2.1 사회경제적 영향성 지수 개발 및 지역 등급화

본 연구에서는 지역의 사회경제적 특성이 침수 피해 규모에 미치는 영향을 정량적으로 평가하기 위해 저자의 선행연구^{(Jeong et al., 2025)}에서 제안된 사회경제적 영향성 지수 산정 방법론을 활용하였다. 특히 선행연구가 서울특별시 내 자치구만을 대상으로 하여 지역적 특성의 편차가 크지 않았던 점을 고려하여, 본 연구에서는 분석 범위를 전국의 모든 지자체로 확대 적용하였다. 사회경제적 영향성 지수는 재해 발생 시 피해를 가중시키는 ‘사회경제적 위험도(Socio-economic Hazard, SH)’와 피해 발생 후 시스템을 복구하는 능력인 ‘사회경제적 회복력(Socio-economic Resilience, SR)’의 비율로 정의된다. 이는 위험도가 높은 지역이라도 충분한 회복력을 갖추고 있다면 전체적인 영향성은 감소하며, 반대로 회복력이 부족하다면 영향성이 증폭되는 메커니즘을 반영한 것이다.

Fig. 1. Research Flowchart

본 연구에서 SH와 SR을 구성하는 세부 지표는 재해의 물리적 노출도와 지역사회의 복구 역량을 대변할 수 있는 객관적 통계 항목으로 선정되었다. 먼저, SH 지표군은 재난 발생 시 직접적인 피해 대상의 규모와 취약성을 나타낸다. 구체적으로 인구수 및 인구밀도는 재난 시 인명 피해 및 대피 대상이 되는 절대적인 규모를 의미하며, 밀도가 높을수록 대피가 지연되어 피해가 가중될 수 있는 공간적 특성을 반영하였다. 또한, 인구증가율은 급격한 도시화에 따른 방재 인프라 부족 및 잠재적 피해 규모의 증가 가능성을 대변하는 지표이다. 아울러 기초생활수급자 및 장애인 수는 재난 발생 시 신체적·경제적 자력 대피 능력이 상대적으로 부족하여 더 큰 피해에 노출될 우려가 있는 재해 취약계층임을 고려하여 위험도 지표로 선정하였다. 반면 SR 지표군은 재난 발생 이후 신속한 구호 활동 및 지역사회의 정상화 능력을 나타낸다. 재정자립도 및 제조업 종사자 수는 지자체가 자체적으로 복구 예산을 확보할 수 있는 재정적 여력과 지역 경제의 규모를 의미하며, 인구당 의사 수 및 EQ-5D(건강관련 삶의 질 지수)는 재난 초기 응급 대처 능력과 더불어 지역사회의 전반적인 보건 및 의료 복구 수준을 나타낸다. 특히, 학급당 학생 수와 도시지역 면적 비율은 구호 및 대피를 위한 물리적 여건을 간접적으로 대변한다. 재난 발생 시 학교 시설이 주로 이재민 임시주거시설로 활용됨을 고려할 때, 학급당 학생 수가 과밀하지 않은 지역일수록 이재민 수용을 위한 공간 확보가 용이함을 시사한다. 또한 높은 도시지역 면적 비율은 도로망 등 기반 시설이 잘 갖추어져 있어 구호 인력 및 물자 수송에 유리함을 의미한다. 마지막으로 자동차 등록대수는 비상시 주민들의 자력 대피 능력 및 구호 자원의 접근성을 나타내는 지표로 활용되었다.

이러한 각 사회경제적 지표의 가중치는 주관적인 AHP 방식 대신 데이터의 객관성 확보를 위해 과거 침수피해액(SH 산정 시) 및 피해액 대비 복구비(SR 산정 시)와의 피어슨 상관분석(Pearson Correlation Analysis)을 통해 도출된 상관계수를 기반으로 산정하였다. 이때 과거의 ‘침수피해액’ 및 ‘피해액 대비 복구비’ 데이터는 SH와 SR의 각 기초 지표들이 실제 재난 피해와 얼마나 밀접한 연관이 있는지를 통계적으로 검증하고 가중치를 산정하기 위한 종속변수로만 활용되었다. 즉, 과거 피해액 데이터는 지수(SH/SR)를 산출하는 분모와 분자의 직접적인 입력 변수로 중복 포함되지 않으므로, 지수 산정 과정에서 수치적으로 상쇄되는 문제는 발생하지 않는다. 단일 연도 데이터의 일시적 변동성을 최소화하기 위해 최근 5년 통계 자료의 평균값을 적용하였으며, 본 연구에 사용된 구체적인 지표의 구성과 기초 통계량은 Table 1과 같다.

한편, 구축된 전국 단위 데이터베이스를 활용하여 지수를 산정하는 과정에서 식별된 이상치와 수치적 오류에 대해서는 통계적 안정성 확보를 위해 다음과 같은 전처리 과정을 수행하였다. 먼저 피해액과 복구비가 모두 ‘0’인 지역은 비율 산정 시 결측값이 발생하지 않도록 기본값인 ‘1’을 부여하여 데이터의 연속성을 유지하였다. 또한 침수 피해가 전혀 발생하지 않았으나 복구비가 존재하는 경우, 분석 결과의 왜곡을 방지하기 위해 통계적으로 유의미한 상한선을 설정하여 보정하였다. 마지막으로 일부 지역에서 복구비가 피해액의 100배 이상인 극단적인 편차가 발생하여 정규화 시 타지역의 데이터가 ‘0’으로 수렴한 경우에는 데이터의 분포를 고르게 조정하고 변별력을 확보하기 위해 로그 변환을 추가로 적용한 후 정규화를 수행하였다.

최종적으로 산출된 사회경제적 영향성 지수를 기준으로 전국 지자체의 영향성 유형을 객관적으로 구분하기 위해 비지도 학습(Unsupervised Learning) 알고리즘인 K-평균 군집분석(K-means Clustering)을 수행하였다. 분석 수행 전, 최적의 군집 개수를 결정하기 위해 엘보우 기법(Elbow Method)을 적용하여 검증한 결과, Fig. 2와 같이 k=4일 때 군집의 분류 성능이 가장 우수한 것으로 도출되었다. 이에 따라 본 연구에서는 전체 분석 대상 지역을 데이터의 고유한 분포 특성이 반영된 4개의 군집으로 분류하고, 각 군집의 지수 평균값을 토대로 Very High(최상), High(상), Low(하), Very Low(최하)의 4단계 영향성 등급을 부여하여 관리의 우선순위를 도출하였다.

Fig. 2. Determination of Optimal Number of Clusters using Elbow Method

2.2 물재해 특별관리지역 선정 및 분석

거시적인 지표 분석을 넘어 실질적인 방재 관리가 시급한 고위험 지역을 식별하기 위해, 본 연구에서는 하향식(Top-down) 단계적 선정 방식을 적용하였다.

1단계로, 앞서 도출된 사회경제적 영향성 지수 등급이 ‘Very High(최상)’등급으로 분류된 지자체를 1차 분석 대상지로 선별하였다. 이는 해당 지역들이 사회경제적 회복력(SR)에 비해 사회경제적 위험도(SH)가 상대적으로 매우 높게 평가된 곳으로, 실제 침수 피해 발생 시 지역의 자체적인 복구 역량을 초과하는 막대한 피해가 우려되어 우선적인 관리가 필요하기 때문이다.

2단계로, 선별된 고위험 지자체 내에서 국토교통부 택지정보시스템의 공간 데이터를 중첩하여 실제 위험 요인이 집중된 핵심 공간을 도출하였다. 광범위한 행정구역 전체를 관리 대상으로 설정하는 것은 예산과 인력의 분산을 초래하여 효율적인 관리가 어려우므로, 본 연구에서는 불투수 면적의 급격한 증가와 자산 집적도가 높은 ‘신규개발지역’을 집중 관리 대상으로 한정하였다. 구체적인 선정 기준으로는 도시 차원의 독립적인 방재 인프라 계획이 가능한 규모인 대지 면적 1,000,000 $m^2$ 이상의 대규모 택지개발지구, 공공주택지구, 도시개발사업구역 중 최근 5년 이내에 준공되었거나 현재 조성 중인 지구를 대상으로 하였다. 이는 사회경제적 영향성 지수 산정에 활용된 최신 통계 데이터와의 정합성을 확보함과 동시에, 극한 기후 위기 상황을 반영하여 방재 성능 보강이 시급한 지역을 선별하기 위함이다.

단, 최종적인 구역 지정 시에는 단순한 개발사업 지구의 경계선에만 국한되지 않도록 하였다. 방재시설의 수리학적 연속성을 고려하여, 해당 지구의 유출량이 하류 지자체 및 수계에 미치는 영향을 포함한 상·하류 연계성을 종합적으로 검토하여 실효성 있는 공간적 범위를 설정하였다.

2.3 물재해 특별관리지역 관리 방안 수립

선정된 물재해 특별관리지역에 대하여 지역의 사회경제적 중요도와 위험 특성에 부합하도록 현행 제도 및 법적 방향성과 연계된 맞춤형 관리 방안을 검토하였다. 본 연구는 새로운 공학적 대책을 제시하기보다는, 기존에 논의되고 있는 다양한 방재 대책들을 어느 지역에 우선적으로 적용할 것인지에 대한 정량적 기준을 제공하는 데 목적이 있다. 이에 따라 대책을 구조적, 비구조적 측면으로 이원화하여 수립하였다.

구체적으로 구조적 대책 차원에서는 물재해 특별관리지역 높은 자산 가치와 인구 밀집도를 고려하여, 해당 구역 내 하수관로 및 펌프장 등의 설계빈도를 100년 빈도 수준으로 상향하는 방안을 우선 적용 대상으로 검토한다. 다만, 시설 용량 확대 시 하류 지자체로의 유출량 증가에 따른 전이 피해가 발생하지 않도록 상·하류 연계 수리 해석이 엄격히 수반되어야 한다. 또한, 100년 빈도를 초과하는 수백 년 빈도의 극한 강우에 대응하기 위해서는 관로 상향만으로는 한계가 있으므로, 선택과 집중의 원칙에 따라 이들 특별관리지역을 중심으로 대심도 빗물터널과 같은 대규모 지하 저류 시설의 도입을 우선적으로 검토해야 한다. 아울러 지하공간에서 발생하는 치명적인 침수 피해를 방지하기 위해, ‘지하공간 침수 방지를 위한 수방기준^{(MOIS, 2024)}’ 등과 연계하여 물재해 특별관리지역 내 모든 지하 주차장 및 건축물 입구에 물막이판(차수판) 및 역류방지밸브 설치를 의무화하는 방안을 포함하였다.

비구조적·행정적 대책 부문에서는 단순한 물리적 방어를 넘어 사회적 회복력을 확보하는 데 중점을 두었다. 이를 위해 ‘도시하천유역 침수피해방지대책법’ 등 최근 제정된 제도의 기틀을 활용하여, 물재해 특별관리지역에 대한 구체적인 침수 피해 방지 기본계획 수립을 의무화할 필요가 있다. 또한, 도시계획 수립 시 SEII 지수를 활용한 사회경제적 피해 예측 시뮬레이션을 반영하고, 취약계층(반지하 거주자 등) 전수 조사를 통한 맞춤형 대피 계획을 마련해야 한다. 나아가 동법에 명시된 ‘물재해 종합상황실’의 설치 및 운영과 연계하여, AI 기반 도시침수 예보 시스템을 구축함으로써 스마트 모니터링 체계를 고도화해야 한다. 한편, 본 연구는 한정된 재원의 효율적 배분을 위해 ‘Very High’ 등급 지역에 집중적인 구조적 대책을 제안하였으나, 차순위인 ‘High’ 등급 지역에 대해서도 상시 모니터링 및 유지관리 기준 강화 등의 예방적 차원의 비구조적 대책을 단계적으로 적용할 수 있도록 관리 체계를 세분화하는 것이 바람직하다고 판단된다.

3.1 사회경제적 영향성 지수 산정 및 등급화 결과

전국 229개 시군구를 대상으로 사회경제적 영향성 지수를 산정하기에 앞서, 과거 침수 피해액 데이터를 종속변수로 한 피어슨 상관분석을 통해 각 기초 지표의 가중치를 도출하였으며 그 결과는 Table 2와 같다. 분석 결과, SH 지표군에서는 인명 피해의 집중도를 나타내는 인구밀도(0.383)와 상대적 자력 대피 능력이 부족한 기초생활수급자 수(0.202)에 가장 높은 가중치가 부여되었다. 반면 SR 지표군에서는 기반 시설의 고도화를 의미하는 도시지역 면적 비율(0.263)과 대피소 등 구호 인프라 여력을 나타내는 학급당 학생 수(0.216)가 가장 큰 비중을 차지하는 것으로 나타났다. 이는 재난 발생 시 단순히 인구가 많은 것보다 공간적 밀집도와 취약계층의 비율이 피해를 가중시키며, 물리적인 기반 시설과 구호 공간의 확보가 지역사회의 회복력을 결정짓는 핵심 요소임을 시사한다.

산정된 가중치를 바탕으로 전국 229개 지자체의 최종 SEII 값을 산출한 결과, 지자체별로 뚜렷한 사회경제적 영향성의 편차가 확인되었다. 분석 과정에서 도출된 SH, SR 및 최종 SEII의 상하위 5개 지자체 결과는 Table 3과 같다. 데이터 분석 결과, 수원시, 부천시, 양천구 등 인구가 과밀한 수도권 도심지들이 SH 상위권을 차지했지만, 화성시, 강남구, 서초구 등 재정자립도와 기반 시설이 우수한 지역들이 SR 상위권을 형성하였다. 특히 본 연구에서 제안한 SEII 산정 공식의 타당성은 최종 결과에서 뚜렷하게 나타났다. 강남구, 서초구 등은 막대한 자산 집적도로 인해 SH가 높게 산정될 수 있으나 압도적인 SR 역량을 바탕으로 최종 SEII 상위권에서 제외되었다. 반면 신안군, 의성군, 진안군 등은 상대적으로 물리적 위험도(SH)는 낮음에도 불구하고, 재정 및 의료 인프라 등 SR이 0에 수렴할 정도로 열악하여 최종 SEII가 최상위권에 속하여 최우선 관리 대상으로 도출되었다. 이는 강우량 등 수리학적 조건이 동일하더라도, 지역사회의 회복 역량 결핍이 전체 재난 영향성을 극단적으로 증폭시킬 수 있음을 정량적으로 입증하는 결과이다.

이렇게 산출된 SEII 값을 기준으로 전국 지자체의 영향성 유형을 객관적으로 구분하기 위해 K-평균 군집분석을 수행하였다^{(McQueen, 1967)}. k=4로 설정하여 도출된 각 군집의 최종 중심점(Centroid)은 각각 [0.78, 0.55, 0.32, 0.15]로 형성되었다. 이를 토대로 ‘Very High’, ‘High’, ‘Low’, ‘Very Low’의 4단계 등급을 부여한 결과, ‘Very High’ 등급으로 분류된 지역은 최종적으로 총 30개 지자체로 도출되었다. 전국적인 사회경제적 영향성 지수 분포 현황은 Fig. 3에 나타내었다.

Fig. 3. Spatial Distribution of SEII Grades

‘Very High’ 등급 지역의 세부 목록은 Table 4와 같다. 전체 30개 지역 중 서울특별시(13개), 경기도(5개), 인천광역시(2개)를 포함한 수도권 지역이 20개소(약 66.7 %)를 차지하여 수도권의 침수 피해에 대한 사회경제적 영향성이 전국적으로 가장 높은 것으로 나타났다. 이는 수도권의 높은 자산 가치와 인구밀도로 인해 사회경제적 위험도(SH)가 매우 높게 산정되었기 때문으로 사료된다. 비수도권 지역에서는 충청북도 청주시·충주시, 전라북도 익산시·김제시, 경상남도 창원시 등 거점 도시들이 포함되었는데, 이는 해당 지역들이 지방의 핵심 산업단지나 인구 밀집 지역을 보유하고 있어 침수 피해 발생 시 지역 경제에 미치는 파급력이 크기 때문으로 분석된다.

3.2 물재해 특별관리지역 선정 결과

앞서 도출된 사회경제적 영향성 지수 ‘Very High’ 등급 지자체 내에서 대지 면적 1,000,000 $m^2$ 이상의 대규모 개발사업 지구를 중첩 분석한 결과, 최종적인 물재해 특별관리지역으로 선정된 곳은 Table 5, Table 6과 같다. 분석 결과, 물재해 특별관리지역은 권역별로 뚜렷하게 구분되는 토지 이용 특성을 보였다. 수도권 지역은 주로 인구 밀집도가 높은 ‘주거 중심형’으로 나타난 반면, 비수도권 지역은 국가 기반 시설이 집적된 ‘산업 거점형’의 특성이 나타나는 것을 확인할 수 있었다. 이러한 토지 이용 특성의 공간적 분포를 명확히 파악하기 위해, 최종 선정된 물재해 특별관리지역을 주거 중심 지구와 산업 중심 지구로 구별하여 지도에 시각화한 결과는 Fig. 4와 같다.

Fig. 4. Land-use Classification of Water Disaster Special Management Areas

Fig. 4 분석 결과, 먼저 서울특별시, 인천광역시 및 경기도를 포함한 수도권 권역은 마곡, 고덕강일, 3기 신도시(왕숙, 창릉, 대장 등)와 같이 최근 급격한 도시화로 불투수 면적이 급증한 대규모 공공주택지구가 주를 이루었다. 이들 지역은 고밀도 주거 단지와 교통 인프라가 복합적으로 개발되어 있어, 침수 피해 발생 시 막대한 인명 피해와 도시 기능 마비가 우려되는 곳이다. 다만, 동일한 수도권 내에서도 안산시의 경우 송산그린시티(거주)와 시화 MTV(산업)가 공존하는 복합 개발 양상을 보여 주거지 보호와 산업 시설 관리가 동시에 요구되는 지역으로 분석되었다.

충청도 및 전라도 등 비수도권 권역은 오송 생명과학단지, 청주 테크노폴리스, 국가식품클러스터 등 대규모 국가·일반 산업단지가 다수 선정되었다. 이들 지역은 수도권에 비해 상대적으로 주거 밀집도는 낮을 수 있으나, 고부가가치 생산 시설과 물류망이 집적되어 있어 침수 피해 발생 시 기업의 생산 중단과 공급망 붕괴 등 심각한 경제적 손실을 유발할 수 있는 지역으로 확인되었다.

3.3 물재해 특별관리지역 차등화 관리 전략 제시

본 연구에서는 선정된 물재해 특별관리지역의 입지적 특성(주거 중심 및 산업 중심)과 사회경제적 파급력을 고려하여, 기존의 일반적인 방재 기준과 차별화된 맞춤형 관리 전략을 도출하였다. 본 연구가 제시하는 관리 방안은 완전히 새로운 공학적 대책을 고안하는 것이 아니라, 기존에 논의되고 있는 다양한 구조적·비구조적 대책들을 한정된 예산 내에서 어느 지역에 우선적으로 적용할 것인지에 대한 정량적 공간 기준을 제공하는 데 의의가 있다. 구체적인 관리 방안을 일반 관리지역과 비교하여 정리하면 Table 7과 같다.

구조적 대책 차원에서는 기후변화로 인한 극한 강우에 대응하기 위해 설계빈도와 시설 기준을 강화하는 방안을 제시하였다. 우선 물재해 특별관리지역의 높은 자산 가치와 인구 밀집도를 고려하여 해당 구역 내 하수관로 및 펌프장의 설계빈도를 하천 설계 기준에 준하는 100년 빈도 수준으로 상향하는 방안을 우선 검토할 필요가 있다. 다만 이 과정에서 시설 용량 확대에 따른 유출량 증가가 하류 지자체로 전가되는 전이 피해를 방지하기 위하여 상·하류 연계 지자체를 포함한 종합적인 수리·수문 해석이 수반되어야 한다. 또한 지상의 배수 한계를 극복하기 위해 대심도 빗물 터널과 같은 대규모 지하 저류 시설의 우선 도입을 검토하는 선택과 집중 전략이 요구된다. 아울러 지하 공간의 치명적인 인명 피해를 예방하기 위해, 물재해 특별관리지역 내 모든 지하 주차장 및 건축물 입구에 물막이판(차수판) 및 역류방지밸브 설치를 의무화하는 등 지하 시설물 방어 기준을 한층 강화할 필요가 있다고 사료된다.

비구조적·행정적 대책 차원에서는 도시의 회복력 확보에 중점을 두었다. 우선 물재해 특별관리지역 내에서는 기존의 수문학적 분석을 넘어 사회경제적 영향성 지수를 활용한 피해 예측 시뮬레이션을 반영하고, 취약계층 거주 현황 조사를 통한 맞춤형 대피 계획을 수립할 필요가 있다^{(Kim et al., 2018; Park et al., 2025)}. 아울러 극한 강우 발생 시 신속하고 체계적인 대응을 위하여 최근 개정된 ‘도시하천유역 침수피해방지대책법’ 제14조 및 제15조와의 실무적 연계 방안을 제안한다. 기후에너지환경부 주관으로 설치·운영되는 ‘물재해종합상황실’ 및 ‘도시침수예보센터’의 집중 모니터링 대상에 본 연구에서 도출된 물재해 특별관리지역을 우선 편입하는 것이 방재 자원 배분의 효율성을 높이는 방안이 될 수 있다. 나아가, 지자체의 현장 데이터와 중앙부처의 상황실 운영을 적극적으로 연계함으로써, 해당 구역 내 AI 기반 도시 침수 예보 시스템을 선도적으로 적용하여 스마트 방재 체계의 고도화 효과를 극대화할 수 있을 것으로 기대된다.