웨어러블 센서를 활용한 건설현장 고소작업자 식별 및 안전고리 체결 자동 감지 모델

Alternative Title
Automated identification of construction workers’ work-at-height and safety hook attachment using wearable sensors
Author(s)
추헌상
Advisor
최병주
Department
일반대학원 스마트융합건축학과
Publisher
The Graduate School, Ajou University
Publication Year
2022-08
Language
kor
Keyword
건설 안전머신 러닝(Machine Learning)안전 관리웨어러블 센서(Wearable Sensor)추락사고
Abstract
고소작업자의 안전고리 체결은 추락사고 발생 시 부상 위험을 완화할 수 있어 고소작업자 안전관리에 필수적인 사항이다. 현재 건설현장의 안전 관리는 안전관리자의 육안을 통해 고소작업자의 안전고리 체결을 모니터링한다. 하지만, 현장 내 모든 고소작업자의 불안전한 행동인 안전고리 미체결을 육안을 통해 관리하기에는 한계가 있어 자동화된 모니터링에 대한 관심이 증가하고 있다. 이러한 의미에서, 센서 또는 컴퓨터 비전을 사용해 고소작업자의 불안전한 조건과 불안전한 행동에 대한 자동화 모니터링을 개발하였다. 하지만, 기존의 연구들은 실제 건설 현장에서 발생 가능한 다양한 작업 상황에서 고소 작업 중인 작업자를 식별하고 안전고리의 온전한 체결 여부를 파악하는 데에는 어려움이 있다. 그러므로, 본 연구는 건설 현장에서 발생할 수 있는 다양한 상황에서 고소 작업자를 식별하고 고소작업자의 안전고리 체결을 감지하여 추락사고를 사전에 예방하는 안전관리 모니터링 모델들을 개발하는 것을 목표로 하였다. 이를 위해, 본 연구는 웨어러블 센서를 사용하여 건설 현장 내 다양한 작업 상황에서 고소 작업자를 식별하고, 적절한 안전고리 체결을 감지함으로써 추락사고를 예방하는 고소작업자 식별 및 안전고리 체결 자동 감지 모델을 개발하였다. 고소작업자 식별 모델은 기압계에서 수집된 대기압과 Inertial Measurement Unit (IMU)에서 수집된 가속도 및 자이로스코프(Gyroscope) 신호를 사용하여 작업자의 고도를 추정한다. 그리고, 안전고리 체결 자동 감지 모델은 IMU센서에서 수집된 데이터를 머신 러닝 알고리즘을 통해 학습시켜 고소작업자의 안전고리 체결을 감지한다. 모델들의 타당성 검증을 위해 실제 건설현장에서 남성 14명, 여성 6명에 대한 현장 실험을 실시하여 데이터를 수집하였다. 개발된 안전고리 체결감지 모델은 다양한 현장의 새로운 작업자를 반영할 수 있도록 Leave One-subject Out Cross Validation (LOSOCV)을 통해 평가되었다. 연구 결과, 고소작업자 모델은 96%의 정확도로 고소작업자에 대한 감지가 가능하였으며, 안전 고리 체결 감지 모델은 86%의 정확도로 안전고리 체결 유무를 감지할 수 있었다. 본 연구의 결과는 비침습적으로 건설 현장 내 복잡한 작업 상황에서도 고소작업자를 식별하고 안전고리 체결 상태를 객관적이고 지속적이게 모니터링하는 방법을 제공함으로써 현재의 안전관리 지식 체계에 기여한다. 또한, 본 연구의 결과는 향후 고소작업자들의 추락사고 예방을 위해 건설현장 안전관리 개선에 기여할 수 있을 것이다
Alternative Abstract
The proper attachment of the safety hook of the work-at-height workers is an essential matter for the safety management of them as it can alleviate the hazard of injury in the event of Fall From Height (FFH). In safety inspection practice at construction sites monitors the safety hook attachment of the workers through manual observation of safety managers. However, manual monitoring has limitations on recognizing safety hook unattachment, which are unsafety behaviors of all work-at-height workers in the site, thus increasing interest in automated safety monitoring methods. In this sense, many attempts have been made to develop automated monitoring systems for unsafe conditions and unsafe behaviors of construction workers, using sensors or computer vision. However, previous studies have limitations detecting work-at-height workers in various possible working conditions at actual construction sites and detecting whether the safety hook is properly attached. Therefore, this study aims to develop safety management automated monitoring models that detects work-at-height workers and their safety hook attachment in various tasks that may occur at construction sites to prevent FFH in advance. To achieve the research objectives, this study developed models that uses wearable sensors to prevent FFH by detecting work-at-height workers and proper safety hook attachment at actual construction sites. The work-at-height worker detection model estimates the altitude of workers using atmospheric pressure collected from barometer and acceleration and gyroscope signal collected from Inertial Measurement Unit (IMU). In addition, the model detects safety hook attachment of work-at-height workers through machine learning algorithms that was trained using data collected from IMU sensors. To verify system validity, this study conducted field experiments on 14 men and 6 women at actual construction site and collected data. The developed safety hook attachment detection model was assessed through Leave One-subject Out Cross Validation (LOSOCV) to reflect individual characteristics of new workers at various sites. As a result of the study, the work-at-height worker detection model was able to detect the work-at-height worker with 96% accuracy, and the safety hook attachment detection model was able to detect whether the safety hook is attached or not, with 86% accuracy. The results of this study contribute to the current body of knowledge by providing non-invasive method on detecting work-at-height workers and safety hook attachment status objectively and continuously even in complex construction sites. Moreover, the results of this study can contribute to the improvement of safety management at construction sites for preventing future FFH of work-at-height workers.
URI
https://dspace.ajou.ac.kr/handle/2018.oak/21052
Fulltext

Appears in Collections:
Graduate School of Ajou University > Department of Smart Convergence Architecture > 3. Theses(Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse