A Study on the Forestry Safety Helmet Development Based on IoT

IoT 기반 임업용 안전모 개발에 관한 연구

Abstract

There are many accident risks in logging operation of forestry such as struck by felled trees and caught in, under, or between felled trees. These accidents are primarily occurred by not keeping a safe distance between workers. According to the forestry safety instruction, workers are not supposed to go into the safety zone which is a circle with a radius of more 2 times the height of felling tree. However, this rule does not keep because of poor safety consciousness, poor sight and extreme noise of logging operation machines. This problem causes many major accidents every year. To solve this problem, we made forestry safety helmets based on IoT technology. These helmets have functions to make a visual and an acoustic alarm signal when reach the distance between workers within 20 meters. We developed the algorithm to operate the helmet's functions and conducted tests to check the functions. As a result of tests, we assured the normal system operating conditions.

1. 서론

2018년 고용노동부 산업재해분석에 따르면 임업의 재해율과 사망만인율은 각각 1.16%와 1.45%로 나타났다[1]. 전체 산업 평균(재해율 0.54%, 사망만인율 1.12%)과 비교해 재해율은 약 2.15배, 사망만인율은 약 1.3배 높게 나타나고 있다[1]. 그 주요 원인으로 사업주의 수익성 저조와 이로 인한 고용불안과 저임금, 작업자의 고령화 및 안전의식 부족, 작업환경의 열악성, 위험기계의 사용 등으로 나타나고 있다[2]. 또한, 우리나라의 산림은 지리적으로 경사가 급하고 굴곡이 심해 매우 작업이 어려우며 시야확보가 어려워 많은 위험을 동반한다[3].

임업작업은 풀베기, 가지치기, 어린나무 가꾸기, 병충해 방제, 벌목작업 등 여러 종류의 다양한 작업형태를 가지고 있다. 이중 벌목작업은 기계톱 등을 이용하여 산림 현장에서 나무를 베어내는 작업으로 가장 많은 사고가 발생하고 있다. 일반적으로 벌목작업은 원목절단, 벌목된 나무를 용도에 맞게 절단하는 조재, 조재된 나무를 쌓은 집재, 가공 공장 등으로 옮기는 운재 작업으로 나누어진다. 벌목작업 시 주요사고 유형을 보면 깔림/뒤집힘, 물체에 맞음으로 인한 사고가 가장 많이 발생하고 있는 것으로 나타나고 있다(Fig. 1)[1]. 이러한 사고유형의 사고발생과정을 보면 벌목공이 절단 작업시 벌목공 외에 작업자가 벌목작업 구역 내에 위치해 발생하는 사고이다.

Fig. 1 Felled tree on the accident site

이러한 사고를 예방하기 위해 벌목 표준안전 작업지침(2020)에서는 벌목 시 절단 대상 수목을 중심으로 수목높이의 1.5배 이상의 안전거리를 유지하도록 하고 있다. 또한, 안전보건공단에서는 Fig. 2 와 같이 수목 높이(h)의 2배 이상 거리를 안전거리로 확보하고 그 구역 내에 다른 작업자가 접근하지 못하도록 안전구역으로 설정하여 관리하도록 권장하고 있다[4]. 하지만 소수의 인원으로 광범위한 산림지대에서 작업이 이루어지기 때문에 시야확보가 어렵고 인력의 부족으로 인해 현장에 안전관리 담당자가 지정되어 있으나 그 역할을 수행하지 못하고 있다. 또한, 작업자의 안전의식 부족, 작업현장의 지리적⋅환경적 요인, 전기톱 등의 작업 기계 소음 등으로 인해 안전수칙이 잘 지켜지지 않고 있다.

Fig. 2 Logging work safety area

본 연구에서는 임업 작업 시 안전거리 미확보로 인해 발생할 수 있는 사고를 예방하기 위한 방안으로 임업용 안전모를 개발하였다. 개발된 임업용 안전모는 종합적인 안전관리 시스템을 구축하기 위한 기초연구로 IoT 기술을 기반으로 벌목작업이 이루어지는 구역 내에서 작업자들이 상호이격거리 내로 접근 시 소리 및 시각신호를 발생시켜 작업자들이 쉽게 위험을 인지할 수 있도록 개발되었다. 개발된 임업용 안전모는 필드테스트를 통해 성능을 확인하였으며 차후 임업현장에서 활용할 수 있는 성능 구현을 위한 기초 연구 자료를 확보하였다.

2. 관련 연구

기존에 다 수의 안전모 관련 연구가 수행되었다. 초기 안전모 관련 연구는 안전모 구조와 기능에 초점을 맞추어 연구가 되었다. Yu의 연구에서는 모터 사이클에서 안전모의 구조, 재질, 인체공학을 주로 다루었으며 솔라 패널 (Solar panel)을 장착하여 기본 안전에 중점을 두고 있다[5].

이후 연구에서는 안전모에 IoT 기술이 결합하여 특정한 환경에 사용할 수 있는 안전모가 개발되었다[6,7]. 특히 지하 광산은 가스폭발, 화재, 산사태 등과 같이 많은 위험에 존재하고 있다. Shabina 연구에서는 광산에서 사용할 수 안전모를 설계하고 구현하였다[6]. 연구에서는 RF (Radio Frequency)통신 기술을 사용하는 지그비 모듈을 사용하여 WSN(Wireless Sensor Network) 환경을 구축하였다. 개발된 안전모에서는 광산에서 작업하는 작업자의 위치를 찾기 위해서 기술을 사용하였으며 광산 내부의 온도, 압력, 가스, 습도 등을 측정하고 모니터링 하기 위해서 WSN 기술을 활용하였다[6]. Hazarika의 연구에서도 광산 작업자가 사용할 수 있는 안전모를 개발하였다. 연구에서 개발된 안전모도 Shabina의 연구와 비슷하게 광산 내부의 메탄과 일산화탄소를 모니터링 할 수 있도록 센서를 장착하고 있다. 그러나 두 연구의 차이점은 센서를 통해 측정한 데이터를 전송하는 방식에 있다 기존 연구에서는 데이터 전송을 위해 RF 통신 방법을 사용한 반면에 Hazarika 연구에서는 지그비 (X-Bee) 통신 방법을 사용하고 있다. 지그비 통신을 이용한 이유는 지그비 통신 모듈이 센서 테이서와 같이 작은 데이터 전송에서 저전력, 안전성을 제공하기 때문이다[7].

최근 연구에서는 IoT 기술이 발전함에 따라 기존 안전모에서 할 수 없었던 최신 기술을 활용하기 시작하였다[8,9]. Long의 연구에서는 안전모와 외부 센서를 이용하여 안전모 착용을 검사하였다. 발전소 내부에 작업자가 안전모를 착용했는지를 확인하기 위해서 카메라 센서와 딥 러닝 기술을 활용하였다[8]. Chang의 연구에서는 안전모에 이미지 센서(카메라) 2개와 임베디드 프로세싱(ECP) 모듈 등을 장착하였다. 안전모에 장착된 카메라는 드럭/버스의 번호판을 촬영하고 딥 러닝 기술을 활용하여 분석하였다. 분석결과 약 75% 정도의 정확도로 5m 이내의 트럭/버스 번호판을 실시간으로 인식하였다[9].

본 연구에서는 기존에 연구가 진행되지 않았던 임업 환경에서 사용될 수 있는 안전모에 중점을 두고 연구를 진행하였다.

3. IoT 기반 안전모 구현

3.1 구현

본 연구에서는 일반적으로 임업작업장에서 사용하고 있는 안전모에 위험을 감지하고 위험 신호를 발생시킬 수 있는 기능을 추가하기 위해 저전력기반의 임베디드 보드를 활용하였다. 사용된 임베디드 보드는 Beetle BLE (BLE, Bluetooth Low Energy) 아두이노 기반으로 제작되었으며 블루투스 4.0 을 포함하고 있다(Fig. 3). 블루투스 4.0 (BLE)은 최대 100m (개방 영역일 경우)까지 데이터 전송이 가능하며 동전 크기의 전지 하나로 약 1년 동안 동작할 수 있어 저전력 시스템 구현이 가능하다(Table 1.)[10].

Fig. 3 Beetle BLE board

Table 1. Features by Bluetooth Version

안전모를 착용하고 벌목을 수행하는 근로자들간의 거리를 확인하기 위해 Beetle BLE 보드에 GPS 센서를 연결하였다. 이와 함께, 일반적으로 인간이 가장 쉽게 신호를 인지할 수 있는 청각 및 시각 신호를 발생시키기 위해 LED 및 부저를 연결하였다.

Fig. 4(a)와 같이 Beelte BLE 보드에 센서, 부저의 입출력 및 베터리를 연결하기 위해서 연결보드를 제작하였다. 제작된 보드에는 위치정보를 이용하기 위한 GPS, 시각적인 위험신호를 발생시키기 위한 LED와 청각적 위험신호를 발생시킬 수 있는 부저를 연결하였다. Fig. 4(b)와 같이 투명박스에 넣어서 안전모에 장착하였다. Fig. 4(C)는 GPS, LED, 부저 등이 장착되어 완성된 안전모를 보여주고 있다. LED는 쉽게 위험을 인지할 수 있도록 안전모의 앞부분에 장착하였으며 부저는 안전모의 옆 부분에 장착하였다.

Fig. 4 Safety Helmet using IoT (a) Embedded board configuration using Beetle BLE (b) Embedded board on the helmet (c) Mounting LED and buzzer on the helmet

4. 안전모 알고리즘 및 실험 결과

4.1 안전모 알고리즘

국내 벌목 환경을 고려하여 두 안전모의 안전거리 (sr: safety range)는 20m로 결정하였다. 보통 성인의 경우 평지를 보행할 경우 4 km/h를 이동할 수 있다. 산악 지형의 경우 거리 1 km 내 표고차 150∼200 km 일 때 2.15 km/h를 이동할 수 있다. 벌목자의 작업도구의 무게를 감안하여 2km/h를 이동한다고 가정하면 초당 0.55m를 이동할 수 있다. 또한 국내 수목의 평균 크기가 13 m 이기 때문에 안전거리를 20 m로 계산하였다[11]. 안전거리는 작업현장에서 벌도 될 수목의 수고에 따라 설정이 작업자가 20 m를 이동하기 위해서는 약 40초의 시간이 필요하고 이 시간이면 안전모를 통해 위험 신호를 듣고 대피할 수 있는 충분한 시간이라 할 수 있다.

Fig. 5에서는 IoT 기반의 안전모를 사용한 시스템 구성도를 표시하고 있다. 작업자는 Fig. 4(c)의 IoT 기반의 안전모를 착용하면 반경 100 m 까지 신호를 전달할 수 있다. 작업자들은 작업을 시작할 때부터 자신의 위치 정보를 블루투스를 이용하여 상대 작업자들에게 전송한다. 작업자의 안전모에서는 상대방의 위치 정보를 수신 후 자신의 위치 정보를 계산하여 두 작업자의 거리 값(d)을 계산한다.

Fig. 5 System architecture of safety helmet using IoT

본 논문에서는 작업자의 안전 거리 sr을 20m로 정하고 다른 작업자의 거리가 안전거리 내에 들어왔을 때 (d < 2sr) 안전거리내의 작업자들에게 경고를 표시한다. 경고는 안전모를 착용한 벌목 작업자에게 LED 점등하며 부저를 1초 간격으로 울리도록 하였다(경보 #1).

두 작업자의 거리를 계산하여 안전거리 이내에 들어오는 것을 확인하기 위해서 2가지 방법을 사용하였다. 첫 번째 방법은 GPS 위치 정보를 이용하는 것이다. 각 안전모에서는 GPS 모듈을 이용하여 1초 단위로 위치 정보를 파악하고 그 정보를 블루투스를 이용하여 다른 작업자의 안전모로 전송한다. 전송된 위치 정보를 이용하여 작업자간의 거리 d를 계산할 때 GPS의 오차를 줄이기 위해서 현재 시간 기준으로 5초 전의 위치 데이터의 평균을 pos_avg 유지한다. Eq. 1에서는 pos_avg 값을 구하는 수식을 표시하고 있다. Eq. 2에서 표시하는 것과 같이 pos_avg 와 현재 시간의 위치 pos_t 거리가 α 보다 클 경우에는 pos_t 는 pos_avg 계산에 사용하지 않는다. 이 때 α를 작업자가 5초 동안 이동할 수 있는 최대 거리인 2.75 m 로 설정하였다.

\(\begin{align}\operatorname{pos}_{\text {avg }}=\left(\sum_{i=t-5}^{t-1} \operatorname{pos}_{i}\right) / 5\end{align}\)       (1)

distance(pos_avg, pos_t) > α (α = 2.75)       (2)

두 번째 방법은 블루투스 신호 세기(RSSI, Received Signal Strength Indicator)를 이용하는 것이다. RSSI 값은 단독으로 사용하지 않고 GPS 위치 정보 값과 같이 사용된다. d 값이 2sr 보다 작고 RSSI 값이 –80 dBm (실험결과 두 안전모의 거리가 10∼15 m 일 때 RSSI 값) 보다 클 경우에는 부저 경고를 계속 울리게 설정하였다 (경보 #2).

4.2 실험 결과

본 연구에서 제안하는 Fig. 4(c)의 IoT 안전모의 성능을 확인하기 위해서 Fig. 6에서 표시하는 넓은 운동장에서 실험을 진행하였다. 본 연구에서 제안하고 있는 안전모는 임업 현장에서 활용하기 위한 안전모 개발을 위한 초기 모델로써 위험을 감지하고 신호를 발생시킬 수 있는 장치구현 및 알고리즘 개발에 중점을 두었다. 이러한 부분을 감안하여 실험은 인근이 산림으로 막혀있고 장애물이 없는 100m × 70m 크기의 운동장에서 진행하였다.

Fig. 6 Test Environment

실험은 Fig. 4(c)의 안전모를 착용한 두 작업자는 초기에 A0와 B0 위치에 시작해서 A1, B1 위치를 거처 A2, B2 위치로 이동하면서 실험을 하였다. 이때 A0와 B0의 직선거리는 약 100 m로 설정하여 실험을 수행하였다. A1, B1 지점 간의 거리는 약 55 m로 미리 설정한 sr 보다 크기 때문에 청각신호(부저)는 작업자에게 경보를 보내지 않았다. B1에서 B2로 이동하는 중 P 위치에서는 GPS 위치 정보가 오차가 발생하였다. 이때는 Eq. 1과 Eq. 2를 이용하여 해당 위치의 정보를 필터링 하였다. A2, B2 위치에 근접하면서 안전모에서는 경보 #1에서 경보 #2로 전환되면서 정상적으로 경보를 표시하였다. 실험결과에서 개발된 임업용 안전모의 장치의 성능을 확인할 수 있었으며 구현된 알고리즘을 통해 발생할 수 있는 오차의 보정과 청각 및 시각 신호의 정상적인 발생을 확인 할 수 있었다.

5. 결론

본 연구에서는 벌목 작업 시 발생하고 있는 벌도목에 의한 깔림/뒤집힘, 물체에 맞음 등의 사고로부터 작업자의 안전을 확보하기 위해 IoT 기반의 안전모를 설계하고 제작하였다. 본 연구에서 개발된 임업용 안전모는 실제 작업현장에서 활용할 수 있는 장치의 성능 구현과 안전거리 설정에 따른 오차보정 및 위험신호 발생 알고리즘 구현과 작동을 주요 목표로 하였다. 실험결과 임베디드 보드는 Beetle BLE 에 설치된 GPS, LED, 부저가 구현한 알고리즘에 따라 설정된 안전거리 내로 접근 시 정상적으로 작동하는 것을 확인하였다. 이러한 실험 결과는 실제 벌목작업이 이루어지는 환경에서 활용이 가능한 안전모를 개발하기 위한 장치구현 방안 및 위험신호의 발생에 필요한 알고리즘 개발의 기초자료로 활용할 수 있다. 또한, 임업 작업현장의 환경적 특성상 GPS 신호의 감지 및 오차, 블루투스 4.0의 거리 제한을 극복하고 더 넓고 정확한 영역에서 동작할 수 있도록 지그비 센서를 활용하여 실제 벌목작업이 이루어지는 환경에서 실험을 실시하여 성능을 테스트하고 문제점을 도출하여 보완할 예정이다.

감사의 글

이 논문은 2019학년도 창신대학교 교내연구비에 의해 연구되었음(과제번호: 창신-학술66)