도시 시공간 기반 모델로 기후 회복형 주택 예측: 재난 위험 예측을 위한 확산 트랜스포머 확장

초록

본 논문은 기후 재해가 주택과 교통망에 미치는 영향을 건물 수준에서 예측하는 확산‑트랜스포머 프레임워크 Skkold‑DiT를 제안한다. 이 모델은 다중 모달 데이터를 통합하고, 교통망 접근성 신호를 명시적으로 포함해 위험‑조건부 라우팅 제약을 생성한다. 또한 프롬프트 기반 전이와 반사실 시뮬레이션을 통해 도시 간 제로샷 전이와 정책 개입 시나리오 분석을 가능하게 한다.

상세 분석

Skjold‑DiT는 기존 UrbanDiT의 확산‑트랜스포머 구조를 확장하여, (1) Norrland‑Fusion이라는 교차‑모달 어텐션 모듈로 위성·항공 이미지, 고도·지형, 건물 속성, 인구·소득 등 정형 데이터, 그리고 도로·교통 그래프를 하나의 잠재 공간에 융합한다. 이때 그래프 토폴로지를 직접 어텐션에 주입함으로써, 도로 폐쇄나 우회 경로가 위험 예측에 미치는 영향을 정량화한다. Fjell‑Prompt는 “hazard‑type”, “time‑horizon”, “intervention‑type” 등을 토큰화한 템플릿을 건물‑레벨 피처와 결합해, 도시별 데이터 분포 차이를 보정한다. 이는 전통적인 파라미터‑공유 방식보다 훨씬 유연하게 새로운 도시(예: 데이터가 부족한 개발도시)로 전이할 수 있게 한다.

Valkyrie‑Forecast는 조건부 확산 샘플링을 이용해, 정책 프롬프트(P)와 연계된 피처 편집 Φ_P를 적용한 후 위험 지표의 확률적 궤적을 생성한다. 여기서 “do(P)” 표기법은 인과적 식별을 주장하지 않지만, 시뮬레이션 기반 “what‑if” 분석에 충분히 실용적이다. 특히, 침수 방지 인프라(그린 루프·바이오스웰)와 건물 보강, 교통망 용량 확대를 각각 δ_imp, δ_str, δ_cap 파라미터로 정량화해, 위험 강도와 접근성 점수에 미치는 영향을 선형·지수적으로 매핑한다.

데이터 측면에서 BCUR 데이터셋은 6개 도시(코펜하겐, 바쿠 등)에서 84만 건물 수준의 다중 재해 라벨(홍수 깊이, 열 스트레스)과 교통 접근성 메트릭을 제공한다. 이는 기존 공개 데이터셋이 건물‑레벨 위험 라벨만 제공하거나 교통 정보를 전혀 포함하지 않는 점과 대비된다. 실험에서는 (i) 건물‑레벨 위험 예측 정확도(RMSE, Macro‑F1), (ii) 캘리브레이션(ECE), (iii) 교통‑중심 지표(응급 차량 도달 가능성, 여행시간 인플레이션) 등을 종합 평가한다. 결과는 Skjold‑DiT가 베이스라인(GNN, ST‑GCN, UrbanDiT) 대비 위험 예측 정확도 12% 향상, 캘리브레이션 오류 30% 감소, 그리고 정책 시뮬레이션에서 응급 차량 도달률을 평균 8% 개선함을 보여준다.

한계점으로는 (1) 장기(10년 이상) 기후 시나리오에 대한 물리‑기반 제약이 부족해, 극단적 기후 변동성에 대한 신뢰도가 낮다. (2) 반사실 시뮬레이션이 deterministic feature‑edit에 의존하므로, 복합 정책(예: 동시에 그린 인프라와 도로 확장) 간 상호작용을 완전히 포착하지 못한다. (3) 모델 학습에 필요한 건물‑레벨 라벨이 여전히 고비용이며, 저소득 국가에서 데이터 부족 문제가 남아 있다. 향후 연구에서는 물리‑기반 수문 모델과의 하이브리드 학습, 베이지안 네트워크를 통한 인과 추론, 그리고 라벨‑프리 혹은 약한 지도 학습을 통한 데이터 효율성을 개선할 필요가 있다.