1. 서 론
우리나라에 영향을 미치는 많은 자연재해 중에 도심지를 중심으로 피해분석을 해 보았을 때, 홍수 피해가 제일 심각하다고 보고되고 있다(Korea Fire Protection Agency, 2016). 이는 도시화가 많이 진행되어 인구와 시설이 밀집되고, 불투수 면적이 증가해 침수피해를 가중시키기 때문이다. 그러므로 홍수 피해를 예측하고 취약한 지역에 대해 보다 더 확실한 대비를 위해서 홍수취약성 분석을 실시하고, 여러 조건에 대해 취약한 지역을 선택해야한다.
Kron (2002)는 홍수위험도를 위험성(hazard)×노출(exposure)× 취약성(vulnerability)으로 정리하였으며, Park (2013)은 기후변화에 관한 정부간 협의체(Intergovernmental Panel on Climate Change, IPCC)에서 새롭게 선정한 표준 온실가스 시나리오인 대표농도경로를 이용하여 기후변화 시나리오에 내재되어 있는 편의를 감소시키기 위해 분위사상법으로 편의보정을 실시하였고, 대리변수를 활용해 상향식 평가 방법으로 홍수 취약성 평가를 수행하였다. Son et al. (2011)는 홍수취약성지수(Flood Vulnerability Index, FVI)를 개발하여 인자들을 DPSIR (Driving force-Pressure-State-Impact-Response, DPSIR)로 나눠 적용한 후, 기후변화에 의한 홍수취약성지수를 분석하였다. Lee et al. (2013)은 델파이 기법을 이용하여 홍수취약성의 평가를 위한 인자와 가중치를 산정하였고, α- cut fuzzy TOPSIS 평가기법을 이용하여 한강의 하류지역에 대한 평가를 수행하였다. Song et al. (2013)은 PSR (Pressure- State-Response) 구조로 인자들을 산정한 후에 낙동강 유역을 대상으로 엔트로피 이론 가중치 방법을 활용한 홍수위험지수를 산정하였으며, Lee (2013)은 퍼지수를 적용한 fuzzy TOPSIS 방법과 퍼지수의 산술계산에서 발생하는 수의 확장문제를 고려한 α-cut fuzzy TOPSIS 방법을 적용하여 홍수취약성 평가를 수행하였다. 도시 지역에 적용된 홍수취약성 연구로 Cho and Kim (2015)은 인자들을 선정한 후, 엔트로피가중치 방법을 이용하였으며, 인천을 대상지역으로 기후변화로 인한 홍수의 사회적 취약성을 평가하였다. Kim et al. (2015)는 안양천 유역을 대상으로 AHP기법을 이용하여 유역별 특성을 표준화하였고, 홍수피해에 대한 PFD (Potential Flood Damage, PFD)지표를 산정하였다. Kim et al. (2017)은 PSR 구조를 이용하여 평가지표를 선정한 후에 지표들을 Z-score 방법으로 표준화하여 경기도지역을 대상으로 지역별 호우 위험도를 평가하였다. Choi et al. (2013)은 통합홍수위험관리 측면에서 지역의 홍수위험도에 따른 지구를 구분하기 위하여 다기준 의사결정기법 중 하나인 Promethee를 적용하여 상대적 홍수위험도를 평가하였다. Kim et al. (2012)는 기후변화 시나리오 모형을 이용하여 취약성 평가의 국내적용의 일환으로서 낙동강 유역을 대상으로 기후변화와 대규모 하천정비사업 영향에 의한 취약성 변화를 평가하였다.
이와 같이 다양한 홍수취약성 분석이 실시되었지만 현재 계속 도시 (재)건설과 지형의 변화가 생기고 있다(Kim, 2005). 이로 인해 기존에 실시되었던 홍수취약성 분석 결과들이 현실적으로 반영이 되기 힘든 상태이다(Kwon, 2002). 이에 변형된 조건에 맞춰 새롭게 홍수취약성분석을 실시하여 계속 결과가 나와야 변형된 조건에 맞춰 홍수취약성 분석을 실시할 필요가 있으며, 새로운 취약성 분석결과를 통해 지역의 취약순위를 파악하고 취약부분과 관련된 국가사업을 실시할 경우 우선순위를 도출하여 사업이 진행될 것이라고 판단된다. 본 연구에서는 국내에서 인구밀집도가 가장 높고 도시화가 가장 많이 되어 있는 서울시 25개 구를 대상으로 AHP기법과 Fuzzy AHP기법을 이용하여 홍수취약성 분석을 실시하였으며, 그 결과를 비교 분석하였다.
2. PSR 구조 및 대상유역 선정
2.1 PSR 구조
PSR 구조는 OECD (1991)에서 개발되어 국제기구나 각국의 지표 설정에 자주 활용되고 있는 방법이다. 환경변화를 측정하고 환경문제가 사회정책에 고려될 수 있도록 인과관계로 분석할 수 있으며 사회, 경제 및 여타 쟁점 사항간의 상호 연관된 관점에서의 파악이 가능하다. PSR 구조를 구성하기 위해 압력지수(Pressure Index, PI), 현상지수(State Index, SI), 대책지수(Response Index, RI) 등 3개 지수를 계산하기 위한 세부지표를 선정해야 한다. 이를 위해 기존의 연구들을 바탕으로 서울시 25개구에서 자료의 수집이 가능하고, 홍수취약성 산정에 중요하다고 판단되는 20개의 세부지표를 Table 1과 같이 선정하였다.
선정된 세부지표 중 유역에 직접적으로 물리·환경적 압력을 가하는 수단인 압력지수(PI)로 1일 최대강수량(mm), 일 강수량 80 mm 이상인 날 수(일), 유역면적(km2), 학교시설 면적률(%), 인구밀도(명/km2), 고령화 인구 비율(%), 주택 수(주택수/천인), 장애인 비율(%/10년), 차량 수(대) 등 9개의 표를 선정하였으며, 이 지표들의 값이 커질수록 해당 지역의 홍수피해 위험이 높은 것으로 판단할 수 있다. 상태지수(SI)는 홍수 피해에 노출되어있는 수준을 판단하고 홍수에 의한 피해 현황을 파악할 수 있는 지수로서, 인명피해자 수(명), 연 홍수 피해액(천원/인), 홍수피해 횟수(회), 공공시설 피해액(천원/인) 등 4개의 지표로 구성하였다. 압력지수와 마찬가지로 상태지수의 값이 클수록 홍수피해 위험에 노출이 크다고 판단할 수 있다. 대책지수(RI)는 홍수 발생 시 이에 대한 피해를 저감하거나 대응할 수 있는 능력을 판단 할 수 있는 지표로 구별공무원 수(명), 재정자립도(%), 대피시설 수(개), 의료기관 수(개), 홍수복구금액(천원/인), 빗물펌프장 수(개), 제방길이(km) 등 7개의 지표로 선정하였다. 대책지수는 압력지수와 상태지수와는 다르게 값이 클수록 해당 지역이 홍수 및 각종재해에 대해 방어에 대한 수준이 높은 수준을 나타내고 있다는 것을 보여주므로 홍수에 대한 취약성이 작아진다.
선택된 세부지표들은 사전 연구들을 조사하여 선택한 것들이지만, 서로 상관관계를 가져 특정 지표의 영향을 중첩시킬 수 있다. 예를 들어, 압력지수(PI)에서 고려한 1일 최대 강수량과 일일 강수량 80 mm 이상인 날수의 상관관계가 높게 나타났다. 하지만 1일 최대 강수량은 강우의 총량을 고려하고, 일일 강수량 80 mm 이상인 날 수는 강우가 많이 내린 날의 기간을 고려하기 때문에 그 의미가 다르다고 판단하였다. 또한 인구 수와 차량 수 역시 상관관계가 크게 나타났으나, 지자체별 인구수 대비 차량 수의 비율의 차이가 있으므로 각각을 따로 고려하였다.
선정된 홍수취약성 분석에 대한 평가 세부지표들은 해당 관련된 정부기관과 지자체 등에서 제공하는 각종 통계 자료를 수집하여 정리하였으며(Table 1 and Fig. 1), 토목 전문가 40여명에게 설문조사를 실시하였다.
Table 1. Indices of flood vulnerability index
3. 연구방법
3.1 AHP 가중치방법
다기준 의사결정 기법의 하나인 AHP방법은 계층적 분석 과정법(Analytic Hierarchy Process)의 약자로 Saaty (1977)에 의해 개발되었으며, 계층구조를 구성하고 있는 요소간의 쌍대비교에 의한 판단을 통하여 평가자의 지식, 경험 및 직관을 포착하고자 하는 의사결정방법론으로 현재 여러 분야의 의사결정문제에 성공적으로 적용되고 있다. Chung (2015)는 쌍대비교를 이용한 설문조사 기법인 AHP방법을 적용하여 태국과 대한민국의 전문가들을 대상으로 설문조사를 실시하였으며, 그 결과를 이용해 PSR 구성 체계를 이용한 홍수취약성 분석 기법이 동아시아지역의 대표지역으로 태국에 적용할 수 있는지에 대한 적용성을 검토하였다. AHP방법은 종합적 목표를 달성하기 위해 고려해야 할 기준들의 상대적 가중치와 각 기준에 있어서 대안들의 상대적 가중치를 결정한 뒤, 이들을 곱한 평점의 합을 비교하여 대안들 간의 종합적 우선순위를 평가한다. 이는 수학적으로도 이론이 증명되어 있고, 간편하게 실제에 적용할 수 있으며, 활용의 대상이 다양하다는 특징을 가지고 있다. 또한 AHP방법은 다수의 속성들을 계층적으로 분류한 뒤 속성의 중요도를 파악함으로써 최적 대안을 선정하는 기법이기도 하다. AHP이론은 사람들이 문제를 해결할 때, “계층적 구조를 설정하고, 상대적 중요도를 설정하여, 논리적 일관성을 유지한다”는 원칙을 이용하며. 인간의 특성을 그대로 반영하여 복잡한 의사결정 상황에서 수많은 의사결정 요소들의 가중치 또는 중요도를 간단한 쌍대비교를 통해 산출해 내는 장점을 가지고 있다.
3.1.1 AHP분석을 위한 쌍대비교표 개발 및 분석
AHP 분석을 위해 인자들의 의사결정 요소들을 동시에 고려해서는 인자 사이의 중요도를 산출하기가 사실상 불가능하다. 반면에 인자별로 1:1로 비교하는 것은 누구나 쉽게 할 수 있으며, 모든 인자들에 대한 쌍대비교 자료를 가지고 비교행렬을 구성하여 가중치를 계산한다. 홍수취약성 평가에 고려한 세부지표 중 인명피해자 수를 비롯한 4개 항목의 쌍대비표의 예시는 Table 2와 같다. 대상 인자를 두개씩 비교하여 평가 인자들 간의 상대적인 중요도를 전문가가 평가하고 이를 수치적인 자료로 변환할 수 있다.
Table 2. Example of pair comparison
선정된 토목 관련 종사자 40명을 대상으로 AHP분석을 위한 쌍대비교 설문조사를 실시하였으며, Fig. 2와 같은 절차로 분석을 수행하였다. 개인별로 응답한 평가항목별 쌍대비교수치에 논리적인 일관성이 결여되어 있는 경우에는 이를 이용해 산출한 개인별 상대적 중요도나 이를 통합한 전체응답자의 상대적 중요도 계산에 잘못된 영향을 미치게 되므로 개인별 응답의 논리적 일관성을 판정하기 위한 일관성 지수(Consistency Index, CI)를 산출한다. CI값은 Eq. (1)과 같다.
| $$CI=\frac{\lambda_\max-n}{n-1}$$ | (1) |
여기서 는 최대 고유값(eigenvalue)이며, n은 고유값이다. 일반적으로 CI값은 0.1 이상일 경우나 Eq. (2)와 같이 일관성지수(CI)를 난수지수(Random Index, R)로 나눈 일관성 비율(Consistency Ratio, CR)이 10%를 넘게 되면, 의사결정자가 논리적 일관성을 잃고 있는 것으로 판단하여 의사결정과정을 재검토하게 된다.
| $$CR=\frac{CI}R$$ | (2) |
3.2 Fuzzy AHP 가중치 결정 방법
Fuzzy AHP방법이란 의사결정과정에서 발생하는 애매함과 불확실성을 해결하기 위하여 제시된 방법으로 Zadeh (1965)가 제안한 이론이다. AHP 기법에 Fuzzy 이론을 결합한 의사결정기법으로 Shin et al. (2014)은 Fuzzy AHP기법을 이용하여 내수침수 위험도 분석을 수행하였으며, Kim et al. (2012)은 국내의 공간적 홍수 취약성을 산정하기 위해 Fuzzy TOPSIS기법을 사용하여 불확실성을 고려하였고, 홍수 취약성 평가를 정량화하였다. Fuzzy AHP 방법은 기본적으로는 AHP 방법과 같다. 하지만, 연산과정에 사용되는 데이터가 보통의 수가 아닌 퍼지수라는 점이 기존 AHP 방법과는 다르다. Fuzzy AHP에서는 설문을 통한 자료수집에 있어 응답자들에 의한 데이터 자체를 Fuzzy 개념에 반영시켜 경계가 모호한 집합을 퍼지수로 정의한다. 즉, 원소 a가 집합 A에 포함될 가능성에 대하여, 일반집합에서는 0 아니면 1로 표현되나, Fuzzy 이론을 기반으로 하는 Fuzzy 집합에서는 0에서 1사이의 실수로 나타낼 수 있다. 그리고 이 퍼지수를 가지고 쌍대비교 행렬을 작성하여 평가요인별 상대적 중요도와 각 대안별 평가점수를 산출한다. 퍼지수는 정규 퍼지수, 삼각 퍼지수, 사다리꼴 퍼지수 등의 다양한 종류가 있으며, 본 연구에서는 삼각 퍼지수를 사용하였다.
3.2.1 삼각 퍼지수
퍼지집합은 집합 내의 모든 원소들이 애매모호한 경계를 갖고 있기 때문에 특정 부분집합에 속하는지에 대한 경계가 분명하지 않고 점진적으로 변화되는 원소를 갖는 집합이다. 퍼지집합 이론 내에서 포함되는 하나의 원소가 퍼지집합에 부분적으로 소속될 수 있다는 기본개념을 가지고 있다. 퍼지집합의 경계 영역은 소속 값()이 1과 0사이의 값을 가지게 된다고 정의를 내릴 수 있으며, 퍼지집합 내에 포함되는 모든 원소는 소속 함수(membership function)로 표현된다. 이 소속 함수는 원소 x가 퍼지 부분집합의 소속정도를 나타내는 함수로 사용된다. 즉, = 1 이면 x는 전적으로 A에 속하지만 = 0 이면, x는 A에 전혀 소속해 있지 않음을 나타낸다. 만일 0 < < 1 이면, x가 A에 부분적으로 속해있다는 의미이고, 가 1에 가까울수록 소속 정도가 높은 것을 의미한다. 일반적으로 삼각퍼지수의 함수식을 표현하면 Eq. (3)과 같다.
Eq. (3)을 함수그래프로 나타내면 Fig. 3과 같이 나타낼 수 있다. 세로축이 소속도를 나타낸다고 볼 수 있으며, 삼각 퍼지수에서 b일 때 소속도가 가장 높고 a와 c로 갈수록 소속도가 떨어지는 형태를 갖는다.
3.2.2 Fuzzy AHP 적용순서
Fuzzy AHP 기법의 적용절차는 크게 4단계로 구성되며, Chang (1996)이 제시한 방법을 이용하였다. 먼저 1단계는 복잡한 의사결정 문제를 단순화하기 위한 목표, 평가요소 등을 설정하고 계층적 구분을 한다. Eq. (4)는 계층적으로 구분하여 평균값을 나타낸 후 행렬로 나타낸 것이다. 퍼지행렬이 A와 같다고 가정하면 i=j 인 모든 amn=(1,1,1) 이라고 할 수 있으며, 의 관계가 성립한다.
2단계는 Eq. (5)를 이용하여 각각의 각각 평가요소 간의 상대적 가중치(Ei)를 도출하고, 3단계는 마지막 계층의 각 평가요소에 해당하는 대안들 간의 상대적 가중치를 구하는 것으로 Eqs. (6)~(8)으로 나타낼 수 있다. 여기서 height는 두 삼각 퍼지 수 교차점의 최댓값(highest intersection point)으로 d는 과 의 교차점의 X축의 좌표 값이다.
| $$E_i=\sum_{j=1}^ma_{ij}\otimes{(\sum_{i=1}^n\sum_{j=1}^ma_{ij})}^{-1}$$ | (5) |
Eq. (7)을 이용해 삼각퍼지수 M이 다른 k개의 퍼지수(i=1,2,…,k) 보다 클 확률의 정도를 계산하고,
| $$G(M\;\geq\;M_1,\;\cdots\;M_k)=\min G(M\;\geq\;M_{\mathit i}),\;i\mathit\;=1,2,\cdots,\;k$$ | (7) |
에 대해 가중치 벡터 라고 가정을 바탕으로 Eq. (8)을 이용해 가중치를 계산한다. 여기서 는 각 요소의 가중치 벡터이다.
| (8) |
마지막 4단계는 도출된 상대적 가중치를 평균화시킴으로써 인자들의 우선순위를 도출한다.
4. 결 과
본 연구에서는 PSR 구조로 구성한 세부지료의 가중치를 AHP기법과 Fuzzy AHP기법을 이용하여 계산한 서울시의 홍수취약성을 비교 및 분석하였다. 계산된 가중치는 Table 3과 같다. 또한 Fig. 4는 AHP기법을 이용하였을 때, 지수 별 가중치를 방사형 그래프로 나타낸 것이다. 그래프의 형태에서 알 수 있는 것과 같이, 세부지표 별 가중치가 균일하지 않고 특정 세부지표로 가중치가 쏠려있는 것을 알 수 있다. Fig. 5는 각 지수별로의 가중치를 보다 자세히 비교하고자 그래프로 나타낸 것이다. 압력지수에서는 인구밀도, 1일 최대 강수량, 일 강수량 80 mm 이상인 날 수 등 보다는 고령화 인구 비율이나 장애인 비율, 차량 수 등이 높은 값을 가지는 것을 알 수 있었다. 즉, 홍수취약성은 단순히 비가 많이 오는 것 보다 홍수 피해를 입을 수 있는 사람이나 재산의 존재가 더 큰 영향을 미친다고 판단할 수 있다. 같은 맥락에서 대책지수의 세부지표 중 구별 공무원 수와 재정자립도가 높은 가중치를 가지는 것으로 나타났다. 즉, 재해에 대비할 수 있는 인력과 재정이 튼튼한 지자체가 홍수에 덜 취약하다고 판단한 것이다.
Table 3. Calculated weights using AHP and FuzzyAHP
본 연구의 결과에서 특이한 사항은 홍수취약성지수를 구성하는 압력지수, 상태지수, 대책지수 중 상태지수의 가중치가 다른 두 지수들의 가중치들보다 비교적 높은 값을 가진다는 것이다. 이는 과거 홍수피해를 입은 지역의 취약성이 크게 나타날 개연성을 내포한다.
Fig. 6은 Fuzzy AHP기법을 이용하였을 때 인자별 가중치를 나타낸 것이다. 인자별로 가중치 범위 내에 있는 점은 AHP기법의 가중치 값을 나타낸다. Fuzzy AHP 가중치는 최소값, 중간값, 최대값의 형태로 주어지며, 모든 경우 Fuzzy AHP 가중치의 중간값이 AHP 결과와 같음을 알 수 있다. 각 세부지표의 편차가 지수별로 비슷하지만, 압력지수의 1일 최대 강수량, 강수량 80 mm 이상인 날의 수 등은 다른 세부지표에 비해 비교적 작은 편차를 나타냈다. 또한, 상태지수의 인명피해자 수의 편차도 작았다.
Tables 4∼6은 계산된 가중치를 이용하여 산정한 압력지수, 상태지수, 대책지수를 나타내고 있다. Fuzzy AHP 방법의 지수는 100번 모의한 값의 평균값을 나타낸다. Table 7은 세 가지의 지수를 사용하여 압력지수와 상태지수를 곱하고 대책지수로 나누어 계산한 홍수취약성 지수를 나타낸다. 홍수취약성지수의 값이 크고 순위가 높을수록 해당지역이 홍수에 취약하다는 것을 나타내며, 지수 값이 작고 순위가 낮을수록 해당지역이 상대적으로 안전하다는 의미를 가진다.
Table 4. Pressure index in Seoul using AHP and Fuzzy AHP
Table 5. State index in Seoul using AHP and Fuzzy AHP
Table 6. Response index in Seoul using AHP and Fuzzy AHP
Table 7. Flood vulnerability index in Seoul using AHP and Fuzzy AHP
압력지수를 살펴보면, AHP방법과 Fuzzy AHP의 경우 모두 학교와 주택이 많은 강남구가 가장 취약한 지역으로 나타났으며, 주택가가 많지 않은 종로구가 가장 덜 취약한 지역으로 나타났다. 그러나 각 지자체의 순위는 같다고 하더라도 압력지수값은 달라졌다.
상태지수는 AHP방법과 Fuzzy AHP방법에서 모두 압력지수와는 다르게 종로구가 가장 취약한 지역으로 나타났으며, 도봉구가 가장 덜 취약한 지역으로 나타났다. 이는 2010년 발생했던 광화문(종로구) 침수피해가 컸기때문인 것으로 보인다. 2010년 피해 이후 우수관 공사 등을 통해 홍수 피해 저감 대책이 수행되었음에도 불구하고 과거 발생한 피해액으로 인해 결과가 크게 달라졌다. 또한 AHP방법과 Fuzzy AHP 방법의 순위가 6개 지차체에서 바뀌었다. 이는 상태지수의 세부지표인 과거 피해액과 인명피해자 수 등이 지자체별로 큰 차이를 보이므로 Fuzzy AHP를 이용한 모의발생 시 불확실성이 증가했기 때문인 것으로 판단된다. 그러므로 평가단위 별 자료의 편차가 큰 경우에는 단순한 AHP 방법으로 계산한 지수가 큰 불확실성을 가질 수 있음을 보여준다.
마지막으로 대책지수는 AHP방법과 Fuzzy AHP의 경우 모두 서초구가 가장 덜 취약한 지역으로 나타났으며, 도봉구가 가장 취약한 지역으로 나타났다. 이는 재정자립도가 크고 공무원 수가 많은 서초구가 덜 취약한 곳으로 나타났기 때문인 것으로 판단된다.
최종적으로 계산된 홍수취약성지수는 AHP방법은 종로구가 가장 취약한 지역으로, 서초구가 가장 덜 취약한 지역으로 나타났지만, Fuzzy AHP의 경우에는 종로구가 가장 취약한 지역으로, 용산구가 가장 덜 취약한 지역으로 나타나 다소 차이를 보였다. 이는 앞에서 언급한 바와 같이 상태지수의 차이가 기여한 바가 큰 것으로 보이며, 상태지수는 6개의 지차제만 순위가 바뀌었지만, 홍수취약성지수는 많은 지자체의 순위가 바뀐 것으로 보아 각 세부지표 값의 차이가 크지 않은 경우, Fuzzy AHP를 적용한 결과가 많은 부분 달라질 수 있음을 알 수 있다.
Figs. 7∼12는 계산된 압력지수, 상태지수, 대책지수를 서울시 지도에 구별로 표시한 것이다. 지도의 색깔이 빨개질수록 더 취약하다는 것을 나타내며, 노란색에 가까워질수록 덜 취약하다는 것을 보여준다. 그림에서 알 수 있는 것과 같이 압력지수는 용산구가 AHP방법으로 계산한 것보다 Fuzzy AHP 방법으로 계산한 결과가 더 취약하다고 나타났으며, 세부적인 값이 달라졌다. 또한 상태지수는 많은 구의 색이 가중치 계산 방법에 따라 달라졌음을 알 수 있다. 전체적으로 많은 구의 상태지수가 Fuzzy AHP 방법을 적용하였을 때 상태지수가 더 취약한 쪽으로 변화하였다. 마지막으로 대책지수는 AHP방법과 Fuzzy AHP 방법 모두에서 확연히 강북지역이 강남지역에 비해 취약한 것으로 판단되었으며, 경향도 크게 변화하지 않았다. 대책지수는 압력지수나 상태지수와 달리 값이 클수록 덜 취약하고, 값이 작아지면 더 취약해 빨간색에 가까워진다.
최종적으로 계산된 홍수취약성지수는 Figs. 13∼14에 그림으로 나타냈다. 홍수취약성지수는 AHP방법으로 계산한 결과에 비해 Fuzzy AHP 방법으로 계산한 결과가 확연히 강남구, 송파구, 관악구, 동작구, 용산구, 성동구, 동대문구 등 강남과 서울중심 지역의 홍수취약성이 낮아졌다. 이는 Fuzzy AHP 방법을 적용할 경우, 자료들 간의 차이가 클수록 Fuzzy 수를 적용하여 불확실성을 고려할 경우, 그 결과가 크게 달라질 수 있음을 보여준다. 또한, 해당지역의 홍수피해복구금액이나 재정자립도 등의 대책지수가 좋아서 전체적인 홍수취약성을 향상시킨 것으로도 판단된다.
5. 결 론
본 연구에서는 서울시(25개구)를 대상으로 PSR구조로 구성된 세부지표의 가중치를 AHP방법과 Fuzzy AHP방법으로 구한 홍수취약성지수를 계산하였다. 그 결과, 단순히 비가 많이 오는 것보다는 고령화 인구 비율, 장애인 비율, 차량수 등과 같이 사회경제적인 요소들이 높은 가중치를 보이며, 홍수에 취약하게 만드는 요소로 선택되었으며, 구별 공무원 수나 재정자립도와 같은 요소들이 높을수록 취약성이 낮아지는 것으로 나타났다. 또한 과거 홍수피해가 발생했던 지역의 취약성이 높은 것으로 나타났다. 홍수취약성지수를 계산하기 위한 세부지표로 계산된 압력지수, 상태지수, 대책지수 중 상태지수는 AHP 방법과 Fuzzy AHP 방법의 결과가 크게 달라졌다. 이는 상태지수의 세부지표인 과거 피해액과 인명피해자 수 등이 지자체별로 큰 차이를 보이기 때문에, 확정론적인 AHP 방법과 불확실성을 고려한 Fuzzy AHP 방법의 결과가 달라진 것이라고 판단된다. 또한 홍수취약성 지수 역시 AHP 방법으로 가중치를 산정한 경우와 Fuzzy AHP 방법으로 산정한 경우가 다수 달라졌다. 그러므로 세부지표의 순위가 변하지 않았더라도 그 값은 가중치 산정방법에 딸라 달라지므로, 압력지수, 상태지수, 대책지수를 합치는 과정에서 홍수취약성이 달라질 수 있음을 보여준다. 서울시 지자체별 홍수취약성지수는 AHP방법으로 계산한 결과에 비해 Fuzzy AHP 방법으로 계산한 결과가 확연히 강남구, 송파구, 관악구, 동작구, 용산구, 성동구, 동대문구 등 강남과 서울중심 지역의 홍수취약성이 낮아져 대책지수, 즉, 홍수피해저감대책의 중요성을 알 수 있었다. 향후 개발이 진행되거나 홍수피해저감대책이 수립되는 등 사회경제적인 요소가 변화할 때마다 홍수취약성에 대한 평가가 달라져야 하며, 그 결과를 바당으로 정부 및 관련 지자체에서 방재관련 정책수립이 되어야 할 것이다.
