1. 서 론
매년 건설현장에서는 안전사고가 끊임없이 발생하고 있다. 실제로 산업안전보건공단에서 분석한 2022년 산업재해 발생현황을 살펴보면, 재해 사망자 중 건설업은 전체 산업대비 50% 이상의 비율을 차지하여 가장 많이 발생하는 것으로 분석됐다. 2022년뿐만 아니라 2021년, 2020년 등 과거에도 전체 산업대비 건설업에서 가장 많은 사망자가 발생하는 것으로 나타났다(KOSHA, 2022). 건설현장은 다른 산업에 비해 위험 요소가 다양하기 때문에 치명적인 인명피해로 이어질 가능성이 높다. 높은 곳에서의 작업이 일상적으로 이루어지며 이로 인해 추락 사고가 발생할 위험이 높고 크레인, 굴삭기 등 다양한 종류의 중장비가 사용되어 협착, 깔림 등의 중대사고로 이어질 확률이 매우 높다. 또한 건설 현장은 토사나 장비의 이동, 기상 변화 등 지속적으로 변화하는 작업 환경이기 때문에 불안정한 작업 환경으로 인해 작업자들에게 위험 요소를 높일 수 있다. 이에 따라 중대재해처벌법의 시행과 산업안전보건법 개정 등 건설현장 안전 기준이 강화되면서 안전관리자의 수요는 급증하였다. 강화된 안전 기준에 따라 안전관리자의 역할이 중요해지고 있지만, 충분한 인력이 확보되지 못하여 안전관리가 제대로 이루어지지 못하는 경우가 많고 전문적인 지식과 경험이 부족할 경우, 사고 예방 및 대응 능력이 저하되어 적절한 안전관리가 어려울 수 있다. 또한, 광활한 건설 현장에서 안전관리자가 모든 작업자의 안전을 감독하고 관리하기 어려운 경우가 많다(CERIK, 2022). 이러한 문제점들을 해결하기 위해서는 건설현장 안전관리에 대한 관리 자동화 기술 개발이 필요하다. 건설현장에서 작업자의 위치를 활용하면 특정 구역에서 위험한 상황이 빈번하게 발생하는 것을 파악하고 위험 구역이나 중장비 근처에서의 사고 발생 가능성을 낮출 수 있다. 또한 효율적인 작업 관리가 가능하며 응급 상황에 대해 신속하게 대응할 수 있다. 이에 본 연구에서는 IMU 센서 및 UWB 센서를 활용하여 건설현장 내 작업자의 위치를 파악하고 디지털 트윈을 통해 작업자의 안전을 관리할 수 있는 기술을 개발하였다.
건설현장에서 작업자의 위치를 파악하는 기술들은 여러 가지가 있다. Lee et al. (2010)은 RFID (Radio Frequency Identification) 기술 및 USN (Ubiquitous Sensor) 기술을 활용하여 실시간 위치추적 기술(RTLS-Real Time Location System)에 대해 분석하고 이를 바탕으로 건설 현장 안전관리에 적합한 위치추적 기술을 구현하도록 제안하였으며 Woo et al. (2011)은 Wifi 기반의 실내 포지셔닝 기법을 활용하여 건설현장에서 작업자들의 트래킹 기법을 제안하였다. Kim et al. (2012)은 가속도 및 압력 MEMS 센서를 활용하여 주변환경 정보를 취득하고 이를 통해 건설현장 작업자의 이동 여부 및 고도정보를 판단할 수 있도록 시스템을 개발하였다. Umer and Siddiqui (2020)의 연구에서는 UWB (Ultra wide band)을 활용하여 상업적으로 사용 가능한 RTLS를 건설 현장에서의 실행 가능성에 대하여 연구하였다. 또한 Park et al. (2023) 그리고 Yang et al. (2010)은 머신러닝 기반의 컴퓨터 비전을 활용하여 다수의 작업자를 추적할 수 있는 가능성을 테스트하였다. Li et al. (2020)은 건설 현장에서 작업효율과 안전을 향상시킬 수 있는 위치 결정 시스템을 성능 지표를 제안하여 비교 및 평가하였으며 센서들의 혼합 및 BIM 모델과의 통합 등을 강조하였다. Kim et al. (2006)은 보다 정확한 위치 정보를 얻기 위해 칼만 필터를 활용하여 GPS와 IMU 센서를 융합하는 알고리즘을 제안하였으며 Guang et al. (2021)은 LSTM 알고리즘을 활용하여 GPS와 IMU 센서를 융합하였다. Kwon (2019)은 로봇을 활용하여 칼만 필터를 적용한 UWB 및 IMU 복합 센서 기반의 위치 추적 시스템을 제안하였으며, Lim et al. (2020)은 이동 평균 필터를 사용하여 IMU 및 UWB 센서 융합 방법을 제시하였다. Rao et al. (2022)은 센서를 통한 건설현장의 실시간 모니터링 방법들에 대한 연구를 진행하였다.
이 같은 연구를 토대로 연구자들은 위치 데이터를 BIM 환경에서 활용하는 연구도 진행하였다. Lee et al. (2014)은 CSS (Chirp spread spectrum)를 기반으로 한 실시간 위치 인식 시스템을 활용하여 작업자의 위치좌표를 바탕으로 실시간으로 작업자를 관리할 수 있는 모니터링 모듈을 제안하였다. Liu et al. (2020)은 IMU 센서를 활용하여 작업자의 위치, 걷는 속도, 방향과 같은 자세 정보를 포함한 실내 위치 시스템을 제안하며 이를 BIM 기반의 자동 경고 시스템으로의 응용 방안을 제안하였다. Ma at el. (2018)은 BIM과 실내포지셔닝 기법을 활용하여 건설현장 품질 관리에 대한 연구를 진행하였다. Lee et al. (2020)은 화재 시뮬레이션과 BIM의 연동을 제시하였으며, Park et al. (2016)은 로봇 기반의 BIM과 UWB 통합 어플리케이션을 제안하였다. 또한 Kim et al. (2018)은 BIM 기반 피난 시뮬레이션 방법을 연구하였다.
이처럼 건설현장의 작업자 위치를 측정하는 많은 기술들이 개발되었으나 기존의 단일 센서를 활용한 연구들은 정확도 측면에서 한계가 있다. GPS 기반의 측위 방법은 전 세계적으로 널리 사용되지만 실내와 같이 위성 신호가 약한 환경에서는 정확도가 떨어진다. RFID, WiFi, BLE, UWB 등 주파수 기반의 무선 센서는 신호 강도가 환경 요인에 따라 변동할 수 있어 정확도가 떨어진다. 또한 카메라 비전 기반의 위치 측위 기술은 조명 및 시야 가려짐 등에 의해 정확도가 현저히 낮아질 수 있다. 단일 센서의 단점을 해결하기 위해 센서를 융합하여 건설현장 작업자의 위치를 정밀하게 측정하는 연구는 현재 부족한 것으로 판단하였다. 따라서 본 연구는 실제 건설현장에서 작업자의 위치를 정밀하게 측위하기 위하여 IMU 및 UWB 센서를 융합하고 이를 BIM 환경에서 활용하는 기술을 개발하였다.
2. 연구 방법
2.1 IMU 센서 기반 위치 추적 기법
IMU (Inertial Measurement Unit) 센서는 관성측정장치로써 가속도, 각속도 등 관성데이터를 측정할 수 있으며 이를 활용하면 자세 정보를 알 수 있는 오일러 앵글 또는 쿼터니언을 계산할 수 있다. 본 실험에서는 센서 내부에 오일러 앵글 및 쿼터니언을 계산할 수 있는 MCU (Microcontroller Unit)가 설계되어, 관성데이터를 측정함과 동시에 오일러 앵글의 계산이 가능한 AHRS (Attitude Heading Reference System) 모듈 센서를 사용하였다.
센서의 데이터 측정 간격이 짧을 때, 가속도를 이중으로 적분하면 움직인 거리를 계산하여 위치를 추정할 수 있다. 센서의 노이즈나 드리프트에 의한 오차 때문에 정지 상태임에도 가속도 값이 측정되는 현상은 위치 추정의 정확도를 저하시키므로 이러한 현상을 최소화하기 위해 Zero-Velocity- Detection을 설정하여 정지 상태를 구분하였다. 3축의 가속도를 ax, ay, az 라고 하면 정지 상태를 구분하는 식은 Eq. (1)과 같이 표현된다.
여기서, γ는 실험을 통해 1.1 m/s2를 적용하였다.
얻어진 가속도는 글로벌 좌표계를 나타내므로 오일러 앵글을 활용하여 변환 행렬을 사용하면 로컬 좌표계로 변환할 수 있다. 오일러 앵글의 Roll, Pitch, Yaw를 각각 ψ, θ, ϕ 라고 하면 변환 행렬은 Eq. (2)와 같이 표현할 수 있다.
(2)
이를 통해 변환된 로컬 좌표계의 가속도를 ax’, ay’, az’, 속도와 위치 변화량을 각각 v, Δp 이라 하면, Eq. (3)과 같이 표현할 수 있다.
따라서 시점 t에서의 위치 p(t) 는 Eq. (4)와 같다.
IMU 센서를 활용한 위치 추적 기법은 광활하고 장애물이 많은 건설현장에서도 높은 성능을 보여준다. 또한 샘플링 간격이 짧아 정밀한 위치 추적이 가능한 것을 확인하였다. 그러나 적분과정에서 발생하는 오차의 누적으로 인해 장기간 사용에는 한계가 있다.
2.2 UWB 기반 측위 기법
UWB (Ultra-wideband)는 초광대역 무선통신 기술로, 매우 넓은 대역에 걸쳐 낮은 전력으로 대용량의 정보를 전송하는 기술이다. 작업자의 신체에 부착이 가능한 태그(tag)와 미리 정해진 고정 위치에 설치된 앵커(anchor)로 구성되어 있으며 Fig. 3과 같이 ToF (Time of Flight) 기반의 TWR (Two Way Ranging) 방식을 사용하여 위치를 측정할 수 있다.
태그를 부착한 작업자와 앵커와의 거리 d는 전자기파의 속도와 측정 시간의 곱으로 Eq. (5)와 같이 표현되며
이 때, ToF는 Eq. (6)과 같이 계산된다.
앵커의 고정 위치를 xi, yi 라고 할 때, 앵커와의 거리 di 를 활용하여 삼변측량을 통해 정밀 위치를 측정할 수 있다.
최소 자승법을 활용하면 작업자의 위치 x,y 를 구할 수 있으며 UWB를 활용한 실시간 위치추적 실험 결과 및 실험현장은 Fig. 4와 같다.
(10)
건설현장에서는 장애물이 많아 멀티패스현상이 빈번하다. UWB 기반의 측위 기술은 기존의 WiFi나 블루투스보다 정밀한 거리 및 위치 측정이 가능하지만 IMU 센서에 비해 장애물에 대한 오차가 크며 수신 범위를 넓히기 위해선 앵커의 추가 설치가 필요하고 비용이 발생한다.
2.3 칼만 필터 기반의 센서 퓨전
앞서 언급한 바와 같이 IMU와 UWB 센서를 결합하여 사용하면, 각 센서의 한계를 보완하여 더욱 정확하고 견고한 위치 추정이 가능하다. 본 연구에서 제안하는 두 센서의 결합 시스템은 Fig. 5와 같다.
칼만 필터는 오차를 가지는 관측치로부터 시스템의 상태를 추정하거나 제어하기 위한 알고리즘으로서 Fig. 6과 같이 상태 예측과 추정을 재귀적으로 반복한다. 본 연구에서는 칼만필터를 적용하기 위하여 상태 벡터를 Eq. (12)와 같이 정의하였다.
따라서 상태 방정식은 Eq. (13)과 같다.
(13)
2.4 BIM을 활용한 작업자 안전 모니터링 기술
BIM (Building Information Modeling)은 건설과 관련된 정보를 통합적으로 관리하고 공유할 수 있는 디지털 시스템으로써 3D 모델을 기반으로 시공 중 구조물에 대한 정보를 파악하고 공정에 대한 위험 구역을 설정할 수 있다. 이를 활용하면 웨어러블 센서로부터 작업자의 위치를 추정한 후 위험 구역에 대한 접근 여부를 판단할 수 있다. BIM을 활용하면 2D 도면에서의 작업자 위치 파악뿐만 아니라 Z축을 고려한 3D 환경에서도 작업자를 파악할 수 있다. 본 연구에서는 BIM Tool로 Autodesk Revit 및 Dynamo를 사용하였다. Fig. 7은 Dynamo 내에서 연결된 노드를 나타낸다. A 모듈은 측위 데이터를 기준으로 BIM 환경에 작업자를 맵핑하고, B 모듈은 위험 구역을 설정하고 일정 거리 접근 시 알람을 주는 역할이다.
3. 실험 결과 및 분석
본 연구에서 제안한 개발 기술의 검증을 위해 도면을 활용하여 실험 환경을 직접 모델링함으로써 2D 및 3D 환경의 테스트베드를 구축하였다. Revit을 활용하여 LOD 200 수준의 모델링을 진행하였으며 Fig. 8과 같이 경로를 사각형으로 설정하여 꼭지점마다 UWB 앵커 설치하였다. UWB의 앵커 고정 좌표는 Revit 환경에서의 모델의 좌표와 일치시켰다.
IMU 및 UWB 태그를 부착한 후 사각형 경로를 총 6바퀴 보행하여 실험을 진행하였다. 측위 결과는 Fig. 9 및 Table 1과 같다. 첫 번째 바퀴와 마지막 바퀴의 MAE (Mean Absolute Error) 및 RMSE (Root Mean Square Error)를 비교한 결과, IMU 센서의 경우 시간이 지남에 따라 오차가 누적되어 경로를 조금씩 벗어나는 것으로 나타났으며, UWB의 경우 환경에 따라 수신률이 저하되는 구간에서 오차가 크게 증가하였다. 칼만 필터를 적용하면 두 센서의 측위값에 가중치를 계산하여 최적의 위치 상태를 추정함으로써 노이즈를 제거한다. UWB의 측위값에 가속도 관성데이터를 활용하여 보다 정확한 측위를 진행함으로써 항상 UWB보다 낮은 오차를 가지며 장기간 사용이 가능하다. 이로 인해 디지털 트윈 환경에 실제 사물의 더욱 정확한 매핑이 가능하다.
Table 1
Positioning Data Error Comparison
실험으로 취득한 위치 데이터를 기반으로 디지털 트윈 환경에 맵핑한 결과는 Fig. 10과 같다. 이를 통해 작업자를 디지털 트윈 환경에서 모니터링하여 안전 관리자가 한눈에 작업자들을 관리할 수 있도록 구현하였다(Figs. 10 and 11).
4. 결 론
본 연구는 센서 퓨전을 통하여 작업자의 위치 파악 정확도를 향상하고 디지털 트윈을 통해 모니터링할 수 있는 모델을 개발하였다. 개발 시스템을 검증하기 위하여 실제 실험 장소를 모델링하고 IMU 및 UWB 센서의 동시 측위를 진행하였다. 두 센서의 단점을 개선하기 위하여 칼만 필터를 적용한 센서 퓨전 측위 모델을 제시하였고, MAE 및 RMSE 값을 통해 본 연구에서 적용한 알고리즘이 정확도 향상에 도움을 주는 것을 확인하였다. 따라서 디지털 트윈 환경에서 실제 사물의 위치를 더욱 정확히 파악할 수 있을 것으로 볼 수 있다. 최종적으로 측위 데이터를 기준으로 디지털 트윈에 맵핑함으로써 위험구역에 접근 시 자동 거리 산출 및 알람을 주는 모습을 확인하였다. 본 연구결과를 활용하면 건설현장의 시공 상황에서 발생할 수 있는 위험구역을 사전에 BIM 모델에 정의하고 위험 상황을 미리 파악 및 조치하여 건설현장 안전사고 절감에 기여할 수 있다. 또한, 자동 모니터링 시스템을 통해 부족한 안전관리자의 인력 문제를 해결할 수 있을 것이다. 향후 연구로 실제 건설현장의 적용을 위해 UWB 앵커의 최적 배치에 대한 연구와 IMU 센서를 활용한 인공지능 기반의 작업자 행동 분석을 진행할 예정이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
