가상환경을 활용한 속도 및 거리 기반 사람-차량 충돌위험 예측지표 평가

Abstract

본 연구는 건설현장, 공장환경 및 도시환경에서의 충돌사고 예방을 위해 차량과 사람 사이의 충돌 위험 산정방식을 제안한다. 4차 산업 혁명 시대의 도래와 함께 건설안전관리를 위해 스마트기술을 활용하는 혁신사례가 증가하고 있다. 특히 AI 기반 영상인식 기술은 기존 CCTV와 결합이 용이하여 실시간 모니터링을 위한 핵심 기술로 주목받고 있다. 컴퓨터비전의 발전으로 보행자 및 작업자와 장비를 인식할 수 있게 되었지만, 아직 안전관리자가 영상을 통해 정성적으로 위험상황을 파악하고 있다. 이러한 모니터링 방법은 안전관리자의 정성적 평가에 의지하기 때문에 객관성이 떨어지고, 안전관리자의 피로감을 유발한다는 한계를 지닌다. 따라서 본 연구에서는 실시간으로 정량적인 위험도를 평가할 수 있는 식을 제시함으로써 객관적이고 체계적인 안전관리를 도모하고자 한다. 기존 건축분야에서는 영상인식 활용 시 장비와 사람 간의 거리에 따라 충돌위험을 관리하고 있다. 본 연구에서는 거리 정보에 더하여 속도 정보까지 고려한 새로운 충돌 위험도 산정 모델을 제시하여 충돌 위험 예측 정확도를 높이고자 한다. 모델은 교통분야에서 정량적 위험도를 산정하기 위해 활용중인 Safety Margin(SM)과 Time to Collision(TTC) 식을 활용하였다. SM과 TTC는 교통분야에서 속도와 거리를 기반으로 각 객체가 충돌위험 지점에 도달하는 시간의 차로, 시간의 개념을 위험지수로서 사용하는 것이다. 교통분야에서는 차량의 이동 경로가 정해져 있어 충돌 위험 지점이 명확한 반면, 건설현장은 차량과 작업자의 이동경로가 가변적이기 때문에 속도를 기반으로 한 새로운 식을 적용하기 위해서는 검증이 필요하다. 본 연구에서는 식 검증을 위해 각 상황 실제 충돌위험과 다양한 위험상황을 포함한 가상영상을 제작하고 위험상황들에 대해 프레임별로 TTC 기반 충돌위험을 산정하였다. 그 후, TTC 기반의 충돌위험을 최소거리 기반 실제 충돌 위험, Perceived risk 두가지 값과 비교분석 하였다. 이때, 최소거리 기반 실제 충돌 위험은 두 객체 사이의 거리가 가장 가까워 충돌이 가장 명백한 상황의 근접도로 한다. Perceived risk는 전문가 11명과 비전문가 10명을 대상으로 한 위험도평가 결과로 한다. 분석 결과, 새로운 속도기반 충돌위험도 산정 방법은 기존 거리기반 위험도 산정보다 실제 충돌위험과 더 일치하는 경향을 보였다. 본 연구에서 도출한 충돌 위험 산정식은 기존 방법에 속도의 개념을 추가하여 충돌 위험도 산정을 보완한다. 이는 기존 실시간 모니터링 기술에 객관성을 부여하여 안전관리의 체계성 강화에 기여한다는데 그 의의가 있으며 안전관리자의 작업 부하를 줄여 안전관리의 효율성을 증대하는데 기여한다. 본 연구는 가상환경을 대상으로 새로운 충돌위험 산정방법을 검증했지만, 실제 환경을 기반으로 검증이 추가로 이루어진다면 더욱 정확도 높은 충돌위험도 산정이 가능해질 것이다.;The purpose of this study is to calculate the risk of collision between vehicles and people to prevent collisions in construction sites, factory environments, and urban environments. With the advent of the 4th industrial revolution, smart technology is used for construction safety management. AI-based image recognition, one of the main technology of computer vision, become important as a key technology for real-time monitoring because it is easy to combine with existing CCTVs. The development of computer vision has made it possible to recognize pedestrians, workers, and equipment, but to manage collision through video, safety managers are still qualitatively manage dangerous situations. Since this monitoring method relies on the qualitative evaluation of the safety manager, fatigue of the safety manager affect the management, and objectivity is lack. Therefore, The purpose of this study is to promote objective and systematic safety management by analyzing an equation that can evaluate quantitative risk in real time. In the existing architecture field, the current risk was measured according to the distance between equipment and people when using image recognition. This study aims to increase the accuracy of collision risk prediction by presenting a new collision risk calculation model that considers speed information in addition to distance information. The model used the Safety Margin (SM) and Time to Collision (TTC) equations used to calculate quantitative risks in the transportation sector. SM and TTC are differences in time when each object reaches a collision risk point based on speed and distance in the transportation field, and the concept of time is used as a risk index. In the transportation sector, the vehicle's travel route is set, so the collision risk point is clear, while the construction site requires verification to apply a new expression based on speed because the vehicle and worker's travel route are variable. In this study, a virtual image including the actual collision risk of each situation and various dangerous situations was produced to verify the equation, and the TTC-based collision risk was calculated for each frame for the dangerous situations. After that, the TTC-based collision risk was compared and analyzed with two values: the actual collision risk and the Perceived risk. In this case, the TTC-based collision risk is set as the proxy when the two objects are closest after the dangerous situation ends. Perceived risk is the result of a risk assessment of 11 experts and 10 non-experts. As a result of the analysis, the new speed-based collision risk calculation method tended to be more consistent with the actual collision risk than the existing distance-based risk calculation. The collision risk calculation formula derived from this study supplements the collision risk calculation by adding the concept of speed to the existing method. This is significant in that it contributes to strengthening the systematicity of safety management by giving objectivity to existing real-time monitoring technologies, and it contributes to increasing the efficiency of safety management by reducing the workload of safety managers. This study verified a new collision risk calculation method for the virtual environment. If additional verification is made based on the actual environment, a more accurate collision risk calculation will be possible.