1. Introduction

IMO와 IEA와 같은 국제적으로 영향력이 있는 기관의 환경 규제가 강화됨에 따라 기존 화석연료에서 친환경 연료로 패러다임이 변화하고 있다(Dialogue, 2018;Bouckaert et al., 2021). 이러한 패러다임의 변화는 LNG, 메탄올과 같은 저탄소 연료에서 암모니아, 수소와 같은 무탄소 연료로의 정책적·기술적 발전을 촉진시켜왔다. 수소는 무탄소 연료이지만 낮은 부피당 에너지 밀도를 원인으로 선박에서 차지하는 저장의 한계에 부딪혀있다. 하지만 암모니아는 상대적으로 높은 부피당 에너지 밀도를 갖고 있어 저장에 용이하고 이로 인해 선박에 유리한 연료 특성을 갖고 있다. 하지만 암모니아는 높은 독성으로 인하여 누출 시 작업자 개인의 위험도가 굉장히 높아 취급에 주의가 필요하다.

1992년 3월 24일 세네갈의 암모니아를 취급하던 공장에서 탱크 트럭의 저장 용기가 손상되며 약 22,000kg의 무수 암모니아가 누출되는 사고가 발생하였다. 해당 사고로 인하여 129명이 사망하고 1,150명이 부상당한 것으로 밝혀졌다 (French Ministry of the Environment, 2006).

최근 국내 사례로서, 2025년 2월 26일 제주시의 수산물 가공 업장의 냉동 창고 기계실에서 암모니아 가스가 누출되어 근무 중이던 70대 작업자가 사망하였다(KBS news, 2025).

이러한 높은 독성을 갖는 암모니아의 전용 인프라를 갖춘 전용 항만이 국내 마련되고 있으나, 많은 량의 암모니아를 다루게 되는 전용부두에 대한 부족한 작업 경험에 의하여 기존 일반 컨테이너 부두, 잡화 부두 등에 비해 위험에 노출되어 있는 것이 실정이다. 이에 따라 해운 환경에서의 암모니아 위험에 대한 관심이 증가하고 있으며, 지난 IMO CCC 10차와 11차 회의에서 주요한 안건으로 암모니아 위험 농도, 안전장치 등의 내용이 논의되었다(KR, 2024).

따라서 위험 요인 발생 전 대응 및 대피계획을 선정하는 것은 매우 중요하며 이를 확보하기 위한 많은 선행 연구가 수행되어져왔다. Lee et al.(2022)는 항만 내 설치된 CCTV를 활용하여 위험 구역에 특정 객체가 접근하는 경우 알림을 전송하는 딥러닝 기반 객체 검출 알고리즘을 연구하였다. Park et al.(2022)은 함정을 수치 지도로 모델링하여 딥러닝 기반의 경로탐색 알고리즘을 통해 재해 발생 시 대응 할 수 있는 방안을 제시하였다. Lim and Lee(2024)는 친환경 선박에서 가스 누출이 발생한 시나리오를 바탕으로 기울기와 혼잡도가 학습된 알고리즘을 기반으로 선박 환경에 맞는 대피·대응 계획을 수립하였다.

해운 환경에서의 안전을 확보하기 위한 많은 연구가 수행되어왔지만, 항만 내 독성가스 누출로 인한 작업자 안전에 대한 연구는 부족한 것이 실정이다.

따라서 본 연구에서는 항만-선박 간 암모니아 이송 중 가스 누출 시 피해영향을 분석하고 작업자 개인의 대피 의사결정을 지원하기 위한 연구를 수행하였다. 이를 위하여 항만 내 암모니아 가스가 누출되는 시나리오를 환경변수에 따른 계절 별 시나리오로 구성하였다. 작업자의 개인적 위험도에 따른 피해영향범위를 분석하기 위하여 Gexcon 社의 RISKCURVES 소프트웨어를 활용하였으며, 계산된 피해영향 범위를 관리 특징에 따라 Safety zone, unsheltered zone, security zone으로 분류하여 제안하였다. 본 연구의 결과는 연료 이송 전 항만 내 관리구역을 선정하고 작업자 안전을 확보하기위한 작업표준절차서 및 지침을 작성하기위한 기초자료로서 활용될 수 있을 것으로 판단된다.

2. Simulation scenario and parameters

2.1 Scenario

2.1.1 Environmental parameters

항만의 대피·안전·보안 구역을 설정하기 위하여 석유공사에서 제안한(Ministry of Trade, Industry and Energy, 2023) 전라남도 여수의 암모니아 예정부두를 누출 지역으로 선정하였다. 본 연구에서는 계절별 환경변수 기반 위험 정도를 분석하기 위하여 봄을 3~5월, 여름을 6~8월, 가을을 9~11월, 겨울을 12~2월로 정하고 오전과 오후를 각 00시~12시, 12시~24시로 기상청 자료를 토대로 설정하였다(Korea Meteorological Administration, 2025). Fig. 1은 선정된 여수의 암모니아부두 예정지를 의미하며, Table 1은 선정된 여수 항만의 계절별 환경 변수를 나타내고 이는 확산 및 위험영역 산정 시 조건으로 적용되었다. 기온은 여름 주간 최대 26.8℃까지 상승하는 반면, 겨울 야간에 2.6℃까지 낮아지는 뚜렷한 차이를 보였으며, 상대습도는 겨울 주간에 50.7%, 여름 야간에 83.3%로 30%이상의 차이를 보였다. 또한 풍속은 전 계절에 걸쳐 3~4m/s 수준으로 유사하게 유지되었으며 이에 따라 대기안정도도 대부분의 계절과 시간대에서 D등급을 나타냈다.

Fig. 2는 각 계절별 바람의 강도와 풍향의 빈도수를 의미하며 풍향의 경우, 봄과 가을에 동풍이 우세한 값을 보였으나 여름과 겨울은 전혀 다른 양상을 보였다. 이렇듯 각 계절에 따라 가스 확산과 피해범위에 영향을 미치는 변수들이 상이한 것을 알 수 있다. 따라서 계절에 따른 풍향 변화를 모두 고려한 피해영향평가가 이루어져야 한다.

2.1.2 Leakage parameters

Table 2는 벙커링 중 발생할 수 있는 최대 누출 시 공정변수를 나타낸다. 실제 항만 내 암모니아 사고는 저장탱크의 파손, 로딩암의 결손 등 다양한 원인에 기인하여 발생할 수 있다. 따라서 본 연구에서는 연간 발생할 수 있는 시나리오로서 누출 시 웅덩이를 형성하는 Evaporation pool leakage에서 Jet 형태의 누출 중 수평 및 수직방향의 Jet leakage까지 총 3 가지의 누출 시나리오를 선정하였다. 이때 누출 조건은 산업계에서 일반적으로 사용되어지는 조건들을 채택하여 플랜지파손 사고의 시나리오를 적용하였다. 누출 orifice직경을 0.2m로 설정하여 이송 중 플랜지 체결 불량 시 발생 가능한 중대 파손 규모를 가정하였다. 또한 이송 조건은 대기압에서 –33.4℃로 설정하여 누출 시 암모니아가 순간적인 기화를 동반하는 flash vaporization이 발생하는 조건을 선정했다. 이때 누출률은 2,000 ㎥/h로서 최대 공급 유량의 벙커링 중 사고 발생 시나리오를 가정하였다(Ng et al., 2023). 누출시간은 미국환경청 EPA의 사고 시뮬레이션 기준에 맞게 60초로 선정하여 실제 사고와 유사한 결과를 얻고자 하였으며 인지 시간은 배제하였다(EPA, 2024).

2.2 Safety, Unsheltered and security zone

Table 3은 본 연구에서 사용된 항만 안전관리 구획 세가지를 나타낸다. 안전구역인 Safety zone은 IMO CCC 10차 및 11차 회의에서 도출된 암모니아 누출 시 Shut down 조건인 220ppm을 개인적 위험도 방식으로 끝점 분석했을 때의 경계 범위로 정의하였다. 대피구역인 Unsheltered zone은 Safety zone 내 작업자가 60초안에 대피불가능한 지역을 선정하였으며 대피불가의 기준은 IMO의 선원 대피 최저 속도인 1.11m/s를 기준으로 삼았다(IMO, 2016). 마지막으로 보안구역인 Security zone은 Safety zone과 Unsheltered zone을 중첩한 뒤 남은 구역에서 가장 대피하기 최적의 방향을 제시하기 위해 비지도학습인 군집화를 활용하여 구획을 나누었다.

2.2.1 Individual risk

항만 작업자들의 위험을 정량화 하는 방법은 위험 지수 Risk Index (RI)와 개인적 위험도 Individual Risk (IR), 사회적 위험도 Social Risk (SR)로 분류할 수 있다(Park. et al., 2021). 본 연구에서는 항만 내 작업자들 개인의 위험도를 평가하기 위하여 IR의 끝점을 피해영향범위 산정에 활용하였다.

IR을 산정하기 위하여 본 연구에서는 Gexcon 社의 RISKCURVES 소프트웨어를 사용하였다. 해당 소프트웨어에서는 IR을 식(1), (2)와 같이 정의한다(Gexcon, 2025).

여기서,

식(1)은 개인적 위험도는 x,y 지점에서 발생할 수 있는 모든 사고 시나리오 별 위험도를 합산한 값임을 의미하며, 식 (2)는 개별 사고 시나리오의 개인적 위험도를 나타내고 연간 발생할 수 있는 사고 빈도와 사망확률의 곱으로 계산된다.

이때 사망 확률을 연산하기 위하여 독성의 피해영향 산정 기준을 세울 필요가 있으며 본 연구에서는 이를 IMO CCC 10차 및 11차 회의 결과에서 도출된 220ppm으로 선정하였다. IMO는 2025년 두 차례 회의를 거쳐 암모니아 누출 시 alarm 농도를 110ppm으로, shut down 농도를 220ppm으로 기준을 세웠으며 이는 AEGL-2 농도와 같기 때문에 끝점 분석에 사용하였다. 또한, IR의 위험 정도를 분석하기 위한 지표로서 영국의 보건안전청(HSE, Health and Safety Executive)에서 제시하는 Level-2 주요 교통망에서의 개인적 위험 정도인 1.00E-06/year를 선정하였다(HSE, 2025).

2.2.2 Pathfinding & clustering

본 연구에서는 대피구획을 나누어 신속한 의사결정에 도움을 줄 수 있는 장치인 Security zone을 도출하기 위하여 해당하는 구역에 랜덤한 최대 8,000개의 시작점을 지정하여 최단거리 경로탐색을 수행한 뒤 비지도 학습인 군집화기법을 적용하여 구획을 나누었다.

Safety zone과 Evacuation zone 사이의 무작위의 공간에 배치된 임의의 작업자가 최단거리로 대피할 수 있는 경로를 분석하기 위하여 본 연구에서는 A^* 알고리즘을 사용하였다. 해당 알고리즘은 시작점에서 목표점까지 최단 경로를 도출하는 대표적인 알고리즘이며 식(3)과 같이 평가함수를 활용하여 탐색을 수행한다(Jo et al., 2025).

여기서,

군집화 기법 중 k-means clustering은 비지도 학습의 대표적인 알고리즘 중 하나로, 데이터 셋을 k개의 군집으로 분할하는 것을 목표로 한다. 초기 k개의 군집중심 centroid를 임의로 설정한 후, 각 데이터 포인트를 가장 가까운 중심에 할당하여 해당 군집에 속한 데이터의 평균 위치로 중심을 갱신하는 과정을 반복하여 수렴 시 알고리즘이 종료되는 방식으로 작동한다(Yang et al., 2024).

군집화에 관한 연구를 수행 할 때 몇 개의 k개로 군집을 나눌 것인가는 결과에 영향을 미치는 중요한 변수이다. 이러한 변수에 가장 높은 신뢰도를 갖는 k를 찾는 기법을 Silhouette score라 한다(Park and Moon, 2024). Silhouette score는 별도의 training set를 필요로 하지 않기 때문에 탐색된 경로를 군집화하는 본 연구에 더욱 적합하다. 따라서 본 연구에서는 각 시나리오 별 구역 내 경로를 탐색하고 이를 k개의 군집으로 나누기 위하여 식(4), (5)와 같이 Silhouette score를 적용하였다(Shutaywi and Kachouie, 2021).

여기서,

Silhouette score는 –1과 1사이의 값을 보이며 1에 가까운 숫자일수록 그 clustering의 값이 적합함을 의미한다(Park and Moon, 2024;Shutaywi and Kachouie, 2021).

3. Results and Discussion

3.1 Hazard impact assessment

Fig. 3은 여수항을 대상으로 계절별 환경변수가 개인적 위험도 1E-6/year 기준에서의 피해가 미치는 영향을 나타낸다. 계절에 따라 도출된 최대 피해영향거리는 봄 532m, 여름 433m, 가을 445m, 겨울 430m로 나타났으며, 이러한 결과는 동일한 누출 조건이라 하더라도 계절별 환경특성에 따라 영향 범위가 크게 달라질 수 있음을 보여준다. 특히 풍향의 변화는 피해구역의 확산 양상에 직접적으로 작용하여, 영향 패턴이 계절마다 상이하게 나타나는 것을 확인하였다. 피해 영향거리만을 기준으로 하면 봄이 가장 큰 영향을 보이고 겨울이 가장 작은 영향을 보였지만, 풍향을 함께 고려하였을 때 여름철이 항만의 반대방향으로 불어나가면서 항만에 가장 낮은 피해를 입혔다.

이러한 결과는 작업자의 개인적 위험도가 계절 및 항만 구조 조건에 따라 변화할 수 있음을 의미하고 기존의 단일 대응 매뉴얼로 충분한 안전 확보가 어려움을 나타낸다. 따라서 계절별로 상이한 위험 특성이 고려된 대비·대응 전략이 요구되며, 본 연구에서는 발생할 수 있는 사고의 계절 시나리오 별 대응책을 마련하고자 하였다.

3.2 Zone assessment

3.2.1 Safety zone

본 연구에서는 Safety zone을 정의하기 위하여 작업자의 평균 눈높이 1.7m에서의 개인적 위험도 1E–6/year 수준의 피해영향 범위를 도출하였다. 이는 암모니아의 누출 사고 시 독성으로 인한 치명적 영향 가능성이 존재하는 최소한의 범위를 나타내며, 항만 내 위험관리의 기본 경계로 활용될 수 있다. 하지만 Safety zone 단일로 사고대응 구획을 나누면 피해영향범위 안에 있는 작업자들의 안전을 확보하기 위한 한계에 부딪힐 수 있다. 따라서 본 연구에서는 Safety zone 내부에서 작업자가 누출 시점으로 60초 동안 작업자가 평지를 대피할 때의 일반적 보행속도 범위인 1.11m/s 상태에서 해당 구역을 벗어날 수 없는 공간을 추가 위험요소로 판단하였으며 이를 Unsheltered zone으로 구분하고 Fig. 4와 같이 나타내었다.

3.2.2 Unsheltered zone

계절에 따른 시나리오 분석 결과, Unsheltered zone의 면적은 기상조건에 따른 Safety zone의 형상 및 항만의 구조에 따라서 크게 달라지는 것으로 나타났다. 봄철에는 Safety zone의 확산범위가 넓게 형성되면서 약 13,753 m² 규모의 Unsheltered zone이 도출되었다. 이는 바람 빈도수가 다른 계절에 비해 다양하게 분포하는 것이 주원인으로 해석된다. 여름철의 경우 주풍향이 해상 방향으로 강하게 형성되면서 피해구역이 항만 외부로 확산되어 Safety zone의 크기대비 실질적 위험이 거의 발생하지 않아 Unsheltered zone 면적이 0 m²로 도출되었다. 반면에 가을철의 경우 풍향에 의해 피해 구역이 항만 구조물 방향으로 집중되는 모습을 보이며 항만 경계까지 영향을 미쳐 Unsheltered zone이 약 43,389 m²로 가장 크게 생성되었다. 해당 결과는 항만 경계에 작업자가 고립될 가능성이 높은 공간적 조건을 반영한 결과로 분석된다. 겨울철은 피해구역의 확산이 해상과 육상에 고루 분포하여 약 7,563 m²의 Unsheltered zone 면적을 보였으며, 이는 항만 내 안전지대까지 이동할 수 있는 영역은 상대적으로 넓으나 여전히 특정 지역에서는 대피에 제약이 있음을 의미한다.

이와 같이 Unsheltered zone은 Safety zone 내부에 위치함으로써 계절별 환경조건과 항만의 구조에 영향을 크게 받는 모습을 확인하였다. 특히 여름을 제외한 모든 계절에서 이러한 구역이 나타난 만큼 항만 설계단계에서 이러한 결과들을 고려할 필요가 있다. 또한 Unsheltered zone안에 위치하고 있지 않지만, Safety zone 안 위치한 작업자의 경우 최단거리로 대피해야만 제한된 시간 안에 피해영향범위 밖으로 대피할 수 있다. 따라서 본 연구에서는 경로탐색 알고리즘을 통해 탐색된 작업구역에서의 경로를 군집화하여 구역을 나누고 각 위치별 대피를 위한 Security zone을 선정하고자 하였다.

3.2.3 Security zone

Fig. 5는 계절 시나리오별로 도출된 A^* 최단 대피 경로 집합을 대상으로 k-means clustering을 수행한 결과이며, k값 변화에 따른 Silhouette score를 나타낸다. Fig. 6은 Silhouette score를 기반으로 선정된 최적의 k값에 따라 형성된 전체 관리구역의 항만 내 분포를 제시하여, 독성 가스의 개인적 위험도가 실제 항만 지형 내에서 어떠한 형태로 나타나는지를 보여준다.

봄철의 경우 Silhouette score는 k=5에서 최대값인 0.7292를 보였으며, 이는 타 계절 대비 높은 군집 개수가 요구됨을 의미한다. 봄철은 풍향이 집중되지 않아 특정 방향으로 확산이 집중되는 경향이 제한적이다. 그 결과 독성가스가 항만 공간 전반에 걸쳐 비대칭적으로 확산되어 Safety zone의 면적이 가장 넓게 나타나고, 해당 영역에서 다양한 방향성의 대피 경로가 생성되었다. 경로가 다양함에 따라 군집화에서 더 많은 패턴이 분리될 수 있고 그 결과 최적 군집 수가 5개로 도출된 것으로 판단된다. 이러한 현상은 봄철 확산 특성이 복합적이며, 관리자의 입장에서 보다 세분화된 관리구역 설정이 필요함을 의미한다.

봄철 시나리오와 상이하게 여름철 시나리오의 결과는 전체 계절 중 피해 영향 범위가 가장 좁게 나타났다. 높은 빈도로 작용한 남서풍의 영향은 확산 패턴을 상대적으로 단순하게 만들었으며, 해상으로 그 영향이 작용하여 그 결과 생성된 대피 경로의 공간적 다양성 역시 제한적으로 나타났다. 이에 따라 k=3일 때 Silhouette score가 최댓값인 0.7640를 나타냈으며, 이는 최소 군집 개수만으로도 경로 유형 간 차이가 구분된다는 것을 의미한다. 따라서 여름철 항만에서는 탐색된 경로가 소수의 대표 패턴으로 구성되어 관리구역 설계 시 단순성이 확보될 수 있다.

가을철의 경우 여름철과 마찬가지로 k=3에서 최댓값인 0.7004의 Silhouette score를 보였다. 가을철은 육상 방향으로 확산되는 경향이 뚜렷다. 이로 인해 Safety zone이 특정 방향으로 집중되는 형태를 나타내며 항만의 좌측 전체를 차지하여 퇴로가 적고 이로 인하여 Unsheltered zone이 크게 나타난다. 이에 따라 오히려 Security zone이 차지할 면적이 적고 k=3 의 군집만으로도 경로 패턴을 효과적으로 분리할 수 있다.

겨울철 또한, k=3일 때 Silhouette score가 0.7065로 가장 높았으며, 이러한 결과는 여름, 가을철과 동일하게 도출된 경로가 보이는 특징성이 다양하지 않음을 의미한다. 겨울철은 지속된 북서계절풍의 인해 확산 방향성이 가장 뚜렷하고, 가을철과 마찬가지로 Safety zone의 분포가 단일 방향으로 형성되는 특징을 보인다. 하지만 항만 바깥쪽으로 작업자의 개인적 위험도 범위가 벗어나면서 항만 내 차지하는 비중이 감소하여 Security zone의 면적도 감소했음을 알 수 있다.

봄철을 제외한 대부분의 계절에서 최적 군집 수는 k=3으로 나타났으며, 이는 항만 환경에서 계절별 확산 특성을 고려할 때 기본적으로 3개의 대표 경로 패턴으로 Security zone을 구성해야하는 것을 의미한다. 다만 봄철의 경우 확산 범위가 비대칭적으로 넓어 경로의 분산도가 증가하기 때문에 더 세분화된 관리체계가 요구된다.

따라서 항만 내 관리구역 설계 시 계절별 변화에 따라 가변적으로 구역을 설정할 필요가 있으며, 특히 해당 지역에는 봄철에 타 계절보다 더 많은 관리구역과 세밀한 대피 전략이 필요할 것으로 보인다.

4. Conclusion

본 연구에서는 계절의 환경변수를 고려하여 암모니아 누출 시 발생할 수 있는 항만 내 작업자 개인의 위험도를 기반으로 관리구역을 제시하였다.

본 연구의 결과는 항만 내 친환경 연료 누출 대응을 위한 안전관리 체계 구축에 활용될 수 있는 기초 자료로 활용될 것으로 보인다. 특히 Safety zone, Unsheltered zone, Security zone 기반 관리구역의 설정은 기존의 단일 거리 기준을 보완하여 계절별 환경 변수 및 항만 운영 조건을 반영한 실질적 안전관리 전략 수립에 기여할 수 있을 것으로 판단된다. 향후에는 다양한 시나리오와 항만 외부 영향을 포함하는 다각화된 위험성평가를 통하여 관리구역의 신뢰성과 적용성을 강화할 필요가 있을 것으로 보인다.