R&D최종보고서
| 과제고유번호 | 202121CTAP-C152181-03 | |||||
|---|---|---|---|---|---|---|
| 연구사업명 | 국토교통기술촉진연구사업 | |||||
| 연구과제명 | 건설현장의 안전사고 예방을 위한 작업단계별 위험상황인식 AI기술 개발 | |||||
| 총 연구기간 | 2019-04-19 ~ 2021-12-31 | |||||
| 연구책임자 | 문성철 | |||||
| 당해년도 참여 연구원수 |
5명 | 총 연구기간 참여 연구원수 |
18명 | |||
| 당해년도 연구비 |
정부 : 329,000,000 원 기업 : 109,680,000 원 계 : 438,680,000 원 |
총연구비 | 정부 : 597,000,000 원 기업 : 199,020,000 원 계 : 796,020,000 원 |
|||
| 연구기관명 | (주)에코시안 | |||||
| 등록 발간번호 | - | |||||
| ISBN | - | |||||
| 주요 내용 |
○ 우리나라에서는 산업재해를 막기위하여 산업안전보건법의 제4장 유해위험안전조치를 통하여 사업주 및 근로자, 정부의 역할을 명시하고 있고, 이에 따라 전체 산업분야에서는 재해율이 2015년 0.58%에서 2017년 0.52%로 낮아지고 있는 추세임. 하지만 건설업의 경우, 2015년 재해율 1.5%에서 2017년 1.9%로 오히려 0.4% 증가하고 있음 ○ 이에 본 과제에서는 건설현장의 각 단계를 정의하여 최신 IT 기술을 접목하여 건설현장의 안전사고 및 경제적 손실을 막고자 함 ○ 건설현장의 경우, 작업계획 단계-작업단계-사고단계로 분류할 수 있음. 작업계획단계에서는 빅데이터를 활용하여 위험상황을 사전고지해주는 위험정보추천기능, 작업 단계에서는 AI를 활용하여 사람, 사물, 불꽃, 연기 등의 복합상황을 인식하여 작업자 및 안전 담당자에게 알림을 제공하는 위험상황 인지기능, 사고단계에서는 이에 대응하기 위한 추락상황 감지기능을 개발하고자 함 [최종목표] ○ 작업계획단계에서 90%이상의 추천 정확도를 보유한 위험정보 추천 기술 개발 ○ 작업단계에서 고정밀(90%이상) 복합위험상황(떨어짐/넘어짐/화재) 인지 기술 개발 ○ 사고단계에서 모바일을 이용한 떨어짐(추락) 상황 감지 기술 개발 ○ 1차년도 : 건설안전사고의 사례 데이터 및 사고재해 관련된 유효데이터 수집을 위한 빅데이터 플랫폼을 구축하고 수집된 데이터를 분류/분석하여 안드로이드 APP 및 영상분석 프로그램 개발을 위한 시스템 기획업무를 수행함, 또한 위험정보 추천 및 추락상황 감지 APP의 최적 알고리즘 도출을 위한 지속적인 학습을 위해 모델을 설계함 ○ 2차년도 : 위험정보 추천 및 추락상황 감지 APP의 경우 1차년도에 설계된 알고리즘 재설계 및 최적모델을 확정하고 안드로이드 APP을 개발하여 테스트베드에 적용하고자 하며, 위험상황 인지 영상분석 프로그램의 경우 최적 알고리즘 도출을 위한 지속적인 학습을 위해 모델을 설계하고 테스트베드에 적용할 프로토타입을 개발하고자 함, 또한 1차년도와 마찬가지로 건설현장 안전사고 자료의 한계를 극복하기 위해 추가적인 데이터를 수집하고 가공하고자 함 ○ 3차년도 : 실제 건설현장에 적용하여 시스템에 대한 유용성을 평가하고 평가 결과를 기반으로 문제점이나 개선사항을 도출하여 알고리즘을 재설계하고 시스템을 보완함 [연구내용 및 범위] ○ 1차년도 : - 빅데이터 플랫폼 구축 - 데이터 수집(건설안전사고 사례 데이터 및 사고재해 관련된 유효데이터 수집) - 데이터 가공(건설안전사고 데이터 분류 및 분석) - 시스템 기획(위험정보 추천 및 추락상황 감지 안드로이드 APP, 위험상황 인지 영상분석 프로그램) 1) 테스트 베드 적용 현장 작업자 및 안전담당자를 대상으로 요구사항 정의 2) 메뉴 및 기능 정의 3) 프로세스 설계 4) 사용자가 사용이 용이하도록 UI/UX 설계 5) 데이터 구조화를 통한 DB설계 6) 단위테스트 시나리오 작성 7) 통합테스트 시나리오 작성 - 위험정보 추천기능을 위한 알고리즘 설계 및 실험을 통한 최적 알고리즘 도출 (Association Rules, Matrix Factorization, Alternating Least Squares, Factorization Machine, Wide & Deep Learning for Recommender Systems) - 스마트폰의 가속도센서, 고도센서, 자이로센서 데이터를 활용한 학습데이터 구축 (Wide & Deep Learning for Recommender Systems는 Deep Learning의 관점에서 해석한 것으로 Memorization, Generalization, Wide & Deep components 순서로 실험, 작업자 연령, 신장, 몸무게, 작업 시 외기온도, 습도, 작업시간 등의 수치형 데이터와 작업단계 구분, 작업단계별 사고유형, 작업단계 별 위험요소 등의 정성적인 데이터를 활용하여 Wide & Deep Learning 기반의 추천 알고리즘 설계 및 구축) - 통계적 기법 적용 후 Deep Learning 적용 ○ 2차년도 : - 위험정보 추천, 추락상황 감지 알고리즘 재설계 및 최적모델 확정 - 데이터 수집 및 가공 - 발생 가능한 위험정보를 추천해주는 모바일 APP프로그램 개발 - 스마트폰 센서로 떨어짐(추락) 상황을 감지하는 APP프로그램 개발 - 테스트 베드 적용 - 위험상황 인지 영상분석 모델 설계 - OpenCV로 특정영역 데이터 및 보행자, 사람 추출 (Haar-like Feature, Histogram of oriented gradient feature 등) - 사람, 사물 객체 그룹의 ROI(Region of Interest) 생성 - 사람 이동 추척(Optical flow, Kalman filter, Histogram matching) - AI 모델링 구축에 필요한 학습 데이터와 테스트 데이터 도출 - 작업자 감지, 안전장비 미착용 감지, 사물 감지, 화재 감지 영상분석 시스템 및 위험상황 인지 기술 개발 - 프로토타입 개발 ○ 3차년도 : - 알고리즘 재설계 및 최적모델 확정 - 데이터 수집 및 가공 - 위험상황 인식을 위한 작업자 감지, 안전장비 미착용 감지, 사물감지, 화재감지 영상분석 시스템 개발 - 시제품 테스트 |
|||||
| 색인어 | 한글 | 건설현장 | 건설안전 | 위험상황인식 | 추천 알고리즘 | 추락상황 감지 |
| 영문 | Construction Field | Construction Safety | Risk Perception | Recommendation System | Falling Detection | |
| 최종보고서 | 최종보고서(보완본)_에코시안(문성철).pdf | |||||