출발점이 된다.endr, endc는 대피자가 인식하고자 하는 특정 지점이다. 이 위치가 대피자의 시야 범위 내에 있는지 판단한다.map_grid[y][x]는 맵에서의 특정 위치를 나타내는 값으로, ‘1’ 또는 ‘2’이면 벽이나 장애물로 간주되어 대피자의 시야가 막힌 것으로 판단한다. 이는 대피 경로에서 장애물의 존재 여부를 확인하는 데 중요하다.sightrange는 대피자가 인식할 수 있는 시야의 반경을 나타낸다. 대피자는 이 범위 내의 화재와 장애물을 인식하고 대피 경로를 계획할 수 있다.
식(4)는 대피자가 특정 위치를 시각적으로 인식할 수 있는지를 평가하는 기준으로 사용된다. 대피자의 현재 위치와 목표 위치 간의 거리와 장애물 상태를 동시에 고려하여, 대피자가 인식할 수 없는 경우 false를 반환하고, 그렇지 않으면 true를 반환한다. 이 식은 장애물, 시야 거리, 유클리드 거리의 조건을 종합적으로 평가함으로써 화재 상황에서의 대피 경로 탐색을 보다 정확하고 현실적으로 반영할 수 있도록 한다.
Figures 7과 8은 도면에 시야정보 데이터를 시각화 한 정보이다. Figure 7은 시야 거리의 제한이 없는 그림이며, Figure 8은 시야 거리를 5 m로 제한한 그림이다. 본 논문에서는 최대 시야 거리를 5 m로 설정하였으며, 연기 값(0~1, 0.1 단위)에 곱하여 반올림한 값을 기준으로 시야 거리를 제한하였다.
Evacuee’s field of view information.
Information that limits the distance of view.
본 연구에서는 건축물 내 대피 경로 탐색 과정에서의 최대 시야거리를 5 m로 설정하였다. 일반적으로 건축물 내 시야거리는 10~20 m로 설정하는 경우가 많으나, 본 연구에서는 화재 상황에서의 현실적인 조건과 대피 알고리즘의 특성을 반영한 보수적 접근 방식을 적용하여 시야거리를 5 m로 제한하였다. 성능위주 소방설계 평가기준에 따르면, 화재 시 기타시설의 허용 가시거리 한계는 5 m, 집회 및 판매시설의 경우 10 m로 설정되어 있다. 특히, 기타시설에서 가시거리를 5 m로 제한한 것은 화재로 인해 발생하는 연기의 감광효과와 열로 인한 시야 제한을 고려한 현실적인 기준이다. 이는 재실자가 화재 상황에서 최소한의 시야를 확보하고 피난 경로를 인식할 수 있는 하한선을 나타낸다(14). 또한 시야거리 5 m는 대피로 상에서 화재를 발견했을 때 경로를 변경하기 위해 작동하기 때문에, 5 m 이상으로 설정하면 대피 경로가 빈번하게 변경되는 문제가 발생할 수 있다.
대피자의 시야 기반 화재 인식은 안전한 대피를 위해 필수적이며, 실시간 정보의 중요성을 강조한다. 대피자는 시야 범위 내의 정보를 실시간으로 인식하고, 이를 바탕으로 최적의 대피 경로를 선택함으로써 화재로부터 안전하게 탈출할 수 있다.
F_A* 알고리즘은 화재의 발생 및 진행 상황에 따라 대피 경로를 실시간으로 업데이트할 수 있다. 이는 대피자들이 최신 정보를 기반으로 안전한 경로를 선택할 수 있도록 도와준다. Figure 9는 거실에서 화재가 발생 했을 때, 거실을 통하지 않고 배란다를 통해 대피 경로를 설정하는 것을 확인할 수 있다.
Fire scenario drawing and evacuation route.
A* 알고리즘의 효율적인 탐색 방법을 유지하면서도, 화재 시뮬레이션 결과를 고려하여 최적의 대피 경로를 탐색한다. 이를 통해 인명 피해를 최소화하는 대피 계획을 수립할 수 있다.
4. 성능 평가
4.1 기존 A* 알고리즘
기존의 A* 알고리즘은 화재 대피 경로를 탐색하는 데 있어서 정적 환경을 가정하고 최단 경로를 탐색하는데 중점을 두고 있다. 이에 따라 화재의 동적인 특성을 고려하지 못하며, 대피 경로가 화재 발생 시간에 따라 변하는 상황에서는 적합하지 않다. 실험 결과에서는 기존의 A* 알고리즘이 화재 시뮬레이션 결과를 반영하지 못하여 대피 경로의 안전성 및 대피 시간을 계산하는 데 한계를 확인할 수 있다.
본 연구에서는 기존 A* 알고리즘의 탐색 성능을 평가하기 위해 동일한 화재 시나리오와 초기 조건을 사용하여 실험을 수행하였다. 실험 결과, 50 × 45의 2D 그리드에서 기존 휴리스틱 함수를 사용한 A* 알고리즘은 대피 경로 탐색에 평균 32 s가 소요되었으며, 일부 복잡한 환경에서는 탐색이 중단되거나 실패하는 경우가 발생하였다. 특히, 대피 인원이 4명 이상이며 우상단에서 좌상단으로 대피로가 생성될 때 탐색 속도가 급격히 저하되었다.
4.2 제안된 F_A* 알고리즘
제안된 F_A* 알고리즘은 화재 시뮬레이션 결과를 활용하여 대피 경로를 탐색하는 새로운 방법을 제안한다. 이 알고리즘은 화재의 동적인 특성을 고려하여 대피 경로를 업데이트하고, 대피자들이 안전한 피난 경로를 선택할 수 있도록 돕는다. 실험 결과에서는 F_A* 알고리즘이 화재와 같은 재난 상황에서 피난 시간을 계산할 수 있음을 확인할 수 있다. 기존의 A 알고리즘은 정적인 환경에서의 경로 탐색에 적합하였으나, 화재와 같은 동적 환경에서는 적용하기 어렵다는 한계가 있었다. 반면, F_A* 알고리즘은 FDS 데이터를 기반으로 경로의 가중치를 동적으로 조정함으로써, 화재 상황에서의 피난 시간을 계산할 수 있는 능력을 갖추고 있음을 확인하였다.
제안된 휴리스틱 함수를 사용한 F_A* 알고리즘의 평균 경로 탐색 시간은 2~5 s로 기존 A* 알고리즘의 32 s에 비해 대폭 단축되었다. 대피 인원이 4명 이상인 복잡한 시나리오에서도 안정적으로 경로를 탐색하며 탐색 시간이 크게 증가하지 않는 특징을 보였다.
본 연구에서는 A* 알고리즘과 FDS를 결합한 F_A* 알고리즘의 성능을 평가하기 위해 다양한 실험 조건을 설정하였다. Table 4에 제시된 세부 실험 조건은 환경 조건, 화재 조건 및 평가지표로 구분되며, 각각의 조건은 대피 경로 탐색 알고리즘의 정확성, 탐색 성능을 평가하기 위해 설정되었다.
Detailed Experimental Conditions
환경 조건(45 m × 50 m의 1층 평면도, 1개의 출구, 1 m × 1 m의 해상도)과 화재 조건(거실 중앙 발화, 우레탄 폼 연소, FDS 시뮬레이션 데이터 반영)은 대피 경로 탐색의 기준을 위해 설계되었으며, 대피 성공률, 대피 시간, 경로 탐색 속도 및 사망 인원은 대피 알고리즘의 결과를 평가하기 위해 설정된 평가지표로 활용되었다.
Table 5는 화재 발생 후 경과 시간에 따른 대피 인원과 대피 시간의 변화를 정량적으로 보여주는 표로, F_A* 알고리즘의 성능을 평가하기 위해 활용된다. Table 5의 주요 항목은 대피 시작 시간(분), 대피 인원, 대피 시간(최초 대피/최종 대피)으로 구성되어 있다. 이 표는 화재 발생 직후부터 경과 시간에 따른 대피 상황을 시각적으로 표현하며, 대피 인원별로 대피 시간의 변화를 나타낸다. 이를 통해, 대피자의 생존 가능성을 평가하고, F_A* 알고리즘이 화재 확산에 따른 대피 가능 여부와 대피 시간을 정량적으로 평가할 수 있다.
Evacuation Times as a Function of Time Since the Fire Started
첫째, 대피 시작 시간은 화재가 발생한 후 경과한 시간을 분 단위로 나타낸다. 예를 들어, 화재 발생 직후 0 min, 1 min, 2 min, 3 min 등으로 설정된다. 이 시간은 화재 시나리오상의 발화기, 성장기, 최성기와 같은 화재의 단계를 구분하는 기준이 되며, 각 단계에서 대피 경로와 대피 시간이 어떻게 변화하는지를 보여준다. 화재 초기에는 대피 경로가 명확하고 직선 경로로 설정되기 때문에 대피 시간이 짧다. 그러나 화재가 확산됨에 따라 경로가 차단될 가능성이 커지며, 대피 시간이 길어지거나 일부 대피자는 사망 위험에 처할 가능성이 커진다.
둘째, 대피 인원은 해당 시점에 대피하는 인원의 수를 나타낸다. 예를 들어, 화재 발생 직후 0 min에서는 4명이 대피할 수 있고, 1 min 후에도 4명이 대피에 성공한다. 그러나 2 min과 3 min 이후에는 일부 대피자가 대피에 실패하거나 사망하는 경우가 발생한다. 대피 인원은 재실자의 총 인원과의 관계 속에서 대피 성공률을 나타내는 지표로 해석할 수 있다. 이 수치는 화재 상황에 따른 대피 경로의 적절성과 대피 알고리즘의 효율성을 판단하는 핵심 요소로 사용된다. 초기에는 대피 인원이 많지만, 화재의 성장기와 최성기에 이르면 연기와 화염으로 인해 대피가 어려워지고, 일부 인원이 대피에 실패하거나 사망하는 결과를 초래할 수 있다.
셋째, 대피 시간(최초 대피/최종 대피)은 대피가 시작된 후 첫 번째 대피자가 대피를 완료한 시점과 마지막 대피자가 대피를 완료한 시점을 분 단위로 표시한다. 예를 들어, 0 min에 대피한 4명 중 최초 대피자는 12 s 만에 대피를 완료했고, 마지막 대피자는 23 s 만에 대피를 완료했다. 이 값은 대피 경로의 효율성을 평가하는 중요한 지표로 활용된다. 특히, 대피 시간이 짧을수록 알고리즘의 경로 탐색 속도와 최적성이 높다는 것을 의미한다. 대피 시간의 차이가 커질수록, 대피 과정에서 경로 변경이 발생하거나 장애물로 인해 대피 경로가 복잡해졌다는 것을 의미할 수 있다. 예를 들어, 0 min과 1 min에서는 최초 대피자와 최종 대피자 간의 시간 차이가 비교적 작지만, 2 min 이후에는 경로가 차단되거나 대피 경로가 길어져 대피 완료 시간의 격차가 커진다. 특히, 2 min과 3 min에서는 일부 대피자가 사망으로 표기되어 있는데, 이는 대피 경로가 완전히 차단되어 더 이상 출구에 도달할 수 없는 상황을 의미한다.
4.3 결과 분석
실험 결과를 분석한 결과, 제안된 F_A* 알고리즘이 화재 대피 시스템에서 화재 시뮬레이션을 수행할 시, 대피 경로 예측 및 대피 가능 시간을 계산하는데 활용될 수 있음을 확인할 수 있다. 이 알고리즘은 화재의 동적인 특성을 고려하여 대피 경로와 대피 시간을 산출하며, 대피자들의 피난이 가능한 시간을 안내할 수 있다.
기존의 A* 알고리즘은 정적 환경을 가정하고 있어 화재 발생 시 동적으로 변화하는 상황에 대응하기 어렵다. 실험 결과에 따르면 기존 A* 알고리즘이 화재 시뮬레이션 결과를 반영하지 못하여 대피 경로의 안전성 및 대피 가능 시간을 예측하는 것에 제한될 수 있음을 확인하였다.
반면 제안된 F_A* 알고리즘은 화재 시뮬레이션 데이터를 활용하여 대피 경로를 동적으로 업데이트할 수 있다. F_A* 알고리즘은 화재의 상황을 고려하여 대피자들이 피난 시간을 산출하는데 도움을 줄 수 있다. 실험 결과에서는 기존 A* 알고리즘보다 정확한 화재 대피 시간을 측정할 수 있었으며, 화재가 발생했을 때, 허용되는 안전한 대피 시간을 확인할 수 있었다.
5. 결 론
본 연구에서는 화재 대피 경로 탐색을 위한 새로운 알고리즘인 F_A* 알고리즘을 제안하였다. 이 알고리즘은 기존의 A* 알고리즘과 fire dynamics simulator (FDS)를 결합하여 화재의 동적인 특성을 고려하여 대피 경로를 탐색하고 대피 시간을 산출하는 것을 목표로 한다.
본 연구에서는 A* 알고리즘과 FDS 시뮬레이션 데이터를 통합한 F_A* 알고리즘을 제안하고, 화재 상황에서의 대피 경로 탐색 및 대피 시간 산출 능력을 평가하였다. 기존 A* 알고리즘의 한계를 극복하고, FDS로부터 얻어진 온도, 연기 농도, 화염 확산 경로와 같은 동적 데이터를 반영하여 대피 경로를 탐색할 수 있도록 하였다. 이를 통해, 화재 상황에서의 대피 가능 시간을 산출할 수 있었다.
F_A* 알고리즘을 통해 대피자 4명 중 0 min에 100%의 대피 성공률을 기록하였으며, 화재 발생 후 1 min 후에도 대피 성공률이 100%로 유지되었다. 그러나 2 min 이후에는 연기 농도와 온도가 급격히 상승함에 따라 일부 대피자가 고립되어 대피 성공률이 감소하였다. 특히, 3 min 이후에는 1명의 사망자가 발생하였다. 이는 화재의 최성기 단계에서의 화염 및 연기의 차단 효과로 인해 대피 경로가 차단되었기 때문이다.
0 min 경과 후 최초 대피자는 12 s, 최종 대피자는 23 s에 대피를 완료하였으며, 1 min 경과 후에도 최초 대피자와 최종 대피자 모두 12 s와 32 s에 대피를 완료하였다. 그러나 2 min 경과 후부터 대피 실패 인원이 발생하였다. 원인으로 화재 성장기의 급격한 확산 속도로 인해 기존의 대피 경로가 차단되었기 때문으로 분석된다.
F_A* 알고리즘은 경로 탐색 시간이 2~5 s로 빠르게 경로 재탐색이 이루어지는 반면, 기존의 A* 알고리즘은 최대 32 s가 소요되었고, 일부 상황에서는 탐색이 불가능한 경우도 발생하였다. 특히, 대피 인원이 4명 이상일 때, 기존 A 알고리즘의 탐색 속도는 급격히 느려지는 경향을 보였다. 그러나, F_A* 알고리즘은 동적 상황에서도 경로 탐색 속도를 유지하여, 4명이 동시에 대피할 때도 5 s 내외의 탐색 속도를 유지하였다.
F_A* 알고리즘의 경우 3 min 후에 대피에 실패한 1명의 사망자가 발생하였다. 원인으로는 최성기 단계에서의 화재 확산과 경로 차단으로 인한 고립 현상 때문으로 보인다. 이러한 결과는 F_A* 알고리즘이 기존의 A 알고리즘보다 화재의 동적 특성을 효과적으로 반영하여 대피 경로를 탐색할 수 있음을 의미한다.
다양한 대피시간 설정에 따른 A* 알고리즘, 그리고 F_A* 알고리즘의 성능 차이를 비교하였다. 길찾기 목표에 대한 대응 시간을 적절히 조절함으로써 각 알고리즘의 성능이 어떻게 변화하는지를 상세히 분석하였다. 특히, F_A* 알고리즘은 화재가 발생한 공간에서의 대피 시뮬레이션에서, 화재 피해 정도에 따라 대피 시간을 산출할 수 있어, 화재 발생 시 안전하게 대피할 수 있는 시간을 예측할 수 있었다.
향후 연구에서는 다층 구조와 다수 출구를 포함한 대규모 건물에서의 화재 및 대피 시뮬레이션을 통해 F_A* 알고리즘의 성능을 추가적으로 검증할 예정이다. 복잡한 건물 구조와 많은 인원이 대피하는 상황을 반영하여 알고리즘의 범용성을 평가할 것이다. 이를 위해 FDS 데이터를 더욱 효율적으로 처리하고, 대피 경로 탐색 과정에서의 연산 속도를 최적화하는 방안을 연구할 계획이다.
이러한 연구들을 통해 화재 대피 시스템의 효율성을 향상시키고, 재난 상황에서의 인명 피해를 최소화할 수 있는 방안을 모색할 수 있을 것이다.
Notes
후 기
이 논문은 2024년도 정부(과학기술정보통신부)의 재원으로 정보통신산업진흥원의 지원을 받아 수행된 연구임(과제번호: D1201-24-1003, 인공지능, 메타버스 기반 재난안전관리체계 강화사업).
