• 한국건축시공학회지
• /
• 제21권4호
• /
• pp.361-375
• /
• 2021

서울특별시는 대한민국의 수도로 높은 인구와 시설이 밀집되어 있으며 다양한 건축공사가 도심 내에서 진행되고 있다. 우리나라와 서울시 건축공사장에서 안전사고가 다수 발생하여 큰 인명과 재산 피해를 야기하였으며, 중앙부처와 서울시는 공사장 안전을 확보하기 위하여 많은 노력을 기울여왔다. 이 연구에서는 현행 법·제도 등 공사장 안전관리 실태를 분석하였다. 공사장 안전관리 법령의 한계점과 이를 극복하기 위한 중앙부처와 서울시의 대책을 조사하고, 서울시에서 진행한 공사장 안전점검 결과와 현장 관계자 대상 설문조사를 실시하였다. 공사장 안전관리 실태분석 결과를 기반으로 서울시 건축공사장 안전을 확보를 위한 개선방안을 도출하였다. 서울시가 현재 진행하고 있는 안전점검 등의 개선과 현 법·제도가 보다 잘 작동할 수 있도록 관리감독 강화, 그리고 자율적인 안전확보를 위한 가이드와 교육 방안을 제시하였다.

• 건축구조
• /
• 제21권3호
• /
• pp.68-74
• /
• 2014

• 건축사
• /
• 8호통권388호
• /
• pp.85-91
• /
• 2001

10년도 넘었을까 모처럼 유럽을 여행할 기회가 있었다. 우리나라는 온 국토가 공사장이나 진배없던 시절이라 그곳의 풍경이 오히려 이채로웠다. 자동차를 타고 한참을 가야 그것도 별로 크지 않은 공사장을 볼 수 있었고, 그나마 신축공사 보다는 오래된 건물을 보수하는 것들이 더 많았다. 더구나 희한한 것은 대로에 면한 고색 창연한 건물의 외벽만을 텔레비전 세트처럼 남겨두고 그 뒤편에서는 전혀 새로운 공사를 하는 것도 눈에 들어왔다. 조상들의 유적을 외관만이라도 보존하도록 법제화되었으므로 여기저기 떨어져 위치한 100년도 넘은 집에다 따로따로 최신형 공작기계를 설치한 공장에서 제품을 생산하는 비능률을 감수하는 것도 볼 수 있었다. 물론 변두리 신시가지에서는 현대 감각이 물씬한 건물도 신축하고 있었는데, 대체로 리모델링 사업규모가 전체 건축 물량의 50% 정도는 될 것이라는 설명이었다. 필자는 그때 우리도 머지 않아 그런 시절이 도래할 것이라는 확신이 있었다. 더구나 그들의 건물들이 100년 이상을 버티는데 반하여 우리네 것들은 수명이 고작 20~30년 밖에 되지 못할 정도로 부실하기 때문이다. 그때부터 기존 건물의 내력 부족분을 보완하고 용도를 변경하거나 증축을 할 때 어떤 방법이 합리적일까 하는 것에 관심을 가지고 연구하게 되었다. 바닥 슬래브나 보를 잘라버리거나 새로 덧붙이기도 하고 심하면 기둥을 솎아낼 필요가 있을 수도 있다. 그러나 유감스럽게도 대부분의 경우는 그동안 열심히 고안한 방식을 실무현장에 적용할 수 있도록 받아들이는 당사자가 별로 없었다. 첫째 이유는 처음하는 일이라 말하자면 겁이 난다는 것이고, 둘째로는 새로운 방식을 믿고 시행하려 해도 실제로 책임지고 시공하겠다고 나서는 업체를 만날 수 없어서였다. 그래서 그동안 설계뿐만 아니라 시공까지 일일이 간섭하여 어렵게 시행했던 현장 경험들을 소개하여 앞으로 비슷한 조건을 만날 경우 참고할 수 있게 한다. 우선 기둥을 솎아 내는 것을 알아보고 앞으로 기둥, 보, 슬래브, 기초 등의 새로운 보강방법을 소개하고자 한다.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2022년도 봄 학술논문 발표대회
• /
• pp.150-151
• /
• 2022

Blasting is a method that uses explosives to crush the ground. This method is a highly efficient ground cleaning method that can secure high efficiency in a short time. However, explosions can damage local properties and produce high noise and vibration. Therefore, it is important to be careful because there are disadvantages such as the occurrence of many complaints from the surrounding area. In this paper measured and analyzed the noise and vibration generated during blasting at the blasting site in Korea. The noise and vibration generated during blasting were measured by ES03303.2b and ES03402.2a at a distance of 6 m, 12 m from the blasting point. As a result of the measurement, there was little difference between small and medium scale except for precision vibration blasting at a distance of 6m, but noise difference according to blasting scale was evident at a distance of 12m. As a result of the measurement, the maximum noise level was reduced to 5.5 dB(A) and the vibration level was reduced to 7.7 dB(V). In the future, the reliability of the test results can be further improved through additional tests, and it is judged that noise and vibration prediction models based on blasting methods, amount of charge, measuring distance, etc. can be developed.

• 한국재난정보학회 논문집
• /
• 제7권3호
• /
• pp.220-228
• /
• 2011

재난전조정보란 웹으로부터 재난이 예상되는 정보를 자동으로 수집하거나, 관련자가 재난전조정보 사이트의 신고를 통하여 제공하는 데이터에 대하여 자동 또는 수동으로 확인을 거친 정보이다. 이렇게 수집된 데이터에 대하여 자동으로 분석 정보를 제공하는 기술에 연구의 초점을 맞추었다. 정보를 분석하기 위하여 가장 대표적인 재난 유형 4가지(교량, 공사장, 건축물, 축대 및 옹벽)에 대하여 온톨로지 구조를 정의하였다. 온톨로지 구조에 따라 과거 유사 사례 DB를 구축하였으며, 해당 사례로부터 재난 발생에 대한 규칙을 도출하고, 규칙 사이에 가중치 적용을 통하여 규칙 정보를 일반화하였다. 도출된 규칙은 재난 전조 정보에 적용하였으며, 규칙의 가중치를 통하여 해당 정보를 점수화 하였다. 본 연구에서 제시하는 방법에 대하여 실제적인 구현을 통하여 실용성을 검증하였다. 재난 전조정보에 대한 점수는 사건 사례의 품질에 의존적이기 때문에, 시스템의 성능은 데이터 업그레이드에 따라 계속 증가할 것이다. 또한 규칙에 대한 지속적인 품질 보정이 필요할 것이다.

• 한국전자통신학회논문지
• /
• 제17권3호
• /
• pp.473-482
• /
• 2022

코로나 시대에서 감염의 위험을 줄이기 위하여 반드시 마스크를 착용하여야 하며, 건축 공사장과 같은 위험한 작업 환경에서 일하는 직원의 안전을 위하여 헬맷을 쓰는 것은 필수불가결하다. 본 논문에서는 헬멧과 마스크의 착용 여부를 분류하는 효과적인 딥러닝 모델 HelmetMask-Net를 제안한다. HelmetMask-Net은 CNN 기반으로 설계되며, 전처리, 컨벌류션 계층, 맥스풀링 계층과 4 가지 출력이 있는 완전결합 계층으로 구성되며, 헬멧, 마스크, 헬멧과 마스크, 헬멧과 마스크을 착용하지 않은 4 가지 경우를 구분한다. 정확도, 최적화, 초월 변수의 수를 고려한 실험으로 2 컨볼루션 계층과 AdaGrad 최적화를 가진 구조가 선정되었다. 모의 실험 결과 99%의 정확도를 보여 주었고, 기존의 모델에 비하여 성능이 우수함을 확인하였다. 제안된 분류기는 코비드 19 시대에 직원의 안전을 향상시킬 수 있을 것이다.

• 한국음향학회지
• /
• 제42권6호
• /
• pp.603-616
• /
• 2023

본 연구는 주파수 및 시간 특성을 활용하여 머신러닝 기반 공동주택 주거소음의 군집화 및 분류를 진행하였다. 먼저, 공동주택 주거소음의 군집화 및 분류를 진행하기 위하여 주거소음원 데이터셋을 구축하였다. 주거소음원 데이터셋은 바닥충격음, 공기전달음, 급배수 및 설비소음, 환경소음, 공사장 소음으로 구성되었다. 각 음원의 주파수 특성은 1/1과 1/3 옥타브 밴드별 L_eq와 L_max값을 도출하였으며, 시간적 특성은 5 s 동안의 6 ms 간격의 음압레벨 분석을 통해 L_eq값을 도출하였다. 공동주택 주거소음원의 군집화는 K-Means clustering을 통해 진행하였다. K-Means의 k의 개수는 실루엣 계수와 엘보우 방법을 통해 결정하였다. 주파수 특성을 통한 주거소음원 군집화는 모든 평가지수에서 3개로 군집되었다. 주파수 특성 기준으로 분류된 각 군집별 시간적 특성을 통한 주거소음원 군집화는 L_eq평가지수의 경우 9개, L_max 경우는 11개로 군집되었다. 주파수 특성을 통해 군집된 각 군집은 타 주파수 대역 대비 저주파 대역의 음에너지의 비율 또한 조사되었다. 이후, 군집화 결과를 활용하기 위한 방안으로 세 종류의 머신러닝 방법을 이용해 주거소음을 분류하였다. 주거소음 분류 결과, 1/3 옥타브 밴드의 L_eq값으로 라벨링된 데이터에서 가장 높은 정확도와 f1-score가 나타났다. 또한, 주파수 및 시간적 특성을 모두 사용하여 인공신경망(Artificial Neural Network, ANN) 모델로 주거소음원을 분류했을 때 93 %의 정확도와 92 %의 f1-score로 가장 높게 나타났다.