Associations Analysis among Construction Accident Causal Factors based on Network Theory and Association Rule Mining

Abstract

This study analyzes the interconnectivity and associations among causal factors based on construction accident reports composed of textual data. Due to the labor-intensive characteristic and the complexity of dynamic construction projects, construction sites exhibit a high risk level, resulting in a significantly higher accident occurrence frequency compared to other industries. Despite continuous efforts to enhance safety and emphasize accident prevention, the persistent accident rate remains a significant concern for construction practitioners and researchers. Therefore, understanding the root causes of construction accidents is essential for improving safety performance. The complexity of construction sites introduces numerous risk and hazard factors that can contribute to accidents. Since accidents typically result from the complex interactions of multiple factors rather than a single cause, comprehending these intricate causative relationships poses a challenge. Thus, understanding the relationships among accident causal factors can aid in prioritizing and efficiently allocating resources for addressing urgent risks. Furthermore, a significant portion of data that reflects sites and accident information exists in unstructured text documents. Accident investigation reports, which collect detailed information on accident circumstances and causes, require advanced text data analysis to extract valuable insights for accident prevention. Hence, this study focuses on illuminating relationships and associations among accident causal factors, utilizing text data from accident reports to comprehensively analyze accident risk factors. To achieve this, natural language processing was applied to the accident report texts, extracting accident factors. A lexicon was constructed for accident-related terms to extract accident-related situations and causal factors in the text. After collecting 4500 text data, a hierarchy of lexicon for systematically categorizing factors was built. Using deep learning-based word embedding techniques, synonyms and similar terms were identified to complete the lexicon. The constructed accident-related lexicon was used to find automatically and tag accident factors within the text. Based on the tagging results, a network-based graph was generated to identify the interconnections among factors and perform association rule analysis to derive associations among multiple factors. Finally, the relationships among accident causal factors were analyzed as knowledge to support future safety management decision-making. The results obtained from the network graph indicate common accident causes that demand sustained attention, such as hazardous environments, equipment malfunctions, inadequate workspace conditions, and improper use of protective equipment. These findings emphasize the need to establish and maintain safe working environments, ensure proper equipment functionality, and promote safe work practices. Moreover, association rule analysis results highlight the association between improper use of protective equipment and other causal factors. This association is consistently observed ahead of other factors, underscoring the importance of implementing proper protective equipment use from the outset to mitigate fall accidents effectively. When developing effective safety measures and accident prevention strategies tailored to specific work environments, it is crucial to consider not only individual causal factors but also their sequential relationships and interactions. The insights gained from the analysis of associations among accident causal factors can serve as a basis for prioritizing safety interventions, determining which safety measures to implement, and concentrating efforts on reducing on-site risks. The contribution of this study lies in its potential to support the establishment of safety management systems and strategies by considering the combined effects of multiple accident-inducing factors. Furthermore, by addressing the limitations of prior research, which often neglected the utility of text data in analyzing associations among multiple factors, this study extended the usage scope of textual data by leveraging deep learning-based natural language processing techniques. More profound analyses of safety accidents can become feasible if further improvements are made to the lexicon employed in this study. Establishing a system that can automatically identify accident risk factors and propose appropriate safety measures based on situational contexts could pave the way for developing comprehensive safety management systems, benefiting safety managers and workers.;본 연구는 텍스트로 이루어진 건설 사고 보고서를 바탕으로 사고 유발 원인들 간의 상호 연결성 및 연관성을 분석한다. 노동집약적 특성과 복잡하고 역동적인 건설 프로젝트에 따라 건설현장은 위험도가 높아져 타 산업에 비해 사고발생빈도가 상당히 높다. 안전을 강화하고 사고 예방을 강조하려는 지속적인 노력에도 불구하고, 줄어들지 않는 사고율은 건설 실무자와 연구자들 모두에게 여전히 주요 관심사로 남아 있다. 따라서 안전성능 향상을 위해서는 건설사고의 근본원인을 이해하는 것이 필수적이다. 건설현장의 복잡성으로 인해 현장에서 사고의 원인이 될 수 있는 많은 위험 및 위해요인들이 존재한다. 특히, 사고는 일반적으로 단일 원인이 아닌 여러 요인의 복합적인 상호 작용으로 인해 발생하기 때문에 복잡한 사고 원인을 파악해 해당 원인들이 어떻게 상호 연결되어 사고 발생에 기여하는지 이해하는데 어려움이 있다. 따라서 사고 유발 원인 간의 관계를 함께 파악하여 어떤 원인이 더 중요하고 긴급한 대응이 필요한지 판단하여 우선순위를 설정하고 자원을 보다 효율적으로 배분하며 긴급한 위험에 먼저 대처할 수 있는 전략이 요구된다. 또한, 건설 현장 및 사고 정보를 상세하게 반영하는 데이터의 상당 부분이 텍스트 문서로 존재한다. 그 중에서도 사고가 발생하게 된 상황과 원인에 대한 자세한 정보를 수집하는 사고조사 보고서는 구조화되지 않은 텍스트로 이루어져 있어 사고 예방을 위한 유용한 정보를 얻기 위한 고도화된 텍스트 데이터 분석이 요구된다. 따라서 본 연구에서는 사고 원인요인 내 관계 및 연관성을 밝히는 데 중점을 두고 사고보고서의 텍스트 데이터를 활용하여 사고위험요인에 대한 종합적인 분석을 수행하는 것을 목표로 하였다. 이를 위해서는 사고 보고서 텍스트에 대해 자연어처리를 수행하고 사고 요인을 추출하였다. 사고 관련 현장 상황과 원인 요인을 텍스트에서 효과적으로 찾아내기 위해 사고 관련 어휘집을 구축하였다. 4500개의 텍스트 데이터를 수집한 후 요인을 체계적으로 분류하는 어휘집 위계를 구축한 뒤, 딥러닝 기반의 워드 임베딩 기법을 사용하여 동의어 및 유사어를 찾아 어휘집을 완성하였다. 구축한 어휘집을 활용하여 텍스트 내에서 사고 요인을 자동으로 찾아 태깅하고, 태깅 결과를 바탕으로 네트워크 기반 그래프를 생성하여 요인 간의 상호 연결을 식별하고 연관규칙 분석을 수행하여 다수 요인 간의 연관성을 도출합니다. 마지막으로 사고 원인요인 결과 간의 연관성을 향후 안전관리 의사결정을 뒷받침할 수 있는 지식으로 분석한다. 네트워크 그래프를 통해 도출된 결과에 따르면 위험한 환경, 장비 고장, 부적절한 작업 공간 조건, 부적절한 보호 장비 사용 등 작업 환경에 대한 지속적인 주의가 필요함을 보여주는 공통적인 사고 원인들이 식별되었다. 이러한 결과는 안전한 작업 환경을 조성 및 유지하고, 적절한 장비 기능을 보장하며, 안전한 작업 관행을 장려하는 것에 집중해야 함을 강조하며 맞춤형 안전 전략의 필요성을 강조한다. 또한 연관규칙 분석 결과는 부적절한 보호 장비 사용 요인이 추락 사고와 관련하여 다른 사고 원인들과 연관성을 보이며 규칙에 나타나는데, 특히 다른 요인들보다 선행하여 나타나는 일관된 규칙을 보인다는 점에서, 추락 사고를 효과적으로 완화하기 위해 처음부터 적절한 보호 장비 사용을 시행하는 것이 중요함을 강조한다. 특정 작업 환경에 맞는 효과적인 안전 조치와 사고 예방 전략을 개발할 때 개별적인 원인 요소뿐만 아니라 이들의 순차적인 관계와 상호 작용을 고려하는 것이 중요하다. 본 연구를 통해 도출한 사고 유발 요인 간의 연관성 분석 결과는 적절한 안전관리 전략을 수립할 때, 여러 사고 유발 요인들의 결합된 영향을 고려하여 어떤 안전 조치를 개입해야 하고 어떤 원인에 집중하여 현장 위험을 저감할 지 판단의 근거로 활용할 수 있다는 점에서 그 의의가 있다. 또한, 기존의 다중 요인 간의 연관성을 분석하는 연구에서 텍스트 데이터의 활용성이 부족했던 점을 보완하고자 딥러닝 기반의 자연어 처리 기법을 활용하여 데이터의 활용 범위를 확장했다는 점에서 그 의의가 있다. 텍스트 분석 시 활용된 어휘집에 대한 고도화가 이루어진다면 더 심층적인 안전 사고에 대한 분석이 가능할 것이며, 향후 현장 상황에 맞춤화하여 사고 요인을 자동으로 식별하고, 적절한 안전조치를 함께 제안할 수 있는 체계를 구축한다면 안전관리자 및 작업자를 지원할 수 있는 전반적인 안전관리 시스템 개발이 가능해질 것이다.