1. 서 론
2. 문헌검토
2.1 신체 안정성 측정 디바이스
2.2 건설 작업자와 피로의 연관성
3. 연구방법
3.1 연구 프레임워크
3.2 데이터 수집
3.3 DTW 알고리즘 적용 및 분석
4. 실험결과
5. 결 론
1. 서 론
건설 현장에서 일어나는 다양한 작업들 중 기계적인 대형장비의 사용을 제외한 일반적인 작업은 작업자의 육체적 노동을 중심으로 이루어진다(Arici et al., 2014). 일반적으로 건설 작업자는 장시간 육체적인 업무를 하게 되며, 시간이 지남에 따라 피로도가 증가한다(Bangaru et al., 2022). 건설 산업에서 피로는 신체 안정성에 큰 영향을 미칠 수 있다. 피로는 자세, 균형 및 전반적인 안정성에 영향을 미쳐 근로자가 균형을 유지하는 것을 더 어렵게 만들 수 있다(Corbeil et al., 2003).
또한 피로에 의한 신체 안정성 저하는 건설 사고와 직간접적으로 연관이 될 수 있다(Fang et al., 2015). 이러한 배경을 바탕으로 건설 근로자의 피로에 대한 많은 연구가 진행되어 왔다(Haakestad and Friberg, 2020). 건설업 근로자는 추락(Fall), 미끄러짐(Slip), 넘어짐(Trip, 이하 FST)에 취약하며, 이는 건설업에서 발생하는 사고 중 약 33%가 FST에서 발생함을 통해 확인할 수 있다(Jebelli et al., 2016a). 건설 현장의 FST 사고 발생을 고려할 때 피로는 비위험 상황과 위험 상황 모두에서 신체 안정성을 유지하는데 부정적인 영향을 미친다. 이로 인해 근로자는 위험원에 대응할 수 있는 적절한 자세와 균형을 유지하기가 어려워질 수 있다(Kelly et al., 2008).
작업자의 지속적 작업에 의한 육체적 피로도를 측정하거나 평가하기 위한 시도는 주로 작업자에 대한 인터뷰 또는 설문조사, 그리고 관리자에 의한 직접 감독에 의해 수행되었다(Wang et al., 2015). 기존 방법의 문제점은 작업자 개인을 모니터링하기 위한 인력이 많이 소모되거나(Bangaru et al., 2022), 응답자의 개인적 판단이 피로도 산정과정에 포함되기 쉽다는 것이다(Jebelli et al., 2016a). 이러한 문제점을 해결하기 위해 육체적 피로도를 정량적인 수준에서 작업자에게 부여할 수 있는 방법들이 개발되었고, 다양한 산업에서 피로도와 작업자의 행동사이의 관계를 파악하기 위한 시도가 이루어지고 있다(Kim et al., 2018). 기존의 피로도와 작업자 사이의 관계를 파악하는 방법은 주로 인터뷰나 설문조사에 의존한 방법(Kim et al., 2009), 센서를 이용한 방법이 활용되었다. 이러한 방법은 주관이 포함되거나 피로 수준을 산정하기 어려워 피로도 평가의 객관성과 일관성을 나타내기 힘들다는 단점이 있다(Maslach and Leiter, 2016). 때문에 본 연구에서는 작업자들에게 다양한 수준의 정량적 피로도를 가한 뒤, 건설현장에서 위험 기인물로 작용할 수 있는 불안정한 환경(Unstable Condition)에서의 작업자 행동 변화를 살펴보는 것을 그 목적으로 한다. 본 연구를 통해 작업자의 신체적 피로도 수준에 따른 행동변화의 정도를 파악함으로써 건설 작업자의 안전관리 수준의 향상과 사고 예방에 기여할 수 있을 것이다.
2. 문헌검토
2.1 신체 안정성 측정 디바이스
신체 안정성은 건설 작업 중 발생할 수 있는 안전사고를 예방하고 신체 부상을 감소시키는 데 중요한 역할을 한다. 신체 안정성을 측정하기 위한 방법으로는 포스트럴 밸런스 테스트(Postural Balance Test), 인체 키네마틱스(Human Kinematics), IMU 센서(Inertial Measurement Unit Sensor), 카메라와 센서를 활용한 모션 캡처 시스템, 포스처그래피(신체의 압력 중심 측정), 자가 보고 설문지 등 다양한 방법이 존재한다. 최근에는 IMU 센서를 활용한 행동 분석 시스템이 널리 사용되고 있으며, 가속도계, 자력계, 자이로스코프 등의 센서로 구성되어 있어 신체 방향과 동작을 정밀하게 파악할 수 있다. 본 논문에서는 IMU 센서를 활용하여 작업자의 행동을 분석하고 실시간으로 신체 안정성의 변화를 측정하는 것을 목표로 한다.
2.2 건설 작업자와 피로의 연관성
피로는 건설 작업자의 신체적 및 정신적 수행능력에 영향을 줄 수 있다(Frone, 1998). 피로는 다양한 요인으로 인해 발생할 수 있으며, 설문조사나 근전도센서, 심전도 센서 등의 센서 기반 피로도 측정 기술이 연구되어 왔다(Yu et al., 2012). 이러한 방법은 작업자가 작업 중 느끼는 피로 수준을 정량적으로 측정할 수는 있지만, 피로 수준을 설정하기 어렵다는 한계가 있다(Fang et al., 2015). 이러한 한계로 인해 기존의 피로도 측정 방법은 피로와 위험 요인, 행동 간의 상관관계를 파악하기 어렵다. 따라서 측정이 아닌, 다양한 수준의 피로를 정량적으로 부여할 수 있는 방법을 적용하여 1) 피로도와 2) 다수의 건설현장 환경에서의 3) 작업자 행동의 상관관계를 조사하는 것이 필요하다. 정량적인 피로를 가하는 다양한 방법 중, 하버드 스텝 테스트는 피로를 부여하는 유효한 방법으로 활용되고 있다(Baghdadi et al., 2021). 이 테스트는 정해진 속도로 계단을 오르고 내리는 행위를 지속적으로 반복하여 국부적인 피로 수준을 부여한다(Lee et al., 2015). 이러한 하버드 스텝 테스트를 활용하여 피로 수준을 정량적으로 부여함으로써 작업자에게 다양한 수준의 피로도를 가할 수 있고, 이를 기반으로 피로도의 수준과 작업자 행동 사이의 연관성을 이해할 수 있을 것이다.
3. 연구방법
3.1 연구 프레임워크
본 연구의 상세한 과정은 Fig. 1과 같다. 피로도 수준을 정량적으로 평가하기 위하여 스텝박스를 활용한 하버드 스텝 테스트를 0분부터 5분까지 1분 단위의 6개의 구간으로 나누어 수행(실제 1분에서 5분까지 5회 수행)하고, 각 구간(하버드 스텝 테스트 수행시간)에 따라 4가지의 건설환경(일반, 장애물, 2가지의 미끄러운 표면)에서의 보행을 수행한다. 즉, 1명의 작업자는 24가지(6단계의 피로도와 4가지의 보행환경)의 실험을 수행하게 되며, 총 78명의 작업자가 실험에 참여하였다. 실험의 과정에서 작업자는 허리에 IMU 센서를 부착하여 실험과정에서의 신체 움직임을 측정하였다. 측정된 IMU 데이터는 3축 가속도 중 x축의 값을 기반으로 개별 보행을 구분(Gait Detection)하고, 구분된 각각의 개별 보행은 Dynamic Time Warping(DTW)을 통해 피로도와 환경에 따른 작업자의 신체 안정성(Body Stability)을 산정한다. 본 연구 결과는 피로도와 건설환경에 따른 신체 안정성을 기반으로 적절한 수준의 피로도와 안전 가이드라인의 기초자료로 활용될 수 있을 것이다.
3.2 데이터 수집
본 연구에서는 IMU센서를 활용하여 다양한 건설 환경에서 피로가 신체 안정성에 미치는 영향에 관한 데이터를 수집하기 위한 실험을 수행하였다. 데이터 수집의 일관성을 유지하기 위해, 시스템 비계를 활용한 모의 실험장소(총 길이 15m)를 구축하였으며, 다양한 환경 구축을 위해 4가지의 환경(위험원이 없는 상황, 장애물, 미끄러운 표면 2가지)을 설치하였다.
실험 대상자는 실험 중에 건설 작업자의 표준 개인 보호 장비(안전 벨트, 안전화, 안전 헬멧)를 착용하였다(Fig. 2). 또한, 신체 안정성을 측정할 수 있는 신체의 무게 중심(Center of Body Mass)인 허리에 IMU 센서를 부착하였다.
전체 78명의 실험참가자들은 최대 5분 동안의 HST를 수행하였으며, 전체 참가자들 중 32명만이 5분 이상의 HST를 수행할 수 있었다. 즉, 5분 이상의 HST를 수행할 수 있는 실험참가자 32명을 대상으로 데이터 수집을 수행하였다. 32명의 실험참가자에 대한 정보는 Table 1과 같다.
Table 1.
Pariticipant information
|
Statistical parameters |
Height (cm) |
Weight (kg) |
Age (years) |
| Mean | 175.67 | 74.59 | 42.25 |
| Median | 173.5 | 67.28 | 43 |
|
Standard deviation | 6.54 | 15.21 | 7.47 |
| Minimum value | 163.45 | 56.98 | 36 |
| Maximum value | 188.7 | 87.35 | 56 |
실험의 절차는 다음과 같이 구성된다. 작업자에게 하버드 스텝 테스트를 통해 피로도를 부여한다. 이 때, 1명의 참가자가 24가지의 실험을 수행하게 되는데, 선후행 실험 순서에서의 영향을 최소화하기 위해 24가지 실험에 임의의 번호를 부여하고 랜덤으로 추출하는 방식으로 실험의 순서를 구성하였다. 1개의 실험을 수행한 뒤에는 24시간 이상의 휴식시간을 두었다. 예를 들어, 실험참가자 A는 랜덤으로 결정된 24개의 실험 중 1개(예: 4분의 HST 후 Oil 표면 보행)를 수행한 후 24시간 이상 휴식 후 랜덤으로 선정된 다음 실험을 진행하는 순서로 전체 실험 세트를 수행한다. 실험 과정에서 3축 가속도 데이터를 수집하기 위한 장치로 APDM Opal Movement Monitor를 활용하였으며, 128Hz의 샘플링 레이트로 데이터를 저장하였다.
3.3 DTW 알고리즘 적용 및 분석
DTW 알고리즘은 로컬 거리 측정을 사용하여 뒤틀림 경로를 계산하여 일반적인 특징(클래스 시퀀스)과 테스트 특징(테스트 시퀀스) 사이의 거리를 측정하는 방법이다(Hsiao and Simeonov, 2001). 일반적으로, 두 시계열 데이터 간의 유사성을 분석하는 데 사용되는 알고리즘이다(Jebelli et al., 2016b). 두 시계열 사이의 모든 뒤틀림 경로(또는 워핑 경로) 중 워핑 비용이 최저가 되는 값이 DTW 값이 된다. 워핑 경로를 구하는 방법은 Equation (1)과 같다.
w는 i와 j에 대한 함수 w의 값들을 저장하는 구조체 또는 배열을 나타내고 w[i(q), j(q)]는 i와 j에 대한 함수 w의 값, q는 1부터 Q까지 변하는 변수, i(q)는 q에 대응하는 값에 대한 i의 값, j(q)는 q에 대응하는 값에 대한 j의 값, Q는 q의 최댓값, I는 i의 최댓값, J는 j의 최댓값을 나타낸다.
DTW 값을 계산하는 방법은 Equation (2)와 같다.
계산된 DTW 값이 0에 수렴하면 두 신호는 동일한 것으로 볼 수 있다. 또한 DTW 값이 높을수록 두 신호 간의 유사도가 낮다는 것을 의미(예: 보행의 일관성이 떨어짐)한다. Fig. 3은 DTW 계산과정과 그에 따른 다양한 실험 조건에서 계산된 DTW 값의 예를 보여준다.
4. 실험결과
실험에서 수집한 데이터의 DTW 값을 각각의 외부환경 및 시간에 따라 그래프로 나타내면 Fig. 4와 같다. 먼저, Non-hazard인 경우(A), 하버드 스텝 테스트를 통해 피로도가 가해지지 않은 상태에서의 DTW 값의 평균은 13.6로 나타났으며, HST를 통해 1분부터 3분까지의 피로도를 가했을 때의 DTW 값은 각각 9.4, 9.7, 10.7 로 나타난다. 이때(0~3분) 피로도 수준에 따른 DTW 값의 변화 정도는 4~5분에 비해 적게 나타난다. HST를 4분 이상 진행한 경우, DTW 값은 그 이전 수준(0~3분)에 비해 급격하게 상승한다.
Obstacle의 경우(B), DTW값의 평균은 14.9로 나타났다. HST 1분에서 3분까지의 DTW 값은 각각 11.2, 12.0, 15.3으로 나타났다. 4~5분 피로도의 변화수준은 (A)와 마찬가지로 1~3분에 비해 높게 나타났다. HST를 4분 이상 진행한 경우, DTW값은 18.9, 24.8으로 1~3분에 비해 급격하게 상승했고(0분 대비 1~3분: 61.0% 상승, 0분 대비 4~5분 161.1% 상승), 2분 이후부터 Boxplot을 벗어나는 값(Outlier Value)들이 발생했다(Outlier Values 5건 발생).
Water의 경우(C) 피로도가 가해지지 않은 상태의 평균값은 15.7이 나왔다. 1분부터 3분까지 피로도를 가했을 때 DTW 값은 각각 10.3, 13.0, 15.9로 나타난다. 피로도 DTW 값의 변화의 정도는 4~5분에 비해 적게 나타났지만 (A)와 (B)에 비해 값이 각각 24.2%, 3.7% 높은 것을 확인할 수 있었다. HST가 4분 이상인 경우 급격하게 상승했으며 값은 각각 18.9,26.7이 나왔다. (B)와 (C)의 경우, 외부환경의 조건이 다름에도 불구하고 유사한 DTW 값들이 관측되었다.
Oil의 경우(D), 피로도가 가해지지 않은 상태의 DTW 값의 평균은 19.33으로 나타났다. 1분부터 3분까지 피로도를 가했을 때의 DTW 값은 각각 15.5, 16.3, 19.1로 나타났으며 (A), (B), (C)보다 높은 평균값과 수치를 보인다. HST가 4분을 넘을 경우 DTW값이 20.1로 다른 환경에 비해 높은 값을 나타내었지만 5분에 도달 했을 때 DTW값이 34.5에 도달하면서 다른 환경 조건에 비해 값이 더욱 상승하는 모습을 볼 수 있다.
4개의 건설환경과 6가지의 피로도 수준에 따른 작업자의 신체 안정성을 종합적으로 평가하면 다음과 같은 결론을 도출할 수 있다. 우선, 작업자의 피로도 수준이 높을수록 신체 안정성이 저하된다는 것을 확인할 수 있다. 이 때, 본 실험에서의 HST 0~3분(낮은 수준의 피로)에서의 피로도의 변화는 상대적으로 높은 수준의 피로도(4~5분)에 비해 낮은 것으로 확인된다. 이는 신체적으로 작업을 수행할 수 있는 작업자의 경우 낮은 수준의 피로도에서는 신체적 안정성을 유지할 수 있는 능력이 있다는 것을 보여준다. 반대로, 높은 수준의 피로도에서 실험참가자들의 신체적 안정성이 급격히 떨어진 것은 일정 수준 이상의 피로도는 역치로 작용하여 신체적 안정성을 유지하는데 어려움을 끼치는 것을 확인할 수 있다.
피로도와 신체 안정성에서 또 하나 주요하게 언급할 부분은 건설 환경, 즉 외부 환경의 특성이다. 본 실험에서 Non-hazard 환경(A)과 Obstacle 환경(B)에서 피로도는 유사한 수준을 보인다. 하지만, 단순 장애물이 아닌 미끄러운 표면 2가지에서는 피로도가 신체 안정성을 보다 크게 저해함을 확인할 수 있다. 본 실험에서 가장 크게 차이가 나는 실험(A)와 (D)의 경우 피로도 증가에 따른 신체 안정성 저하의 폭이 다름을 알 수 있다. (A)의 경우 수용가능한 피로도의 역치 이상의 피로도가 작용하더라도 신체 안정성의 저하된 수준이 약 23.1인데 비해, (D)의 경우 피로도 5분에서 평균 34.5 수준의 DTW 값을 보여준다. 이는 신체 안정성을 충분히 저하 시킬 수 있는 피로도가 이미 가해진 상태인 작업자는 위험원에 대한 대응 능력이 더 많이 떨어진다고 해석할 수 있을 것이다.
5. 결 론
건설산업에서의 산업재해의 원인 중 하나인 신체적 안정성의 유지와 관련된 문제는 필연적으로 건설 작업자의 신체적 피로도와 직간접적으로 연관성을 가진다. 본 연구는 건설 작업자의 피로도 수준과 건설 환경이 작업자의 신체 안정성에 미치는 관계를 조사하였다. 실험결과로부터 피로도 수준이 상승할수록 작업자의 신체 안정성이 저하되는 것을 확인하였다. 특히, 미끄러운 표면인 Water와 Oil 환경에서는 피로도가 작업자의 신체 안정성에 더 큰 영향을 미쳤으며, 높은 수준의 피로도에서는 신체 안정성이 급격히 떨어지는 것을 발견하였다. 본 연구는 작업자의 피로도 수준과 건설 환경의 상호작용이 작업자의 신체 안정성에 직접적인 영향을 미치는 것을 확인하였으며, 이를 통해 안전한 건설 작업을 위해 피로도 관리와 건설 환경의 위험요소 대응이 중요하다는 시사점을 얻을 수 있었다. 이러한 결과는 안전한 건설 작업을 위한 정책과 가이드라인 개발에 기여할 수 있다. 그러나 이 연구의 한계로는 실험의 범위가 단순한 보행에 한정되어 건설 작업자의 다양한 작업에 대한 적용이 이루어지지 않았으며, 피로도 수준과 환경 조건의 범위가 한정적이었다는 점이 있다. 따라서 추가적인 연구를 통해 다양한 조건과 건설작업에서의 결과를 확인하고, 실제 현장의 적용 가능성을 고려하여야 한다. 향후 연구에서는 다양한 건설 환경과 피로도 조건을 고려하여 실험을 확대하고, 현장에서의 실제 데이터 수집을 통해 실험 결과의 신뢰성을 높이는 것이 필요하다.
