건설 현장에서의 안전 관제 기술 동향

1. 안전 관제의 필요성

2021년 4월에 발표된 고용노동부 산업재해 사고사망 통계 발표에 의하면, 2020년 산업재해에서 건설업의 산업재해가 가장 큰 비중을 차지하고 있다[1,2]. 건설업 사망사고를 재해유형별로 살펴보면, ‘떨어짐’(236명), ‘물체에 맞음’(42명), ‘부딪힘’(38명), ‘화재’(36명), ‘깔림‧뒤집힘’(33명), ‘무너짐’(24명) 순으로 분석된다. 특히 공사금액이 낮을수록 사고사망 만인율이 높아지는 경향이 있다. 따라서 중소 건설 현장에서의 사고를 줄여야 하며, 이를 위해 특히 중소 건설 현장에 적합한 저비용으로 실현 가능한 건설 현장 안전 관제 기술이 필요하다.

가장 최근인 2024년 8월에 발표된 고용노동부의 2024년 6월 말까지 상반기 산업재해 현황 자료에서도 건설업이 여전히 가장 큰 비중을 차지하고 있다[3]. 건설업 사고사망자가 166명으로 전체 사망자의 41.6%를 차지하고 있다. 산업재해 사고사망 현황에 대한 특징을 더 살펴보면, 5~49인 사업장(177명, 44.4%), 60세 이상 근로자(194명, 48.6%) 비중이 가장 높으며, 떨어짐(150명, 37.6%), 끼임(51명, 12.8%) 등이 가장 많이 발생하고 있는 것으로 조사되었다. 최근의 산업재해 현황을 보더라도, 점점 근로자의 노령화가 심화되고 있는 50인 미만 건설 현장에서 안전 관제를 통해 떨어짐 등의 산업재해를 저감하는 노력을 더 해야 함을 알 수 있다.

2. 안전 관제 기술 개요

건설 현장에서의 사고 저감을 위해서는 안전 교육 강화와 더불어, 안전 관제 기술 도입이 제안되고 있다. 현재 중대형 건설 현장을 중심으로 주요 현장에 카메라를 설치하고, 현장 사무소 혹은 원격지 관제실에서 현장 영상에 대한 안전 관제 모니터링이 실시되고 있다. 현장에 카메라 설치만으로도 일정 정도의 안전도 증가의 효과가 있기는 하나, 관제실에 인원을 배치해 눈으로 확인하는 안전 관제에는 한계가 있다. 이러한 한계를 극복하기 위해서 건설 현장 안전 관제를 위한 인공지능(AI: Artificial Intelligence)을 활용한 자동화된 영상 분석 기술과 각종 센서 및 장치를 활용한 안전 분석 기술 연구가 진행되고 있다.

1. 위험 및 사고에 기여하는 요인

건설 현장에서 발생하는 다양한 사고의 근본 원인을 분석하여 부적절한 현장 조건과 부주의한 인간 행동이 사고의 주요 원인이라고 밝혔다[9]. 사고 분석자들은 높은 곳에서 떨어지거나, 물건에 맞거나, 부딪히거나, 들어올리고 나르거나, 과도하게 뻗거나, 기계, 전기, 화재, 폭발, 운송이 사고의 원인이라고 지적했다. 대부분의 사고 분석 보고서는 관리 시스템 부족, 촉박한 공사 일정, 부적절한 안전 정책, 저숙련 노동력, 안전 교육 부족, 개인 보호 장비 부족, 작업 현장 상황, 높은 곳에서 떨어짐, 안전 검사 부족, 안전 표지판 부족, 부적절한 작업 환경이 사고 원인의 주요 요인이라고 강조했다. 다양한 유형의 위험은 비계 등반, 기계 및 도구 사용, 전기 작업과 같은 다양한 건설 활동과 관련이 있다. 사고 발생을 피하고 작업 환경을 관리하기 위해서는 건설 현장에서 적절한 안전 조치와 같은 수많은 이니셔티브가 필요하며, 적절한 안전 조치는 생산성과 수익성을 높이는 동시에 건설 비용과 건설 현장 사고를 확실히 줄이기 위한 필수적인 투자라는 인식이 사회 전반에 필요하다.

2. 건설 위험을 완화하기 위한 전략

전통적인 안전 관리 방식은 사고를 예방하기 위한 사전 대응 전략보다는 사후 대응 전략에 초점을 맞추고 있다. 그러나 사고 방지를 위해서는 사후 대응보다는 사전 예방이 더욱 중요하다. 따라서, 안전에 대한 사전 계획, 안전 지향, 안전 교육, 문서화된 안전 정책 등을 통해 위험을 피하는 것이 중요하다[11,12]. 우수한 안전 관리 관행에는 건설 중 다양한 안전 지침과 규정을 통합하고, 안전 교육, 표지판, 안전 공원, 안전 검사, 안전 문화를 유지하고 안전한 행동을 유지하는 것이 포함된다[13,14]. 안전 이미지와 같은 사전 대응 정보를 제공하는 것도 필요하며, 비디오 및 시각적 인식과 같은 다양한 안전 교육 방법은 건물 정보 모델링(BIM), 가상 현실(VR) 및 증강 현실(AR)과 같은 최신 기술의 도움이 필요하다[15-17].

3. 건설 현장 안전 관제 절차

건설 현장의 안전 규정 준수 여부를 포함하여 위험 상황을 인지하기 위해서는, 사전에 건설 현장의 공정 절차에 따른 위험 요소를 분석할 필요가 있다. 안전 관제 절차는 다음의 예시로 살펴볼 수 있다[19].

그림 1은 건설 현장 안전 관제의 절차를 나타낸 것으로, 첫 단계에서는 실제 다양한 건설 현장 사고 사례에 대한 빅 데이터 수집을 통한 사고 분석을 실시한다[29]. 다음으로 건설 현장 사고 분석 결과를 통해 사고의 원인이 되는 상황이 발생하지 않도록 WBS(Work Breakdown Structure)별, CBS(Cost Breakdown Structure)별 분석 결과가 반영될 수 있다. 공종별, 규모별 사고 시나리오를 작성하고, 실제 건설 현장에서 구체적으로 적용할 수 있도록 대상이 되는 관리 객체별, 위치별 시나리오가 포함될 수 있다. 이를 통해 사고를 예측하고 사전에 인지할 수 있는 방법론과 알고리즘을 개발한다. 개발된 알고리즘을 현장에서 운용할 안전 관제 시스템에 안전 관제 프로그램으로 탑재하여 운용하게 된다.

그림 1

건설 현장 안전 관제 절차 출처 Reprinted with permission from 사물인터넷융합포럼, “스마트건설 현장 대응형 안전관리 서비스-제1부: 요구사항(IoTFS-0195),” 2020, p. 4.

4. 위험 상황 인지 기술

안전 관제와 관련된 기술들은 센서 기반의 기술과 영상 기반의 기술로 분류할 수 있다[4,5,18]. 센서 기반의 기술은 일반적으로 소형의 사물인터넷(IoT: Internet of Things) 센서 장치를 근로자, 건설 기계, 건축 시설물 등에 부착하고 대상의 위치를 측정하거나 물체들 사이의 거리를 계산하여 위험 상황을 파악한다. 표 1은 건설 현장에서 중장비 등과의 충돌 방지를 위한 센서 종류를 유형별로 분류한 예시를 보여 준다. 이 기술은 위험 지역으로의 접근 방지 및 충돌 방지의 목적으로 주로 사용한다. 주로 사용되는 센서로는 초음파 센서, 레이저 센서, IR 센서, RFID GPS 수신기 등이 있다. 그러나 센서 기반 접근 방식은 구매, 설치 및 유지 관리에 대한 추가 투자가 필요하다. 단일 센서의 가격은 비교적 낮지만 모든 근로자, 건설 기계, 시설물에 이를 설치하려면 여전히 많은 예산이 필요하며 확장성이 제한적이다.

영상 기반의 기술은 대부분의 건설 현장에 화재 예방 및 도난 방지를 위해 필수적으로 설치되는 CCTV에서 생성한 이미지를 수집하고 YOLO와 같은 인공지능 기술을 적용하여 건설 현장에 존재하는 객체들을 인식하여 위험 상황을 파악한다. 이 기술은 안전모 등을 착용하지 않은 근로자와 같은 위험 상태 발견, 작업자의 위험한 자세 추정, 위험 지역으로의 접근 방지 및 충돌 방지 등의 목적으로 사용한다. 그러나 인공지능을 적용한 경우 학습 이미지 크기와 현장 이미지 크기가 다른 경우 인식률 저하 및 CCTV로 볼 수 없는 사각지대 존재와 같은 어려움이 있다.

5. 영상 기반 안전 관제 기술

최근 영상 인식 AI 기술이 급속히 발전함에 따라 영상 관제에 최신 AI 기술을 도입하여 안전 관제의 고도화가 진행되고 있다[4,5,20,21].

개인 보호 장비(PPE: Personal Protective Equipment) 착용은 건설 현장에서 사고 시에 부상 경감 및 사망을 막을 수 있는 중요한 장비들이다. 그림 2는 영상 인식 AI 기술을 활용하여 개인 보호 장비 착용을 검출하고, 만일 장비 미착용이 검출되면 이를 화면상에 표시함과 동시에, 현장에 알림을 주는 안전 관제를 보여주고 있다.

그림 2

개인 보호 장비 착용 여부 검출 출처 Reprinted from S.F.A. Zaidi et al., “Vision-Based Construction Safety Monitoring Utilizing Temporal Analysis to Reduce False Alarms,” Buildings, vol. 14, no. 6, 2024.

개인 보호 장비 착용 여부 검출은 YOLO와 같은 객체 검출 알고리즘을 통해 특정 구역에서 착용이 의무인 장비를 착용했는가를 검출하게 되는데, 검출 정확도와 함께 실시간 감지도 중요하므로 검출 속도도 중요한 알고리즘 선택 기준이 된다. 그림 3은 YOLO 모델에 기반한 개인 보호 장비 검출의 프레임워크를 보여주고 있다. YOLO 버전별로 건설 현장 개인 보호 장비 검출에 있어서는 YOLO v5x가 정확도(Mean Average Precision 86.55%)와 속도(52 FPS)에서 가장 우수한 것으로 연구되었다[4].

그림 3

YOLO 기반 개인 보호 장비 검출 출처 Reprinted from Z. Wang et al., “Fast Personal Protective Equipment Detection for Real Construction Sites Using Deep Learning Approaches,” Sensors, vol. 12, no. 10, 2021.

영상 기반 안전 관제 기술에는 개인 보호 장비 검출 외에도 개방구 등의 위험 구역을 영상에서 설정하여, 근로자의 위험 구역 진입을 감지하는 위험 구역 설정 기술, 동작 감지 기술을 활용한 ‘쓰러짐’ 등의 위험 상황 인지 등이 포함된다.

6. 센서 기반 안전 관제 기술

센서 기반의 건설 현장 안전 관제는 일반적으로 사물인터넷(IoT)을 기반으로 센서들로부터 주기적으로 센싱 데이터를 수집하여, 건설 현장 안전 관제 서버로 전달한다. 안전 관제 서버에서 여러 종류의 센서들로부터의 수집된 정보를 종합적으로 분석하여 위험 여부를 판단한다[22-28].

그림 4는 일반적인 건설 현장 안전 관제 시스템의 예시를 보여준다. 각종 IoT 센서들로 건설 현장의 수치 데이터를 수집하고, CCTV 등의 카메라 영상 정보가 안전 관제 플랫폼에 저장된다. 저장된 IoT 센싱 데이터는 위험 분석을 통해 분석되며, 안전 관리자에게 사용자 인터페이스를 통해 건설 현장의 위험 상황을 알려서 사고를 예방하게 된다.

그림 4

건설 현장 안전 관제 시스템 예시 출처 게티이미지뱅크, 무단 전재 및 재배포 금지

현재 개발되었거나 개발 중인 IoT 센서 기반 안전 관제 기술로는, 강우량 센싱 정보와 지형 정보 분석을 통한 침수 예측 기술, 레이더 센서 기반의 위험 구역 통제를 위한 스마트 펜스 기술, 변위 센서에 기반한 비계 등의 임시 구조물 안전 기술 등이 있다.

7. 국내 연구 그룹 동향

2020년 4월에 국토교통부 지원으로 스마트건설 기술개발사업이 출범하였다(총괄주관기관: 한국도로공사, 관리기관: 국토교통과학기술진흥원). 4개의 중점 분야와 12개의 세부과제가 있는데, 중점 분야 중 하나가 스마트 건설 안전 기술 분야이다.

그림 5는 스마트 건설 안전 기술 구성도를 보여주고 있다. 스마트 건설 안전 분야에서 건설 현장 재해율 25% 감소를 최종 목표로, 스마트 안전 통합 관제, 작업자 안전 확보, 임시 구조물 안전 확보를 세부 목표로, 연구 개발과 국내 건설 현장에서의 기술 검증이 2025년 말까지 진행 예정이다[29-31].

그림 5

스마트 안전건설 기술 구성도 출처 Reprinted with permission from 박상일 외, “스마트 건설안전 기술 개발,” 대한토목학회지, 제71권 제10호, 2023, pp. 44-53.

스마트 안전 분야의 세부과제 중 하나가 스마트 안전 통합 관제 시스템 개발 과제로 국토안전관리원이 주관기관으로, 한국전자통신연구원(ETRI), KAIST, KT 등이 참여로 과제가 진행 중에 있다. 그림 6은 스마트 안전 통합 관제 기술의 시스템 구성을 보여주고 있다.

또 다른 세부과제로는 중앙대학교를 주관기관으로 근접 카메라를 통한 작업자 안전 확보 기술과 연세대학교를 주관기관으로 건설 현장의 임시 구조물의 안전에 관한 연구가 진행 중이다[29,30].

그림 6

스마트 안전 통합 관제 기술 구성 개요 출처 Reprinted with permission from 박상일 외, “스마트 건설안전 기술 개발,” 대한토목학회지, 제71권 제10호, 2023, pp. 44-53.

한국전자통신연구원에서는 국토안전관리원, 심플비트 등과 함께 건설 현장에 최적화된 현장 네트워크와 엣지 컴퓨팅 플랫폼에 기반한 현장용 안전 관제 시스템을 개발해 건설 현장에서 실증 시험을 진행하고 있다.

건설 현장에서 위험 상황 여부를 분석하기 위해서는 위험 여부에 대한 학습 과정이 필요하고, 하나의 건설 현장의 현장 데이터만으로는 학습 데이터로 부족하며, 건설 현장의 특성상 센서도 부족한 수량이 설치되어 실시간으로 활용할 센싱 데이터가 부족한 경우가 많다. 또한, 현장의 데이터에는 민감한 개인 정보가 포함되는 경우가 많고, 건설 현장의 특성상, 영상을 포함한 현장의 내부 데이터가 외부로 나가는 것을 꺼리는 경향이 있다.

이러한 문제를 해결하기 위해서 한국전자통신연구원에서는 제주대학교와 함께 가상 센서를 통해 현장의 부족한 센싱 데이터 문제를 해결하고, 아울러 연합 학습 개념을 활용하여, 현장 데이터의 외부 유출 없이도 현장의 위험 여부를 판단할 수 있는 방법을 연구해 오고 있다[32]. 그림 7은 이러한 연합 학습에 기반한 건설 현장의 위험을 예측하는 구성을 보여주고 있다.

그림 7

연합 학습 기반 위험 예측 출처 Reprinted from S.J.S. Moe et al., “Collaborative Worker Safety Prediction Mechanism Using Federated Learning Assisted Edge Intelligence in Outdoor Construction Environment,” IEEE Access, vol. 11, 2023, pp. 109010-109026.