Automatic Extraction of River Levee Slope Using MMS Point Cloud Data

MMS 포인트 클라우드를 활용한 하천제방 경사도 자동 추출에 관한 연구

Abstract

Continuous and periodic data acquisition must be preceded to maintain and manage the river facilities effectively. Adapting the existing general facilities methods, which include river surveying methods such as terrestrial laser scanners, total stations, and Global Navigation Satellite System (GNSS), has limitation in terms of its costs, manpower, and times to acquire spatial information since the river facilities are distributed across the wide and long area. On the other hand, the Mobile Mapping System (MMS) has comparative advantage in acquiring the data of river facilities since it constructs three-dimensional spatial information while moving. By using the MMS, 184,646,009 points could be attained for Anyang stream with a length of 4 kilometers only in 20 minutes. Levee points were divided at intervals of 10 meters so that about 378 levee cross sections were generated. In addition, the waterside maximum and average slope could be automatically calculated by separating slope plane form levee point cloud, and the accuracy of RMSE was confirmed by comparing with manually calculated slope. The reference slope was calculated manually by plotting point cloud of levee slope plane and selecting two points that use location information when calculating the slope. Also, as a result of comparing the water side slope with slope standard in basic river plan for Anyang stream, it is confirmed that inspecting the river facilities with the MMS point cloud is highly recommended than the existing river survey.

하천 시설물의 효율적인 유지관리를 위해서는 대상물에 대해 지속적이고, 주기적인 데이터 취득이 선행되어야 한다. 하천 시설물은 일반 시설물과 달리 넓고 긴 지역을 따라 분포하고 있으므로 지상레이저스캐너, 토탈스테이션 및 GNSS를 활용하는 기존의 하천 측량 방법으로는 공간정보를 취득하는 데에 비용·인력·시간적 한계가 존재한다. 이에 반해, 모바일매핑시스템(Mobile Mapping System, 이하 MMS)은 플랫폼의 이동과 동시에 3차원 공간정보를 취득하므로 하천 시설물의 데이터 취득에 효율적이다. 따라서 본 연구진은 MMS를 활용하여 안양천 4 km 제방에 대해 20분동안 184,646,099개의 포인트를 취득했으며, 이를 10 m 간격의 종 방향으로 분할하여 378개의 횡단면을 추출하였다. 제방 횡단면 포인트 클라우드에서 제외지의 경사면 정보만 따로 분리하여 최대 및 평균 비탈 경사를 자동으로 계산하였으며, 이를 동일 제방에 대해 수동으로 계산한 값과 비교했을 때 RMSE 기준 최대 경사 1.124°, 평균 경사 1.659°의 정확도를 확인할 수 있었다. Reference 경사는 제방의 포인트 클라우드를 plot하고 경사 계산 시 위치정보를 사용하는 두 점을 직접 선택하여 수동으로 계산하였다. 또한 자동 추출한 경사를 하천기본계획 상의 비탈 경사면 설계 기준과 비교하여 MMS를 활용한 하천 시설물 검사의 가능성을 확인하였다.

1. 서론

1) 하천제방관리의 중요성

최근 몇 년 동안, 지구 온난화로 인한 기록적인 강수가 자주 발생하여 하천의 범람에 따른 대규모 재난 발생 가능성이 증가하고 있다. 또한 변화하는 기후 양상과 더불어 도시하천시설의 시민 친화적 변모 등은 하천 부근에서 발생할 수 있는 사고 발생 확률을 높이고 있으며, 하천 시설물 유지관리의 중요성이 높아지고 있다. 하천 시설물의 유지관리를 위해서는 상황 정보를 빠르게 파악해야 하며, 주기적인 데이터 취득과 지속적인 업데이트를 통한 모니터링이 중요하다. 하천제방은 제내지(Inland)와 제외지(Waterside land)를 구분하고 치수의 관점에서 제내지로의 하천 범람을 방어해주는 국가적 구조물이다. 선형 구조인 하천제방의 특성상 일부 균열이 제방 붕괴로 이어질 수 있으며, 하천수가 제방으로 침범하여 대규모 재난으로 이어질 수 있다는 것은 이미 여러 사례를 통해 명백해졌다(Wang et al., 2020). 우리나라 장마철을 포함한 사계절 강수 형태가 저강도에서 고강도로 점차 변화하고 있고, 시간당 50 mm를 넘는 강우 빈도가 증가하고 있다는 점을 고려하면, 상당한 거리에 걸쳐 형성된 제방의 안정성을 상세하게 점검하는 것이 더욱 중요한 과제이다. 그러나 국가 및 지방 정부 차원의 기술자와 재정 자원의 부족이 심각해지고 있으며, 제방 유지 관리에 전문적인 인력을 주기적으로 투입하는 것은 많은 한계점이 존재하고 있다.

2020년은 계절마다 강수량이 역대 최고 수준으로 경신되는 경우가 상당히 빈번했으며, 역대 최장기간 장마를 기록하는 이상기후를 보였다. 6월 24일부터 8월 16일 까지 54일간 이어진 장마는 과거 30년간 평균 장마 기간(32일)의 1.5배를 넘어섰다. 2020년 8월에는 경기도 이천 산양 저수지 제방이 붕괴해 3340명의 이재민이 발생하였으며, 낙동강, 섬진강, 그리고 영산강 유역에서도 제방이 붕괴되는 사건이 발생하였다(Woo, 2020).

사용 연수가 30년이 지난 노후 하천 시설물의 비중은 2020년 기준 13.9%, 2030년에는 34.5%에 이를 것으로 추정되며, 하천 계획의 초점은 점점 신설보다는 유지관리로 변화할 것이다. 그럼에도 불구하고 제방의 물리적 변위를 주기적으로 관측하는 연구는 미비한 실정이다. 이에 따라, 각 측선 지점에 대해서 제공되는 하천기본 계획 상 설계 횡단면도를 기반으로 해당 지점에서 제한적으로 도면과 포인트 클라우드를 비교하여 비탈 경사를 분석하는 연구가 진행되었다(Lee, 2021).

제방은 둑마루면과 제외지 및 제내지 비탈 경사면 등으로 구성되어 있으며 각 부위와 명칭은 Fig. 1에서 확인할 수 있다. 제외지는 하천제방으로 둘러싸인 하천 측 지역으로, 하천수가 흐르는 공간을 의미한다. 하천 유수 침투에 대비하기 위한 비탈면의 기준은 수계 별로 상이할 수 있으며, 이에 대한 세부 사항은 해당 권역의 하천기본계획을 참고하면 된다. Table 1에 나타낸 것과 같이 비탈 경사는 둑마루(Crown) 경계부터 지표면까지 수직 및 수평 거리의 비율로 표현하며 일반적으로 우리나라에서 건설되는 제방은 크게 3가지 경사도를 가진다. 안양천수계 하천정비기본계획 상 연구 지역을 포함하는 당정 우안2제(측선 번호 7-14)의 제외지 측 비탈 경사는 제방고와 제내지반고의 차이가 0.6 m 미만인 구간을 제외하고는 1:2.0 또는 이보다 완만하게 설치함을 원칙으로 한다(MOLIT, 2019; MOLIT, 2015).

Fig. 1. Composition of River Levee.

Table 1. General Levee Slope in Korea

2) 하천제방 관리를 위한 MMS포인트 클라우드 활용

기존의 하천 시설물 공간정보 데이터는 토탈스테이션 (Total station), 범지구 위성 항법 시스템(Global Navigation Satellite System, 이하 GNSS), 항공사진측량 등을 통해 구축되어왔다. 이러한 제방 점검 방식은 2차원적 검사를 제공할 뿐 하천제방의 전반적인 외형 점검과 다양한 양 상의 변형을 파악하는데 한계가 존재하며, 하천 조사관에 의한 측량 및 결과 해석은 객관성을 모호하게 한다. 뿐만 아니라 기존의 제방 점검 방식은 많은 예산과 인력이 소모되어 비효율적으로 관리가 진행되고 있다(Bang et al., 2021). 이에 따라, 기존의 측량방식에서 벗어나 하천 측량에 지상레이저스캐너, 드론라이다를 도입하여 공간 데이터 구축 및 활용성을 평가한 연구가 제시되었 다(Lee et al., 2017; Park et al., 2020).

지상 레이저스캐너(Light Detection And Ranging, 이하 LiDAR)는 짧은 시간에 대상물에 대한 고정밀 3차원 공간정보를 취득할 수 있으며, 접근이 어려운 하천제방의 둑마루와 저수로 부근의 제외지 형상을 파악하기 용이 하다(Yang et al., 2011). 하지만, 지상레이저스캐너 기반의 하천 측량의 경우, 데이터 취득 시 일부 제방 지점이나 배수펌프, 수문 등의 독립적인 시설물에 대한 데이터 취득에는 적합하지만 하천을 따라 길고 넓은 지역에 걸쳐 분포하는 제방 데이터를 모두 취득하기에는 효율성이 떨어진다. 실제로 하천을 따라 형성된 제방의 공간 데이터를 약 500 m 구축하는 데에는 데이터 취득 및 후처리 시간을 모두 포함해 대략 2주의 시간이 소요되었 다(Lee et al., 2021). 이러한 비효율성을 보완하기 위해 드론라이다를 통해 대상 지역에 기준점을 설치하지 않고 빠른 시간 내에 하천제방의 변화를 정량적으로 확인할 수 있는 연구가 진행되기도 하였다(Akiyama et al., 2021). 다만 드론은 GNSS 기반의 자기 위치 측정 정확도를 가지기 때문에 시간과 장소에 따른 수신 환경이 고정밀 조사에 제한적인 수 있으며, 레이저 스캐너와 카메라 등 여러 측정장치를 결합했을 때 배터리 수명이 수십 분으로 단축되어 이 역시 범위가 넓어질수록 데이터 취득의 효율성이 현저히 떨어지는 단점이 존재한다.

이처럼 3차원 공간정보를 기반으로 하는 하천 시설물 관리에는 신속하고 정확한 데이터 구축의 중요성이 증대되고 있으나 기존 방법으로는 시간적, 경제적 한계점이 존재한다. 이로 인해 최근에는 이동 수단에 다중 센서 를 탑재하여 데이터를 취득하는 MMS(Mobile Mapping System)의 활용성이 증가하는 추세에 있다(Choi et al., 2019). MMS는 하천을 따라 주행과 동시에 데이터를 취득하며 짧은 주기 동안 신속하게 넓은 범위에 대해 정밀한 공간정보취득이 가능하다. 또한 제방 관리를 위한 데이터 취득 시에는 하천 방향의 파악이 중요한데, 하천제방을 따라 주행 및 취득한 MMS 데이터가 측점을 다양하게 분포하여 취득하는 기존 방법 대비 제방의 종 방향 및 횡 방향을 쉽게 파악할 수 있다는 장점이 존재한다. 따라서, 본 연구에서는 효율적인 하천 유지관리를 위한 방법으로 MMS 3차원 포인트 클라우드를 활용해 제방의 최대 경사 및 평균 경사를 자동 추출하고, 이를 수동으로 계산한 경사 및 연구 대상지역인 안양천 수계 하천기본계획 상의 비탈 경사 기준과 비교하여 대상지 역 내 제방의 정확도 및 안정성을 평가하고자 한다.

2. MMS를 활용한 하천 제방 데이터 취득

1) 하천제방용 MMS

도시하천이란 도시 지역 내에 있는 하천으로서 도시 의 기능 및 발전에 밀접한 연관을 맺고 있다. 도시하천 시설물의 경우 수계로부터 도시 지역을 보호하고 수자원을 활용하기 위한 치수시설로서 하천의 권역에 따라 각 행정구역의 관리하에 유지·관리된다. MMS를 활용하여 제방의 3차원 포인트 클라우드 데이터를 취득하기 위해서는 하천과 밀접히 접근해야 하므로 친수 시설로 형성된 자전거 도로를 따라 주행해야 한다. 자전거도로의 차량 사용 및 데이터 취득 허가를 위해서는 해당 행정구역의 치수과로부터의 승인이 필요한데, 일반적인 차체의 차량은 좁은 폭의 하천변 접근이 어려울 뿐만 아니라 주행협조요청 또한 거의 불가능한 실정이다.

본 연구에서는 주식회사 스트리스에서 개발한 하천용 MMS인 Argos-S를 활용하였다. Argos-S는 소형 전기 차에 LiDAR, GNSS, 카메라, 그리고 항법장치(Inertial Navigation System, 이하 INS) 등의 공간정보 수집 장비가 융합된 시스템이다. 시스템을 구성하는 센서들은 시·공간적으로 동기화되어 탑재 차량의 움직임에 따라 주행과 동시에 데이터를 취득하며, 단일 프레임에 위치 정보와 형상 정보를 통합적인 형태로 수집한다.

데이터 취득에 활용한 MMS는 Fig. 2에 나타내었으며, Argos-S는 전·후면부에 각 1대씩 총 2대의 LiDAR와 360° 데이터취득이가능한4개의카메라,그리고1대의GNSS 및 INS 장비로 구성되어 있다. Table 2는 MMS 전·후면부 LiDAR 사양을 나타내며, 나머지 장비에 대한 자세한 사항은 동일 시스템을 활용한 Lee et al. (2021)의 연구에 상세히 서술되어 있다.

Fig. 2. MMS Argos-S (Stryx).

Table 2. Specifications of MMS-mounted LiDAR

2) 대상 지역 및 데이터 취득

안양천은 한강의 제 1지류로, 경기도 의왕시에서 발원하여 군포시를 경유, 안양시 도심을 중앙으로 관류하여 광명, 서울시를 거쳐 한강에 유입되는 대표적인 도시형 하천이다. 연구 대상 지역으로는 Fig. 3에 나타낸 것과 같이 측선 번호 14+155 지점부터 한강 합수부 방향으로 11+941 지점까지의 약 4 km 일대로 선정하였다. 측선을 기반으로 지역 범위를 선정하는 데에는 국토교통부의 안양천 하천기본계획 보고서와 Fig. 4에 나타낸 국가 수자원관리 종합정보시스템(Water Management Information System, WAMIS)에서 부록으로 제공하는 CAD 도면을 활용하였다.

Fig. 3. Overlapping Google Earth and Floor Plan of Measurement Site (Surveying Line No. 11+941 –14+455).

Fig. 4. Floor Plan of Anyang Stream (AutoCAD).

제외지에 설치된 자전거도로를 따라 MMS를 약 시속 15 km로 20여 분간 주행하며 Fig. 5와 같이 하천 4 km 좌·우안에 대해 정밀도 1 cm이하의 포인트 184,646,099개를 취득하였다. Table 3는 MMS를 통해 취득한 안양천 데이터 중 7개의 동일 지점에 대해 지상LiDAR기기를 이용해 측량한 결과를 비교 분석한 것이다. X, Y, Z에 대한 평균 오차(Average difference)는 0.083 m, 0.040 m, 0.132 m, 평균 제곱근 오차(Root Mean Square Error, 이하 RMSE) 는 0.114 m, 0.046 m, 0.146 m의 정확도를 확인하였다. 따라서 MMS를 통해 취득한 데이터는 RMSE 기준 수평위치(ΔH) 0.123 m, 수직위치(ΔV) 0.146 m로 ±0.15 m 이하 로 확인되었다. 이는 국토지리정보원에서 제시한 MMS 측량 품질검사 심사기준 중 점군데이터 위치정확도 ±0.2 m 이내를 만족하는 정확도를 나타낸다(National Geographic Information Institute, 2020).

Fig. 5. Point Cloud Data Acquired by MMS.

Table 3. Comparison of MMS Accuracy to the Surveying Data by Terrestrial LiDAR

3. 하천제방비탈경사추출

1) 경사 추출을 위한 데이터 후처리

토탈스테이션 및 GNSS 기기를 활용한 기존의 측량 방식으로는 취득한 안양천 4 km 대상지역 내에서 10개 지점(11+941 – 14+155) 혹은 소규모 범위에 대한 제방 분석만 가능하였다. 10개 지점은 대략 450 m의 간격을 두고 있으며 이러한 불연속적이고 단편적인 지점에 대한 제방 분석은 제방 안정성 평가의 신뢰도를 저하시킬 수 있다. 이에 따라, Lee et al. (2021)의 연구에서는 GNSS 와 INS를 통해 취득된 GNSS점 데이터를 선형보간법에 적용시켜 하천중심점을 추정하고, 하천중심선을 기반으로 사용자가 지정한 임의 간격으로 하천 횡단면을 분할하여 분석에 활용 가능하도록 제시하였다.

본 연구에서는 GNSS점을 기반으로 4 km 대상지역 의 우안 제방을 대략 10 m 간격으로 분할하여 378개의 제방 횡단면을 구축하고 이를 분석에 활용하였다. 하천 기본계획 상 횡단면은 하천 방향에 수직한 제방 단면을 기준으로 하기 때문에, 분할된 각 제방의 양 끝에 위치한 GNSS점을 기반으로 방향 벡터를 형성하여 하천에 수직하도록 회전 변환하였다. 또한 포인트 클라우드에는 횡단면 뿐만 아니라 하천 주변의 식생 및 노이즈가 존재하므로 상용 cyclone 소프트웨어를 통해 이를 수동적으로 제거하였다. 추후 본 연구의 성과가 검증된 이후에는 하단부 포인트 클라우드 자동 추출 알고리즘을 통해 노이즈를 제거하여 데이터 후처리 및 분석을 가속화하고자 한다. 본 연구에서는 현재 데이터를 다른 알고리즘으로 후처리 시 연쇄적으로 발생할 수 있는 오류 가능성을 최소화하고, 제방 비탈 경사 자동 추출 알고리즘의 정확도만을 검증하기 위해 수동적인 작업을 병행하였다. 분할 및 후처리한 제방 샘플 데이터는 Fig. 6에 나타내었으며 알고리즘은 MATLAB을 기반으로 개발하였다.

Fig. 6. Divided Levee Cross Section (left), Post-Processed Levee Cross Section(right).

2) 최대 및 평균 비탈 경사 추출

경사면과 하천 사이에는 수평으로 평탄한 저수 호안 (Revetment)이 존재한다. 안양천의 경우 도시 및 자연형 하천 수립 계획에 따라 저수 호안에 자전거 도로 및 보행로가 설치되어 있고, 하천수와 맞닿은 식생 부분이 존재한다. Fig. 7(a)와 같이 식생이 존재하는 부분이 통행로와 평탄하게 이어져 있다면 제외지의 포인트 클라우드를 수평면과 비탈 경사면으로 구분할 수 있다. Fig. 7(b)와 같이 간혹 식생이 존재하는 부분이 수평면과 경사를 이루고 있더라도 3면으로 구분이 가능하다. 따라 서 2면 혹은 3면으로 구성된 제방 포인트 클라우드에 MATLAB의 pcfitplane 함수를 사용하여 점간 최대 거리 2cm, 최대 각 거리 5°, 그리고 reference normal vector를 z축으로 설정하여 분리하였다. z축을 처음 추출된 면의 normal vector로 설정함으로써, 수평면을 분리하였고 이후 경사면을 추출하였다.

Fig. 7. Separation of Levee Planes: (a) Horizontal and Inclined Plane b) Vegetation, Horizontal and Inclined Plane).

비탈 경사면은 앞서 설명한대로 하천 방향에 수직한 상태이며 10 m의 폭을 가지고 있기 때문에 포인트 클라우드를 하천의 종 방향으로 모두 투영하여 횡단면과 일치시켰다. 이상적으로는 투영된 경사면이 경사선의 형태로 표현되어야 하지만 LiDAR 데이터 특성 및 10 m 폭의 경사면이 모두 동일한 높이를 가지는 것은 지형적으로 불가능하기 때문에 Fig. 8에 나타낸 것처럼 완벽한 선형 구조를 나타내지 못한다. 즉, 제방은 10 m 폭 내에서도 다양한 경사가 존재하며 안정성을 평가하기 위해서는 최대 및 구간 평균 경사를 모두 고려해야 한다고 판단하였다. 제방의 최대 경사를 계산하는 과정은 Fig. 9 에 나타내었으며 자세한 방법은 아래에 서술하였다.

Fig. 8. Longitudinal Projection of Inclined Plane Point Cloud.

Fig. 9. Flowchart of Automatic Extraction for Levee Slope.

우선 투영된 포인트 클라우드를 포함하는 전 구간을 설정하고 0.2 m 간격의 미소 구간을 ‘finder column’으로 명명하여 이를 생성하였다. Finder column은 yz 평면에 투영된 포인트 클라우드를 y축 방향으로 진행하며 z의 극대, 극소 값을 찾는 역할을 한다. 미소 구간 내에서 최대, 최소 높이 값을 가지는 포인트는 각각의 누적 집합에 저장되며 위 과정은 y축 진행방향에 포인트가 존재할 때까지 반복된다. Finder column의 iteration이 종료되면 각 집합에서 5개의 점군 후보를 추출하여 높이 표준 편차를 계산하고 표준편차의 3배를 벗어나는 값을 가지는 포인트는 잔여 노이즈 혹은 이상치(Outlier)로 판단하여 최대 최소 후보군에서 제외하였다. 이상치가 제외된 후보군에서 최대 최소 높이의 포인트를 각각 추출하였으며, 위치정보 좌표를 통해 둑마루부터 수직 및 수평거리 비율과 최대 비탈 경사를 계산하였다.

연구 지역의 제외지 비탈 경사면은 대부분 평면에 가까웠으나, 각 권역의 하천제방 설계기준에 따라 곡면 혹은 복잡한 형태를 띌 수 있다. 따라서 Fig. 10에 나타낸 것과 같이 제방 경사면의 구간을 나누어 선형회귀분석 을 통해 경사를 분석하고 이를 평균 계산하여 더 포괄 적인 형태의 경사면에도 적용이 가능하다는 것을 확인하였다. 앞서 분리한 경사면이 평면에 가까우며 횡단 길이가 11 m 내외인 점에 착안하여 경사면을 횡단 길이 3- 4 m 의 3구간으로 분할하고 평균값을 계산하였다. 회귀 분석에 사용한 포인트 개수는 구간별 포인트 클라우드의 intensity를 고려해 유동적으로 결정하였으며, 제방의 형태와 길이에 따라 분할 구간 또한 임의로 설정할 수 있다.

Fig. 10. Analysis of Average Slope Using Linear Regression.

분산된 지역의 약 378개 제방 중 실험 결과를 고르게 분석하기 위해 0번 대에서 300번대 까지 각 5개씩 임의로 20개를 선정하였다. 최종적으로, 자동 추출한 최대 및 평균 경사를 임의의 제방 20개에 대해 수동으로 계산한 경사와 비교하여 Table 4에 나타내었다. 분석한 결과 제외지 비탈 경사의 권장 값이 1:2.0(26.56°) 또는 그보다 완만한 값임을 고려할 때, 임의로 선택한 제방 20개의 최 대 및 평균 비탈 경사는 모두 기준을 만족하는 상태였으며, 동일 제방에 대해 수동으로 계산한 경사값과 비교하였을 때 RMSE 기준 최대 경사 1.124°, 평균 경사 1.659°의 정확도를 확인하였다. Reference 경사는 제방의 포인트 클라우드를 plot하고 경사 계산 시 위치정보를 사용하는 두 점을 직접 선택하여 수동으로 계산하였다.

Table 4. Comparison of Automatically Calculated Slope to Manually Calculated Slope and Safety Standard

4. 결론

연구 지역인 안양천 일대의 측선은 평균 450여 m의 간격을 두고 존재하고 있으며 선형 구조인 하천제방의 특성상 일부 균열이 제방 붕괴로 이어질 수 있으므로, 측선 지점에 한정적인 불연속적 분석을 통해서는 제방 안정성 평가를 온전히 수행하기 부족하다고 판단하였다. 또한 변화하는 기상상태와 하천 계획에 대처한 효율적인 제방 유지관리를 위해 신속하고 주기적인 데이터 취득 및 분석이 중요하다는 점에 착안하여, 본 연구에서는 MMS포인트 클라우드를 통해 제방의 비탈 경사를 자동 추출하는 연구를 진행하여 다음과 같은 결론을 얻었다.

첫째, 대상 지역 4 km의 제방 우안을 10 m 간격으로 분할하여 임의의 제방 20개를 선정하고, 제방의 포인트 클라우드로부터 경사면을 추출해 최대 및 평균 비탈 경사를 자동으로 추출하였다. 이를 동일 경사면에 대해 수동으로 계산한 경사값과 비교하여 정확도를 평가하였을 때, RMSE 기준 최대 경사 1.124°, 평균 경사 1.659°의 결과를 확인하였다.

둘째, 제방의 형태는 각 하천제방설계 기준에 따라 다양할 수 있으며 평면이나 완만한 곡면이 아닌 복잡한 형태의 제방은 단일 경사로 제방의 안정성을 평가하기 어려운 경우가 존재한다. 따라서 제방 경사면을 세부 구간으로 분할하여 포인트 클라우드의 선형회귀분석을 통해 구간 경사를 추출하고 이를 통해 제방의 평균 경사를 계산하였다. 연구 지역의 경사면은 대부분 평면이었으나 불규칙적인 지형이 존재할 수 있으므로 위와 같은 방법을 적용하였고, 복잡한 형태의 제방 경사 분석 시에는 경사면 임의 지점에 대한 안정성 평가에 활용 가능할 것으로 판단한다.

셋째, 안양천수계 하천정비계획 상의 제외지 비탈 경사 기준에서 연구 지역을 포함하는 당정 우안2제의 경사는 1:2.0을 제시하고 있으며, 포인트 클라우드를 통해 자동 추출한 최대 및 평균 경사와 비교하였을 때, 현재의 상태가 설계기준을 만족하고 있다는 것을 확인할 수 있었다.

따라서 본 연구는 제시한 방법을 기반으로 측선 지점과 경사면 형태에 제한되지 않고 MMS 포인트 클라우드가 취득된 제방의 임의 구간 경사에 대해 안전성 평가를 총괄적이고 세밀하게 수행할 수 있다는 데에 의의가 있다. 향후, 취득한 포인트 클라우드와 GNSS 데이터를 기반으로 동일 구간에 대해 시계열적 경사 변화를 파악하여, 점진적으로 진행되는 제방의 붕괴 위험을 주기적으로 모니터링하는 연구가 추가된다면 제방 붕괴에 의한 제내지 피해를 사전에 방지할 수 있을 것으로 보인다. 또한 MMS와 UAV 기반 포인트 클라우드를 함께 활용해 통합적인 하천 공간정보를 구축하여 각 플랫폼에서 발생하는 폐색 영역을 보완하고 추가적으로 및 둑 마루 폭, 제내지 비탈 경사 등의 정보를 자동으로 추출하는 연구가 동시에 진행된다면, 종합적인 하천 관리를 위한 솔루션으로써 본 연구의 활용성이 더욱 증대할 것이라고 판단한다.