LG유플러스와 한국지역난방공사가 지반침하와 열수송관 위험을 인공지능·사물인터넷(AIoT)으로 감지하는 안전관리 체계를 실증한다. 아직 사고 예방 효과가 검증된 완성 시스템은 아니다. 협약 단계에서 제시된 실증 항목과 앞으로 공개돼야 할 성능 지표를 구분해 볼 필요가 있다.
지반침하·미주전류·위험시설 관제가 실증 대상
LG유플러스가 8월 31일 밝힌 협약 내용에 따르면 양사는 집단에너지 생산·수송 시설의 위험 요인을 실시간으로 감지하고 사고 가능성을 사전에 예측하는 AIoT 기반 예지보전 체계를 구축할 계획이다. 연합뉴스는 이날 오전 9시 23분 이 발표를 보도했다.
구체적인 실증 분야는 세 가지다. 첫째 지반의 미세한 움직임을 계측해 지반침하 징후를 조기에 찾는 기술, 둘째 열수송관 부식과 손상에 영향을 줄 수 있는 미주전류 탐지, 셋째 수·배전실 같은 위험 시설의 물리보안과 통합 관제 강화다.
AI가 ‘싱크홀을 막는다’고 말하기엔 아직 이르다
협약의 방향은 타당하지만 현재 공개된 자료에는 센서 설치 범위, 학습 데이터 규모, 위험 탐지 정확도, 오경보율, 실제 출동까지 걸리는 시간이 제시되지 않았다. 지반침하는 지하수, 굴착, 노후 관로, 토질 등 여러 원인이 얽혀 있어 단일 센서나 AI 모델만으로 원인을 확정하기 어렵다.
따라서 이번 사업을 ‘싱크홀 예방 시스템 완성’으로 받아들여서는 안 된다. 정확한 표현은 위험 신호를 더 일찍 포착하고 점검 우선순위를 정하는 실증이다. AI 판단은 현장 계측과 비파괴 검사, 굴착 확인을 대체하기보다 점검 대상을 좁히는 보조 수단으로 사용돼야 한다.
열수송관 안전에서 미주전류가 중요한 이유
전기철도나 지중 전력설비 등에서 의도하지 않은 전류가 땅과 금속 구조물을 따라 흐르면 배관 부식을 촉진할 수 있다. 센서가 전위 변화와 이상 신호를 지속적으로 모으면 정기 점검 사이에 나타나는 변화를 찾는 데 도움이 된다. 다만 이상 신호가 실제 누수·부식으로 이어지는 비율을 검증하지 않으면 오경보로 점검 비용만 늘 수 있다.
주민에게 중요한 것은 기술 이름보다 대응 절차다. 위험 등급을 누가 판단하고, 어느 수준에서 현장 점검이나 도로 통제를 시작하며, 결과를 지방자치단체와 어떻게 공유하는지가 공개돼야 한다. 열수송관과 지반침하는 통신사 한 곳의 기술만으로 관리할 수 없는 공공 안전 문제이기 때문이다.
성과 평가는 탐지율·오경보·조치시간으로
실증 종료 뒤 최소한 네 가지 지표를 공개해야 한다고 본다. 실제 위험을 놓치지 않은 탐지율, 정상 상태를 위험으로 잘못 판단한 오경보율, 경보에서 현장 확인까지 걸린 시간, 기존 정기점검 대비 비용 절감 효과다. 성공 사례만 발표하고 실패 신호나 데이터 공백을 숨기면 공공 인프라 안전을 검증할 수 없다.
AIoT 예지보전은 사고 뒤 복구하는 방식에서 사전 점검으로 전환할 가능성을 보여준다. 그러나 성과를 증명하는 것은 화려한 대시보드가 아니라 실제 배관 상태와 현장 조치 기록이다. 공기업과 통신사는 실증 구간·기간·평가 기준을 사전에 제시해야 한다.
관련 기사
- 춘천 공공건축 AI CCTV, 적극행정 최우수…현장 3곳 시범 적용
- AI 데이터센터의 다음 병목은 열이다…냉각수와 폐열 회수의 경제학
- 무더위쉼터 6만2508곳·노인보호구역 4511곳…통계가 보여준 생활안전 과제
토론 질문: 공공 인프라 AI 안전 시스템에서 기업이 의무적으로 공개해야 할 성능 지표는 무엇이라고 보십니까?
무료회원 가입하고 관심 뉴스 알림 받기 — 오전 주요 뉴스 브리핑·관심 분야 알림·보이스피싱·리콜 등 중요 알림을 받을 수 있습니다.
출처
※ 현재 공개된 내용은 양사의 협약 및 실증 계획이다. 실제 탐지 성능과 적용 구간은 공개되지 않았으므로 사고 예방 효과를 확정적으로 표현하지 않았다.
의견을 남겨주세요