$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

센서 기술(Sensing technology)과 비전 기술(Vision Technology)을 이용한 건설작업자 안전관리 관련 연구 동향 원문보기

건설관리 : 한국건설관리학회 학회지 = Construction engineering and management, v.15 no.2, 2014년, pp.71 - 75  

안창범 (The Durham School of Architectural Engineering and Construction University of Nebraska)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이러한 건설 현장내의 사고 위험을 감소시키기 위하여 다양한 시각의 연구들이 수행되어 왔으며, 특히 건설 현장에 투입된 자원 및 주체들의 정보를 토대로 안전사고 위험율을 측정 및 분석하여 발생가능한 사고를 미연에 방지하려는 목적의 연구들이 활발히 진행되고 있다. 본 고에서는 이러한 연구들 중 최근 활발히 수행되고 있는 센서 기술(Sensing Technology)과 비전 기술(Vision Technology)을 이용한 연구들의 동향에 대해서 간략히 소개하고자 한다.
  • 이로 인해 과거부터 안전관리 향상을 위해서 많은 연구가 지속적으로 수행되어 왔으며, 최근에는 새로운 기술인 센서와 비전을 이용한 연구가 활발히 수행되고 있다. 본 고에서는 현재 미국에서 안전관리 향상을 위해 사용되고 있는 센서 기술과 비전기술에 관한 연구 동향을 알아보고 각 연구에 사용된 기술과 특징들을 알아보았다. 이러한 기술은 기존의 정성적인 정보를 바탕으로 이뤄지던 안전관리에서 나아가 건설 현장에 속해있는 자재와 장비, 작업원의 위치, 수행 작업의 종류, 신체신호까지 다양한 정량적인 정보를 측정 및 획득할 수 있도록 하였고 이를 통해 충돌 방지, 자재 위치 추적, 위험행동 감지와 같은 건설현장의 실시간 안전관리를 가능하게 하였다.
  • 비전기술을 활용한 연구의 경우 카메라나 Microsoft Kinect를 이용하여 얻은 화상 정보를 분석해 작업자나 건설현장의 안전관리에 사용하는 목적으로 활용하고 있다. 이러한 연구들은 대부분 이미지 프로세싱을 바탕으로 작업자의 위험한 행동이나 자세, 수행 작업을 인식하여 작업자의 안전관리에 사용하는 목적으로 수행되었으며, 특히, 비전 기기 중 하나인 MS Kinect를 사용한 연구의 경우 작업자의 body skeleton을 생성하고 이를 통해 작업자의 움직임 또는 자세를 분석해 이를 작업자의 부상이나 사고 예방에 활용하는 것을 목적으로 하고 있다. 다음의 표3 는 비전 기술을 건설현장 및 작업자의 안전관리에 활용한 연구들의 내용과 기술을 보여주고 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
건설현장에서 다양한 실시간 위치추적 기술들이 활용되어 온 이유는? 건설현장에서 발생할 수 있는 사고들 중 건설 작업자와 건설장비와의 충돌이나 추락 혹은 사고의 위험이 있는 장소로의 부주의한 접근으로 발생하는 사고의 경우 이들 간의 위치 정보를 파악함으로써 사고발생을 방지할 수 있는데 이를 위해 다양한 실시간 위치추적 기술들(Real-Time Locating system)이 활용되어 왔다. 이러한 위치추적기술을 이용하는 경우, 건설 작업자의 신체에 부착한 센서를 통해 획득한 위치정보를 토대로 작업자가 건설 장비와의 충돌이 예상되거나 추락사고 위험이 높은 지역으로 접근시 이에 대한 경고를 작업자 및 관리자에게 전달하는 것을 주요 골자로 하고 있다.
건설 산업의 높은 사고 위험을 보여주는 수치는? 미국의 National Safety Council의 Injury Facts(2012)에 따르면, 미국 전체 산업 고용인의 6% (640만명)만이 건설산업 종사자임에도 불구하고 미국 전체 산업 사망사고의 23%, 부상사고의 10.3%가 건설 산업에서 일어나고 있다고한다. 건설산업의 이러한 높은 사고 위험을 줄이기 위해 미국의 Occupational Safety and Health Association(OSHA)에서는 1972년부터 다양한 건설작업에 대한 안전기준을 만들고 보완하면서 노력해 왔지만, 여전히 건설산업의 사고 위험은 타산업 대비 높은 사고율을 보여 주고 있다.
건설현장에서 위치추적기술의 역할은? 건설현장에서 발생할 수 있는 사고들 중 건설 작업자와 건설장비와의 충돌이나 추락 혹은 사고의 위험이 있는 장소로의 부주의한 접근으로 발생하는 사고의 경우 이들 간의 위치 정보를 파악함으로써 사고발생을 방지할 수 있는데 이를 위해 다양한 실시간 위치추적 기술들(Real-Time Locating system)이 활용되어 왔다. 이러한 위치추적기술을 이용하는 경우, 건설 작업자의 신체에 부착한 센서를 통해 획득한 위치정보를 토대로 작업자가 건설 장비와의 충돌이 예상되거나 추락사고 위험이 높은 지역으로 접근시 이에 대한 경고를 작업자 및 관리자에게 전달하는 것을 주요 골자로 하고 있다. 주로 사용되는 기술은 GPS(Global Positioning System), RFID (Radio Frequency Identification), UWB(Ultra Wideband) 등이 있으며, 최근에 WLAN(Wireless local area network)과 IMU(Inertial Measurement Units) 센서를 이용하여 실내 작업자의 위치 추적 혹은 기존 위치추적 기술의 정확성을 높이려는 연구 또한 진행되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (20)

  1. Amir H. Behzadan, Zeeshan Aziz, Chimay J. Anumba, Vineet R. Kamat, Ubiquitous location tracking for contextspecific information delivery on construction sites,Automation in Construction 17 (6) (2008) 737-748. 

    상세보기 crossref

  2. Cheng, T., Migliaccio, G., Teizer, J., and Gatti, U. (2013). Data Fusion of Real-Time Location Sensing and Physiological Status Monitoring for Ergonomics Analysis of Construction Workers. Journal of Computing in Civil Engineering, 27(3), 320-335. 

    상세보기 crossref

  3. Chi, S., and Caldas, C. H. (2011). Automated Object Identification Using Optical Video Cameras on Construction Sites. Computer-Aided Civil and Infrastructure Engineering, 26(5), 368-380. 

    상세보기 crossref

  4. CPWR. (2013). The Construction Chart Book. The Center for Construction Research and Training. 

  5. Escorcia, V., Davila, M., Golparvar-Fard, M., and Niebles, J. (2012). Automated Vision-Based Recognition of Construction Worker Actions for Building Interior Construction Operations Using RGBD Cameras. Construction Research Congress 2012, American Society of Civil Engineers, 879-888. 

  6. Gatti, U., Migliaccio, G., and Schneider, S. (n.d.). Wearable Physiological Status Monitors for Measuring and Evaluating Workers Physical Strain: Preliminary Validation. Computing in Civil Engineering (2011), American Society of Civil Engineers, 194-201. 

  7. Han, S., Lee, S., and Pena-Mora, F. (2013). Comparative Study of Motion Features for Similarity-Based Modeling and Classification of Unsafe Actions in Construction. Journal of Computing in Civil Engineering, Accepted 

  8. Han, S., and Lee, S. (2013). A vision-based motion capture and recognition framework for behavior-based safety management. Automation in Construction, 35, 131-141. 

    상세보기 crossref

  9. Houtan, J., Ahn, C. R., and Stentz, T. (2014). The Validation of Gait-Stability Metrics to Assess Construction Workers Fall Risk. Proceedings of International Conference on Computing in Civil and Building Engineering (ICCBE 2014), Orlando, FL, 23 -25 June 2014. University of Florida. 

  10. Joshua, L., and Varghese, K. (2011). Accelerometer- Based Activity Recognition in Construction. Journal of Computing in Civil Engineering, 25(5), 370-379. 

    상세보기 crossref

  11. Marks, E., and Teizer, J. (2013). Evaluation of the Position and Orientation of (Semi-) Passive RFID Tags for the Potential Application in Ground Worker Proximity Detection and Alert Devices in Safer Construction Equipment Operation. Computing in Civil Engineering (2013), American Society of Civil Engineers, 645-652. 

  12. NSC. (2012). Injury Facts. National Safety Council. 

  13. Pradhananga, N., and Teizer, J. (2013). Automatic spatio-temporal analysis of construction site equipment operations using GPS data. Automation in Construction, 29, 107-122. 

    상세보기 crossref

  14. Razavi, S. N., and Haas, C. T. (2010). Multisensor data fusion for on-site materials tracking in construction. Automation in Construction, 19(8), 1037 -1046. 

    상세보기 crossref

  15. Ray, S. J., and Teizer, J. (2012). Real-time construction worker posture analysis for ergonomics training. Advanced Engineering Informatics, 26(2), 439 -455. 

    상세보기 crossref

  16. Taneja, S., Akcamete, A., Akinci, B., Garrett, J. H., East, E. W., and Soibelman, L. (2010). Analysis of three indoor localization technologies to support facility management field activities. In Proceedings of the International Conference on Computing in Civil and Building Engineering, Nottingham, UK. 

  17. Torrent, D., and Caldas, C. (2009). Methodology for Automating the Identification and Localization of Construction Components on Industrial Projects. Journal of Computing in Civil Engineering, 23(1), 3 -13. 

    상세보기 crossref

  18. Waehrer, G. M., Dong, X. S., Miller, T., Haile, E., and Men, Y. (2007). Costs of occupational injuries in construction in the United States. Accident Analysis & Prevention, 39(6), 1258 -1266. 

    상세보기 crossref

  19. Wu, W., Yang, H., Chew, D. A. S., Yang, S., Gibb, A. G. F., and Li, Q. (2010). Towards an autonomous real-time tracking system of near-miss accidents on construction sites. Automation in Construction, 19(2), 134 -141. 

    상세보기 crossref

  20. Yang, K., Aria, S., Ahn, C. R., and Stentz, T. (2014). Automated detection of near-miss fall incidents in iron workers using inertial measurement units. Construction Research Congress. 

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로