$\require{mediawiki-texvc}$

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.

빅데이터를 활용한 AI 기반 우선점검 대상현장 선정 모델
AI-based Construction Site Prioritization for Safety Inspection Using Big Data 원문보기

KSCE Journal of Civil and Environmental Engineering Research = 대한토목학회논문집, v.42 no.6, 2022년, pp.843 - 852  

황윤호 (국토안전관리원 디지털혁신추진단 빅데이터전략팀, 부산대학교 통계학과) ,  지석호 (서울대학교 건설환경공학부) ,  이현승 (부산대학교 통계학과) ,  정현준 (국토안전관리원 디지털혁신추진단 빅데이터전략팀)

초록
AI-Helper 아이콘AI-Helper

지속적인 안전관리에도 불구하고 매년 건설업 근로자 사망율은 줄어들지 않는 추세다. 이에 따라 건설현장 사고를 예방하기 위한 다양한 연구가 진행 중이다. 본 논문에서는 건설공사 비용 50억원 미만의 건설현장 중 건설사고가 발생할 것으로 예상되는 현장을 우선적으로 선별하는 AI기반 우선점검대상 선정 모델을 개발하였다. 특히, 적용한 AI 알고리즘 중 분류분석에서 가장 뛰어난 성능(사고발생예측 AUC-ROC 90.48 %)을 보인 랜덤 포레스트를 모델 개발에 활용하였으며, 건설사고를 유발하는 주요한 요인으로는 공사비, 총공사일수, 공사실적평가액이 확인되었다. 본 연구를 통해 점검인력 효율화와 건설사고에 대한 선제적 대응의 결과로 8년간 약 917.7 % ROI(투자수익률)를 기대할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Despite continuous safety management, the death rate of construction workers is not decreasing every year. Accordingly, various studies are in progress to prevent construction site accidents. In this paper, we developed an AI-based priority inspection target selection model that preferentially selec...

주제어

#건설현장점검   #랜덤 포레스트   #인공지능   #분류   #예측  

표/그림 (18)

참고문헌 (16)

  1. Belgiu, M. and Dragut, L. (2016). "Random forest in remote sensing:？A review of applications and future directions." ISPRS Journal of？Photogrammetry and Remote Sensing, Vol. 114, pp. 24-31. 

    상세보기 crossref

  2. Breiman, L. (2001). "Random forest." Machine Learning, Vol. 45,？No. 1, pp. 5-32. 

    crossref

  3. Chan, J. C. W. and Paelinckx, D. (2008). "Evaluation of random forest？and adaboost tree-based ensemble classification and spectral？band selection for ecotope mapping using airborne hyperspectral？imagery." Remote Sensing of Environment, Vol. 112, No. 6, pp.？2999-3011. 

    상세보기 crossref

  4. Chen, T. and Guestrin, C. (2016). "Xgboost: A scalable tree boosting？system." In Proceedings of the 22nd ACM SIGKDD International？Conference on Knowledge Discovery and Data Mining, California,？USA, pp. 785-794. 

  5. Cho, Y. R., Kim, Y. C. and Shin, Y. S. (2017). "Prediction model of？construction safety accidents using decision tree technique."？Journal of the Korea Institute of Building Construction, Vol. 17,？No. 3, pp. 295-303 (in Korean). 

    원문보기 상세보기 crossref

  6. Choi, S. J., Kim, J. H. and Jung, K. H. (2021). "Development of？prediction models for fatal accidents using proactive information？in construction sites." Journal of the Korean Society of Safety,？Vol. 36, No. 3, pp. 31-39 (in Korean). 

    원문보기 상세보기 crossref

  7. Feurer, M. and Hutter, F. (2019). "Hyperparameter optimization."？Automated machine learning, Springer, Cham, pp. 3-33. 

  8. Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q.？and Liu, T. (2017). "LightGBM: A highly efficient gradient boosting？decision tree." In Advances in Neural Information Processing？Systems, pp. 3149-3157. 

  9. Korea Authority of Land & Infrastructure Safety (KALIS) (2021a).？Submission of documents for participation in public big data？analysis contest by MOIS in 2021, pp. 8 (in Korean). 

  10. Korea Authority of Land & Infrastructure Safety (KALIS) (2021b).？Submission of documents for participation in public big data？analysis contest by MOIS in 2021, pp. 6 (in Korean). 

  11. Korean Law Information Center (2022). Act on punishment of serious？accidents, etc., Article 6, Available at: https://www.law.go.kr？(September 23, 2022). 

  12. Lim, J. R., Park, C. Y. and Yun, S. M. (2021). "A study on safety？management measures for small and medium-sized construction？sites-Focused on reinforced concrete construction." Journal of the？Architectural Institute of Korea, Vol. 23, No. 6, pp. 197-204 (in Korean). 

  13. Ministry of Employment and Labor (MOEL) (2021). 2020 Industrial？accident and death statistics announced, pp. 13 (in Korean). 

  14. Narkhede, S. (2018). "Understanding auc-roc curve." Towards？Data Science, Vol. 26, No. 1, pp. 220-227. 

  15. Tixier, A. J. P., Hallowell, M. R., Rajagopalan, B. and Bowman, D.？(2016). "Application of machine learning to construction injury？prediction." Article of Automation in Construction, Vol. 69, pp.？102-114. 

    상세보기 crossref

  16. Yoon, Y. G., Lee, J. Y. and Oh, T. G. (2020). "Development of？accident prediction model with construction accident report？data." Korea Institute for Structural Maintenance and Inspection,？Vol. 24, No. 2, pp. 6 (in Korean) 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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