KR20230127141A - 건축물 회복탄력성 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법 - Google Patents
건축물 회복탄력성 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법 Download PDFInfo
- Publication number
- KR20230127141A KR20230127141A KR1020230006045A KR20230006045A KR20230127141A KR 20230127141 A KR20230127141 A KR 20230127141A KR 1020230006045 A KR1020230006045 A KR 1020230006045A KR 20230006045 A KR20230006045 A KR 20230006045A KR 20230127141 A KR20230127141 A KR 20230127141A
- Authority
- KR
- South Korea
- Prior art keywords
- building
- information
- stiffness
- unit
- learning
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000006378 damage Effects 0.000 title description 17
- 230000002265 prevention Effects 0.000 title description 16
- 230000001186 cumulative effect Effects 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000006866 deterioration Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 206010000117 Abnormal behaviour Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Emergency Management (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Computing Systems (AREA)
- Geology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
본 개시의 일 실시예에 의하면, 건물에 부착된 진동센서(120)에 의해 수집된 진동 데이터를 포함하는 정보를 이용하여 건물의 강성을 예측함으로써, 건물의 붕괴에 따른 중대재해를 예방하기 위한 방법으로, (a) 학습정보 생성모듈(10)에 의해, 진동 데이터 및 건물의 강성이 수집되는 단계; (b) 진동특성 학습모듈(20)이, 예측모델(22)을 학습하는 단계; (c1) 상기 진동특성 학습모듈(20)에 진동 데이터가 입력되면, 건물의 강성이 출력되는 단계; (d) 상기 (c1) 단계에서 출력된 강성이 기 설정된 위험수준의 크기와 비교되는 단계; (e2) 상기 (d1) 단계에서 상기 출력된 강성이 상기 기 설정된 위험수준 미만이면, 미리 결정된 단위기간 동안 상기 건물에 가해진 누적 충격량과 건물의 회복탄력 임계치가 비교되는 단계; 및 (f2) 상기 (e2) 단계에서 상기 누적 충격량이 상기 건물의 회복탄력 임계치를 초과하면, 알람제공 모듈(40)이 건물 이용객, 인접건물 관리부 및 인프라 관리부에 알람을 제공하는 단계;를 포함하는, 방법을 제공한다.
Description
본 개시는 건축물 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법에 관한 것으로, 구체적으로는 건축물 노후에 따른 파괴 또는 건축물 철거에 따른 파괴로 인한 재해를 예방하기 위한 중대재해 예방 시스템 및 방법에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 개시에 대한 배경정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
최근, 건물 붕괴에 따라 사망, 실종 및 수 천억에 이르는 금전적 손실이 야기되는 사건이 빈번하게 발생하고 있다. 나아가, 재개발 시 건물 철거 및 옹벽 붕괴 등으로 인해 수많은 인명 피해가 발생하고 있는 실정이다.
이러한 건물 붕괴에 따른 피해를 최소화하기 위하여 건물의 이상 거동을 예측하고, 알람을 제공하는 연구는 증가해오고 있다.
다만, 종래의 연구들은 건물의 거동을 모니터링하기 위하여 진동센서만을 이용하기에, 정확도가 떨어진다는 문제점이 있다.
또한, 건물의 이용객에 의한 충격이나, 이상기후, 천재지변, 재난 등에 따른 건물 열화를 고려하지 않아, 정확도가 떨어진다는 문제점이 있다.
이에, 건물의 강성을 더 측정할 수 있는데, 정교한 측정이 어렵다는 문제점이 있다.
또한, 방대한 양의 정보를 체계적으로 분류하거나 전처리하지 못하여, 건물의 붕괴를 예측하는 데에 있어 정확도가 떨어진다는 문제점이 있다.
또한, 건물이 일시적으로 강성이 약해질 수 있는데, 이러한 경우 다시 건물의 강성이 회복되는 것을 고려하지 않아 거짓된 재난경보가 제공되어, 혼란을 야기한다는 문제점이 있다.
또한, 건물이 붕괴될 때 인접한 건물과 인프라에 막대한 피해가 발생함에도, 체계적으로 이를 알릴 수 있는 시스템이 미비하다는 문제점이 있다.
이에, 본 개시는 진동센서에 의해 실시간으로 수집되는 진동 데이터를 이용하여 높은 정확도로 건물의 강성을 예측할 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
또한, 본 개시는 사용자가 직접 건물 이용객의 혼잡도, 이상기후, 재난정보를 입력하지 않아도 자동으로 수집될 수 있어, 편리함이 증대될 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
또한, 본 개시는 초음파 탐상장치가 적용이 불가능하거나, 초음파 탐상장치의 결과를 신뢰하기 어려운 조건에서도 높은 신뢰도를 갖는 결과를 취득할 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
또한, 본 개시는 입력 정보의 아웃라이어를 제외함으로써, 양질의 학습 데이터를 얻을 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
또한, 본 개시는 콘크리트에 영향을 줄 수 있는 다양한 이벤트를 고려할 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
또한, 본 개시는 입력정보의 라벨링을 통해 학습 정확도를 더 제고할 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
또한, 본 개시는 건축물 구조 강성의 복합적 회복탄력성 지표 측정 및 판단을 통해 가짜 알람을 방지할 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
또한, 본 개시는 인명피해 및 2차 피해를 최소화할 수 있는 시스템 및 방법을 제공하는 데 목적이 있다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 실시예에 의하면, 건물에 부착된 진동센서(120)에 의해 수집된 진동 데이터를 포함하는 정보를 이용하여 건물의 강성을 예측함으로써, 건물의 붕괴에 따른 중대재해를 예방하기 위한 방법으로, (a) 학습정보 생성모듈(10)에 의해, 진동 데이터를 포함하는 입력정보 및 건물의 강성을 포함하는 출력정보가 수집되는 단계; (b) 진동특성 학습모듈(20)이, 상기 입력정보 및 상기 출력정보를 이용하여 예측모델(22)을 학습하는 단계; (c1) 상기 진동특성 학습모듈(20)에 진동 데이터가 입력되면, 건물의 강성이 출력되는 단계; (d) 상기 (c1) 단계에서 출력된 강성이 기 설정된 위험수준의 크기와 비교되는 단계; (e1) 상기 (d1) 단계에서 상기 출력된 강성이 상기 기 설정된 위험수준 이상이면, 상기 (c) 단계 내지 상기 (d1) 단계가 반복되는 단계; (e2) 상기 (d1) 단계에서 상기 출력된 강성이 상기 기 설정된 위험수준 미만이면, 미리 결정된 단위기간 동안 상기 건물에 가해진 누적 충격량과 건물의 회복탄력 임계치가 비교되는 단계; (f1) 상기 (e2) 단계에서 상기 누적 충격량이 상기 건물의 회복탄력 임계치 이하이면, 상기 (c1) 단계 내지 상기 (e2) 단계가 반복되는 단계; 및 (f2) 상기 (e2) 단계에서 상기 누적 충격량이 상기 건물의 회복탄력 임계치를 초과하면, 알람제공 모듈(40)이 건물 이용객, 인접건물 관리부 및 인프라 관리부에 알람을 제공하는 단계;를 포함하는, 방법을 제공한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 학습정보 생성모듈(10)은, 강성 측정부(110), 전처리부(130), 이상기후 및 재난정보 입력부(140) 및 이용정보 측정부(150)를 더 포함하고, 상기 (a) 단계는, (a1) 상기 강성 측정부(110)에 의해 정상 포인트(A) 및 열화 포인트(B)의 건물의 강성이 수집되는 단계; (a2) 상기 진동센서(120)에 의해 정상 포인트(A) 및 열화 포인트(B)의 진동 데이터가 수집되는 단계; (a31) 상기 전처리부(130)가 상기 진동 데이터를 FFT(fast fourier transformation)처리하여, 첨도(Kurtosis)를 생성하는 단계; (a32) 상기 전처리부(130)가 상기 진동 데이터를 이용하여, 시간에 따른 가속도, RMS, 피크(peak) 및 CF(crest factor)를 연산하는 단계; (a4) 상기 이상기후 및 재난정보 입력부(140)에 의해 기상정보 및 재난정보가 수집되는 단계; 및 (a5) 상기 이용정보 측정부(150)에 의해 시간대별 혼잡도와 시간대별 물류정보가 수집되는 단계;를 포함한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 진동특성 학습모듈(20)은 학습기간 결정부(24)를 포함하고, 상기 (b) 단계는, (b1) 상기 첨도(Kurtosis), 가속도, RMS, 피크, CF, 시간대별 혼잡도, 시간대별 물류정보, 기상정보 및 재난정보를 포함하는 입력정보가 입력되면, 건물의 강성을 포함하는 출력정보가 출력되도록 구성된 예측모델(22)이 진동특성 학습모듈(20)에 의해 학습되는 단계; 및 (b2) 상기 학습기간 결정부(24)는 상기 입력정보와 상기 출력정보를 이용하여 정보손실값(reconstruction loss)을 연산하고, 상기 정보손실값을 이용하여 학습기간을 조절하는 단계;를 포함한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 방법은, 상기 (b2) 단계 이후에, (b3) 보정모듈(30)이 상기 (b1) 단계에서 출력된 건물의 강성과, 상기 (a1) 단계에서 수집된 건물의 관계식을 연산하는 단계; 및 상기 (c1) 단계 이후에, (c2) 상기 보정모듈(30)이 상기 (b3) 단계에서 연산된 관계식을 이용하여 상기 (c1) 단계에서 출력된 건물의 강성을 보정하는 단계;를 더 포함한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 강성 측정부(110)는, 건물 벽 내부에 형성된 공동(cavity), 상기 공동의 깊이 및 건물의 강성을 측정하도록 구성된 제1 강성 측정장치(112); 및 상기 건물의 강성을 측정하도록 구성된 제2 강성 측정장치(114)를 포함한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 제1 강성 측정장치(112); 는 초음파 탐상장치이고, 상기 제2 강성 측정장치(114)는 슈미트해머이다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 (a32) 단계에서 연산된 가속도, RMS, 피크 및 CF의 로우 데이터(raw data) 중 outlier 이상치 발생이 판단될 경우 n·σ 이상의 데이터(이때, n은 양의 실수)는 상기 입력정보에서 제외된다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 입력정보는, 건물의 종류를 더 포함한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 누적 충격량은 충격량 연산부에 의해 연산되되, 상기 충격량 연산부는, 상기 이상기후 및 재난정보 입력부(140) 및 이용정보 측정부(150)에 의해 수집되는 정보를 이용하여, 상기 누적 충격량을 연산한다.
또한, 본 개시의 일 실시예에 의하면, 건물에 부착된 진동센서(120)에 의해 수집된 진동 데이터를 포함하는 정보를 이용하여 건물의 강성을 예측함으로써, 건물의 붕괴에 따른 중대재해를 예방하기 위한 장치로서, 진동센서(120)에 의해 수집된 진동 데이터를 포함하는 입력정보와, 강성 측정부(110)에 의해 수집된 건물의 강성을 포함하는 출력정보를 수집하도록 구성된 학습정보 생성모듈(10); 상기 입력정보가 입력되면, 상기 출력정보를 출력하도록 구성된 예측모델(22)을 학습하도록 구성된 진동특성 학습모듈(20); 상기 진동특성 학습모듈(20)에 의해 출력된 건물의 강성을 보정하도록 구성된 보정모듈(30); 및 상기 보정모듈(30)에 의해 보정된 건물의 강성을 이용하여 알람 제공 여부를 결정하고, 알람을 제공하도록 구성된 알람제공 모듈(40);을 포함하는, 장치를 제공한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 학습정보 생성모듈(10)은, 상기 진동 데이터를 전처리하기 위한 전처리부(130)로서, 상기 진동 데이터를 주파수 도메인으로 변환하여 첨도(Kurtosis)를 생성하도록 구성된 FFT 변환부(132); 및 상기 진동 데이터로부터 시간에 따른 가속도, RMS, 피크(peak) 및 CF(crest factor)를 연산하기 위한 진동특성 연산부(134)를 포함하는 전처리부(130); 기상정보 및 재난정보가 입력되는 이상기후 및 재난정보 입력부(140); 건물의 이용정보를 수집하도록 구성된 이용정보 측정부(150)로서, 시간대별 혼잡도를 측정하도록 구성된 이용객 혼잡도 측정부(152); 및 시간대별 물류정보를 입력받도록 구성된 물류이동 정보 입력부(154)를 포함하는 이용정보 측정부(150); 및 상기 강성 측정부(110), 상기 진동센서(120), 상기 전처리부(130), 상기 기상정보 및 재난정보 입력부(140) 및 상기 이용정보 측정부(150)로부터 데이터를 수신 및 저장하도록 구성된 학습정보 데이터베이스(160);를 포함한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 입력정보는, 상기 가속도, RMS, 피크, CF, 첨도, 기상정보, 재난정보, 시간대별 혼잡도, 시간대별 물류정보를 포함한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 진동특성 학습모듈(20)은 학습기간 결정부(24)를 포함하고, 상기 학습기간 결정부(24)는 상기 입력정보와 상기 출력정보 사이의 정보손실값(reconstruction loss)을 이용하여 학습기간을 조절한다.
또한, 바람직하게는, 본 개시의 일 실시예에 의한 상기 강성 측정부(110)는, 건물 벽 내부에 형성된 공동(cavity), 상기 공동의 깊이 및 건물의 강성을 측정하도록 구성된 제1 강성 측정장치(112); 및 상기 건물의 강성을 측정하도록 구성된 제2 강성 측정장치(114)를 포함한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 진동센서에 의해 수집되는 정보를 이용하여 건물의 강성을 예측함으로써, 건물의 이상 거동(abnormal behavior)을 감지할 수 있고, 이를 통해 건물의 파괴 또는 붕괴의 발생 전에 미리 대처할 수 있다는 효과가 있다.
또한, 이용정보 측정부, 이상기후 및 재난정보 입력부는 기 입력된 자료를 이용하거나, 외부 데이터베이스와 협업하여 정보를 수집하도록 형성되는바, 실제로 사용자는 진동센서에 의해 수집되는 진동 데이터만 입력해주면 되는 효과가 있다.
또한, 초음파 탐상장치의 결과에 대한 신뢰도가 낮아지는 환경에서 슈미트해머가 더 사용됨으로써, 결과에 대한 신뢰도를 높일 수 있다는 효과가 있다.
또한, 초음파 탐상장치의 사용이 어려운 환경에서 슈미트해머를 대체적으로 선택함으로써, 어떠한 환경에서도 콘크리트의 내부강도를 측정할 수 있다는 효과가 있다.
또한, 입력자료 중 가속도, RMS,피크 및 CF 중 중 outlier 이상치 발생이 판단될 경우 1σ 이상의 값은 제외되기에, 얻어지는 정보 중 노이즈로 취급될 수 있는 데이터가 제외되고, 양질의 학습데이터가 얻어진다는 효과가 있다.
또한, 본 개시는 콘크리트에 영향을 줄 수 있는 기후변화나 재난을 고려하기에, 더 높은 정확도로 건물의 강성을 예측할 수 있다는 효과가 있다.
또한, 콘크리트에 영향을 줄 수 있는 이용객도 고려하기에, 더 높은 정확도로 건물의 강성을 예측할 수 있다는 효과가 있다.
또한, 콘크리트에 영향을 줄 수 있는 적재물류 및 이송시스템의 적재량 및 흐름에 따른 구조체 하중도 고려하기에, 더 높은 정확도로 건물의 강성을 예측할 수 있다는 효과가 있다.
또한, 진동 데이터 라벨링을 통해, 학습 정확도가 더 제고되는 효과가 있다.
또한, 일시적인 건물의 강성의 약화는 진정으로 건물 파괴 또는 붕괴를 야기하지 않는다고 판단하기에, 건축물 강성의 회복탄력성(Resilience)를 고려하여 가짜 알람(false alarm)을 방지할 수 있고, 이로 인해, 불필요한 대피, 불안감 조성 등이 방지될 수 있다는 효과가 있다.
또한, 건물을 이용하는 이용객에게 제공되는 알람으로 인해, 이용객은 건물 붕괴가 발생하기 전에 미리 건물을 탈출할 수 있어 인명피해를 최소화할 수 있다는 효과가 있다.
또한, 측정 대상 건물 주변의 인접건물의 이용객과 상주인원에게도 알람이 제공될 수 있어, 2차 피해를 최소화할 수 있다는 효과가 있다.
또한, 통신사, 전기공사, 소방서, 한국전력공사, 도시가스공사 등의 기관 및 부처에 알람이 제공됨으로써, 2차 피해를 최소화할 수 있다는 효과가 있다.
도 1은 본 개시의 일 실시예에 따른 중대재해 예방 시스템의 블록도이다.
도 2는 본 개시의 일 실시예에 따른 중대재해 예방 방법의 순서도이다.
도 3은 본 개시의 일 실시예에 따른 학습정보 생성모듈의 블록도이다.
도 4는 본 개시의 일 실시예에 따른 데이터의 흐름을 나타낸 것이다.
도 5는 본 개시의 일 실시예에 따른 진동센서 및 전처리부에서 처리되는 데이터를 설명하기 위한 것이다.
도 6은 본 개시의 일 실시예에 따른 이용정보 측정부에 의해 처리되는 데이터를 설명하기 위한 것이다.
도 7은 본 개시의 일 실시예에 따른 첨도(Kurtosis)를 설명하기 위한 것이다.
도 8은 본 개시의 일 실시예에 따른 중대재해 예방 시스템에 의해 예측된 수치와 실제 수치를 비교한 것이다.
도 9는 본 개시의 일 실시예에 따른 알람제공 모듈이 알람을 제공하는 범위를 설명하기 위한 것이다.
도 2는 본 개시의 일 실시예에 따른 중대재해 예방 방법의 순서도이다.
도 3은 본 개시의 일 실시예에 따른 학습정보 생성모듈의 블록도이다.
도 4는 본 개시의 일 실시예에 따른 데이터의 흐름을 나타낸 것이다.
도 5는 본 개시의 일 실시예에 따른 진동센서 및 전처리부에서 처리되는 데이터를 설명하기 위한 것이다.
도 6은 본 개시의 일 실시예에 따른 이용정보 측정부에 의해 처리되는 데이터를 설명하기 위한 것이다.
도 7은 본 개시의 일 실시예에 따른 첨도(Kurtosis)를 설명하기 위한 것이다.
도 8은 본 개시의 일 실시예에 따른 중대재해 예방 시스템에 의해 예측된 수치와 실제 수치를 비교한 것이다.
도 9는 본 개시의 일 실시예에 따른 알람제공 모듈이 알람을 제공하는 범위를 설명하기 위한 것이다.
이하, 본 개시의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 개시를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 개시에 따른 실시예의 구성요소를 설명하는 데 있어서, 제1, 제2, i), ii), a), b) 등의 부호를 사용할 수 있다. 이러한 부호는 그 구성요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 부호에 의해 해당 구성요소의 본질 또는 차례나 순서 등이 한정되지 않는다. 명세서에서 어떤 부분이 어떤 구성요소를 '포함' 또는 '구비'한다고 할 때, 이는 명시적으로 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에서, "건물의 강성"은 진동센서가 부착된 부근의 내부강도를 의미한다. 건물은 콘크리트에서 건설되는 것이 일반적이기에, 본 개시에서는 건물의 강성은 진동센서가 부착된 지점에서의 콘크리트 강도라고 이해하는 것이 바람직하다. 본 개시에서, 건물의 강성의 단위는 Mpa임을 전제로 설명한다.
또한, 본 개시에서, "건물의 회복탄력성(resilience)"이란 건물의 국소 부위에 단기간에 집중된 힘이 가해진 후, 건물의 강성이 일시적으로 감소하였다가 다시 본래 강성으로 회복되려는 성질을 의미한다. 이하에서는, 회복탄력성을 넘어, 더 이상 본래 강성으로 회복되지 않는 누적 충격량을 "건물의 회복탄력 임계치"라고 지칭한다.
또한, 본 개시에서 중대재해 예방 시스템(1)은 건물 외에도 옹벽, 교량, 댐을 포함하는 콘크리트 시설물에 적용될 수 있으나, 설명의 편의를 위하여 건물에 적용되는 경우를 상정하여 설명한다.
중대재해 예방 시스템 개괄
도 1은 본 개시의 일 실시예에 따른 중대재해 예방 시스템의 블록도이다. 도 2는 본 개시의 일 실시예에 따른 중대재해 예방 방법의 순서도이다.
본 개시의 일 실시예에 의하면, 건물에 부착된 하나 이상의 진동센서로부터 수집되는 진동 데이터가 중대재해 예방 시스템(1)에 입력되면, 중대재해 예방 시스템(1)은 건물의 강성, 더 구체적으로는 건물을 구성하는 콘크리트의 내부 강도(단위는 바람직하게는 MPa)를 출력하도록 구성된다. 또한, 예측되는 건물의 강성이 위험 수준 이상인 것으로 판단되어 중대 재해가 예상되는 경우에는, 알람을 제공하여 중대재해로부터 피해자를 최소화할 수 있다. 즉, 본 개시에 의하면 진동센서에 의해 수집되는 정보를 이용하여 건물의 강성을 예측함으로써, 건물의 이상 거동(abnormal behavior)을 감지할 수 있고, 이를 통해 건물의 파괴 또는 붕괴의 발생 전에 미리 대처할 수 있다는 효과가 있다.
이를 위해, 본 개시의 일 실시예에 의한 중대재해 예방 시스템(1)은 학습정보 생성모듈(10), 진동특성 학습모듈(20), 보정모듈(30) 및 알람제공 모듈(40)의 전부 또는 일부를 포함한다.
학습정보 생성모듈(10)은 진동특성 학습모듈(20)이 학습하기 위해 필요한 정보들을 생성하도록 구성된다. 이를 위해 학습정보 생성모듈(10)은 강성 측정부(110), 진동센서(120), 전처리부(130), 이상기후 및 재난정보 입력부(140), 이용정보 측정부(150) 및 학습정보 데이터베이스(160)의 전부 또는 일부를 포함한다. 학습정보 생성모듈(10)의 학습정보 생성과 관련된 상세한 설명은 도 3 내지 도 7에서 자세히 설명한다.
진동특성 학습모듈(20)은 학습정보 생성모듈(10)에 의해 생성 및 수집된 정보를 이용하여, 건물의 강성을 예측할 수 있는 예측모델을 학습하도록 구성된다. 진동특성 학습모듈(20)의 구성 및 기능과 관련하여, 도 4에서 상세히 설명한다.
보정모듈(30)은 진동특성 학습모듈(20)에 의하여 출력된 건물의 강성과, 실제 건물의 강성의 상관관계를 이용하여, 출력된 건물의 강성을 실제 건물의 강성의 값에 근접하게 보정하도록 구성된다. 보정모듈(30)의 기능과 관련하여 도 8을 참조하여 상세히 설명한다.
알람제공 모듈(40)은, 보정된 건물의 강성이 미리 결정된 위험수준(threshold)에 이르렀다고 판단되면, 건물 이용자와 인접건물의 관리사무소, 측정 대상 건물과 연관된 인프라 시설에 알람을 제공하도록 구성된다. 알람제공 모듈(40)과 관련하여 도 9를 참조하여 상세히 설명한다.
도 2를 참조하여, 본 개시의 일 실시예에 의한 중대재해 예상 시스템을 이용한 중대재해 예상 방법의 전체적인 순서를 설명한다.
진동센서(120), 이용정보 측정부(150), 이상기후 및 재난정보 입력부(140)에 의해 예측모델 입력정보(input information)이 수집되며, 강성 측정부(110)에 의해 예측모델 출력정보(output information)가 수집된다(S200).
진동특성 학습모듈(20)은 S220 단계에서 수집된 정보의 전부 또는 일부를 이용하여 예측모델(22, 도 4 참조)을 학습한다(S210). 이때, 예측모델(22)은 진동센서(120)에 의해 센싱된 정보를 포함하는 정보가 입력되면 건물의 강성을 출력하도록 형성된다.
미리 결정된 학습기간만큼 학습이 완료되면, 예측모델(22)에는 진동센서(120)에 의해 예측모델의 학습에 사용되지 않은 새로운 센싱 정보가 입력되고, 건물의 강성(구체적으로는, 콘크리트의 내부강도)이 출력된다(S220). 한편, 이용정보 측정부(150), 이상기후 및 재난정보 입력부(140)는 기 입력된 자료를 이용하거나, 외부 데이터베이스(예를 들어, 기상청 데이터베이스)와 협업하여 정보를 수집하도록 형성되는바, 실제로 사용자는 진동센서에 의해 수집되는 진동 데이터만 입력해주면 되는 효과가 있다. 이때, 바람직하게는 출력된 건물의 강성은 보정모듈(30)에 의해 보정될 수 있으나, 이는 설계자의 필요에 따라 적절히 선택 가능함을 유의하여야 한다.
이후, 출력 및/또는 보정된 건물의 강성이 기 설정된 위험수준(threshold)과 비교된다. 만약 S230 단계에서 출력된 건물의 강성이 기 설정된 위험수준 이상인 것으로 판단되면, S220 단계로 되돌아간다. 즉, 위험수치보다는 크기 때문에, 알람이 울리지 않도록 하기 위함이다.
만약, 출력된 건물의 강성이 기 설정된 위험수준(threshold)보다 낮은 것으로 판단되면, 알람제공 모듈(40)은 단위기간 동안 누적된 누적 충격과, 건물의 회복탄력 임계치를 비교한다(S240). 만약 S240 단계에서 누적 충격이 건물의 회복탄력 임계치 이하인 것으로 판단되면, S220 단계로 되돌아간다.
S240 단계에서 누적 충격이 건물의 회복탄력성보다 큰 것으로 판단되면, 알람제공 모듈(40)은 알람을 제공한다(S250). 이때, 알람제공 모듈(40)은 건물 이용자와 인접건물의 관리사무소, 측정 대상 건물과 연관된 인프라 시설에 알람을 제공할 수 있다.
이하에서는, S200 내지 S220 단계를 상세히 설명한다.
학습을 위한 데이터 수집 및 전처리
도 3은 본 개시의 일 실시예에 따른 학습정보 생성모듈의 블록도이다. 도 5는 본 개시의 일 실시예에 따른 진동센서 및 전처리부에서 처리되는 데이터를 설명하기 위한 것이다. 도 6은 본 개시의 일 실시예에 따른 이용정보 측정부에 의해 처리되는 데이터를 설명하기 위한 것이다.도 7은 본 개시의 일 실시예에 따른 첨도(Kurtosis)를 설명하기 위한 것이다.
도 3 및 도 5 내지 도 7을 참조하여, 학습을 위한 데이터의 종류를 설명한다.
도 3을 참조하면, 본 개시의 일 실시예에 따른 학습정보 생성모듈(10)은 강성 측정부(110), 진동센서(120), 전처리부(130), 이상기후 및 재난정보 입력부(140), 이용정보 측정부(150) 및 학습정보 데이터베이스(160)의 전부 또는 일부를 포함한다.
강성 측정부(110)는 건물의 일 부분에 설치 또는 부착되어, 건물의 강성을 측정하도록 구성된다.
강성 측정부(110)는 정상 포인트(A) 및 열화 포인트(B)에 각각 부착될 수 있다. 여기서, 정상 포인트(A)와 열화 포인트(B)는 정밀안전진단 결과에 의해 결정되는 지점이다. 정밀안전진단은 법령에 의해 제공되는 기준에 따라 실시되는 건물 안전진단을 의미한다. 정밀안전진단 결과는 건물 주인 또는 건물 이해관계자가 접근할 수 있는 외부 데이터베이스(미도시)에 저장되며, 정밀안전진단 결과를 이용하여 정상으로 판단된 정상 포인트(A)와 노후화에 따른 구조체 강도의 열화로 판단된 열화 포인트(B) 각각에 강성 측정부(110)가 부착될 것이다.
강성 측정부(110)는 초음파 탐상장치(112) 및 슈미트해머(114)를 포함한다.
초음파 탐상장치(112)는 부착된 건물에 초음파를 송신하고, 반사되는 초음파를 수신하도록 형성된다. 또한, 송신한 초음파와 반사되는 초음파를 비교하여 건물 벽 내부에 형성된 공동(cavity)를 감지할 수 있다. 또한, 건물 벽 내부에 형성된 공동의 깊이와 건물의 강성을 측정할 수 있다.
슈미트해머(Schmidt Hammer, 114)는 콘크리트의 내부강도를 시험하도록 구성된다. 이를 위해, 슈미트해머는 부착된 벽면에 충격을 가하고, 반발도를 측정하여 내부강도를 추정하도록 구성된다.
한편, 본 개시에 의한 강성 측정부(110)는 초음파 탐상장치(112)를 기본적으로 포함하되, 초음파 탐상장치(112) 슈미트해머(114)를 선택적으로 또는 추가적으로 포함할 수 있다.이는, 초음파 탐상장치(112)의 사용이 어려운 환경에서 슈미트해머(114)를 대체적으로 선택함으로써, 어떠한 환경에서도 콘크리트의 내부강도를 측정할 수 있다는 효과가 있기 때문이다. 일반적으로 초음파 탐상장치(112)가 슈미트해머(114)보다 더 높은 정확도를 가지기는 하나, 슈미트해머(114)의 경우 조작 방법이 간단하고 가격이 저렴하여 여러 곳에 적용될 수 있다는 장점이 있다. 따라서, 일부 제한된 환경에서는 초음파 탐상장치(112) 대신 슈미트해머(114)가 사용될 수 있다.
진동센서(120)는 진동 데이터를 수집하도록 형성되며, 이를 위해 정상 포인트(A) 및 열화 포인트(B)에 각각 부착된다.
전처리부(130)는 진동센서(120)에 의해 수집된 진동 데이터를 처리하도록 구성된다. 이를 위해, 전처리부(130)는 FFT 변환부(132) 및 진동특성 연산부(134)를 포함한다.
진동 데이터는 시간에 따른 가속도에 대한 정보이다(도 5 참조). FFT 변환부(132)는 진동 데이터를 시간 영역(time domain)에서 주파수 영역(frequency domain)으로 변환하여 주파수 데이터를 생성하도록 형성된다. FFT 변환부(132)에 의해 처리된 주파수 데이터는, 주파수에 대한 가속도 정보, 또는 주파수에 대한 진폭(amplitude) 정보일 수 있다.
주파수에 대한 가속도 정보는 도 5의 FFT 변환부(132) 밑에 도시된 그래프와같은 형상으로 나타날 수 있다. 주파수에 대한 진폭 정보는 도 7에 도시된 그래프와 같이 첨도(Kurtosis) 형상으로 나타날 수 있다.
진동특성 연산부(134)는, 진동 데이터를 이용하여, 가속도, RMS(root means square), 피크(peak) 및 CF(crest factor)를 연산하도록 구성된다. 가속도, RMS, 피크, CF는 도 5의 진동특성 연산부(134)의 밑에 도시된 그래프를 이용하여 이해될 수 있다.
진동특성 연산부(134)는 취합된 가속도, RMS, 피크 및 CF 에서 노이즈에 가깝다고 판단되는 데이터, 즉, 아웃라이어가 데이터에 존재한다고 판단되면, 이를 특정 범위를 통해 제외시킴으로써 양질의 데이터를 구축할 수 있다. 가속도, RMS, 피크 및 CF는 제1 기간 단위로 제2 기간동안 취합된 진동 데이터로부터 확인되는 정보이며, 특정 범위를 벗어나는 값은 제외되는 것이 바람직하다. 여기서, 제1 기간은 예를 들어 10초이고, 제2 기간은 10분일 수 있고, 특정 범위는 1σ 일 수 있다. 다만, 이는 예시적인 수치일 뿐이며 제1 기간, 제2 기간의 길이 및 특정 범위는 사용자에 의해 적절히 설계변경 가능함에 유의한다. 이렇게 가속도, RMS,피크 및 CF 중 특정범위(예를 들어, 1σ) 이상의 값은 제외되기에, 얻어지는 정보 중 노이즈로 취급될 수 있는 데이터, 즉, 아웃라이어는 제외되고, 양질의 학습데이터가 얻어진다는 효과가 있다.
이상기후 및 재난정보 입력부(140)는 콘크리트의 열화에 영향을 미치는 기상변화 및 재난이 입력되도록 구성된다. 설계 당시 고려하지 못한 혹한이나 폭염, 폭우, 지진, 태풍 등의 이벤트가 발생하는 경우, 콘크리트 이루어진 구조물은 영향을 받게 된다. 이상기후 및 재난정보 입력부(140)에는, 정해진 기간, 예를 들어 일주일 또는 한 분기 단위를 기준으로 기상변화 및 재난정보가 입력된다. 본 개시는 콘크리트에 영향을 줄 수 있는 기후변화나 재난을 고려하기에, 더 높은 정확도로 건물의 강성을 예측할 수 있다는 효과가 있다.
이용정보 측정부(150)는 건물의 시간에 따른 이용정보가 입력되도록 구성된다. 이를 위해, 이용정보 측정부(150)는 이용객 혼잡도 측정부(152) 및 물류이동 정보 입력부(154)를 포함한다.
이용객 혼잡도 측정부(152)는 시간대별 혼잡도(도 6의 (a) 참조)를 측정하도록 구성된다. 도 6의 (a)는 2022년 7월 내지 8월의 시간대별 인천공항 이용자 수 평균을 나타낸 것이다. 도 6의 (a)를 참조하면, 8시부터 20시까지 이용객이 가장 많은 것을 알 수 있다. 이용객 하중에 따른 충격도 건물의 강성에 영향을 줄 수 있다. 본 개시는 콘크리트에 영향을 줄 수 있는 이용객도 고려하기에, 더 높은 정확도로 건물의 강성을 예측할 수 있다는 효과가 있다.
물류이동 정보 입력부(154)는 시간대별 물류정보(도 6의 (b) 참조)가 입력되도록 구성된다. 도 6의 (b)는 2022년 7월 내지 8월의 시간대별 인천공항에 배치되는 화물 무게 평균을 나타낸 것이다. 도 6의 (b)를 참조하면, 9시부터 20시까지 화물 무게가 가장 무거운 것을 알 수 있다. 즉, 9시부터 20시 사이에 관측되는 진동 데이터는 사무실이나 거주용 건물이라면 건물에 출입하는 화물의 무게가 중요하지 않을 수 있지만, 물류창고 또는 공항이라면 건물에 출입하는 화물의 무게가 건물의 강성에 영향을 줄 수 있을 것이다. 본 개시는 콘크리트에 영향을 줄 수 있는 물류의 무게도 고려하기에, 더 높은 정확도로 건물의 강성을 예측할 수 있다는 효과가 있다.
시간대별 혼잡도를 이용하여, 가장 혼잡도가 작은 새벽 시간대(Ta)와 가장 혼잡도가 높은 주간 시간대(Tb)가 추출될 수 있다. 도 6에 따른 예시에 의하면 Ta는 5시부터 6시이고, Tb는 17시부터 18시까지일 수 있다. 해당 시간대를 고려하여 해당 시간대에서의 진동 데이터가 라벨링(labeling)되어 예측모델(22)에 입력될 수 있다. 마찬가지로, 시간대별 물류정보를 이용하여 진동 데이터를 추가적으로 라벨링(labeling)할 수도 있다. 진동 데이터 라벨링을 통해, 학습 정확도가 더 제고되는 효과가 있다.
한편, 도 6에 도시된 정보는 이용객 혼잡도와 물류이동 정보를 설명하기 위한 예시적인 것이며, 건물의 종류 등에 따라 얻어지는 정보는 상이할 수 있다.
학습정보 데이터베이스(160)는 강성 측정부(110), 진동센서(120), 전처리부(130), 이상기후 및 재난정보 입력부(140), 이용정보 측정부(150)에 의해 수집된 데이터를 수신 및 저장하도록 구성된다. 이때, 바람직하게는, 학습정보 데이터베이스(160)는 수신한 정보를 데이터세트화하여 저장한다. 예를 들면, 학습정보 데이터베이스(160)는 입력되는 정보를 벡터화하여 저장할 수 있다.
학습정보 데이터베이스(160)에는 건물의 종류가 더 입력될 수 있다. 건물의 종류는 예컨대, 일반건물, 백화점, 마트, 시민공용시설(예를 들어 체육시설, 도서관 등), 공항, 학교, 콘크리트 옹벽, 산업단지 인프라 시설 등일 수 있다.
학습정보 데이터베이스(160)는 진동특성 학습모듈(20)의 요청이 있는 경우, 저장한 데이터세트를 진동특성 학습모듈(20)에 송신할 수 있다.
학습모델의 입력자료, 출력자료 및 예측 결과
도 4는 본 개시의 일 실시예에 따른 데이터의 흐름을 나타낸 것이다.
도 4를 참고하면, 진동특성 학습모듈(20)은 예측모델(22)을 학습하도록 구성된다. 예측모델(22)은, 진동센서(120)와 전처리부(130)에 의해 수집 또는 처리된 가속도, RMS, 피크, CF 및 첨도(Kurtosis), 이용객 혼잡도 측정부(152)에 의해 측정된 시간대별 혼잡도, 물류이동 정보 입력부(154)에 입력된 시간대별 물류정보, 이상기후 및 재난정보 입력부(140)에 입력된 기상정보 및 재난정보가 입력자료료, 강성 측정부(110)에 의해 측정된 건물의 강성이 출력자료로 한다.
바람직하게는, 예측모델(22)은 바람직하게는 비지도학습(Unsupervised learning) 또는 강화학습 모델(Reinforcement Learning)로 구현될 수 있다. 그러나, 반드시 이에 한정되는 것은 아니며, ANN(artificial neural network), CNN(convolutional neural network), RNN(recurrent neural networks), 베이즈 네트워크(Bayesian network), LSTM (Long Short-Term Memory), GAN (Generative adversarial network), Transformer, 의사결정나무(decision tree) 중 어느 하나에 의해 구현될 수 있으며, 반드시 상기한 모델에 한정되는 것은 아니고, 어떠한 종류의 예측용 모델로 구현되더라도 무방하다.
시계열 진동 데이터의 이상탐지는 관측값 Point 이상, 데이터 경향성의 변화에 따른 이상 등을 탐지하는 것으로 이상의 정도를 나타내주는 anomaly score를 각 시계열 구간마다 측정하며, 상기 기술된 인공지능 예측모델 각 방법마다 anomaly score를 측정하는 방식은 'Reconstruction error', 'Prediction error' 그리고 'Dissimilarity'라는 카테고리로 나눌 수 있으며, 여기서는 각 예측모델에 최적합한 anomaly score를 측정한다
예를 들어, LSTM과 Autoencoder 방식을 사용하는 경우, 예측모델의 작동방식이 시계열 데이터를 저차원 공간으로 인코딩 시킨 후, 인코딩 된 벡터를 다시 디코딩 시키는 방식으로 reconstruction error를 측정한다. 이렇게 측정된 Reconstruction error는 정상 데이터일 경우 그 값이 작고, 이상 데이터일 경우 그 값이 커지는 것을 가정하여 이상 데이터 탐지를 수행한다.
진동특성 학습모듈(20)은 학습기간을 임의로 정할 수도 있지만, 바람직하게는 보다 높은 정확도의 결과를 얻기 위하여 학습기간을 조절할 수도 있다. 이를 위해, 진동특성 학습모듈(20)은 학습기간 결정부(24)를 더 포함할 수 있다.
학습기간 결정부(24)는 예측모델(22)에 의해 출력된 건물의 강성과, 예측모델(22)에 입력되는 입력자료와 출력자료의 차이에 대한 정보손실값(reconstruction loss)을 고려하여 학습기간을 재설정할 수 있다. 구체적으로는, 정보손실값의 변칙 정도(anomaly)가 미리 설정된 기준(threshold) 범위 내로 들어 올때까지 학습기간을 조절할 수 있을 것이다. 이로 인해, 예측모델(22)이 어떠한 종류의 학습모델로 구현되더라도 적절한 학습기간을 설정할 수 있으며, 이미 주어진 데이터가 여러가지 모델에 대한 호환성이 높아질 수 있다.
도 8은 본 개시의 일 실시예에 따른 중대재해 예방 시스템에 의해 예측된 수치와 실제 수치를 비교한 것이다.
도 8을 참조하면, 실제 건물의 강성(actual 축 참조)와 진동특성 학습모듈(20)에 의해 출력된 건물의 강성(predicted 축 참조)이 높은 상관도를 가지는 것으로 확인된다.
다만, 실제 건물의 강성과 출력된 건물의 강성이 어느 정도 차이가 있을 수 있기에, 예측모델(22)에 의해 출력된 건물의 강성을 보정할 필요가 있다. 이를 위해, 본 개시의 중대재해 예방 시스템(1)은 보정모듈(30)을 통해 출력된 건물의 강성이 실제 건물의 강성에 근접하도록, 출력된 건물의 강성을 보정할 수 있다. 예를 들어, 보정모듈(30)은 선형 회귀(linear regression)을 이용하여 출력된 건물의 강성을 보정할 수 있다. 다만, 이는 하나의 예시에 불과하며, 사용자에 의해 적절한 보정식이 선택될 수 있음에 유의한다.
이하에서는, 출력된 건물의 강성을 이용하여 알람을 제공할지 여부에 대해 판단하는 방법에 대해 자세히 설명한다(도 2의 S230 내지 S250 단계 참조).
알람제공 방법
도 2의 S230 단계에 따르면, 알람제공 모듈(40)은 출력된 건물의 강성이 기 설정된 위험수준(threshold)보다 큰지 판단할 수 있다. 이때, 기 설정된 위험수준은 건축물의 구조기준 등에 관한 규칙에서 지정한 구조안전기준강도일 수 있다. 그러나, 반드시 이에 한정되는 것은 아니며 안전관리자 또는 건물 소유주의 관리수준에 따라 조정이 가능할 것이다.
만약, 출력된 건물의 강성이 기 설정된 위험수준 이상인 것으로 판단된 경우, 알람제공 모듈(40)은 알람을 제공하지 않는 것으로 결정한다. 따라서, 진동센서(120)를 이용하여 진동 데이터를 수집하는 단계로 다시 돌아간다.
도 2의 S240 단계에 따르면, 출력된 건물의 강성이 기 설정된 위험수준 미만인 것으로 판단된 경우, 알람제공 모듈(40)은 누적 충격이 건물의 회복탄력 임계치보다 큰지 판단한다.
건물의 국소 부위에 단기간에 집중된 힘이 가해진 후 건물은 일시적으로 강성이 낮아질 수 있다. 이러한 충격이 누적될 경우, 건물은 회복탄력성을 잃게 될 수 있다. 여기서, 건물이 회복탄력성을 잃게 되는 충격량의 크기를 회복탄력 임계치라고 한다. 누적된 충격량의 크기는, 미리 설정된 기간, 즉, 단위기간에 건물에 가해지는 충격량의 크기를 누적한 것이다. 이를 위해, 별도로 마련된 충격량 연산부(미도시)는, 이상기후 및 재난정보 입력부(140) 및 이용정보 측정부(150)에 의해 측정 또는 입력되는 정보를 이용하여 누적 충격량을 연산할 수 있다.
예를 들어 이상기후 및 재난정보 입력부(140)에 의해 측정 대상 건물의 주변에서 지진이 발생한 것으로 확인되면, 충격량 연산부는 지진의 진도, 진원까지의 거리 및 지진 지속시간을 이용하여 건물에 가해지는 충격량의 크기를 연산할 수 있다. 또는, 이용정보 측정부(150)에 의해 1시간 동안 건물의 가용인원의 2배 이상의 인원과 물류가 감지되는 경우, 충격량 연산부는 이용객과 물류 자중에 의해 건물에 가해지는 충격량의 크기를 연산할 수 있다.
S240 단계에서 누적 충격량의 크기가 건물의 회복탄력 임계치 이하인 것으로 판단된 경우, 알람제공 모듈(40)은 알람을 제공하지 않는 것으로 결정한다. 따라서, 진동센서(120)를 이용하여 진동 데이터를 수집하는 단계로 다시 돌아간다. 즉, 일시적인 건물의 강성의 약화에 따른 결과는 진정으로 건물 파괴 또는 붕괴를 야기하지 않는다고 판단한 것으로, 가짜 알람(false alarm)을 방지할 수 있다. 이로 인해, 불필요한 대피, 불안감 조성 등이 방지될 수 있다는 효과가 있다.
S240 단계에서 누적 충격량의 크기가 건물의 회복탄력 임계치보다 큰 것으로 판단된 경우, S250 단계와 같이 알람제공 모듈(40)은 알람을 제공하는 것으로 결정한다.
여기서, 알람제공 모듈(40)에 제공하는 알람은, 건물 내 이용객에게 제공되는 알람, 인접건물 관리부에 제공되는 알람 및 건물과 연관된 인프라 시설에 제공되는 알람을 포함한다.
건물 내 이용객에게 제공되는 알람은, 예를 들어 스피커(speaker) 또는 디스플레이(display)를 통해 제공될 수 있다. 또는, 건물 내 이용객의 단말기에 설치된 어플리케이션(예를 들어, 백화점 어플리케이션)을 통해 푸시 알람 등을 제공할 수 있다. 이로 인해, 건물을 이용하는 이용객이 건물 붕괴가 발생하기 전에 미리 건물을 탈출할 수 있어 인명피해를 최소화할 수 있다는 효과가 있다.
인접건물 관리부에 제공되는 알람은, 인접건물에 마련된 관리부에 마련된 단말기 등을 통해 제공될 수 있다. 여기서, 인접건물이란, 도 9에 도시된 것과 마찬가지로, 측정 대상 건물과 대면하는 건물 및 시설물을 포함할 수 있다. 측정 대상 건물이 붕괴할 경우, 붕괴시 발생하는 낙석과 분진 등으로 인해 인접건물에 2차피해가 발생할 수 있다. 한편, 인접건물 관리부에 알람이 제공된다면 낙석 및 충격에 따른 피해를 대비할 수 있고, 인접건물의 이용객과 상주인원에게도 알람이 제공될 수 있어, 2차 피해를 최소화할 수 있다는 효과가 있다.
건물과 연관된 인프라 시설에 제공되는 알람은, 예를 들어 가공고압선, 통신시설, 고압탱크, 변전소, 도시가스 및 상수도를 주관하는 기관, 부처 및 시설에 제공될 수 있다. 전기, 통신, 가스, 수도 등의 인프라에 위해가 가해지는 경우, 광범위적으로 피해가 발생할 수 있다. 따라서, 통신사, 전기공사, 소방서, 한국전력공사, 도시가스공사 등의 기관 및 부처에 알람이 제공됨으로써, 2차 피해를 최소화할 수 있다는 효과가 있다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
1: 중대재해 예방 시스템
10: 학습정보 생성모듈
20: 진동특성 학습모듈
30: 보정모듈
40: 알람제공 모듈
110: 강성 측정부
120: 진동센서
130: 전처리부
140: 이상기후 및 재난정보 입력부
150: 이용정보 측정부
160: 학습정보 데이터베이스
10: 학습정보 생성모듈
20: 진동특성 학습모듈
30: 보정모듈
40: 알람제공 모듈
110: 강성 측정부
120: 진동센서
130: 전처리부
140: 이상기후 및 재난정보 입력부
150: 이용정보 측정부
160: 학습정보 데이터베이스
Claims (14)
- 건물에 부착된 진동센서(120)에 의해 수집된 진동 데이터를 포함하는 정보를 이용하여 건물의 강성을 예측함으로써, 건물의 회복탄력성 붕괴에 따른 중대재해를 예방하기 위한 방법으로,
(a) 학습정보 생성모듈(10)에 의해, 진동 데이터를 포함하는 입력정보 및 건물의 강성을 포함하는 출력정보가 수집되는 단계;
(b) 진동특성 학습모듈(20)이, 상기 입력정보 및 상기 출력정보를 이용하여 예측모델(22)을 학습하는 단계;
(c1) 상기 진동특성 학습모듈(20)에 진동 데이터가 입력되면, 건물의 강성이 출력되는 단계;
(d) 상기 (c1) 단계에서 출력된 강성이 기 설정된 위험수준의 크기와 비교되는 단계;
(e1) 상기 (d1) 단계에서 상기 출력된 강성이 상기 기 설정된 위험수준 이상이면, 상기 (c) 단계 내지 상기 (d1) 단계가 반복되는 단계;
(e2) 상기 (d1) 단계에서 상기 출력된 강성이 상기 기 설정된 위험수준 미만이면, 미리 결정된 단위기간 동안 상기 건물에 가해진 누적 충격량과 건물의 회복탄력 임계치가 비교되는 단계;
(f1) 상기 (e2) 단계에서 상기 누적 충격량이 상기 건물의 회복탄력 임계치 이하이면, 상기 (c1) 단계 내지 상기 (e2) 단계가 반복되는 단계; 및
(f2) 상기 (e2) 단계에서 상기 누적 충격량이 상기 건물의 회복탄력 임계치를 초과하면, 알람제공 모듈(40)이 건물 이용객, 인접건물 관리부 및 인프라 관리부에 알람을 제공하는 단계;를 포함하는,
방법.
- 제1항에 있어서,
상기 학습정보 생성모듈(10)은, 강성 측정부(110), 전처리부(130), 이상기후 및 재난정보 입력부(140) 및 이용정보 측정부(150)를 더 포함하고,
상기 (a) 단계는,
(a1) 상기 강성 측정부(110)에 의해 정상 포인트(A) 및 열화 포인트(B)의 건물의 강성이 수집되는 단계;
(a2) 상기 진동센서(120)에 의해 정상 포인트(A) 및 열화 포인트(B)의 진동 데이터가 수집되는 단계;
(a31) 상기 전처리부(130)가 상기 진동 데이터를 FFT(fast fourier transformation)처리하여, 첨도(Kurtosis)를 생성하는 단계;
(a32) 상기 전처리부(130)가 상기 진동 데이터를 이용하여, 시간에 따른 가속도, RMS, 피크(peak) 및 CF(crest factor)를 연산하는 단계;
(a4) 상기 이상기후 및 재난정보 입력부(140)에 의해 기상정보 및 재난정보가 수집되는 단계; 및
(a5) 상기 이용정보 측정부(150)에 의해 시간대별 혼잡도와 시간대별 물류정보가 수집되는 단계;를 포함하는,
방법.
- 제2항에 있어서,
상기 진동특성 학습모듈(20)은 학습기간 결정부(24)를 포함하고,
상기 (b) 단계는,
(b1) 상기 첨도(Kurtosis), 가속도, RMS, 피크, CF, 시간대별 혼잡도, 시간대별 물류정보, 기상정보 및 재난정보를 포함하는 입력정보가 입력되면, 건물의 강성을 포함하는 출력정보가 출력되도록 구성된 예측모델(22)이 진동특성 학습모듈(20)에 의해 학습되는 단계; 및
(b2) 상기 학습기간 결정부(24)는 상기 입력정보와 상기 출력정보를 이용하여 정보손실값(reconstruction loss)을 연산하고, 상기 정보손실값을 이용하여 학습기간을 조절하는 단계;를 포함하는,
방법.
- 제3항에 있어서,
상기 (b2) 단계 이후에, (b3) 보정모듈(30)이 상기 (b1) 단계에서 출력된 건물의 강성과, 상기 (a1) 단계에서 수집된 건물의 관계식을 연산하는 단계; 및
상기 (c1) 단계 이후에, (c2) 상기 보정모듈(30)이 상기 (b3) 단계에서 연산된 관계식을 이용하여 상기 (c1) 단계에서 출력된 건물의 강성을 보정하는 단계;를 더 포함하는,
방법.
- 제2항에 있어서,
상기 강성 측정부(110)는, 건물 벽 내부에 형성된 공동(cavity), 상기 공동의 깊이 및 건물의 강성을 측정하도록 구성된 제1 강성 측정장치(112); 및
상기 건물의 강성을 측정하도록 구성된 제2 강성 측정장치(114)를 포함하는,
방법.
- 제5항에 있어서,
상기 제1 강성 측정장치(112); 는 초음파 탐상장치이고,
상기 제2 강성 측정장치(114)는 슈미트해머인,
방법.
- 제2항에 있어서,
상기 (a32) 단계에서 연산된 가속도, RMS, 피크 및 CF의 로우 데이터(raw data) 중 이상치 발생이 판단될 경우, n·σ 이상의 데이터(이때, n은 양의 실수)는 상기 입력정보에서 제외되는,
방법.
- 제2항에 있어서,
상기 입력정보는, 건물의 종류를 더 포함하는,
방법.
- 제2항에 있어서,
상기 누적 충격량은 충격량 연산부에 의해 연산되되,
상기 충격량 연산부는, 상기 이상기후 및 재난정보 입력부(140) 및 이용정보 측정부(150)에 의해 수집되는 정보를 이용하여, 상기 누적 충격량을 연산하는,
방법.
- 건물에 부착된 진동센서(120)에 의해 수집된 진동 데이터를 포함하는 정보를 이용하여 건물의 강성을 예측함으로써, 건물의 회복탄력성 붕괴에 따른 중대재해를 예방하기 위한 장치로서,
진동센서(120)에 의해 수집된 진동 데이터를 포함하는 입력정보와, 강성 측정부(110)에 의해 수집된 건물의 강성을 포함하는 출력정보를 수집하도록 구성된 학습정보 생성모듈(10);
상기 입력정보가 입력되면, 상기 출력정보를 출력하도록 구성된 예측모델(22)을 학습하도록 구성된 진동특성 학습모듈(20);
상기 진동특성 학습모듈(20)에 의해 출력된 건물의 강성을 보정하도록 구성된 보정모듈(30); 및
상기 보정모듈(30)에 의해 보정된 건물의 강성을 이용하여 알람 제공 여부를 결정하고, 알람을 제공하도록 구성된 알람제공 모듈(40);을 포함하는,
장치.
- 제10항에 있어서,
상기 학습정보 생성모듈(10)은,
상기 진동 데이터를 전처리하기 위한 전처리부(130)로서,
상기 진동 데이터를 주파수 도메인으로 변환하여 첨도(Kurtosis)를 생성하도록 구성된 FFT 변환부(132); 및
상기 진동 데이터로부터 시간에 따른 가속도, RMS, 피크(peak) 및 CF(crest factor)를 연산하기 위한 진동특성 연산부(134)를 포함하는 전처리부(130);
기상정보 및 재난정보가 입력되는 이상기후 및 재난정보 입력부(140);
건물의 이용정보를 수집하도록 구성된 이용정보 측정부(150)로서,
시간대별 혼잡도를 측정하도록 구성된 이용객 혼잡도 측정부(152); 및
시간대별 물류정보를 입력받도록 구성된 물류이동 정보 입력부(154)를 포함하는 이용정보 측정부(150); 및
상기 강성 측정부(110), 상기 진동센서(120), 상기 전처리부(130), 상기 기상정보 및 재난정보 입력부(140) 및 상기 이용정보 측정부(150)로부터 데이터를 수신 및 저장하도록 구성된 학습정보 데이터베이스(160);를 포함하는,
장치.
- 제11항에 있어서,
상기 입력정보는, 상기 가속도, RMS, 피크, CF, 첨도, 기상정보, 재난정보, 시간대별 혼잡도, 시간대별 물류정보를 포함하는,
장치.
- 제12항에 있어서,
진동특성 학습모듈(20)은 학습기간 결정부(24)를 포함하고,
상기 학습기간 결정부(24)는 상기 입력정보와 상기 출력정보 사이의 정보손실값(reconstruction loss)을 이용하여 학습기간을 조절하는,
장치.
- 제10항에 있어서,
상기 강성 측정부(110)는, 건물 벽 내부에 형성된 공동(cavity), 상기 공동의 깊이 및 건물의 강성을 측정하도록 구성된 제1 강성 측정장치(112); 및
상기 건물의 강성을 측정하도록 구성된 제2 강성 측정장치(114)를 포함하는,
장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2023/002606 WO2023163524A1 (ko) | 2022-02-24 | 2023-02-23 | 건축물 회복탄력성 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220024432 | 2022-02-24 | ||
| KR20220024432 | 2022-02-24 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230127141A true KR20230127141A (ko) | 2023-08-31 |
| KR102579897B1 KR102579897B1 (ko) | 2023-09-19 |
Family
ID=87847654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230006045A KR102579897B1 (ko) | 2022-02-24 | 2023-01-16 | 건축물 회복탄력성 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102579897B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004264235A (ja) * | 2003-03-04 | 2004-09-24 | Shimizu Corp | 構造物の損傷部位検出装置、及び構造物の損傷部位検出方法 |
| KR20210085168A (ko) * | 2019-12-30 | 2021-07-08 | 달리웍스 주식회사 | 머신러닝 기반 건축 구조물 고유 진동값 학습을 통한 안전 진단 시스템 및 방법 |
-
2023
- 2023-01-16 KR KR1020230006045A patent/KR102579897B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004264235A (ja) * | 2003-03-04 | 2004-09-24 | Shimizu Corp | 構造物の損傷部位検出装置、及び構造物の損傷部位検出方法 |
| KR20210085168A (ko) * | 2019-12-30 | 2021-07-08 | 달리웍스 주식회사 | 머신러닝 기반 건축 구조물 고유 진동값 학습을 통한 안전 진단 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102579897B1 (ko) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cremen et al. | Earthquake early warning: Recent advances and perspectives | |
| US11734474B2 (en) | System and method for evaluating models for predictive failure of renewable energy assets | |
| Kameshwar et al. | Multi-hazard risk assessment of highway bridges subjected to earthquake and hurricane hazards | |
| Wah et al. | A regression-based damage detection method for structures subjected to changing environmental and operational conditions | |
| Tesfamariam et al. | Risk-based seismic evaluation of reinforced concrete buildings | |
| KR101290824B1 (ko) | 시설물 유지관리시스템 | |
| CN114611778B (zh) | 一种基于入库流量的水库水位预警方法及系统 | |
| KR102343736B1 (ko) | 환경시설물 침수 예측 시스템 및 환경시설물 침수 예측 방법 | |
| CN113255188A (zh) | 一种基于事故树的桥梁安全预警方法及系统 | |
| Wang et al. | Bayesian approaches for evaluating wind‐resistant performance of long‐span bridges using structural health monitoring data | |
| Puig et al. | Limnimeter and rain gauge FDI in sewer networks using an interval parity equations based detection approach and an enhanced isolation scheme | |
| Soo Lon Wah et al. | Damage detection under temperature conditions using PCA–an application to the Z24 Bridge | |
| Xu et al. | A Bayesian approach for site-specific extreme load prediction of large scale bridges | |
| Mollineaux et al. | Structural health monitoring of progressive damage | |
| Barros et al. | Design and testing of a decision tree algorithm for early failure detection in steel truss bridges | |
| JP2020071138A (ja) | 地盤変位に起因する災害発生危険度定量評価システムとその方法とそのプログラム | |
| KR20230127141A (ko) | 건축물 회복탄력성 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법 | |
| Tocchi et al. | The use of machine-learning methods for post-earthquake building usability assessment: A predictive model for seismic-risk impact analyses | |
| Zhang et al. | Post-earthquake structural damage assessment and damage state evaluation for RC structures with experimental validation | |
| Grasso et al. | Automated decision procedure for earthquake early warning | |
| Qu et al. | Performance prediction for steel bridges using SHM data and bayesian dynamic regression linear model: a novel approach | |
| Mostofi | Development of a new decision-based framework for risk assessment and management of landslides | |
| WO2023163524A1 (ko) | 건축물 회복탄력성 붕괴에 따른 중대재해 예방 시스템 및 이를 이용한 방법 | |
| CN112983548A (zh) | 一种地下施工的监测预警方法、装置、服务器以及系统 | |
| KR102206502B1 (ko) | 구조물의 긴급 동적위험도 평가시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |