시각지능 및 블록체인 기반 건설 근로자 안전성과 측정 프레임워크

국문 초록 (Abstract)

건설산업은 대표적인 고위험 산업으로, 이를 해결하기 위해 다양한 안전대책이 수립되어 벌점, 벌금이 강화되고 있다. 그러나, 건설산업에서 발생한 재해의 상당수가 근로자의 불안전안 행동과 불안전한 환경 방치에 기인한 것으로, 현장 근로자들의 적극적인 안전규칙 준수가 중요하다. 이를 위해 신뢰성 있는 성과 측정에 기반한 인센티브 지급은 무엇보다 중요하다.
최근 공공기관 및 건설기업에서 인센티브 제도가 운영되고 있다. 그러나, 인센티브의 지급기준인 안전규정 준수에 대한 성과측정이 현장관리자들의 직접방문과 수동적인 모니터링에 의해 이루어졌기 때문에, 근로자들의 규정 준수여부에 대한 판단기준이 주관적이고, 정보 자체가 누락되는 경우가 발생하여 신뢰성을 확보하기 어려운 문제가 있다. 이는 근로자의 동기유발을 저해하는 요소이므로 근로자들의 안전성과 측정을 객관적이고 정량적으로 판별하고 관리할 수 있는 수단이 필요한 실정이다.
따라서, 본 연구는 근로자의 안전규정 준수여부를 시각지능으로 판별하고, 판별된 결과를 블록체인으로 저장 및 관리하여 신뢰성 있는 성과측정이 가능한 프레임워크를 제안한다. 프레임워크는 컴퓨터 비전 기술에 기반한 시각지능 모듈과 블록체인 기술에 기반한 성과측정 모듈로 구성되어 있다. 시각지능 모듈에서는 컴퓨터 비전으로 탐지가능한 객체와 사고 보고서를 바탕으로 시각지능으로 판별가능한 위험상황 52개를 추출하였으며, 객체탐지 정확도를 확보하기 위해 향상된 Class Actication Map 기법을 활용한 효율적인 건설현장 특화 데이터셋 구축방안을 마련하였다. 또한 탐지된 객체를 기반으로 위험상황 및 규정준수여부를 판별하기 위한 공간관계 로직을 정립하였다. 블록체인 모듈에서는 판별결과 데이터의 저장체계 및 관리 프로세스를 정립하고, 각 위험상황별 가중치 83개와 성과측정식을 수립하여 신뢰성 있는 성과측정이 가능하도록 하였다.
제안된 프레임워크는 A형 사다리와 관련된 이미지 및 비디오를 입력하여 검증되었으며, 시각지능 모듈의 위험상황 판별 정확도는 F1-Score 97.46%를 달성하여 현장 적용성과 신뢰성이 높은 것으로 나타났다. 또한 블록체인 네트워크의 수수료(Gas Fee)는 이더리움의 2% 수준으로 분석되었으며, 이미지 데이터를 오프체인에 저장함으로써 블록 크기의 증가를 억제하였다. 이는 본 연구에서 제안한 성과측정 모듈의 블록체인 네트워크가 높은 확장성을 지니고 있다는 것을 의미하며, 성과측정 정보의 저장 및 관리단계에서도 신뢰성을 확보할 수 있음을 의미한다. 또한, 제안된 프레임워크의 유효성 검증을 위한 설문조사 결과, 안전규칙 준수 유도에 긍정적인 효과가 있는 것으로 파악되었다.
본 연구에서 제안한 프레임워크는 근로자의 안전성과 측정 전단계에 거쳐 높은 신뢰성을 확보할 수 있을 것으로 판단되며, 이를 통해 근로자의 안전규칙 준수를 효과적으로 유도하여 건설 재해저감에 긍정적인 효과를 가질 수 있을 것으로 판단된다.

다국어 초록 (Multilingual Abstract)

The construction industry is recognized as a high-risk sector, necessitating the implementation of various safety measures, including the strengthening of penalties and fines. However, a significant proportion of accidents in the construction industry can be attributed to unsafe behaviors and unsafe environment conditions. Thus, workers' active rule-compliance in line with safety regulations is crucial on-site. To this end, the provision of incentives based on reliable performance measurement is important.
Recently, public institutions and construction companies have been implementing incentive systems. The performance measurements that form the basis for incentives are often conducted through direct visits and manual monitoring by site managers. This method leads to subjective judgments on rule-compliance and often results in the omission of crucial in-formation, thereby compromising reliability. Such issues undermine workers' motivation, highlighting the need for an objective and quantitative means to assess workers' safety performance.
Therefore, this study proposes a framework that utilizes vision intelligence to determine workers' compliance with safety regulations, with the results stored and managed via blockchain technology to ensure reliable performance measurement. The framework comprises a visual intelligence module based on computer vision technology and a performance measurement module based on blockchain technology. The vision intelligence module identifies 52 detectable hazardous situations by analyzing previous dataset with incident reports. To develop an efficient construction-specific dataset using an enhanced Class Activation Map (CAM) technique to ensure object detection accuracy.
Additionally, a spatial relationship logic is established to determine hazardous situations and compliance based on detected objects. In the blockchain module, a data storage and management system for the detected results is established, and 83 weights and a performance measurement formula for each hazardous situation are developed to facilitate reliable performance measurement.
The proposed framework was validated using images and videos related to A-type ladder. The vision intelligence module achieved an F1-Score of 97.46% in hazardous situation de-tection, demonstrating high applicability and reliability in the field. Additionally, the gas fees on the blockchain network were analyzed to be approximately 2% of those on Ethereum, and the framework succeed to store image data in off-chain, thereby suppressing the increase in block size. This results indicate that the framework can achieve high scalability and reliability in performance measurement. Furthermore, the results of the survey conducted to validate the proposed framework indicate that it has a positive effect on encouraging compliance with safety regulations.
The framework proposed in this study is expected to ensure high reliability across all stages of assessing workers' safety performance. This can effectively encourage workers to comply with safety regulations, contributing positively to the reduction of construction- related accidents.

목차 (Table of Contents)

• 1. 서론 1
• 1.1 연구의 배경 및 목적 1
• 1.2 연구의 방법 및 범위 6
• 2. 동기부여와 성과측정 9
• 2.1 동기부여의 필요성 9
• 2.2 동기부여 요인 분석 10
• 2.3 안전성과 측정 현황 15
• 2.4 소결 17
• 3. 근로자 안전성과 측정을 위한 기술적용 18
• 3.1 모니터링을 위한 시각지능 기술 18
• 3.1.1 객체 탐지 및 위험상황 판별 18
• 3.1.2 객체 탐지를 위한 데이터셋 구축 22
• 3.1.3 약한 지도학습(Weakly Supervised Learning) 활용 25
• 3.2 데이터 저장 및 관리를 위한 블록체인 29
• 3.2.1 정보 저장 신뢰성 확보 29
• 3.2.2 정보관리 효율성 및 토큰 지급 34
• 3.3 소결 37
• 4. 건설 근로자 안전성과 측정을 위한 프레임워크 39
• 4.1 안전성과 측정 시스템 프레임워크 구조도 39
• 4.2 시각지능 모듈 42
• 4.2.1 성과 측정대상 위험상황 선별 42
• 4.2.2 CAM 을 활용한 데이터셋 구축 52
• 4.2.3 위험상황 판별 56
• 4.3 성과측정 모듈 59
• 4.3.1 성과측정 기준 수립 59
• 4.3.2 블록체인 네트워크 구축 67
• 4.4 소결 76
• 5. 프레임워크 구현 및 검증 78
• 5.1 안전성과 측정대상 위험상황 선정 78
• 5.2 시각지능 모듈 구현 80
• 5.2.1 데이터셋 구축을 위한 CAM 기법 활용 80
• 5.2.2 시각지능 디텍터의 위험판별 성능 검증 87
• 5.3 성과측정 모듈 구현 97
• 5.3.1 성과측정 및 인센티브 지급 97
• 5.3.2 블록체인 네트워크 확장성 검증 103
• 5.4 프레임워크의 유효성 검증 105
• 5.4.1 전문가 인터뷰 106
• 5.4.2 현장 설문조사 109
• 5.5 소결 115
• 6. 결론 118
• 6.1 연구결과의 요약 및 성과 118
• 6.2 연구의 한계점 및 향후 연구방향 121
• 참고문헌 123
• 부 록 136
• 국문초록 142
• Abstract 144