[3기 자율 프로젝트] 하천 오염 상태 및 하수처리 실태 분석을 통한 서울시 중앙관리 물재생센터 설치 장소 추천

TEAM 이김임박(feat. 승리 임박!)
김세언, 박지호, 이나은, 임효신

▶ 프로젝트 주제 및 선정 배경

하천이란 일반적으로 물과 그 물이 지나는 길을 의미합니다. 법률적 의미의 하천으로는 지표면에 내린 빗물 등이 모여 흐르는 물길로서 공공의 이해에 밀접한 관계가 있어 하천으로 지정된 것을 말하며, 하천구역과 하천시설을 포함합니다.

이렇듯 하천의 정의에서부터 알 수 있듯이, 하천은 공공복리의 증진과 산업 개발/유지 등을 이바지하는 데 필수 요소로 우리 사회 속에서 자리잡고 있습니다. 또한 서울시 도심 속 하천은 도심의 대표적 쉼터의 역할을 하며 도시경관의 질 향상, 휴식 및 여가 공간 제공 기능뿐만 아니라 열섬효과 완화 등 기후변화 대응에 효과가 있기도 합니다.

하지만 서울시의 하천, 특히 한강을 중심으로 한 수질 오염은 항상 문제가 되어왔을 뿐만 아니라, 점점 심각해지고 있습니다. 생활하수, 산업 폐수, 농축산 폐수 등이 하천으로 유입되어 자정작용을 방해하고, 이는 인간과 동물뿐 아니라 주변 생태계에도 심각한 해를 끼치고 있습니다. 이러한 수질 오염은 점차 가속화되고 있으며, 이를 복구하는 데에는 막대한 시간과 비용이 필요합니다. 따라서 하천의 오염 상태를 지속적으로 감시하고 개선하는 것이 매우 중요한 사회적 과제가 되었습니다.

서울시에서는 이러한 수질 오염을 완화하기 위해 하수관로, 공공하수처리시설, 하수처리수 재이용시설 등 다양한 하수처리 시설을 운영하고 있습니다. 이 중에서도 '물재생시설'은 하수 속 오염 물질을 미생물 분해와 물리적 제거 과정을 통해 정화하여 자연 정화 능력을 회복시킵니다. 물재생시설은 하수의 하천 유입을 방지하고, 깨끗하게 정화된 물을 다시 하천으로 방류함으로써 수질 개선에 중요한 역할을 합니다.

현재 서울시에는 중랑, 난지, 탄천, 서남 등 4개의 물재생센터가 운영 중이며, 각각 하루 약 86만~163만 톤의 하수를 처리하고 있습니다. 각 물재생센터의 담당 권역은 다음과 같습니다.

현재 중랑물재생센터와 난지물재생센터는 서울시 직영으로, 탄천물재생센터와 서남물재생센터는 위탁으로 운영되고 있습니다. 저희는 이러한 하수처리시설의 직영/민간위탁 이원체계가 많은 문제점을 가지고 있다는 점을 알 수 있었습니다.

하수처리시설 직영/위탁 이원화 체제의 문제점

컨트롤 타워 역할을 할 수 있는 중앙 처리센터의 부재

동일 업무를 4개 처리장에서 시행하는 과정에서 발생하는 중복 인력 문제

센터 간 순환 불가능으로 인한 탄력적 인력 운영의 부재

운영체계의 차이로 인한 개별구매(약품 등)로 생기는 불필요한 예산낭비

장기적인 하수도 플랜 수립의 어려움

공공서비스 개별 제공에 따른 책임성 소재의 모호함

또한 서울시의 하수처리시설 대부분은 기형적인 운영 시스템으로 인한 인력 부족 문제를 겪고 있기도 합니다.

직영방식의 문제점	민간위탁 방식의 문제점
1. 공무원 직종개편에 따른 기능직 소멸 → 충원 불가능 2. 일반직으로 대체 시 ① 일반직의 하수처리시설 근무기피 문제 ② 공무원 순환근무로 인한 운영인력 비전문성 문제 3. 순환근무체계로 인해 장기적 계획 수립 및 경영효율화 추진이 어려움	1. 지속적 재계약(3년)으로 인해 장기적 계획 수립 및 경영효율화 추진이 어려움 2. 안정적이지 못한 재계약에 의한 직원 참여도 저하 가능성 3. 계약 안정성에 대한 시의회 및 시민사회의 부정적 시각 존재

이러한 문제를 해결하기 위해 서울시 또한 서울시 환경공단추진팀을 발족하는 등 환경공단 설립을 본격화하고 있습니다. 이에 이상의 문제점들을 효율적으로 해결할 수 있는 새로운 환경공단, 이하 '서울시 중앙관리 물재생센터' 지부를 어느 곳에 위치시킬지 결정하는 것이 매우 중요하다는 점을 생각할 수 있었습니다.

결론적으로, 저희 팀은 서울시 하천의 오염 상태와 물재생센터 하수 처리 실태를 분석하여

1. 물재생 사각지대에 속한 하천을 관리할 수 있고

2. 현재 설치되어 있는 4개의 물재생센터와 협력하며 이원화되어 있는 각각의 물재생센터 관리에 도움을 줄 수 있는

'서울시 중앙관리 물재생센터' 설치 장소를 추천하는 데이터 분석 프로젝트를 기획하게 되었습니다.

▶ 프로젝트 목표

한강을 포함한 주요 하천의 오염 상태와 물재생센터 하수 처리 실태를 기반으로
① 물재생 사각지대에 속한 하천을 관리할 수 있고
② 현재 설치되어 있는 4개의 물재생센터와 협력하며 이원화되어 있는 각각의 물재생센터 관리에 도움을 줄 수 있는
'서울시 중앙관리 물재생센터' 최적 설치 장소를 도출하고 매핑
이를 통한 하천 생태계의 지속 가능한 관리 시설 구축을 도모

▶ 활용 데이터 소개 및 프로젝트 개요

▷ 데이터 수집 → 데이터 전처리 → 데이터 분석 → 해결 방안 제시

1. 데이터 수집

첫번째 목표 : 현재 서울시 하천의 오염 상태 파악
두번째 목표 : 기존 하수 처리 시설의 위치 및 각 하수처리장의 처리량/처리현황 파악

1) 서울시 물재생센터 하수처리량 데이터 (서울시 열린 데이터 광장 / 물순환안전국 물재생시설과 제공) https://data.seoul.go.kr/dataList/OA-15561/S/1/datasetView.do

-서울시 4개 물재생센터(중랑, 난지, 서남, 탄천)에서 처리하는 하수처리량에 대한 정보
- 물재생센터별, 처리장별, 일자별 하수처리량

- 이를 통해 가동률을 구해서 각 센터가 효율적으로 하수를 처리하고 있는지 파악

2) 서울특별시_하천수질측정망 위치정보 데이터 물순환안전국 (서울시 열린 데이터 광장 / 수변감성도시과 제공) 서울시 하천수질측정망 위치정보> 데이터셋> 공공데이터 | 서울열린데이터광장 (seoul.go.kr)

서울시 물순환정보 공개시스템(swo.seoul.go.kr)의 하천수질측정망 위치 정보 데이터

- 71개 하천명, 하천종류, 경도/위도, xy좌표 정보
- 앞서 언급한 파이썬의 Folium 라이브러리를 이용해 지도에 측정 지점을 시각화할 때 활용

- 오염 분포를 직관적으로 파악하고 식별하는데 도움

3) 한국환경공단_공공하수처리시설 현황 (공공 데이터 포탈 / 데이터한국환경공단 제공)

- 시설명, 소재지, 처리량 등의 정보를 담고 있음

- 기존 하수처리시설의 위치와 용량 파악에 활용

- 이를 통해 시설 간의 격차 분석 및 추가 시설 설치가 필요한 지역 선정

데이터 상세 | 공공데이터포털 (data.go.kr)

공공하수처리시설 현황(시도,시설명,소재지,시설용량(㎥/일),유입하수량(㎥/일),방류량(㎥/일),유입 BOD,방류 BOD,유입 COD,방류 COD,유입 SS,방류 SS,유입 T-N,방류 T-N,유입 T-P,방류 T-P,유입 총대장균 군수,방류 총대장균 군수,처리효율,처리부하량(㎏BOD/D),처리방법,적용신기술,연계처리량(㎥/일),준공일,가동개시일,사업비(백만원),방류수 소독방법,수계,지류,세부단위 구역,지역구분,명칭,목표수질(BOD),재생에너지 이용률,에너지 이용량(TOE),전력사용량(㎾h/년),하수처리량당 CO2배출량 (㎏CO2/㎥),운영주체,위탁업체명,위탁비용(백만원/년),위탁계약기간,중심처리시설,직원총수(명),안전사고건수)

4) 서울시 수질현황 통계 (서울특별시 물순환안전국 수변감성도시과)

서울시 수질현황 통계> 데이터셋> 공공데이터 | 서울열린데이터광장 (seoul.go.kr)

- 25개의 하천 수질 데이터

-수온, pH, 용존산소 DO, 생물화학적산소요구량 BOD, 화학적산소요구량 COD, 부유물질 SS, 총대장균군

※ 용어 설명

생물화학적 산소요구량 (BOD)	- 수중에 존재하는 분해 가능한 유기물이 일정 조건하에서 미생물에 의하여 분해되고, 안정화 될 때 소비하는 산소량 - 이를 측정할 때는 20°C에서 5일간 배양시 소비하는 산소량으로 나타냄 - 수질오염의 지표 중 하나로 값이 적을수록 수질오염이 낮고 깨끗한 물
화학적 산소요구량 (COD)	- 배수중의 피산화성 물질 중에서도 주로 유기물에 의해서 소비되는 산소의 양을 ppm으로 표시한 것 - 세가지의 측정법이 있지만, 배수 기준 및 환경 기준에서는 100℃에서 과망간산칼륨에 의한 산소 소비량 측정법을 지정하고 있음. - 수질오염의 지표 중 하나로 값이 작을수록 수질오염이 낮고 깨끗한 물
부유물질(SS)	- 크기가 0.1㎛이상의 현탁 상태(액체에 미세한 고체 입자가 분산되어 있는 상태)의 고형물을 말함 - 수질의 탁도 및 색도를 유발하는 원인물질
pH	- 물의 산성, 중성, 알칼리성 세기를 수소이온과 수산화 이온의 농도로 간단하게 나타내는 지수 - pH 1~6은 산성, pH 7은 중성, pH 8~14는 알칼리성 - 자연수의 pH는 대부분 6.5 ~ 8.5 사이 - 조류 번식 시 pH는 상승하는 경향이 있음
용존 산소(DO)	- 물 속에 녹아 있는 산소의 양 - 여러 조건에 따라 달라지며 수온이 높아지면 그 양이 적어지고 공기 중에 산소가 많아지면 증가 - 2ppm 이상이면 냄새가 나지 않으며 물고기가 살 수 있는 용존 산소는 4ppm 이상 - 용존 산소 값이 클수록 좋은 물
총인(T-P)	- 입자성 인, 유기성 인, 폴리인산염, 인산염이온 등 수중에 존재하는 인의 총량을 측정한 값 - 호소, 하천 등의 부영양화를 나타내는 지표 중 하나 - 방류수에 의해 총인 농도가 높아지기도 함 부영양화 : 호수, 연안 해역, 하천 등의 정체된 수역에 오염된 유기물질(질소나 인)이 과도하게 유입돼 발생하는 수질의 악화현상으로, '녹조현상'을 수반. 영양물질이 많이 유입되면 녹조류가 과다 번식하여 수역을 부패
총질소(T-N)	- 수중에 포함된 질소화합물의 총량. 유기성 질소, 암모니아성 질소, 아질산성 및 질산성 질소 등 모든 질소성분을 포함 - 총질소는 자연계 질소순환과정에서 자연수에 포함되어 있으나, 생활하수, 공장폐수, 축산폐수 등과 같은 인위적인 유입에 따라 증가 - 인과 함께 호수나 연안에서 부영양화에 대한 지표로도 사용. 인구의 집중도가 큰 지역의 하천과 호소 등에 다수 존재함
총유기탄소(TOC)	- 물 속 유기오염물질이 가진 탄소의 총량으로 수질오염 정도를 나타내는 주요 지표 - 총유기탄소의 양이 높을수록 수질이 안 좋은 물

2. 데이터 전처리

+ Pandas Library : 데이터 분석을 위한 Python 라이브러리

- 앞서 데이터 수집 단계에서 가져온 CSV, Excel 형태의 데이터를 불러오기
- 데이터 필터링 / 정렬 / 그룹화
> 하나의 자료에 오염도 및 위치 정보를 시각화 할 수 있도록 데이터셋 만들기
> 결측치 / 이상치 처리
ex) 점검중인 수질 측정소의 경우 전처리가 필요

3. 전처리한 데이터를 이용해 데이터 분석 및 시각화

+ Folium Library : 지리 공간 데이터를 시각화하는 데 사용되는 Python 라이브러리

Map() 함수 : 원하는 장소의 위도,경도를 찾아 지도 출력하기

Marker() 함수 : 위도, 경도 정보를 전달하면, Folium 지도에 위치를 표시하기

> 기존 하수 처리 시설들의 위치를 지도에 매핑하기

lickForMarker() 함수 : 지도를 출력할 때, 사용자가 유동적으로 마우스로 클릭하면 클릭지점에 마크를 생성하게 할 수 있음

Choropleth() 함수 : 행정구역과 같이 지도 상의 어떤 경계에 둘러싸인 영역에 색을 칠하거나 음영 등으로 정보를 나타내는 시각화 방법. 전달하려는 정보의 값이 커지면 영역에 칠해진 색이나 음영이 진해짐.

지도 데이터 파일 시각화 하고자 하는 데이터 파일 (.csv 등) 을 파라미터로 넘겨주어야 하며, Choropeth 시각화를 위해서는 먼저 경계선이 좌표값이 담긴 데이터가 따로 필요함.

> 한강 구역별 오염도를 지도에 시각화하기

4. 해결 방안 제시

- 분석한 데이터 내용을 바탕으로 하수 처리 시설이 필요한 위치 찾기
- 추가적인 해결책 모색

▶지난 3주 간의 활동

9/3 - 9/8
각자 주제 브레인스토밍 기간을 가진 뒤, 9/8에 비대면 화상 회의를 통해 주제 및 배경, 목표 등을 토의하였습니다. 크게 두 가지 주제를 선정하였습니다. 해당 주제는 다음과 같습니다.
1. 유동인구 대비 경찰 인력, 치안 인력 분석
2. 도로 교통 사고, 도로별 사고 분석 이후 재발방지대책 수립

9/9
9/8에 선정한 주제를 바탕으로 대면 회의 배경과 데이터들을 찾아보았습니다. 하지만 이 과정에서 ① 비슷한 데이터 분석 시스템이 이미 구축되어 있으며 ② 데이터 부족(치안) 데이터 과다(도로)로 인한 분석이 불가함과 같은 이유로 주제 변경을 결정, 이에 '한강 위치별 오염도 분석을 통한 하수 처리 시설 설치 장소 추천'을 새로운 주제로 선정하였습니다.

9/16
비대면 화상 회의를 통해 배경, 사용할 데이터, 구체적인 시각화 방법 등을 논의하고 위치별 수질 오염 데이터, 위치 좌표 등의 데이터를 정리하였습니다.

9/17 - 9/23
티스토리에 3주간 진행된 프로젝트 과정을 기록하였습니다. 이때 프로젝트 목표를 현재 목표와 같이 구체화할 수 있었습니다.

▶ 후반 3주 간의 프로젝트 주차별 계획

1주차
수집한 데이터를 바탕으로 데이터 전처리 과정을 거칠 예정입니다.

2주차
전처리 데이터를 분석하여, 그를 바탕으로 하수 처리 시설이 필요한 위치를 찾고 관련된 추가적인 해결책을 모색할 예정입니다.

3주차
만약 2주차 과정에서 문제가 생길 시, 이에 대한 해결 방안을 찾을 예정입니다. 또한 최종 발표 준비 및 티스토리 작성을 목표로 하고 있습니다.

▶ 분석 과정 및 결과

0. 변경된 점

- 서울시 한강공원 총 11개 센터 쓰레기 처리량 데이터 -> 프로젝트 목표에 맞게 활용하기 어렵다고 판단하여 제외

- 서울시 한강 및 주요지천 수질 측정 자료 -> 시간바다 갱신되는 데이터를 실시간으로 반영하는 데 어려움이 있어 서울시 수질현황 통계 데이터로 변경

- 연/월별 수온, pH, 용존산소, 생물화학적산소요구량, 부유물질 등의 수질 오염 지표 확인 가능

1. 서울시 물재생센터 하수처리량 데이터 => 서울시 4개 물재생센터 하수 처리 현황 및 가동률 분석

원본 데이터 columns 설명

물재생센터명칭	서울시 4개 물재생센터(중랑, 난지, 서남, 탄천)
1차하수처리량(단위: m^3/d)	- 강우의 영향 등으로 하수처리 용량을 초과하는 하수가 유입되는 경우 처리 과정 일부를 생략하고 방류되는 하수량 - 1차침전 및 소독 단계를 거쳐 방류
2차하수처리량(단위: m^3/d)	- 평상시 물재생센터로 유입되는 하수의 방류량 - 1차침전, 생물반응, 2차침전, 고도처리, 소독의 모든 단계를 거침

분석에 사용된 추가 columns 및 정보

총하수처리량	1차 하수처리량과 2차 하수처리량을 더한 값
월별평균하수처리량	월별 총하수처리량을 월별 일자수로 나눈 값
월별가동율(단위: %)	월별평균하수처리량을 각 센터의 시설용량으로 나눈 값
센터별 시설용량(단위: 만m^3/d)	중랑(159), 난지(86), 서남(163), 탄천(90)

분석 과정

1. 불필요한 column drop

# "처리장구분" column drop <- 하루동안 처리된 하수처리량을 구할 거라서 처리장구분은 필요없음
df_rewater = df_rewater.drop(columns="처리장구분", axis=1)
df_rewater.head()

2. 각 센터별 결측치 제거(과정 2 - 4는 센터별로 반복됨. 이에 난지 물재생센터의 경우로 이하 과정 첨부)

# df_null에서 "물재생센터명칭"이 "난지물재생센터"인 데이터
df_null_난지 = df_null[df_null["물재생센터명칭"] == "난지물재생센터"]
df_null_난지

# "측정일자" 동일한 데이터들끼리 "2차하수처리량" 더해서 새로운 데이터프레임 생성
df_난지_day = df_null_난지.groupby(["측정일자"])["2차하수처리량"].sum().reset_index()
df_난지_day.head()

# 2차 하수처리량이 난지물재생센터 시설용량 86만m^3/d 넘는 데이터 추출
df_난지_day[df_난지_day["2차하수처리량"] > 860000]

# 시설 용량을 초과하는 날이 없었으므로 1차 방류량은 0으로 가정 -> 결측치 0으로 대치
df_rewater = df_rewater[df_rewater["물재생센터명칭"] == "난지물재생센터"].fillna(0.0)

3. 센터별 일별 총하수처리량 구하기

df_rewater_난지 = df_rewater[df_rewater["물재생센터명칭"] == "난지물재생센터"]

# 일자별로 1차 하수처리량과 2차 하수처리량 각각 더하기
df_rewater_난지 = df_rewater_난지.groupby(["측정일자"])[["1차하수처리량", "2차하수처리량"]].sum().reset_index()

# 일자별 1차 하수처리량과 2차 하수처리량을 더해 "총하수처리량" column 생성
df_rewater_난지["총하수처리량"] = df_rewater_난지[["1차하수처리량", "2차하수처리량"]].sum(axis=1)
df_rewater_난지.rename(columns={"측정일자":"측정일자(난지)"}, inplace=True)
df_rewater_난지.head()

4. 센터별 월평균 가동율 구하기

# 측정일자 value '년/월' 형식으로 수정
df_rewater_난지["측정일자(난지)"] = df_rewater_난지['측정일자(난지)'].str[:7]
# 측정일자별로 value_counts() -> 월별 날짜 count
daycount = df_rewater_난지["측정일자(난지)"].value_counts().reset_index()
daycount.columns = ["측정일자(난지)", "daycount"]
daycount

# 월별 하수처리량 데이터프레임 생성
df_난지_month = df_rewater_난지.groupby(["측정일자(난지)"]).sum().reset_index()
df_난지_month

# 월별 하수처리량 데이터프레임과 daycount 데이터프레임 측정날자별로 병합
df_난지 = pd.merge(df_난지_month, daycount, on="측정일자(난지)", how="inner")
df_난지

# 월별평균하수처리량 column 추가
df_난지["월별평균하수처리량"] = round(df_난지["총하수처리량"] / df_난지["daycount"], 0)
df_난지

# 월별 가동율 column 추가
df_난지["월별가동율"] = round((df_난지["월별평균하수처리량"] / 860000) * 100, 0)
df_난지

5. 4개 물재생센터 가동율 시각화

oper_난지 = df_난지[['측정일자(난지)', '월별가동율']]
oper_난지.columns = ["측정일자", "난지"]
oper_난지

- 센터별로 반복

df_total_oper = oper_난지
df_total_oper = pd.merge(df_total_oper, oper_서남, on="측정일자", how="inner")
df_total_oper = pd.merge(df_total_oper, oper_중랑, on="측정일자", how="inner")
df_total_oper = pd.merge(df_total_oper, oper_탄천, on="측정일자", how="inner")
df_total_oper