DOI QR코드

DOI QR Code

Empirical Study of Smart Safety System to Increase Construction Disaster Prevention Effect - Centered on Construction Machinery

건설 재해 예방효과 증대를 위한 스마트 안전 시스템 실증연구 - 건설기계 중심

  • Seung-Yong Choi (Department of Industrial Engineering, Sunmoon University)
  • Received : 2023.05.17
  • Accepted : 2023.06.27
  • Published : 2023.06.30

Abstract

Purpose: The purpose of this study is to analyze the safety and disaster prevention effects of the Smart Safety System used to prevent safety accidents in construction machinery and demonstrate its safety. Method: Among construction machines, the behavioral patterns of workers according to the presence or absence of a smart safety system were analyzed for excavators with high risk and frequent accidents. Result: When the smart safety system was installed in the construction machine, the safety of workers from accidents caused by constriction and collision with the construction machine was secured. Conclusion: It is judged that the smart safety system installed in construction machinery can increase the effectiveness of disaster reduction and major disaster prevention related to construction machinery.

연구목적: 건설기계의 안전사고를 예방하기 위해 사용하는 스마트 안전 시스템의 안전성과 재해 예방효과를 분석하여 그 안전성을 실증하고자 한다. 연구방법:건설기계 중 재해다발 및 위험성이 높은 굴삭기를 대상으로 스마트 안전 시스템의 유무에 따른 근로자의 행동 패턴을 분석하였다. 연구결과: 건설기계에 스마트 안전 시스템을 설치하였을 때 건설기계와 협착 및 충돌 등에 의한 재해로부터 근로자의 안전성이 확보되었다. 결론:건설기계에 설치된 스마트 안전 시스템은 건설기계 관련 재해 감소와 중대 재해예방에 실효성을 증대시킬 수 있을 것으로 판단된다.

Keywords

서론

연구 배경 및 목적

중대재해 예방에 중점을 둔 중대재해처벌법이 2022년 1월 27일 시행되어 안전보건 조치 강화는 물론 사업주나 경영책임자 등이 이행해야 할 고유의 안전보건 확보 의무를 부여함으로써 안전 관리 책임과 처벌의 중심을 현장에서 최고 경영자로 이동시키는 계기를 마련하였으나(Kwon, 2021; Oh, 2021; Lee et al., 2022), 정부의 관계 부처를 포함하여 건설산업의 공공기업과 민간기업이 중대 재해예방을 위한 노력에도 불구하고 재해 지수는 현저히 감소하지 않고 있다.

이는 건설산업 특성상 발주처의 필요에 따라 생산 활동이 일어나므로 생산 장소가 일정하지 않고, 옥외작업과 고소작업 등 고위험 작업이 많으며, 공사 과정에서 설계변경 등이 빈번하게 발생하고 시공과정이 복잡하며 다수의 주체가 참여하고 있어 다른 산업에 비해서 추락, 협착, 붕괴 등 각종 안전사고에 쉽게 노출되어 있다(Koo et al., 2021). 또한 노동시장 측면에서도 건축공사, 토공사, 전기·기계설비 공사 등 다양한 공정과 직종이 혼재하고, 기능 인력의 고령화, 하도급의 외주화로 인해 안전조치 등 안전 관리에 어려움을 안고 있다(Woo, 2021).

2022년 한 해 동안 산업재해 현황을 살펴보면 산업 전체의 사고재해자 수 107,214명 중 건설산업의 사고재해자 수가 27,432명(25.5%)이고, 산업 전체의 사고 사망자 수 874명 중 건설산업의 사고 사망자 수는 402명(45.9%)이며, 산업 전체의 사망만인율은 0.43, 건설산업은 1.61로 약 3.7배 이상 높은 것을 알 수 있다. 이는 건설업의 산업적 특성과 노동집약적이고 고용구조가 불안한 노동시장의 특징이 결합한 결과라고 볼 수 있으며, 또한 3D업종 회피 등의 이유로 인력 수급이 쉽지 않아 중국, 몽골, 베트남 등 외국인 노동자들이 건설 현장의 유입으로 높은 비중을 차지하고 있다. 외국인 노동자들에게 안전 교육을 강화하고 있으나 의사소통의 어려움 등으로 안전사고가 빈번히 발생하고 작업 생산성에도 영향을 미치게 되므로 인력 의존도를 낮추기 위한 작업 단순화, 자동화 장비와 건설기계 차량의 사용이 증가하고 있다(Ryu et al., 2019).

또한 건설기계 차량(이하 "건설기계", "차량" 병기) 사용 증가로 인하여 전체 건설산업 사고 사망자 수 402명 중 건설기계관련 협착 및 충돌 재해로 인한 사고 사망자 수는 48명으로 약 12%의 높은 비중을 차지하고 있다(2022년 산업재해 현황 분석). Table 1과 같이 건설기계의 협착 및 충돌 재해가 감소하지 않는 이유는 서두에서 언급한 거와 같이 건설산업 환경의 특성상 근로자의 고령화 등으로 인하여 낮은 생산성을 높이는 대안으로 건설기계의 사용 증가가 주요 원인으로 볼 수 있으며, 21년 기준 건설기계 통계 현황(건설기계 안전기술원)을 보면 건설기계 등록 대수가 약 525천 대이며, 5년 평균 증가 현황을 보면 매년 평균 약 7,600대의 건설기계가 증가하고 있어 이와 관련한 재해도 증가가 예상된다고 볼 수 있다.

Table 1. Current status of construction machinery accidents in the construction industry

JNJBBH_2023_v19n2_421_t0001.png 이미지

건설기계의 재해 발생의 주요 원인은 크게 불안전한 상태와 불안전한 행위로 분류된다. 불안전한 상태의 종류에는 건설기계 자체 결함으로 검사 및 점검 미흡 ·안전장치 훼손 · 노후 건설기계 사용 등이 있으며, 사전 조치 미흡으로는 사전 계획 미수립 · 안전 점검 미시행 등이 있다. 불안전한 행위에는 작업자 · 운전자 · 신호수의 잘못된 습관과 안전 수칙 미준수 등의 태도 불량과 건설기계 기능에 대한 이해 부족, 운전원의 건설기계 작동에 대한 지식 부족, 관리감독자의 안전 점검 및 관리 감독의 부재와 안전 교육 미흡 등이 있다.

이는 건설기계의 특성상 크기가 크고 육중해서 운전원이 볼 수 없는 사각지대가 존재하여 건설기계 근처에서 작업하는 작업자를 인식하는 한계로 인하여 협착 및 충돌 재해의 발생이 대부분을 차지하고 있으며, 또한 재해 발생 시 중대 재해로 발전할 가능성이 매우 크다는 문제점을 내포하고 있다. 특히 협착 및 충돌로 인하여 중대 재해를 다발적으로 유발하는 5가지 건설기계의 종류는 굴삭기, 지게차, 트럭, 고소 작업대, 이동식 크레인으로 전체 재해의 60% 이상을 차지하고 있다. 이런 건설기계 재해를 예방하기 위해 최근 건설 현장에서는 사물인터넷(IoT : Internet of Things), 모바일, 인공지능(AI), Big Data 등 4차 산업혁명 기술을 접목한 Smart Safety System (이하 "스마트 안전 시스템", "SSS" 병기)을 활용이 확대되고 있다. 스마트 안전 시스템은 건설 현장의 안전사고를 ICBM(IoT, Cloud, Big Data, Mobile) 기술을 활용하여 실시간 모니터링, 수집된 데이터를 플랫폼으로 분석하여 현장의 위험을 관리자와 작업자에게 제공하여 즉각적인 안전조치를 할 수 있도록 한 시스템으로 'Smart Safety Platform'이라고도 한다(Yoo et al., 2022).

이와 같이 건설기계와 관련한 재해 발생의 다양한 원인 중 Human Error(착각, 부주의, 소통 부족 등)를 포함한 불안전한 행위를 최소화하고, 스마트 안전 시스템을 건설산업 전반에 확대하여 중대 재해예방을 위해 안전보건 경영체계의 혁신을 추구하고 있다. 그러나 ‘스마트 안전 시스템이 건설산업의 높은 사망재해율을 감소시키는 효과가 있다’라고 보편적이고 자의적인 해석을 할 수 있으나, 실제 얼마나? 어떻게 효과를 발휘하는가? 에 대한 정량적 분석 등의 실증과 관련한 연구는 현재까지는 미흡한 것으로 사료 된다.

이에 본연구에서는 건설산업 현장에 적용한 스마트 안전 시스템 중 건설기계 근접 방지시스템의 재해 예방효과에 대하여 정량적 분석과 실증을 통한 스마트 안전 시스템의 개선과 활성화를 유도하고자 한다.

연구 방법 및 범위

본연구에서는 라이다 센서 장비(Light Detection And Ranging, LiDAR, 이하 "라이다" 병기)를 사용하여 건설산업 전반에 사용 중인 스마트 안전 시스템 중 건설기계에서 사용하는 근접 방지시스템을 중심으로 작업자의 행동 패턴 등을 정량적으로 분석한 후 그 안전성과 재해예방 효과에 대하여 실증하고자 한다.

이를 위해 Table 2와 같이 H 건설사의 15개 현장, 59대 건설기계(굴삭기 26대, 도자 6대, 지게차 22대, 기타5대)에 설치된 건설기계 근접 방지시스템(이하 "근접 방지시스템", "인공지능 시스템" 병기)이 건설기계와 작업자의 협착 및 충돌 등 재해예방에 얼마나 효과가 있는지를 조사하였다. 라이다 센서 장비를 사용하여 인공지능 시스템이 설치된 건설기계 주변에 있는 작업자와 건설기계와의 안전거리, 위험구역 내 체류시간 및 이동시간, 위험구역 내의 근로자의 분포 현황 등을 분석하였다.

Table 2. Construction machinery proximity device system installation status by site

JNJBBH_2023_v19n2_421_t0002.png 이미지

이론적 고찰

스마트 안전 시스템

건설 현장의 건설기계와 작업자 간의 충돌 및 협착과 관련된 안전사고를 예방하기 위해서는 건설기계의 작업 환경 내 위험요인을 실시간으로 인식하는 방법의 개발이 필수적이다. 건설기계 주변 상황을 선제적으로 인식하고, 위험 요인 발생 시 인식 결과를 건설기계 운전자에게 즉시 제공하는 대표적인 건설기계의 스마트 안전 시스템으로 Caterpillar Inc. RMT Equipment, Preco TM Electronic, SICK AG에서 개발한 시스템이다. 이들 시스템은 거리 기반센서를 사용하여 건설기계 주변으로 접근하는 객체를 인식하여 알람을 울림과 동시에 카메라를 통해 해당 구역의 영상을 운전자에게 제공한다. 하지만, 시스템 구축에 필요한 비용이 수천만 원에 이를 뿐만 아니라, 탐지 대상을 구분할 수 없어 능동적 탐지가 불가능하여 작업자 외에도 다양한 물체(흙, 가 시설물 등)를 위험 요소로 탐지하는 오류가 발생한다는 점에서 한계를 지닌다(Na et al., 2015). 프랑스의 Proxipi 사는 지게차 근접 방지시스템을 개발(PROXIPI, 2019) 하였고 호주의 Orbitcoms 사의 Body Guard는 태그(tag) 기반의 근접 방지시스템으로 RF 신호의 신호 강도 (RSSI)를 기반으로 거리 정보를 추측하여 알림을 주는 시스템을 개발하였다(Body Guard, 2019). RFID(Radio Frequency IDentification) 기술을 이용한 근접 방지시스템으로 건설 현장 내 건설기계와 작업자에게 부착함으로써 건설기계와 작업자가 10m 이내에 근접 시 알람을 울리도록 하는 시스템이다(Breezemount Electrical & Hydraulics Ltd., 2019). RFID 기술을 활용한 시스템은 비교적 비용은 낮지만, 건설 현장 내 모든 건설기계와 작업자에 태그를 부착해야 할 뿐만 아니라, 데이터 송수신을 위한 네트워크 구축이 필요하다는 단점이 있다(Na et al., 2015). 대부분의 건설안전 IoT 장비들은 RF 신호를 기반으로 작업자와 장비의 위치를 파악하거나 상대적인 거리를 측정하여 알림을 주는 형태로 제작되고 있다(Ryu et al., 2019).

기존 건설기계에 설치된 후방 카메라로 일부 사각지대를 해소하여 협착 및 충돌 재해예방에 기여하고 있으나, 운전자에게 제한된 각도의 영상 화면만 제공하는 한계로 운전자가 협착 등의 Risk 발견즉시 제어를 할 수 있는 시간적인 한계가 있다. 또한 최근에 많이 활용되는 360도 서라운드뷰 방식의 제품들은 화면 왜곡이 심하거나 시야 확보 거리가 짧다는 문제점이 발견되었다. 본 연구에서는 기존 건설기계의 안전 시스템을 보완하기 위해 AI를 적용한 인공지능 시스템을 추가 설치하여 건설기계 주변 사각지대를 최소화하고 근로자가 건설기계에 근접(7m 이내 ) 시 작업자 등의 위치를 파악하여 모니터링 후 경고등과 스피커를 통해 시·청각적인 경보를 통해 건설기계와 작업자 사이의 안전거리를 확보하도록 유도한다.

인공지능 시스템의 구성과 동작성 원리

현재 H 건설사의 15개 현장에는 사용하고 있는 건설기계 근접 방지시스템(이하 "인공지능 시스템"병기)은 일반 근접 방지시스템과 달리 카메라로 촬영한 영상에 AI를 적용하여 사람의 위치를 인식하는 인공지능 영상 분석 장치를 갖춘 인공지능 시스템이다. 건설기계에 설치된 카메라로 영상을 수집하여 분석한 다음 작업반경 및 운전자의 사각지대에 있는 작업자가 설정한 거리보다 가까워지면 사이렌을 울려 작업자와 건설기계 운전자에게 서로 근접하고 있음을 알려준다. Fig. 1에서 기존 건설기계에 설치된 안전 시스템과 인공지능 시스템의 특징을 비교하였다.

JNJBBH_2023_v19n2_421_f0001.png 이미지

Fig. 1. Comparison of existing safety equipment and artificial intelligence system

인공지능 시스템의 구성은 인공지능 본체, 영상수집 카메라(이하 "AHD","카메라"병기), 스피커, PSU, 저장매체 총 5가지 요소이며 각 구성 별 기능 및 역할은 Table 3과 같다.

Table 3. Components of an artificial intelligence system

JNJBBH_2023_v19n2_421_t0003.png 이미지

라이다 센서 분석 장비

라이다(Light Detection And Ranging, LiDAR, 이하 "라이다"병기) 센서는 레이저에서 송출된 입사광이 객체(작업자, 차량, 자재 등)에 반사되어 오는 반사광을 광센서가 시간 간격을 측정하여 인공지능 시스템이 설치된 건설기계와 작업자의 안전거리, 위험구역 내 작업자의 체류시간, 이동 경로 등을 정량적 데이터로 수집하여 작업자에게 주는 영향과 위험구역 한계선 설정 등을 분석한다.

카메라는 색을 저장하는 센서로 카메라 영상 AI가 RGB(Red-Green-Blue, 빛을 삼원색으로 변환) 데이터를 사용하여 카메라 영상 내 객체 위치를 인식하지만, 라이다는 위치를 저장하는 센서가 내장되어 있어, 영상 AI는 X, Y, Z 좌표로 구분하여 객체의 위치를 인식한다. 두 AI의 차이점은 카메라 영상 AI는 영상 내 객체의 위치(X, Y)만 계산하는 반면, 라이다 영상 AI는 라이다 영상 내 객체의 위치를 인식하기 때문에 3차원 좌표(X, Y, Z)를 계산한다. 그래서 라이다 영상 AI는 객체의 위치를 이용해 객체의 이동 방향, 이동속도, 센서와의 거리 등의 정보를 계산할 수 있다. 사람의 위치 정보와 측정한 시간을 이용하여 작업자가 위험구역에 진입했는지, 위험구역에 얼마나 머무르고 있는지 등을 MATLAB과 Python의 소프트웨어를 이용하여 분석한다. Fig. 2에서 라이다의 구조, 구성요소와 역할을 설명하였다.

JNJBBH_2023_v19n2_421_f0002.png 이미지

Fig. 2. Structure, Components And Roles of LiDAR

인공지능 시스템 실증 제안

인공지능 시스템 유무 실험

건설 현장에서 많이 사용하는 건설기계 중 재해 다발 및 위험성이 높은 굴삭기를 연구 대상으로 선정하여, 선정된 굴삭기 2대 중 1대에는 Case 1) 인공지능 시스템 설치, 다른 1대는 Case 2) 인공지능 시스템 미설치 상태로 각각 연구 대상 굴삭기에 라이다를 설치하여 약 3개월(23.02~23.04) 동안 실험하였다. 굴삭기를 중심으로 라이다 센서에 인식되는 작업자의 누적 유효수가 1,000명을 기준으로 한 데이터를 1) 작업자-굴삭기와의 거리, 2) 위험구역 내 작업자의 체류시간, 3) 위험구역 주변 작업자의 이동 경로 및 체류시간에 따른 작업자 분포도를 수집하여 인공지능 시스템의 유무에 따른 작업자의 행동 패턴을 분석하여 협착 및 충돌 재해 예방효과에 대한 정량화 통계치를 산출하여 비교하였다.

인공지능 시스템은 Fig. 3과 같이 전·후방에 영상수집 카메라 2대를 설치한 2채널과 전·후·좌·우측에 카메라 4대를 설치한 4채널 두 가지 형식으로, 1개의 카메라가 약 90도 범위에 있는 물체 또는 작업자를 본체가 인식하여 위험구역진입 시 경고등과 사이렌이 작동되어 운전자 및 작업자가 건설기계와 안전거리를 확보하도록 견인하였다.

JNJBBH_2023_v19n2_421_f0003.png 이미지

Fig. 3. Principles of AI system configuration and operation

인공지능 시스템의 동작성 원리는 두 가지 경우로 구분되며, 동작성 원리(A)는 건설기계의 위험구역반경을 사용 목적에 따라 인식 센서 측정 거리(3m, 5m, 7m)를 설정한 후 위험구역 내에 진입 한 작업자를 인식(레드박스)하여 영상을 제공하는 동시에 경고등과 사이렌이 작동되어 운전자와 작업자에게 위험을 경고하는 원리로 작동된다. 동작성 원리(B)는 위험구역반경 밖에 작업자가 있는 경우에는 작업자를 인식(블루박스)한 후 사이렌은 미 동작 하나 영상분석 정치상에 인식된 작업자의 영상은 운전자에게 전달하여 위험에 대한 경각심을 부여한다. 이런 동작성의 기본 원리는 작업자가 건설기계에 근접하여 경우 작동하는 경보 시스템의 중단을 위해서는 작업자가 위험 범위 밖으로 이동하거나, 운전자가 작업자와의 안전거리를 확보해야 가능하다.

이와 같이 인공지능 시스템의 유무에 따라 작업자의 행동 변화가 어떻게 표출되는지를 라이다 센서로 분석하여 인공지능 시스템의 재해 예방효과를 검증하고자 하였다. Fig. 4에서 라이다에 인식된 건설기계 주변 작업자의 이동 경로 Front View와 Top View를 예시로 표현하였다.

JNJBBH_2023_v19n2_421_f0004.png 이미지

Fig. 4. Examples of worker behavior patterns recognized by LiDAR

작업자 인식 실험

Fig. 5는 연구 대상 현장의 주변 환경을 시뮬레이션 구성으로 표현하였고, 라이다 센서를 설치한 굴삭기를 중심으로 주변에 인식되는 객체(작업자)의 누적 유효수를 도식화하였다.

JNJBBH_2023_v19n2_421_f0005.png 이미지

Fig. 5. Simulation of the surrounding environment of the research site

실험 결과

인공지능 시스템 유무에 따라 라이더센서에 인식되는 작업자(1인 기준)의 위치를 x, y 좌표로 표시하여 출발 지점에서부터 도착지점까지의 이동 방향, 이동속도, 굴삭기와 작업자의 거리, 굴삭기 주변 위험구역 내 체류시간 등을 초 단위로 세분화하여 수집 및 분석한 정량적인 데이터 결과는 Table 4와 같다.

Table 4. Results of LiDAR measurements

JNJBBH_2023_v19n2_421_t0004.png 이미지

굴삭기 주변에서 작업자의 행동(작업자 50명 기준)이 라이다에 어떻게 인식되는지를 1차 테스트 결과는 Fig. 6과 같다. 라이다에 인식되는 작업자 50명의 이동 경로 등을 데이터 분석 원리를 기준으로 1) 인공지능 시스템 설치 시, 2) 인공지능 시스템 미설치 시로 도식화하였으며, Fig. 6의 붉은색 원은 작업자가 굴삭기에 근접 시 경보 시스템이 작동하는 위험구역(Danger zone, 굴삭기 중심에서 7m)으로 설정된 한계선을 의미한다.

JNJBBH_2023_v19n2_421_f0006.png 이미지

Fig. 6. Behavior patterns of 50 workers

작업자의 행동 패턴을 분석하면 1) 인공지능 시스템이 설치된 굴삭기에 작업자가 접근 시 경보 시스템이 작동하여 작업자가 안전거리를 확보하기 위해 이동하는 패턴으로 분석되었다. 굴삭기 중심에서 작업자와의 거리가 평균 5m 이상으로 우회하는 이동 경로가 형성되어 결과적으로 굴삭기와 작업자의 협착 및 충돌 재해로부터 인공지능 시스템이 작업자의 안전성을 확보하였다. 반면 2) 인공지능 시스템이 미설치된 굴삭기의 주변 작업자의 행동 패턴의 경우 붉은색 원(위험구역) 안에 작업자의 이동 경로의 실선들이 불규칙하고 복잡하게 분포되었다. 굴삭기와 협착 및 충돌 재해가 발생할 수 있는 위험구역 내에 이동하는 작업자 중 굴삭기와 작업자와의 거리가 약 2m 이내의 사례도 다수 나타나 운전자의 Human Error 등 불안전한 행위로 인하여 발생하는 재해를 예방하기 위해서는 적극적인 안전 관리가 요구되는 것으로 나타났다. Fig. 7은 작업자 1,000명을 기준으로 인공지능 시스템의 설치 유무에 따른 작업자의 이동 경로와 분포를 라이다 센서로 분석한 결과를 도식화하였다.

JNJBBH_2023_v19n2_421_f0007.png 이미지

Fig. 7. Results of behavioral analysis of 1,000 workers​​​​​​​

작업자의 이동 경로와 분포도를 분석한 결과 인공지능 시스템을 설치한 굴삭기의 직경(Diameter)이 인공지능 시스템을 미설치한 굴삭기보다 더큰 원을 형성하고 있었다. 이는 작업자와 굴삭기와의 안전거리가 인공지능 시스템을 설치하였을 때 작업자 1,000명의 평균 거리는 약 5.17m, 인공지능 시스템 미설치 시 평균 거리는 2.88m로 나타나 인공지능 시스템의 미설치 시 보다 약 1.8배 이상의 안전거리를 형성하여 안전성을 확보하였다고 판단된다. 또한 작업자가 위험구역 내 체류하는 시간이 인공지능 시스템 설치 시 평균 2.14초, 미설치 시 평균 5.95초로 나타나 인공지능 시스템을 설치하였을 때 약 3.8초 이상 체류시간을 단축하여 인공지능 시스템의 선제적으로 전달된 경보가 작업자를 위험구역 밖으로 밀어낸 현상이 구현되어 위험구역에 체류시간 단축을 통하여 안전성을 확보함을 알 수 있다.

이와 같은 실험을 통해 인공지능 시스템을 설치는 굴삭기와 작업자의 안전거리를 확보하고 위험구역 내 작업자의 체류시간을 단축하므로 재해예방 효과가 있음을 증명하였다.

결론

건설산업의 기술 및 공법의 발달로 고층화 ·대형화 ·복잡화됨에 따라 대형 건설기계를 이용한 작업이 증가하고 있다. 건설기계화로 생산성 향상, 공기 단축, 원가절감 등의 효과를 견인하였으나 근로자의 안전사고 위험 노출은 증가하고 있으며 다양한 재해사례도 발생하고 있다. 건설기계의 협착 및 충돌로 인해 발생한 대부분 재해가 작업자(운전자 포함)의 불안전한 행위, Human Error 등에서 시작되므로 근본적인 원인을 제거하기 위해서는 기술적, 교육적, 관리적 대책 수립과 안전 수칙의 준수가 무엇보다 중요하다.

본연구를 통하여 인공지능 시스템이 건설기계 작업 시 작업자의 위험구역으로 근접하는 것을 통제하고 작업반경 내에서 위험 요인을 차단하는 효과가 발현되어 건설기계의 협착 및 충돌 재해 예방에 실효성이 있음을 증명하였다. 실제 H 건설사의 15개 현장, 59대의 건설기계에 인공지능 시스템을 설치한 이후 건설기계 관련 협착 및 충돌 재해가 1건도 발생하지 않았다.

향후 건설 현장 내 출입하는 레미콘 차량, 덤프트럭 등 일회성으로 사용하는 건설기계에도 인공지능 시스템을 확대하고 보급하여 중대 재해와 건설 현장의 안전사고를 예방하기 위한 사업주와 경영책임자의 지속적인 관심과 지원이 요구되며, 또한 현재 스마트 건설 기술 활성화를 위한 법, 제도 정비가 부족하다는 인식이 있어 향후 정부에서는 스마트 건설 활성화를 위한 법과 제도 정비, 그리고 관련 기술 연구에 대한 투자와 지원이 필요할 것으로 사료된다.​​​​​​​

References

  1. Body Guard (2019). Providing safety at work around moving vehicles. Body Guard [Online]. http://www.bodyguardsafety.com.au/
  2. Breezemount Electrical & Hydraulics Ltd. (2019). Site zone proximity warning system. Breezemount. [Online]. http://www.breezemount.net/site_zone_proximity_warning_system
  3. Kim, S.-J. (2019). A Study on the Establishment of Disaster Prevention System using Smart IT Technology. Doctorial Dissertation, Konkuk University.
  4. Koo, J.-S., Kang, H.-S. (2021) "Corporate citizenship behavior at construction sites: Safety training case using BIM-based 3D visualization contents of POSCO A&C." Ethical Management Research, Vol. 21, No. 2, pp. 21-43.
  5. Korea Institute of Construction Industry (2019). Domestic construction companies' smart technology utilization status and activation direction.
  6. Kwon, O.-Y. (2022). "A study on the current status and problems of the Serious Accident Punishment Act." Journal of Society of Disaster Information, Vol. 18, No. 3, pp. 470-477.
  7. Lee, B,-L., Kim, S,-D, Choi, J,-W. (2022) "A study on the link between the Serious Accidents Punishment Act and the enterprise disaster management standard: Focused on the serious industrial accidents." Journal of the Society of the Disaster Information, Vol. 18, No. 3, pp. 660-671.
  8. Ministry of Employment and Labor (2021). Safety and Health Management System Establishment Guidebook Study on the Activation of Safety Management Using Smart Equipment (AIoT, Mobile) in Construction Sites.
  9. Ministry of Government Legislation (2021). Act and Enforcement Decree on the Punishment of Serious Accidents, etc.
  10. Ministry of Land, Infrastructure and Transport (2018). Smart Construction Technology Road Map for Innovation in Construction Productivity and Safety Enhancement.
  11. Na, J.-C., Lee, S.-W., Kim, C.-M, Son,H.-J, Kim, C.-W. (2015). "Real-time vision-based proximity detection for improved worker safety in construction equipment operation." Papers at the Architectural Institute of Korea 70th Anniversary Conference and Autumn Conference, Vol. 35. No. 2.
  12. Oh, B.-S. (2021) "Contents of the serious disaster penalty act and corporate response-Focused on serious industrial accident." Industrial Health, Vol. 400, pp. 42-49.
  13. Professional LiDAR Sensor Provider. http://soslab.co/ML.
  14. PROXIPI (2019). Well integrated PROXIPI with the evaluation pilot project. PROXIPI [Online]. https://www.proxipi.com/well-integrated-proxipi-with-the-evaluation-pilot-project/lang=en
  15. Ryu, H.-K., Kim, T.-W. (2019). "Development of a safety accident prevention system for construction equipment utilizing IoT and RTLS technology." Journal of the Korea Convergence Society, Vol. 10. No. 9, pp. 179-186. https://doi.org/10.15207/JKCS.2019.10.9.179
  16. Woo, S.-B. (2021). "Labor-management relations evaluation and prospects in the construction industry." Labor Review, Vol. 190, po. 59-71.
  17. Yoo, G.-C., Kim, Y.-G. (2022). "A study on how to build a Highly Reliable Organization using a smart safety system: Focusing on the case of POSCO A&C as a corporate citizen." Korean Society of Business Administration, Vol. 29, No. 6, pp. 207-225.