화재 현장 의사결정을 위한 규범적 프레임워크

초록

본 논문은 사이버‑물리 시스템 기반의 풍부한 센서 데이터와 인공지능을 활용해 화재 현장의 의사결정을 자연주의적 직관에서 규범·처방적 이론으로 전환하는 프레임워크를 제안한다. 데이터·모델·개념·결정 매트릭스의 4계층 구조를 통해 인간과 기계의 의사결정 성과를 비교한다.

상세 분석

논문은 먼저 화재 현장 관리가 인간 전문가의 직관과 경험에 크게 의존해 왔으며, 이는 ‘자연주의적 의사결정(NDM)’이라 불린다. 인간이 뛰어난 지각·패턴 인식·일반 지식·휴먼 윤리 판단을 보유하지만, 인지 편향, 제한된 계산 능력, 피로 등으로 최적 선택을 보장하지 못한다는 점을 강조한다. 최근 사물인터넷·빅데이터·딥러닝 등 사이버‑물리 시스템(CPS) 기술이 급격히 발전하면서, 다중 센서(온도, CO, IR, 위치, 생체 신호 등)와 BIM, 로봇, 모바일 트래킹 등을 실시간으로 통합·처리할 수 있게 되었다. 이러한 데이터는 기존의 ‘저수준 감지’를 넘어 현장의 물리·인적 상태를 정량화하고, 화재 동역학 모델, 대피 시뮬레이션, 위험 평가 모델 등에 입력될 수 있다.

이를 기반으로 저자는 ‘결정 매트릭스(Decision Matrix)’ 개념을 도입한다. 매트릭스는 (a) 자연 상태(가능한 화재 전개 시나리오), (b) 의사결정 옵션(소방 전술, 자원 배분 등), (c) 각 조합에 대한 결과와 확률을 구조화한다. 데이터 레이어 → 모델 레이어 → 개념 레이어 → 결정 레이어라는 4단계 계층을 통해 원시 센서 데이터를 물리·통계 모델로 변환하고, AI 기반 분류·클러스터링으로 핵심 패턴을 추출한다. 최종적으로 규범적·처방적 의사결정 이론(예: 기대 효용, 다기준 의사결정)을 적용해 ‘합리적 선택’을 도출한다. 프레임워크는 인간 지휘관에게 정보를 시각화해 제공하거나, 자동으로 최적 옵션을 제시함으로써 인간‑기계 협업을 가능하게 한다. 또한 동일한 데이터와 매트릭스를 사용해 인간의 직관적 선택과 기계 기반 선택을 정량적으로 비교·평가할 수 있다. 논문은 ICRA 프로젝트 사례를 들어, 건물 BIM, 환경 센서, 로봇 측정, 모바일 위치, 착용형 바이오센서 등 10여 가지 데이터 흐름을 실제 현장에 적용했으며, 이를 통해 의사결정 매트릭스를 구축하고 지휘관에게 정보를 제공한 경험을 제시한다. 마지막으로, 규범적 의사결정 이론이 인간의 인지 편향을 보완하고, 고속·고정밀 계산이 필요한 자원 배분·물량 산정 등에 특히 유리함을 강조한다.