서론

2016년 9월 12일에 리히터 규모 5.1의 전진과 5.8의 본진이 경상북도 경주시에서 발생하였다. 이는 1978년부터 실시된 대한민국 계기지진 관측 이래 가장 큰 규모의 지진으로 기록되었다. 또한, 2017년 11월 15일에는 경상북도 포항시에서 리히터 규모 5.4의 지진이 발생하였다. 두 차례의 지진을 계기로, 대한민국이 더 이상 지진의 안전지대가 아님이 확인되었으며, 2008년 쓰촨 지진, 2011년 동일본대지진 등 한반도 인근 지역에서 발생하고 있는 대지진 등을 고려할 때 해당 지역에 추후의 강진 발생도 우려되고 있어, 향후 지진피해를 예방하고 최소화하기 위한 대책 마련이 시급한 실정이다.

이러한 환경 변화와 맞물려, 지진 발생 시의 피해를 줄이기 위한 다양한 대책들이 공학적, 정책적, 행정적 측면에서 검토되고 있다. 지진의 경우 사전 예측의 어려움, 기존 건물들의 낮은 내진 설계율 등의 문제로 인해, 긴급재난안내시스템과 사전 취약성 점검, 재난 대응 교육의 필요성이 타 재해에 비해 보다 중요하게 작용한다. 특히 개별 주체들이 지진으로 인해 발생할 수 있는 피해와 당해 공간의 지진 취약성에 대해 인지하고, 지진 발생 시의 행동 요령 등을 숙지하는 것이 지진 발생 시의 피해를 줄이기 위한 가장 효과적인 대책 중 하나라 할 수 있다.

이에 행정안전부를 비롯한 여러 공공기관에서는 지진 시 행동요령에 대한 온라인 및 오프라인 자료를 제작, 배포하고 각 학교 등에서의 교육을 통해 지진대응교육을 실시하고 있다. 그러나 이러한 교육의 경우 일반적 사항만 열거되어 있어 현실적으로 와 닿지 않는 문제가 있으며, 단편적 정보의 주입에 그쳐 학습 효과가 떨어져 실제 지진 발생 시에 적절한 행동을 취하게 유도하는데 있어서 그 한계를 지니고 있음이 지적되고 있다(Ramirez et al., 2009). 보다 높은 학습 효과를 위해서는 개별 시민들이 자신의 생활공간 내에서 실제 지진 발생 시에 일어나는 현상들에 대해 체험하고 실감화하는 과정이 필요하다. 이는 개별 시민들이 자기 생활공간의 지진 취약성에 대해 인지하고 숙지할 수 있도록 하는 교육 및 훈련의 과정이라 할 수 있다. 이와 같은 맞춤형 실감화, 감각화를 통한 지진 체험은, 개별 시민들의 지진 시 행동 요령 숙지를 위한 교육 효과 뿐 아니라 생활공간 내의 부적절한 가구 배치 등, 공간의 지진 취약성을 분석할 수 있다는 측면에서도 중요한 의미를 지닌다.

최근 가상현실 분야 및 인공지능, 영상 분석 분야의 기술의 진보로 인해 이러한 맞춤형 지진재해 실감화 교육 및 훈련을 가능하게 하는 요소 기술들이 점차 확보되고 있다. 본 연구에서는 이러한 요소 기술들을 활용하여 개별 시민들이 자신의 생활공간에서 발생하는 가상의 지진 상황을 모의하고, 이를 통해 생활공간의 지진 취약성을 분석, 지진 발생 시의 행동에 대해 훈련할 수 있는 지진재해 실감화 기술에 대해 소개하고자 한다. 생활공간 지진 취약성 분석을 위해 구성 가능한 서비스 모델과 모델을 구성하는 단위 프로세스별 특징 및 기술적 구현 방법, 해결 과제 등을 분석하고자 하였다.

시각지능 및 동적 시뮬레이션 기반 가상 지진 실감화

영상 인식을 이용한 생활공간의 객체 인식 및 3차원 정보화

사용자가 생활공간에 대한 맞춤형 지진 모의를 하기 위해서는 첫 번째 단계로 개개인의 생활공간을 디지털 시스템에 복제 구현하기 위해 필요한 정보들을 입력하는 과정이 필요하다. 영상 취득 및 분석 시스템을 활용할 경우 개인의 생활공간의 필요 정보를 입력하는 과정을 상당 부분 자동화하는 것이 가능하다. 최근 심층인공신경망(Deep Neural Network, DNN)의 발전은 컴퓨터 비전 및 영상 인식의 분야에서 비약적인 진보를 가져 왔다. 구글의 얼굴인식시스템인 페이스넷(faceNet)은 99.96%를 상회하는 얼굴인식률을 기록하였으며(Schroff et al, 2015), ILSVRC(ImageNet Large Scale Visual Recognition Competition) 등에 발표되는 시각지능 모델들은 상당 영역에서 인간의 인식률을 초월하는 사물 검출 인식률을 보여주고 있다. 이러한 기술적 흐름으로 인해 재난 관리 분야에서도 시각 지능을 적극적으로 활용할 수 있는 환경이 조성되고 있다.

해당 단계에서 생활공간의 전산화 및 3차원정보화를 위한 전 단계로서, 사용자는 영상 취득 장비, 즉 카메라 등의 장치를 이용하여 대상 공간에 대한 영상을 취득할 수 있다 (Fig.1a).

이 단계에서 다양한 카메라의 종류가 활용될 수 있으며 정확도 높은 3차원 정보를 취득할 수 있는 대표적 장치로, RGB 센서와 infrared ray(IR) 센서를 동시에 이용하는 RGB-D 카메라가 있다. 또한 스테레오 카메라를 사용할 경우 두개의 렌즈에서 취득되는 영상의 차이를 분석하여 생활공간에 대한 정보를 3차원화하여 재구성할 수 있다. 모노 렌즈 카메라를 이용할 경우 카메라의 움직임에 따른 영상의 차이를 이용하여 대상공간에 대한 3차원적 정보를 포함하는 영상정보를 취득하는 것이 가능하다.

일반적으로 가정 등의 생활공간에서 활용할 수 있는 영상 취득 장비는 보편적으로 휴대폰에 부착되어 있는 카메라들이며 이들을 이용할 경우 시스템에 대한 접근성을 향상시킬 수 있다. 다만, 휴대폰에 장착되는 카메라의 경우 모노 카메라의 비중이 높고 상대적으로 스테레오 카메라의 비중은 낮은 편이며, RGB-D 카메라는 극소수의 휴대폰에만 탑재되어 있다. 모노카메라를 이용한 공간의 3차원정보 인식의 경우, 인식율의 측면에서 상대적으로 취약하다는 문제가 있다. 키넥트 등의 보급이 확대되면서 가정에서도 저가로 RGB-D 카메라를 활용할 수 있는 환경이 조성되고 있으나, 아직 이에 대한 인식은 미흡한 수준이다. 카메라가 아닌 라이다(LiDAR) 등의 장치를 통해 3차원 공간 정보를 취득하는 것도 기술적으로 가능하나, 접근성의 문제로 인해 생활 공간 환경에 활용되기에는 무리가 있다.

대상공간에 대한 3차원 정보는 깊이 측정에 따른 3차원 복원 방식을 활용하여 가능하다. 영상 이미지로부터의 3차원 복원 세부 과정은 크게 깊이의 측정과 대상체 스캔의 2단계로 분류할 수 있다. 3차원 복원을 위한 깊이 측정은 레이저 등의 지향성 빛을 이용하여 가능하며, time of flight(TOF), 광삼각법, 백색광, 변조광 등의 방식이 존재한다. 이 중 광 삼각법을 활용하는 방식은 복수의 카메라 장치를 필요로 하며 백색광 및 변조광을 이용하는 방식은 신호 조사 기능이 탑재된 추가적 장치가 요구된다. 가정 환경에서 활용할 수 있는 장비를 이용하기 위해서는 빛을 물체 표면에 조사하고 그 회귀시간으로부터 물체와 측정 원점 간 거리를 구하는 TOF 방식이 보다 적합하다.

생활환경에서 공간정보 추출 정확도를 향상시키기 위해, 스캐너를 직접 이동시키는 헨드헬드(handheld) 방식의 접근이 가능하다. 이동 중 획득한 특정 시점(view point)의 내부좌표계를 기준좌표계와 연결시키기 위해서 각 시점에서 얻은 영상 특징을 정합하여 분석할 수 있다. 인공적인 마커를 대상체 표면에 부착시킬 경우 공간정보의 정확도를 향상시킬 수 있으나, 생활공간을 구성하고 있는 객체의 수를 감안할 때 활용이 용이하지 않다.

이와 같이 취득한 영상정보를 이용, 생활공간을 구성하고 있는 객체(바닥, 벽, 천장, 테이블, 의자, 책장 등)들을 개별 인식하고, 3차원 공간에서 객체의 위치, 부피 등 정보를 추출하여 공간정보로 변환할 수 있다(Fig.1b). 컨볼루션 신경망(Convolution Neural Network, CNN) 등, 시각지능 관련 요소 기술을 활용할 경우 높은 정확도로 3차원 생활 공간을 디지털 공간에 복제하는 것이 기술적으로 가능해지고 있다.

지진에 대한 동역학적 해석을 위해서는, 영상을 취득한 공간 정보 외에 추가적으로 객체들의 특성에 대한 정보들이 필요하며 대표적으로 객체들의 물성치. 즉 밀도, 압축강도, 인장강도, 마찰계수, 반발계수, 푸아송비 등이 있다. 룰 기반의 데이터베이스를 활용하여 이러한 정보들을 자동 입력되도록 하는 것이 가능하다. 또한 인식된 객체가 접촉대상에 대해 놓여 있는지, 접착되어 있는지, 끈에 의해 매달려 있는지 등의 결착 정보를 활용할 필요가 있으며 이 또한 룰 기반으로 추정하는 것이 가능하다. 일례로 테이블과 접하고 있는 시계의 경우는 결착관계를 놓여짐으로, 벽과 접하고 있는 시계의 경우는 못에 의해 고정되어 있는 것으로 인식할 수 있다. Fig. 1의 경우, 의자와 화분 등은 바닥에 놓여져 있고 컵과 책은 테이블 위에 놓여져 있으며 전등은 전선에 의해 천장에 매달려 있는 등의 결착 정보를, 미리 저장되어 있는 룰 기반 데이터베이스를 활용하여 검출해 낼 수 있다.

Fig. 1.

(a) Acquisition of the image information in living space using a camera and (b) Recognition of objects in living space from the acquired image.

하나의 영상정보에 표시되지 않은 정보의 경우 다른 여러 지점에서 취득한 영상과의 조합을 통해 보완될 수 있으며 일반적 기하 형상에 대한 예측 추론 등을 통해 보완될 수 있다. 또한 정보화 과정에서 자동으로 인식된 정보들을 사용자가 직접 수정 입력할 경우 동역학적 해석을 위한 정보의 정확성을 제고하는 것이 가능하다.

이와 같은 과정을 거쳐, 지진 모의의 대상이 되는 생활공간은 디지털 상의 공간으로 복제된다. 이렇게 복제된 공간은 지진 모의 동역학 시뮬레이션을 위한 초기 조건으로 작용하게 된다.

동적 시뮬레이션에 기반한 생활공간의 모의 지진 생성

지진 발생 시 지반의 진동에 의해 모든 지상의 구조체 및 비구조체들은 동역학적으로 거동한다. 이때 개체들의 거동은 뉴턴역학에 의거, 전산적으로 동적 해석할 수 있다. 이때 개체의 운동을 회전운동과 병진운동으로 구분, 개별 개체들에 작용하는 힘과 토크를 계산하고, 뉴턴 제2법칙에 기반하여 시간 적분함으로써 가속도-속도-변위 및 각가속도-각속도-각변위를 순차적으로 계산함으로써, 개별 개체의 시간에 따른 거동을 추적할 수 있다.

개별 개체들에 작용하는 힘은 그 기작에 따라 세부 힘으로 다음과 같이 분류할 수 있다.

이때 식 (1)에서 $\overrightarrow{f_c}$ 는 강체-강체 간의 접촉 힘, ${\overrightarrow{f}}_{nc}$ 는 전자기힘, 반데르발스 힘 등 강체-강체 간의 비접촉힘, $\overrightarrow{f_f}$ 는 강체-강체 간의 상호작용 힘이며, $\overrightarrow{f_e}$ 는 외부 장에 의해 작용되는 중력, 전자기힘 등이다. 본 연구에서 관심의 대상이 되는 지진 시 비구조체의 거동의 측면에서 전자기힘, 반데르발스 힘과 같은 비접촉힘들은 상대적으로 미약하다고 볼 수 있다. 강체-유체 간의 상호작용 힘은 주변 공기와 개체 간에 작용하는 항력, 압력 구배 힘 등으로, 지진 발생 시 인체에 해를 가하거나 탈출 경로를 막는 주요 개체의 경우 질량과 밀도가 높기 때문에 상호작용력 역시 그 거동 특성 해석에서 필요시 무시하는 것이 가능하다. 지진 시의 개체 거동 해석과 관련된 힘을, 1. 강체-강체 간의 접촉힘과 2. 중력에 의한 외부 힘 두 가지로 한정시켜 해석을 단순화시킬 수 있으며, 이 경우 동역학적 해석에 필요한 연산 소요 시간을 최소화할 수 있다.

개별 객체에 작용하는 힘과 작용점을 결정하면, 뉴턴 운동방정식 기반으로 이를 시간 적분함으로써, 속도-변위, 각속도-각변위를 각각 순차적으로 계산할 수 있다. 일반적으로 2차 이상의 order of accuracy)를 갖는 중점 법칙(midpoint rule),사다리꼴 법칙(trapezoidal rule), Runge-Kutta법, 예측 수정자법(predictor-corrector method) 등의 적용이 가능하다. 객체 거동을 해석하는 경우와 같이 라그랑지안 기반의 전미분 방정식에 대한 적분을 실시할 경우 leapfrog 법이 효율성 측면에서 일반적으로 가장 널리 활용된다.

개체 간 상호 작용력을 계산하는 알고리듬은 목표로 하는 신뢰도 및 해석의 경제성에 따라 선택할 수 있으며 크게 유한요소(finite element)를 이용하는 방법, 이산요소(discrete element)를 이용하는 방법, 내부 퍼텐셜(inner potential)을 이용하는 방법 등이 적용 가능하다. 유한요소해석(finite element method)은 해석 대상을 영역 기반으로 유한개의 요소로 분할하여 대표 접점을 설정한 후, 접점의 지배 방정식을 연립 1차 방정식에 근사시켜 전산 해석 하는 방식이며, 암반공학 분야를 포함한 지질 자원 분야에서도 널리 활용되고 있다(Kanget al., 2001; Koet al., 2008; Sonet al., 2000). 분할되는 요소망을 조밀하게 설정할 경우 근사해는 진해에 수렴하게 되나, 조밀한 요소망 사용 시 전산 해석 속도는 요소 수에 반비례하여 느려지게 된다. 따라서 조밀도에 따라 해석의 엄밀성과 경제성을 조절하는 것이 가능하다. 유한요소법을 이용하는 경우 접점별로 다수의 지배방정식 연산이 요구되어 후술하는 접근법들에 대비하여 전체 해석에 소요되는 연산 부하가 매우 높다. 또한 일반적으로 변형이 큰 객체들의 경우 요소망의 변형에 따른 오차 증가 및 주변 요소망으로의 확산으로 인해, 해석의 신뢰도가 급격히 떨어지는 등의 단점들이 있다.

이산요소법(discrete element analysis, DEM) 기반 알고리듬을 사용할 경우, 해석 알고리듬을 보다 단순화하여 경제성을 확보하면서도 강체가 가지는 운동 특성에 대한 해석 신뢰도를 유지하는 것이 가능하다. DEM은 입자의 운동을 모사하는 수치 해석 기법으로, Cundall and Strack(1979)에 의해 처음 제안되었다. 전체 시스템을 연속체로 가정하고 이러한 연속체에 대한 운동방정식을 적분하여 해를 구하는 일반적 수치해석 기법과 달리, DEM은 모든 개별 요소들을 이산적으로 존재하는 개체로 취급, 각 시간구간마다 개별의 입자가 받는 힘을 계산하여 모든 개별 입자의 운동을 추적한다(Kwon, 2012). 이러한 특성으로 인하여 DEM은 공정에 관계하는 모든 개별 입자들의 운동에 관한 정보를 원하는 시간 간격에 따라 추적 가능하게 해 주며 이산 입자들의 운동을 모사하는 강력한 툴로서 분쇄 및 분리, 입자 이송 등 자원 처리의 여러 분야의 공정 설계에 활용되고 있다(Jeong and Cho, 2005; Kwon and Cho, 2010). 이산요소법은 일반적으로 구형 개체들의 거동 해석에 널리 활용되나, 결합입자모델(bonded particle model)을 이용하여 비구형 개체를 모사하거나(Potapov and Campbell, 1996; Potyondy and Cundall, 2004), 다각형 및 다면체에 적용 가능한 알고리듬들에 대한 연구(Cundall, 1988; Nezamiet al., 2004)도 점차 증가하고 있는 추세이다.

게임 물리 분야에서는 앞서 언급한 해석법들과 대비하였을 때, 해석의 엄밀성보다 연산 속도에 보다 초점을 맞춘 해석 알고리듬들을 활용하고 있다. 일반적으로 해당 분야에서는 접촉힘의 근사값을 빠르게 추산하기 위해 충돌점에서의 변형량과 벡터를 최적화 문제로 환산시켜 단순화시키는 inner potential method(IPM)이 널리 활용된다(Boonet al., 2012; Boonet al., 2013; Zhenget al., 2017). 개체들의 동역학적 거동 해석을 위한 알고리듬들은 컴퓨터 그래픽스 등의 분야에서 널리 활용되는 언리얼 엔진(Unreal Engine), 유니티 엔진(Unity Engine), 게임메이커(Gamemaker) 등의 상용 엔진들에 탑재되어 있으며, 이러한 알고리듬들을 활용할 경우, 일반적인 생활공간을 구성하고 있는 개체들의 수 등을 고려하면 실시간 혹은 준 실시간 시뮬레이션이 가능하다. 지진 해석 시에 존재하는 불확실성 요소들에 의한 영향을 고려할 때, 유한요소 혹은 이산요소 해석 대비 단순화된 게임물리기법을 활용함으로써 잃게 되는 물리적 엄밀함보다 해석의 경제성이 중요하다고 판단될 경우 서비스 기획자는 물리엔진을 활용하여 서비스를 기획할 수 있다.

각 개별 공간에서의 진동 조건을 확정하기 위해서는, 지진의 규모와 강도 뿐 아니라, 진원으로부터의 거리, 지반하중에 대한 구조 해석적 요소가 요구된다. 생활공간의 진동 형태는 진원으로부터의 거리, 공간의 층수, 건축 방식, 건물의 내진 설계 여부 등 다양한 요소에 의해 영향을 받는다. 이러한 정보들을 생활공간의 지진 모의에 반영하기 위해 주소, 층수, 내진설계 여부, 건축방식 등, 제공 가능한 생활정보들을 사용자들이 입력하게 할 수 있다. 국토부, 건축-도시연구정보센터, 한국지질자원연구원 등의 데이터로부터 생활공간의 정보를 수신, 지진시뮬레이션부로 제공하는 것도 가능하다. 지진 시뮬레이션부는 이와 같이 입력된 공간 정보와 사전에 탑재되어 있는 지진 구조해석 결과를 바탕으로 공간을 가상으로 진동시킬 때의 6축 공간 모션을 설정할 수 있다.

지진 모의 결과에 기반한 사용자 생활공간의 지진 취약성 분석

동역학적 해석을 통해 지진 시 생활공간 및 생활공간 내 객체의 거동을 시뮬레이션할 때, 그와 동시에 혹은 그 결과를 바탕으로 생활공간의 지진에 의한 피해 및 공간 취약성을 해석하는 것이 가능하다. 이를 통해 사용자는 손쉽게 본인의 생활공간에서 지진에 취약한 구조 및 가구 배치 등을 확인할 수 있고 취약성이 높은 부분을 보완함으로써 지진 발생 시 예상되는 피해를 방지할 수 있다. 또한 사용자는 발생할 수 있는 지진의 강도를 변화시켜 가면서 동역학적 지진 모의를 실시함으로써, 자신의 생활공간이 안전할 수 있는 지진 강도의 범위를 판단하는 데 활용할 수 있다.

시뮬레이션 수행 후 파손되거나 넘어진 가구 및 생활공간 객체를 분석함으로써 사용자 생활공간의 내진 취약성을 분석할 수 있다(Fig. 2). 일례로, 실내 집기류의 파손 및 넘어짐에 의한 탈출구의 봉쇄는 지진 발생 시 실내 인명 피해를 유발하는 대표적인 요인으로, 탈출구까지의 동선을 넘어진 가구들이 얼마나 방해하는지 등을 통해 가구 배치의 취약성을 진단할 수 있다. 또한 지진이 발생하였을 때 몸을 숨길 수 있는 은신처가 공간 내의 존재 여부 및 해당 공간 지진 발생 시에 안전도 등을 통해 지진 취약성을 판단할 수 있다. 식탁, 책상 등의 아래를 대표적인 은신용 공간으로 볼 수 있는데, 가구 배치 특성 상 해당 공간이 쉽게 노출되는 구조이거나 피아노 등 주변의 큰 가구들이 넘어지면서 은신용 공간을 덮침으로써 파손 등의 우려가 있을 경우 이는 지진에 취약한 가구 구조 배치라 판단할 수 있다. 가정환경에서 공간 배치의 지진 취약성에 대한 판단 기준을 마련하여 생활공간 내 객체 배치의 내진 취약성을 수치로 정량화시킬 수 있게 독립변수 등의 수를 고려할 때 용이하지 않을 것으로 판단된다.

Fig. 2.

An example of earthquake simulation on digitized living space and behavior of objects during the simulation.

가상현실 기반의 지진 체험 및 모의 훈련

동역학 시뮬레이션을 통해 생성된 모의 지진 상황의 역학적, 운동학적 정보는 후처리 과정을 통해서, 사용자가 인식할 수 있는 형태로 가시화할 수 있는데, 이를 바탕으로 사용자는 모의 지진을 가상공간에서 체험하는 것이 가능하다. 최근 가상현실(virtual reality, VR) 분야의 비약적 발전은 안전 체험의 다양한 분야에서 그 활용성을 더 높이고 있다. 실제 상황에서 발생하는 여러 가지 재난의 효과들을 시각적으로 체험하면서도 사용자가 직접 위해를 입지 않는 가상현실의 특성은 다양한 재난 상황을 가상의 시나리오에 의해 감각화하는 것을 가능하게 한다.

시각지능에 의해 복제된 생활공간에서 일어나는 가상의 지진 모의는 공간의 내진 취약성 분석과 함께 사용자가 실제로 생활공간에서 지진이 일어나는 상황을 체험하고 훈련하는 것을 가능하게 한다. 상술한 동역학적 시뮬레이션의 결과를 렌더링 엔진을 통하여 영상화하고 이는 Head Mounted Display(HMD) 형태의 장치로 전달될 수 있다. 사용자는 HMD를 착용한 상태에서 시각적으로 체험하는 동안 자세를 바꾸고 위치를 이동할 수 있으며, 이 때 사용자 신체에 결착되어 있는 HMD 및 조이스틱의 위치정보를 이용하여 휴먼 모델을 생성할 수 있으며, 관절 등에 추가적으로 트래킹 센서를 장착하는 경우 보다 정교한 휴먼 모델을 생성하는 것이 가능하다. 이와 같이 생성된 휴먼 모델을 지진 모의 상황 내부에 포함시킬 경우 사용자는 지진 발생 시에 본인의 생활공간 내에서 취해야 할 행동들을 미리 예행, 연습해 볼 수 있다. 실제 진동형 장치 상부에서 가상 지진 체험이 이루어질 경우 사용자의 모의 지진 상황에 대한 몰입도는 현저하게 향상될 수 있다.

사용자의 지진 시 행동 요령에 대한 평가는 정량적 점수 체계로 수치화할 수 있다. 일례로 지진이 시작될 때 테이블 하단의 은신처 등으로 신속하지 이동하지 못한 경우, 진동이 지속되고 있는 동안에 탈출하려 하는 경우, 지진 대피 시에 가스나 전기를 차단하지 않고 탈출하는 경우 등에 감점을 부여할 수 있다, 이를 기반으로 지진 훈련 상황 내에서의 사용자 행위에 대한 피드백 조치가 가능하다. 또한 지진 시뮬레이션부 내에서 휴먼 모델과 낙하하는 집기들 간의 충돌을 감지, 사용자가 가상 지진 상황에서 받은 충격을 수치화할 수 있으며 이는 훈련 상황에 게임적 요소를 가미함으로써 이용자의 교육 훈련 접근성을 높이는 효과로 작용할 수 있다.

관련 기술 현황

국내외 특허의 관점에서 살펴보았을 때 지질재해의 체험 및 실감화 관련 기술은 96년 이후 거시적 관점에서 증가세를 보이고 있으며 특히 2010년 이후부터 그 양적 증가세가 뚜렷하게 관찰되고 있다 (Fig. 3a). 국가별로 살펴보았을 때(Fig. 3b), 미국(USPTO)이 161건으로 가장 많은 특허 건수를 보유하고 있으며, 일본(JPO)의 경우 88건, 유럽(EPO)의 경우 35건으로 나타났다. 한국(KIPO)의 경우 111건의 관련 특허가 조사되었는데, 내국인 비율이 95%가 넘어 자국 중심의 출원 경향이 강한 것으로 확인되고 있다. 한국의 경우 2011년부터 뚜렷한 성장세를 보이는데 이는 해당 분야에 대한 기술이 성장기에 진입한 것이라고 볼 수 있다. 이는 지질재해 전반에 해당되는 체험 및 실감화 기술에 관한 내용으로, 지진과 관련된 분야에 한정시켰을 경우 상대적으로 보고되고 있는 관련 기술은 전체 건 수의 5% 이하로 확인된다. 이 중 대부분이 지진 시뮬레이터 하드웨어 장치에 관한 특허로(Jeonsinara, 2012; Korea Atomic Energy Research Institute, 2018) 본 연구와 부분적 유사성을 가지는 것으로 판단할 수 있는 기술은 확인되지 않고 있다.

Fig. 3.

Quantitative analysis of patent trend related to geodisaster experience and realization: (a) by year and (b) by country.

지진 체험 및 실감화와 관련한 기술로는, 주로 지진 관련 피해가 많은 일본에서 부분적 유사성을 갖는 기술들이 관찰된다. 일본 미츠비시 중공업은 2001년 지진 등의 자연재해를 가상으로 제작한 공간에서 재현하는 의사 체감장치를 제안한 바 있는데, 3차원 입체 영상, 입체 음향 및 다자유도 동작 가능한 요동을 부여함으로써 현실 공간에 가까운 가상현실 공간을 구성하고, 재해 시의 심리 상태, 행동 및 움직임을 나타낼 수 있도록 하는 장치를 제안한 바 있다. 한편 일본 세키스이하우스의 경우, 모바일 단말기에 터치 입력한 지진 강도에 대응하여 가상 건물의 피해상황을 시뮬레이션하는 시스템을 2014년에 제안한 바 있는데, 이는 단말기 터치패드를 통해 입력한 진동신호를 통해 진폭 및 진동 주기 등을 설정, 진동 강도를 미리 설정되어 있는 강도 기준과 연동함으로써 지진 강도에 따른 건물의 흔들림 정도를 역으로 판별하고 시각화할 수 있도록 하는 시스템으로 파악된다.

가상현실을 기반으로 한 모의 지진 체험과 관련하여 일본 국립방재과학기술연구소(National research Institute for Earth science and Disaster resilience, NIED)는 2017년에 관련 기술에 대한 특허를 출원한 바 있다 (NIED, 2017). 해당 특허에서는 물리적인 생활공간을 구성하고 해당 공간에 진동을 적용한 후, 영상, 음향, 진동을 카메라, 마이크 및 진동 센서를 이용하여 각각 수집하고, 이후 의사 체감 장치 상에서 이를 재현함으로써 사용자가 지진 상황을 가상현실 기반으로 체험할 수 있도록 하는 시스템을 고안하였다 (Fig. 4).

Fig. 4.

Schematic of device for virtual earthquake experience based on recorded video and sound : NIED, 2017.

다양한 가상현실 기반의 안전 훈련 시스템과 비교하였을 때, 상대적으로 지진을 대상으로 한 모의 훈련은 그 빈도가 낮은 것으로 확인된다. 과거의 경우 비상 상황 발생 시의 행동요령 교육을 위한 가상현실 프로그램 내에서 지진 상황을 일례로 활용하거나(Tarnanas and Manos, 2001), 지진 발생 시나리오를 몰입형 3차원 환경에서 재현하는(Sinha et al., 2012) 등, 지진 상황의 재현에 초점을 맞춘 프로그램들이 간헐적으로 시도된 바 있다. 해당 VR프로그램들의 경우 정해진 패스라인을 따라 취득된 영상을 고정적으로 재생하는 성격이 강하며, 사용자와 프로그램 내 지진 상황 사이에 충분한 상호작용이 일어나기 힘든 환경으로 인해 몰입 효과가 충분치 않았으리라 판단된다. 최근에 소개되고 있는 프로그램들의 경우에서 살펴 보았을 때 모의 지진 상황 훈련은 1인칭 게이밍 환경에 가까운 형태의 체험이 주를 이루고 있으며(PulseVR, 2018) 프로그램 내에서 사용자는 조이스틱을 이용하여 게임 내 캐릭터의 행동을 지정하는 형태로 가상의 지진 상황에서의 드릴을 연습한다. 최근에는 휴먼 모델과 결합하여 보다 몰입형 가상현실을 제공하려는 시도가 행해지기도 하였다(Li et al., 2017).

종합적으로 살펴보았을 때, 지진 상황을 모의하고 이를 체험하는 프로그램들의 경우, 특정한 가상의 상황을 고정적으로 결정한 상태에서 해당 상황에 사용자를 노출시킴으로써 지진에 대한 감각적 실감화를 시도하는 프로그램들이 주를 이루고 있으며, 가상현실 분야의 기술 진보와 맞물려 보다 상황에 대한 몰입도를 높이는 것에 초점을 맞추고 있다. 이러한 프로그램들의 경우 지진 상황에 대한 감각적 경험을 제공한다는 측면에서 유의미한 체험 효과를 가지나, 개별 주체들의 상황에 특화된 경험을 제공하는 것이 불가능하다는 취약점을 가지고 있다. 이는 무엇보다 개별 주체에 특화된 공간을 제공하지 못하는 데에서 기인하는 한계이다. 본 연구에서 제안하는 바와 같이 카메라 등을 기반으로 개별 주체들의 관심의 대상이 되는 공간의 영상을 취득, 이로부터 객체들을 인식하고 공간정보를 추출하여 체험 공간을 구성할 경우, 이러한 한계를 극복하고 각 사용자에게 맞춤형 체험을 제공하는 것이 가능하며, 나아가 개별 공간들의 지진 발생에 대한 취약성을 분석, 진단할 수 있는 환경을 제공하는 것이 가능하다.

기술적 해결과제

제안된 기술을 실시하고 상용화 단계로 발전시키기 위해서는 몇 가지 기술적으로 해결해야 할 과제들이 있다. 카메라로 촬영된 2차원 영상을 기반으로 사물들을 인식하는 분야에서의 시각 지능은 컨볼루션 신경망 기술의 진보에 힘입어 인간의 인식률을 능가하는 수준에 이르렀으나, 영상으로부터 3차원 공간정보를 추출하는 기술은 아직 상용화 수준에 도달하지 못했다. 본 연구에 적용 가능한 깊이 측정 방식인 TOF 의 경우, 정확한 시간의 측정이 공간 측정의 정확도를 결정하는데, 현재의 측정 한계는 약 3.3×10^-12 초로 1mm 이상의 오차를 가지게 된다. 일반 가정과 같은 생활공간에서 활용하기 위해서는 접근성을 고려, 휴대폰 장착 카메라 등을 활용할 필요성이 있는데, 일반 보급 핸드폰의 경우 대부분 모노카메라를 사용하고 있어 공간 정보 추출 시 높은 정확도를 담보하기 어렵다. 애플사의 경우 유일하게 2017년부터 출시하는 휴대폰 단말기들에 안면인식용 RGB-D카메라를 장착하고 있다. 휴대폰 단말기에서의 뎁스카메라 활용도는 향후 점차 증가할 것으로 전망되며 또한 키넥트 등의 보급과 함께 확대되면서 가정에서도 저가로 RGB-D 카메라를 활용할 수 있는 환경이 조성되고 있는 추세이다. 이러한 환경 변화는 향후 해당 서비스를 높은 접근성으로 제공하는 것을 용이하게 할 수 있다.

두 번째로 동역학적 해석의 적시성(timeliness) 문제가 있다. 제안된 프로세스에 기반하여, 가상현실 환경에서 지진에 대한 모의 대응 훈련 등을 실시하고자 할 경우, 원활한 서비스를 위해서 동역학적 모의가 실시간 혹은 준 실시간으로 행해져야 할 필요가 있다. 이 경우 유한요소법, 이산요소법과 같은 보다 엄밀한 전산수치해석모델은 그 연산 부하의 문제로 인해 적용이 어려운 단점이 있으며, 그래픽 분야 및 게임 물리 분야에서 활용되고 있는 실시간 해석이 가능한 일부 알고리듬들의 경우 객체들의 거동 해석에 대한 신뢰 문제가 발생한다. 시뮬레이션의 적시성 문제 완화를 위해서 개별 객체를 강체(rigid body)로 간주할 필요가 있으나, 이 경우 임계강도를 넘어선 입자의 파괴에 따른 영향을 반영하기 어려운 단점이 있다. 최근 들어 유한요소법 등 전산수치해석 알고리듬의 일부 혹은 상당부를 인공신경망 기반으로 학습하게 함으로써 적시성을 확보하려는 연구들이 부분적으로 성공을 거두고 있으며(Ladický et al., 2015, Liang et al., 2018), 이는 향후 엄밀한 전산수치해석 알고리듬의 적시성을 보완하는 효과를 가져다 줄 것으로 판단된다.

진동형 장치를 이용하여 지진을 체감하는 방식의 지진 모의 훈련 시, HMD 방식의 가상현실 시각화와 맞물렸을 때 그 행동반경이 제약되는 문제도 기술적으로 극복해야 할 과제이다. 보다 몰입도 있는 VR 모의 기반 지진 훈련을 위해서는, 진동형 장치 위에서 사용자가 실제 지진 상황과 같이 이동할 수 있어야 하는데 기술적으로 이를 구현하는 것이 용이하지 않다. 사용자의 자세 및 방향, HMD 내에서 출력되는 영상, 그리고 하부 장치의 진동을 동기화하는 과정에서 나오는 시간 지연으로 인해, 사용자는 현저한 균형 감각의 저하에 노출됨으로써 낙상 등 안전사고를 입을 수 있으며, 시각과 전정기관 자극 사이의 불일치로 인한 사이버멀미(cybersickness)에 노출될 수 있다. 지진에 의한 진동의 경우 일반적으로 지면에 수평한 방향으로의 병진 운동 성분이 기타 운동 성분에 비해 지배적이며, 이에 6축 운동이 아닌 2축 이동 상황을 가정할 경우 균형 감각의 상실로 인해 발생할 수 있는 문제를 완화시킬 수 있다. 그러나 균형 감각 상실의 문제를 완전히 해소하기는 어려우며 지면이 아닌 구조물 내 공간에서는 6축 운동이 일정 부분 확대될 수 있음을 감안할 때 근본적인 해결은 사용자 자세 및 위치와 HMD 영상출력 간의 완전한 동기화에 의해 이루어질 수 있다. Blum et al.(2010)은 모션을 감지하여 비전을 인위적으로 블러링하는 등 동적 해상도 조절을 통해 사이버멀미를 현저히 완화할 수 있음을 보고한 바 있다.

결론

본 연구에서는 시각지능 및 동적 시뮬레이션 기반 가상 지진 실감화 기술 프로세스를 구성하기 위한 단위 구성 요소별 특징들을 분석하였으며, 관련 분야의 국내외 기술 동향, 비즈니스 모델 실시를 위한 기술적 해결 과제 등을 분석하였다. 최근의 시각지능 분야, 동역학해석 분야, 가상현실 기술 분야의 급격한 기술진보로 인해 개별 사용자가 자신의 생활 공간을 기반으로 지질재해를 실감화할 수 있는 기술적 토대가 마련되었다 할 수 있으며, 국내외 문헌 등을 살펴보았을 때 현재 유사 기술의 실현 주체는 확인되지 않고 있다. 다만 사용자 서비스 시장 수준의 실시를 위해서는 모노/듀얼 카메라 기반의 3차원 정보화, 동역학해석의 적시성 개선 등, 상당 부분의 기술적 해결 과제들이 극복되어야 할 필요가 있다. 본문에서 상술한 바와 같이 해당 기술은 컴퓨터 비전, 신호 처리, 동역학적 해석, 3차원 가시화 기술 등 다양한 분야 기술의 집적을 통해 실현 가능하며, 기술 진보 수준을 고려할 때 수 년 내에 성장기에 돌입할 것으로 판단된다.