메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

조민건 (성균관대학교, 성균관대학교 일반대학원)

지도교수
박승희
발행연도
2022
저작권
성균관대학교 논문은 저작권에 의해 보호받습니다.

이용수218

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2022

건설현장 빅데이터를 활용한 인공지능 기반 건설재해 예측 모델 개발
조민건 미래도시융합공 2022.01 학위논문

2021

건설 현장 빅데이터 기반 건설재해 예측모델 개발
조민건 ,  이동환 ,  박주영 외 1명 대한토목학회 학술대회 2021.10 학술대회자료

초록· 키워드

오류제보하기
지난 10년간 국내 전체 산업의 재해천인율은 다양한 노력과 산업환경의 변화에 따라 점차 감소하는 추세에 있다. 반면, 이러한 정책적 노력과 연구가 활발하게 진행됨에도 불구하고 국내 건설업에서는 오히려 재해천인율이 꾸준히 증가하는 있는 것으로 나타났다. 특히, 전체산업의 대형사고 및 사망사고 중 50% 이상이 건설업에서 발생한 것으로 나타나 국내 건설재해의 선제적 예방이 더욱 중요한 부분으로 자리 잡고 있다.
이에 따라, 정부 차원에선 건설재해 감소를 위해 사전적 건설재해 예방을 핵심 키워드로 대규모 프로젝트를 실행해왔으며, 안전사고를 사전에 예방하기 위한 다양한 연구가 진행되어왔다. 하지만, 기존의 연구는 주로 건설재해의 원인만을 분석하거나 사후분석적 연구결과를 도출하였기에 건설재해를 사전에 예방하기에는 한계가 있다. 또한, 건설재해를 사전에 예방하기 위한 기계학습 기반의 건설재해 예측 모델 연구의 경우, 주로 정형데이터만을 활용하였기에 건설현장에 존재하는 다양한 특성을 충분히 고려하지 못한 예측 결과가 도출되었다.
따라서, 본 연구에서는 정형데이터와 텍스트 형식의 비정형데이터로 구성된 건설현장 빅데이터를 활용하여 건설현장의 특성을 충분히 고려할 수 있는 인공지능 기술 기반의 건설재해 사전 예측 모델을 개발하였다.

본 연구에서는 모델의 학습데이터로 건설공사 안전관리 종합정보망(CSI)의 최근 3년간 건설재해 빅데이터 약 7,000건을 수집하였다. 효과적인 학습 및 예측을 진행하기 위해 Permutation Feature Importance 기법을 적용하여 영향력 있는 14개의 변수를 선정하고, ADASYN 기법을 적용하여 데이터 불균형 문제를 해결하였다. 전처리된 데이터 중 정형데이터의 학습은 Logistic Regression, Artificial Neural Network, Support Vector Machine, Naive Bayes, Decision Forest 총 5가지의 학습 모델을 통해 수행되었으며, 비정형데이터의 학습은 BERT 언어모델을 사용하였다. 최종적으로 정형 및 비정형데이터를 동시에 활용한 건설재해 예측 모델의 성능을 Overall accuracy와 Macro F1-score 두 가지 정량적 지표를 통해 평가한 결과, Decision Forest(+BERT) 모델이 가장 좋은 성능을 보였으며, 정형데이터만을 활용한 경우보다 약 20% 향상된 95.74%의 예측정확도가 도출되었다.
본 연구 결과, 비정형데이터를 동시에 활용함으로써 예측 모델의 효과적인 성능 향상을 확인하였으며, 보다 다양한 현장 특성을 고려한 건설재해 예측을 통해 건설재해 저감에 기여할 것으로 기대된다.
#빅데이터 #인공지능 #건설재해 #BERT #Decision Forest

목차

제1장 서 론 1
1.1 연구배경 및 필요성 1
1.2 연구동향 4
1.3 연구목표 및 방법 6
제2장 이론적 배경 9
2.1 빅데이터와 인공지능 9
2.1.1 빅데이터 9
2.1.2 인공지능 10
2.2 데이터 수집 및 전처리 기법 12
2.2.1 데이터 수집 기법 12
2.2.2 데이터 전처리 기법 12
2.3 변수 중요도 평가 기법 15
2.4 데이터 불균형 해소 기법 16
2.5 정형데이터의 기계학습 모델 18
2.5.1 Logistic Regression 18
2.5.2 Artificial Neural Network 19
2.5.3 Support Vector Machine 20
2.5.4 Naive Bayes 21
2.5.5 Decision Forest 22
2.5.6 다중 클래스 학습을 위한 One-vs-All 접근 방식 23
2.6 비정형데이터의 BERT 모델 25
2.7 예측 모델의 평가를 위한 정량적 지표 27
제3장 건설재해 예측 모델 개발 31
3.1 데이터 수집 및 전처리 33
3.2.1 데이터 수집 33
3.2.2 데이터 전처리 34
3.2 건설재해 예측 모델의 개발 및 평가 40
3.2.1 정형데이터만을 고려한 기계학습 기반 예측 모델 40
3.2.2 비정형데이터만을 고려한 BERT 기반 예측 모델 41
3.2.3 정형·비정형데이터를 모두 고려한 인공지능 기반 예측 모델 43
3.3 건설재해 예측 모델의 성능 분석 44
제4장 결론 46
참고문헌 48

최근 본 자료

전체보기

댓글(0)

0