건설공정계획 최적화를 위한 강화학습 기반 자동화 기술 :Reinforcement Learning Based Automation Technology for Optimization of Construction Process Planning

이의덕

추천

검색

자료유형: 학위논문

저자정보: 이의덕 (인하대학교, 인하대학교 대학원)

지도교수: 신도형

발행연도: 2022

저작권: 인하대학교 논문은 저작권에 의해 보호받습니다.

이용수55

이 논문의 연구 히스토리 (2)

2022

건설공정계획 최적화를 위한 강화학습 기반 자동화 기술

이의덕 스마트시티공학 2022.01 학위논문

2021

건설공정계획 최적화를 위한 강화학습 기반 시뮬레이션의 개념적 방법

이의덕 , 이강혁 , 아놀드 잔 비탕홀 외 2명 대한토목학회 학술대회 2021.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

건설 공사의 공정계획은 프로젝트의 성공적인 수행을 위해 적절한 공기와 공사비 산정이 필수적이다. 그러나, 건설사업 참여주체들의 경험과 관행에 따라 공사 기간, 공사비를 산정하고 있어 적정 공기 및 공사비를 확보하기 어려운 실정이다. 또한, 공정계획의 목표달성에 부정적인 영향을 미치는 리스크는 건설 프로젝트의 총 공기 및 공사비 산정에 반영되지 않는 상황이다. 이러한 한계점을 극복하기 위해 본 연구에서는 리스크를 반영한 건설공정계획 최적화를 위한 강화학습기반 자동화 기술 개발을 목적으로 하였다.
강화학습기반 자동화 기술개발에 필요한 데이터 생성을 위해 본 연구에서는 8개의 하위 공정을 선정하였다. 연구의 범위는 건설 프로젝트의 토공사와 포장공사로 한정하였다. 하위 공정마다 세부 작업을 설정하여 표준품셈과 사이클론 기법을 이용하여 공정별 자원조합 데이터를 구축하였고 구축 방법을 제시하였다.
인공지능 기술 중 하나인 강화학습 개념을 기반으로, 강화학습기반 자동화 기술을 개발하였다. 8개의 하위 공정을 조합해 공정 환경을 만들었고 자원조합 데이터와 리스크 확률분포 데이터를 이용하여 강화학습기반 자동화 기술을 학습하였다. 강화학습기반 자동화 기술을 학습 및 검증한 결과, 목표하는 공기 및 공사비를 충족시킬 수 있는 적정 공기 및 공사비를 도출하였다.
본 연구는 기존에 반영할 수 없었던 리스크를 반영시킬 수 있다는 의의를 지니고 있으며, 강화학습기반 자동화 기술을 개발하였다. 이를 통해 건설공정계획하는 입장에서 목표하는 공기 및 공사비를 충족시킬 수 있고 적정 공기 및 공사비 산정이 가능할 것으로 판단된다.

제 1 장 서 론 01
1.1 연구 배경 및 목적 01
1.2 연구 방법 및 범위 04
제 2 장 선행 연구 조사 08
2.1 건설공정계획 연구 동향 08
2.2 리스크 관련 이론적 고찰 12
제 3 장 강화학습기반 자동화 기술의 구성 15
3.1 인공지능 기술 선정 15
3.2 강화학습 개요 18
3.3 강화학습 기반 자동화 기술 22
3.3.1 슈퍼마리오 게임 환경을 이용한 강화학습기반 자동화 기술 이해 24
제 4 장 학습을 위한 데이터 구축 26
4.1 건설 공정 시뮬레이션 모델링 26
4.1.1 하위 공정 선정 26
4.1.2 CYCLONE 27
4.1.3 공정 시뮬레이션 모델링 28
4.2 공정별 자원조합 데이터 32
4.2.1 자원조합 데이터 구축 방법 32
4.3 리스크 데이터 41
제 5 장 강화학습기반 자동화 기술 학습 및 분석 42
5.1 강화학습기반 자동화 기술 학습 개요 42
5.2 강화학습 자동화 기술 개발 47
5.3 강화학습 자동화 기술 학습 및 결과 49
5.3.1 강화학습기반 자동화 기술 학습 결과 분석 53
제 6 장 결 론 56
6.1 연구 결과 56
6.2 연구 의의 58
6.3 연구의 한계점 및 향후 연구에 대한 제언 59
참고문헌 60

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)