Improvement of Technology Safety Regulation and Disaster Preparedness System by Applying Accident Cases Analysis & Machine Learning Methodology

Abstract

본 연구는 기술집약적 분야에 대한 안전규제와 재난방재 체계 개선을 목적으로 설정하였다. 이와 같은 목적의 달성을 위하여, IAEA (International Atomic Energy Agency) 보고서 등의 문헌을 참고하여 사고사례를 정성적으로 분석하고 분류하였다. 그리고 사고사례 분류·분석 결과로 부터 정량적 정보를 추출하여 머신러닝을 통한 예측모델을 개발하고, 분류된 사고사례 범주별로 예상되는 사고등급을 추정하였다. 그 결과를 종합하여 기술 안전규제와 재난방재 체계 개선을 위한 방안을 제시하였다. 사고사례의 정성적 분석은 사건사고의 주요한 내용들을 전개하는 방식으로 시행되었다. 또한, 사고사례의 1차 분류를 위해서 IAEA의 GS.G.2.1과 GSR Part 7에서 정의하는 Threat Category 및 Emergency Preparedness Category가 복합적으로 활용되었다. 더불어, 국내의 관계법규에 의거한 ‘원자력사업자’ (NBO) 및 ‘원자력관계사업자’ (NRBO) 정의를 2차 분류를 위해 연구에 접목하였다. 사고사례 세부내용의 전개와 동시에 정량적인 정보들을 추출하여 Data를 구성하였다. 그리고 Data의 Index는 기술의 특성을 고려하여 12개의 범주로 구성하였다. 최근, 이학·공학 분야의 문제해결을 위해 사용되던 머신러닝 방법론을 사회과학적 문제해결에 접목하려는 혁신적인 시도가 이어지고 있다. 이와 같은 혁신적 연구의 추이에 따라, 본 연구에서는 사고사례 분석으로부터 추출한 정량적 데이터를 머신러닝 알고리즘에 접목하여 예측모델을 개발하고자 하였다. 그리고 개발된 예측모델을 활용하여 분류된 사건사고 범주별 로 발생할 수 있는 사고 심각도를 추정하고자 하였다. 이에, 예측모델 개발을 위한 데이터의 feature 및 심각도 등급을 IAEA의 INES (International Nuclear and Radiological Event Scale) Manual에서 소개하는 정의들로 구성하였다. 예측모델의 개발을 위해서 Python과 R 프로그래밍으로 K Nearest Neighboring 알고리즘, Logistic Regression 알고리즘, Random Forest 알고리즘을 구현하였다. 개발된 예측모델의 성능평가 결과, Random Forest 알고리즘 구현으로 개발된 모델이 가장 우수한 결과를 보였다. 따라서 Random Forest 알고리즘 구현으로 개발한 예측모델을 범주별 INES 사고 심각도 등급 예측에 활용하였다. 사고사례의 분류·분석과 범주별 사고등급 예측의 결과, 현행의 기술 안전 규제 체계의 문제점을 도출할 수 있었다. 그리고 도출된 문제점의 해결 방안을 제시할 수 있었다. 또한, 사고사례의 정성적 분석 결과, 재난 발생 시 현행 소개조치(evacuation)의 한계점을 도출할 수 있었으며, 이에 도출된 한계점을 극복할 수 있는 방사선방호약 사전배포 방법론을 제시할 수 있었다. 마지막으로, 본 연구의 문제점 도출 방법론 활용으로 타 기술집약적 분야의 안전규제와 재난방재 체계 개선의 가능성을 제시할 수 있었다.|This study is set up for the purpose of improving safety regulations and disaster prevention systems in technology-intensive fields. To achieve this purpose, quantitative and qualitative analysis of accident cases and machine learning methodology were utilized. The qualitative analysis of accident cases was conducted by organizing the contents of the accident cases. For the primary classification of accident cases, the Threat Category and Emergency Preparedness Category defined in GS.G.2.1 and GSR Part 7 (publications of IAEA) were used in combination. In addition, the definitions of NBO and NRBO in accordance with the relevant legislation of the Republic of Korea were used for second classification. Data was constructed by extracting quantitative information at the same time as the detailed contents of the accident cases were organized. The index of data was organized into 12 categories in consideration of the characteristics of the technology (nuclear and radiation). Recently, innovative attempts to apply machine learning methodology to solve social problem are continuing. Therefore, this study attempted to develop a prediction model with quantitative data composed of analysis of accident cases and machine learning algorithm. And this study tried to estimate the expected severity level for each classified accident category by using the developed prediction model. Therefore, the features and severity levels of data for development of prediction model were composed of definitions in the INES (International Nuclear and Radiological Event Scale) Manual of IAEA. For the development of prediction model, K Nearest Neighboring algorithm, Logistic Regression algorithm and Random Forest algorithm were used by Python and R programming. As a result of the performance evaluation of the developed prediction model, the model developed with Random Forest algorithm was the best. Therefore, the prediction model developed with the Random Forest algorithm was used to predict the INES level for each category. As a result of classification & analysis of accident cases and prediction of accident level, it was possible to derive the problems of the current technology (nuclear & radiation) safety regulation system. And it was able to suggest a solution to the derived problem. In addition, as a result of qualitative analysis of accident cases, it was possible to derive the limitations of the current measurements of evacuation in the event of a disaster. And it was possible to propose a methodology for pre-distribution of radiation protection medication that can overcome current limitation. Finally, this study suggested the possibility that the methodology of this study could be used for improving safety regulation and disaster preparedness of the other technology-intensive field.