Wearable Sensor Data-Based Risk Assessment of a Construction Worker Using Machine Learning

Abstract

4차 산업혁명 시대로 접어들면서 관련 분야는 현재 글로벌 산업의 흐름을 주도하고 있으며, 관련특징 중 하나는 다양한 첨단기술을 통한 인력 재해감소이다. 하지만, 지난 몇 년 동안 산업 재해 중 많은 부분이 건설 산업에서 일어났고, 근로자의 높은 노동강도와 위험한 현장환경이 주 원인으로 꼽혔다. 다양한 연구를 통해 건설현장에서의 재해율을 낮추기 위한 많은 연구가 진행되고 있지만, 시대가 지남에 따라 고도화되는 건설 프로젝트에 비해 건설인력의 안전에 대한 투자와 교육은 낮기에 현장에서의 위협은 여전히 높다. 현재 건설업계는 시대적 흐름에 맞춰 최신 IT 기술을 도입하기 위해 노력하고 있지만, 여전히 타 산업에 비해 도입율이 낮고 다소 보수적인 입장을 보이고 있다. 하지만, 관련기술을 건설현장에 잘 접목시킨다면, 안전성 및 생산성 증대에 효과적일 것이며 타 산업들의 예로 그 효과를 알 수 있다. 그 중 본 논문에서는 최근 많은 산업 분야에 적용되어지고 있는 웨어러블 디바이스를 주 실험도구로 사용하였다. 본 논문에서는 현재까지 주관적, 정성적인 접근방식으로 관리되던 개인의 피로도, 개인보호구 위반, 고온 위험 등 3가지 핵심 이슈를 웨어러블 디바이스에서 전송된 신체적 데이터를 객관적이고 정량적인 방법으로 분석하고 관리하는 방안에 중점을 두었다. 피로도에 대한 AHP 테스트를 통해 신체적 노동강도가 가장 큰 영향을 미치는 요인으로 밝혀졌으며 그 노동강도 수준을 추정하기 위한 방법으로 웨어러블 데이터 기반 에너지 산출(EE) 추정 방법을 개발하였다. 그러나 현재 웨어러블 장치에 널리 적용되는 EE 추정 알고리즘은 조깅이나 걷기와 같은 활동에서 허용 가능한 정확도를 보여주지만 주로 가속도계 센서기반의 알고리즘을 사용하다 보니 사용자가 무게를 들고 걸을 때 와 아닐 때 와 같은 차이를 추정하는 데는 어려움이 있다. 본 논문에서 사용된 심박수 기반 EE 추정 방법은 노동강도에 따른 심박수와 산소소비량을 변수로 한 일련의 계산식을 사용하여 도출된다. 그 결과, 개발된 모델은 실험실에서 측정한 데이터와 비교하여 1.54mLmin-1kg-1의 평균 절대값 차이를 보였다. 웨어러블 디바이스의 장점 중 하나는 지속적인 측정이 가능하다는 것이고 그에 기반한 특정 유형의 활동에 따른 신체적 신호의 패턴을 조사할 수 있다는 것이다. 개인의 피로는 주로 일정수준의 지속적인 육체적 노동강도에서 비롯되며, 본 연구에서는 건설 현장에서 자주 수행되는 작업을 기준으로 노동강도를 3단계(가벼움, 보통, 높음)로 분류하였다. 데이터 수집을 위해 4명의 건설근로자들로부터 4개월에 걸쳐 신체적 데이터를 수집하여 총 3,686,400개의 데이터 포인트를 수집하였다. 수집된 데이터를 기반으로 노동강도 수준에 따른 EE 범위를 설정하고 데이터셋의 레이블링 과정으로 사용하였다. 레이블이 지정된 데이터셋은 가우시안 커널 머신러닝 알고리즘을 사용하여 개개인의 신체적 노동강도를 예측하는 데 활용되었으며 약 88%의 예측 정확도를 보여주었다. 신체적 신호는 주로 개인의 건강 상태를 판단하는 도구로 사용되지만 센서의 위치에 따라 그 목적이 달라질 수 있다. 본 연구에서는 전송된 센서 데이터를 기반으로 건설 근로자의 안전모 착용을 모니터링하는 도구로 사용하였다. 안전모 턱 끈에 PPG 센서를 설치함으로써 두 가지 용도로 센서 데이터가 사용될 수 있다. 하나는 개인의 건강 상태를 모니터링하는 것이고, 두 번째는 안전모의 부적절한 사용을 모니터링하는 것이다. 본 연구에서는 최적의 센서 유형과 턱 끈 내 센서 위치를 실험을 통해 조사하고 실제 현장에서 검증 테스트를 수행하였다. 사물인터넷(IoT) 기반 웹 모니터링 페이지도 구축하여 LoRa 네트워크를 통한 시각적 데이터를 관리자에게 제공하였다. 또한, 이 방법에서는 심박수 예비율(%HRR)을 사용하여 근로자의 노동강도 수준을 3단계로 분류하고 %HRR과 안전모 위반 사이의 상관관계를 분석하였다. 머리손상과 같은 직접적인 사망원인과 함께 고온과 같은 간접적인 사망원인에 대한 우려가 건설산업에서 커지고 있기 때문에, 본 연구에서는 기상청에서 제공하는 위치 온도기반 실시간 종합평가(OHS)와 웨어러블 데이터를 이용한 퍼지 논리기반으로 판단하는 개인관리시스템(PMS)을 결합하여 열 스트레스 위험을 관리할 수 있는 시스템을 개발하였다. 건설 현장에서. OHS는 야외 작업장에서 열 관련 질병을 예방하기 위해 개발한 열체감지수(TCI)에 의해 결정되지만 개인의 열 스트레스는 작업 유형이나 작업장 내 작업 위치에 따라 다를 수 있으므로 작업 효율성과 개개인의 안전성을 높이기 위해서는 개개인과 작업 그룹 모두 관리해야 한다. 따라서 본 시스템은 OHS와 PMS를 관리할 수 있는 모니터링 시스템을 웹상에서 구현하여 결과를 시각화하고 위험경보 기능도 포함시켜 관리자와 작업자에게 전달될 수 있도록 하였다. |Over the past years, large portion of occupational accidents have been occurred in construction industry due to high level of physical demand and hazardous environment for the workers. Although, numerous researches have been conducted to reduce the accident rates through various approaches, as a construction project becomes more sophisticated with the trend of increasing the maximum construction efficiency with the minimum construction budget, the safety threat of construction workers remains high. As we enter the era of 4th industrial revolution, related fields are currently leading the flow of global industries, as one of them, the sensor technology is being used with various purposes throughout many industries. Currently, the construction industry is making efforts to incorporate the latest technologies in line with the trend of the times, but the adaptation rate is still low compared to other industries and shows rather a conservative position on adopting the technologies. In this thesis, a wearable device which is an aggregation of sensors, was used as the main experimental instruments. Wearable devices are currently being applied in many industries although its use in the construction industry is minimal. Throughout the study, wearable device has shown the potentials in continuous monitoring and safety improvement of construction workers by analyzing physiological data in objective and quantified manner. Mainly, the thesis is focused on managing three critical issues that have been managed in qualitative and subjective manner—individual short-term physical fatigue, personal protective equipment (PPE) violation and risks under high temperature. In this thesis, through the AHP test on fatigue, the physical demand or workload was found to be the most influential factor and in order to estimate the level of demand, physiological data-based energy expenditure (EE) estimation method was used. Currently, however, widely applied EE estimation algorithms in wearable devices are dependent on accelerometer sensor data which shows acceptable accuracy in activities such as jogging or walking but shows indifference in estimating EE when a user is walking with extra weight in his or her hands. Therefore, heart rate and individual oxygen consumption-based EE estimation method is derived using series of calculation. From the results, the developed model showed average absolute value differences of 1.54mLmin-1kg-1 compared to data from the laboratory measurements. Also, one of the advantages of wearable device is to allow continuous measurement. It allows to examine the patterns in physiological signals according to certain types of activities. Individual fatigue mostly comes from certain levels of continuous physical demand, which in this study categorized into three levels (light, moderate and high) based on often performed tasks in construction sites. In this study, physiological datasets were collected from four construction subjects over 4 months of period and collected total of 3,686,400 data points. Based on the collected data, individual EE was determined according to the levels of physical demand and labeled the datasets according to physical demand level. Labeled datasets were utilized to predict individual physical demand level using support vector machine (SVM) algorithm and showed 88% prediction accuracy. Physiological signals are mainly used as a measure of determining individual health conditions but depending on the location of the sensor, its purpose may vary. In this study, the transmitted sensor data were used as a measure of monitoring non-hardhat worker in a construction site. By installing biosensors into chinstrap of a hardhat, it serves two purposes; One is to monitor individual physical condition and second is to monitor improper use of hardhat. Optimal sensor type and the location within the chinstrap have been studied and conducted validation test in a construction site. Internet of things (IoT) based web monitoring page also has been created to provide visual data to a manager via LoRa network. Moreover, in this method, the percentage of heart rate reserve (%HRR) was used to categorize the work intensity level and analyzed the relationship between the %HRR and the hardhat violation. For the feasibility test, a dataset was collected from local building construction site with total of 8 participants, in results indicated that on average, the subjects wore a hardhat 3.5 times less when they were working at high intensity physical demand level than when they were working at low intensity level. In addition, it was found that the hardhats were worn 1.97 times less during high intensity work than during moderate intensity work and the time to take off the hardhat or chinstrap was increased by 1.77 times during the moderate intensity work than during low intensity work. Construction workers are often exposed to extreme heat or hot environments due to its nature of work. In addition to direct cause of death such as head injury, indirect cause of death such as heat-related illness is growing concern in construction sector. In the proposed method, by combining real time overall heat assessment (OHS) which is provided by Korea Meteorological Administration (KMA) and personal management system (PMS) which is determined based on physiological signals using fuzzy logic, it allows to manage heat stress risk in a construction site. OHS is determined by thermal comfort index (TCI) which is developed by KMA to prevent heat-related illness in outdoor jobsite. However, individual heat stress may vary according to task type or working location within a jobsite therefore both individual and working group needs to be managed in order to increase work efficiency. Transmitted physiological data from a wearable device allows to monitor abnormality in physical responses under high temperature using fuzzy logic. As an input for fuzzy logic, EE, core temperature and task duration are included while as an output, the risk levels are indicated. As part of the process, monitoring web page is created to visualize the results and to notify any concerns to both manger and the worker. The proposed method was tested in both indoor and outdoor environment for reliability and achieved over 90% indoor accuracy and showed 84.5% correspondence between OHS and PMS values.