본문 바로가기

KICT 카지노 게임 사이트

연구원소개
연구원소개
카지노 게임 사이트을
소개합니다.
연구분야
연구분야
카지노 게임 사이트
연구분야를 소개합니다.
연구정보
연구정보
카지노 게임 사이트
연구정보를 알려드립니다.
기업지원
기업지원
카지노 게임 사이트
기업지원을 안내합니다.
열린마당
열린마당
카지노 게임 사이트
소식을 전합니다.
정보공개
정보공개
카지노 게임 사이트
정보를 공개합니다.
기타서비스

직원찾기
페이스북
블로그

검색
ENG
전체메뉴

닫기

연구원소개
연구분야
연구정보
기업지원
열린마당
정보공개
기타서비스

연구원소개
연구분야
연구정보
기업지원
열린마당
정보공개
기타서비스

ENG 전체메뉴 닫기

연구정보

주요연구성과
논문
특허
수행과제
연구인프라
보고서 원문
BIM 정보공유

주요연구성과

홈
연구정보
주요연구성과

공유하기

페이스북
트위터
카카오스토리
링크공유

프린트

검색

전체 226건 현재 페이지 8/23

제7차 건설기술 진흥 기본계획 추진 배경 및 수립 방향 제7차 건설기술 진흥 기본계획 추진 배경 및 수립 방향 ▲ 정인수 KICT 건설정책연구소 소장, ▲ 윤원건 KICT 건설정책연구소 수석연구원 들어가며 건설기술 진흥 기본계획은 건설기술 진흥법 제3조에 따라 건설기술 정책·제도 선진화 및 연구개발 촉진 등을 통해 기술 수준을 향상하고 경쟁력을 높이기 위해 5년 단위로 수립하는 법정계획이다. 6차 기본계획이 2022년에 종료됨에 따라 2023년부터 향후 5년간 추진해야 할 계획을 수립해야 할 시점이다. 2022년 세계건설시장은 전년 대비 7.1% 성장한 13.9조 달러 규모로 전망되며, 이중 해외 건설시장은 세계건설시장의 약 7%로 추정되어 9,711억 달러 규모가 예상된다. 해외 건설 시장 (ENR, 250대 기업 중 12개)에서 한국은 세계 5위 (5%)이나 2015년 이후 급감하는 추세로 2013년 424억 달러에서 2021년 227억 달러 수주에 그치고 있다. 국내 건설시장은 2021년 역대 최대인 212조 원을 수주하며 지속적으로 호황이나, 기술 및 사업관리가 중심인 건설엔지니어링 분야의 수주 규모는 수년간 6조 원대에서 정체되어 있다. 해외 설계시장 (ENR, 225대 기업 중 11개)에서 한국은 세계 17위이나 (미국 23.2%, 캐나다 18.1% 네덜란드 8.4% 차지) 해외 설계시장 수주 규모는 2015년의 1/3 수준인 6억 달러에 불과하다. 2021년 50대 이상 건설인력은 53% (전체산업 43.3%)이며, 30대 이하는 21.6% (전체산업 33.5%)에 불과하는 등 저출산, 고령화 등 인구구조변화로 건설인력의 고령화가 심화하고 있다. 건설사고 사망자는 연간 약 400~500명가량으로 전체 산업의 약 50%에 이르며 이중 추락사고는 61.9%이고 50억 미만의 중소형사업장의 비중이 68%로 특정 분야에 집중되는 현상이다. 지난 20년간 전 세계 연평균 건설업 생산성 증가율은 1.0%로 제조업 3.6%, 전산업 2.7%에 비해 가장 낮다. 국내 건설 부문의 노동생산성지수는 2017년 106.4로 정점을 찍은 후 2018년부터 하락세를 면치 못하고 있다 (2021년 94.5). 게다가 최근 고환율, 자잿값 급등, 인건비 상승, 청년 인력의 부족, 공공 건설사업의 계속되는 유찰, 날로 악화하는 건설경기 불황 등은 건설산업의 근간을 위협하고 있다. 전차 계획의 평가 제6차 기본계획에서는 2015년 기준 노동생산성을 40% 상향시키고 2016년 기준 건설업 사망자 수를 30% 감소하는 목표를 세웠다. 생산성은 5.1% 하락했고, 사망자 수도 2021년 417명으로 줄었으나 목표에는 미치지 못했다. 부문별로는 스마트 건설기술, 엔지니어링, 기준·제도 추진 실적이 우수하였으나 업계의 생산성 향상과 해외 수주 확대 등은 미흡하였다. 총 36개 세부 계획 중 66%인 23개 과제가 완료되었고 11개 과제가 추진 중 (31%)이며 2개 과제가 미추진 (3%)되었다. 부문별 주요 성과와 미비점은 다음과 같다. 스마트 건설기술 로드맵(2018년 10월)을 통해 기술 분야별중장기 비전을 제시하였으나, 기술의 현장 적용 미흡 BIM은 설계 분야의 활용이 확대 중이나, 시공 등 건설 전단계 도입 및 인력 양성 등 세부 계획 미흡 기술형 입찰 및 종심제(종합심사낙찰제) 등 기술 중심발주제도의 실효성 한계 글로벌 PM시장 확대 및 선진기업 PM시장 진출이 확대되고있으나, 국내 기업 경쟁력 향상은 미미 건설기술인이 90만 명으로 증가, 교육 수요가 팽창하고있으나, 건설기술인에 대한 교육 수준 개선 미흡 인구 감소 영향으로 건설인력 고령화·숙련기술자 부족문제, 청년 인력 고용의 어려움 확대 2016년 대비 2021년 사고사망자 수는 감소(499명→417명)하였으나, 중대 재해법 등에도 불구하고 전 산업 내 비중은50%로 과반 차지 스마트기술 기반 안전 관리체계 현장 적용 체감도 미흡 초고령화로 인한 노동 인력 감소, 현장 생산성·안전성강화, 기후변화·탄소중립 및 시설물 노후화 등 미래환경변화에 대응한 실용화·사업화 기반 R&D 준비 미비 건설 R&D 성과의 실용화 및 사업화를 위한 인프라 확충과성과 활용 제도 정비 필요 건설산업 주체 간 빅데이터 유통 및 관리, 데이터 표준화추진 미흡 제7차 건설기술 진흥 기본계획 수립 방향 제7차 건설기술 진흥 기본계획의 비전은 ‘건설산업의 디지털 전환 (DX)’으로 제시하였으며, 이를 통해 건설산업 생산성 제고와 안전사고 감소가 가능할 것으로 보인다. 목표로는 ① 건설업 생산성지수를 2021년 94.5에서 2030년 110 이상으로 성장시킨다. ② 엔지니어링 업체 해외 매출 225대 업체 중 2021년 11개에서 2027년 15개로 육성 ③ 2021년 대비 건설사고 사망자 수 417을 2027년에 절반으로 감소시키고자 한다. 이를 위해 기본계획의 수립 방향은 (그림 4)와 같이 제시하였다. 5개 수립 방향에 대한 15개 중점 추진과제는 (표 1)과 같다. 건설정책연구소 게시일2023-01-27 조회수 612
기대수명 20년 목표 유지보수형 콘크리트 포장 덧씌우기 실용화 기술 개발 기대수명 20년 목표 유지보수형 콘크리트 포장 덧씌우기 실용화 기술 개발 ▲ 남정희 KICT 도로교통연구본부 연구위원 들어가며 국토교통부 도로현황조서 ( 2020)에 따르면 2000년 이후 시멘트 콘크리트 포장 연장은 지속적으로 증가하여 고속도로 ( 1차로) 연장의 약 65.63% ( 12,956 km)에 해당되나, 노후화가 진행되어 리모델링 중장기 계획 ( 안)에 포함된 연장도 무려 19.51% ( 2,528 km)에 해당되는 것을 알 수 있다. 이와 같은 시멘트 콘크리트 포장 노후화의 증가는 필연적으로 유지보수 예산의 증가로 이어진다. 2001년에 349억 원 규모이던 고속도로 유지보수 예산이 2020년에는 1,547억 원 규모로 무려 4.43배나 증가한 것을 보면 효과적인 유지보수 방안 마련이 절실한 시점이 지금이라는 것을 알 수 있다. 이에 부분 단면 보수의 한계를 극복하고, 기존 노후 시멘트 콘크리트 포장과 동일한 계열의 재료를 사용하여 장수명과 고내구성을 확보할 수 있는 시멘트 콘크리트 포장 계열의 덧씌우기 공법 개발 연구를 지난 4년간 진행하였다. 주요 연구성과로 연속철근 보강을 통해 내구성을 극대화시켜 유지보수로 기대수명을 20년 이상 향상시킬 수 있는 덧씌우기 공법을 실용화하였으며, 현재 기술이전 협상이 진행 중이다. 연속철근 콘크리트 포장 덧씌우기 유지보수 공법 실용화 기술 개발 접착식 콘크리트 덧씌우기 공법은 열화된 기존 콘크리트 층을 절삭한 후 콘크리트를 덧씌우기하는 것으로서 내구성과 경제성이 우수한 포장 유지보수 공법으로 알려져 있다. 아스팔트 덧씌우기 공법과 비교하여 상대적으로 사용연한이 길고, 교통량 증가 및 중차량에 대한 하중지지 능력이 우수하여 유지보수 빈도 및 유지관리비를 현저히 줄일 수도 있다. 또한 기존 콘크리트 포장과 재료 특성이 유사하여 유지보수 후 포장 파손이 적기 때문에 경제적인 유지보수 대안으로 평가받고 있다. 기존 콘크리트 포장 덧씌우기 공법은 노후화된 줄눈 콘크리트 포장 ( Jointed Plain Concrete Pavement, JPCP) 위에 콘크리트를 덧씌우고 기존 포장에 있는 줄눈 ( joint) 위치와 동일하게 줄눈을 설치하는 방법을 사용하고 있다. 그러나 줄눈 콘크리트 포장에서 가장 취약한 부위가 줄눈부이며, 보수보강 관점에서 줄눈을 그대로 동일하게 설치한다는 것은 궁극적으로 공용성 증진에 한계가 있을 수 있다. 이에 줄눈 콘크리트 포장의 덧씌우기에서 기존 공법보다 공용 수명을 증진시킬 수 있는 혁신적 공법으로 철근 등의 보강재를 사용하여 줄눈부의 거동을 제한하고 줄눈부를 없애는 방식인 연속 철근 콘크리트 포장형식의 박층 유지보수 공법을 개발하였다.연속 철근보강 박층 콘크리트 덧씌우기 유지보수 공법 ( Ultra Thin-Continuously Reinforced Concrete Pavement, 이하 UT-CRCP)은 기존 포장체의 노후화된 표면을 절삭하고얇은 콘크리트로 덧씌우기하는 방식으로 포장체의 두 층 ( 덧씌우기 포장층과 기존 포장층)이 완전히 부착하여 단일화된 거동을 유도하는 공법이다. 본 공법의 핵심 개념은 기존 열화부위를 제거하고 포장 표면을 개량한다는 점과, 보강재를 통해 포장체의 구조적 능력을 증가시킨다는 점이다. 이를 실현시키기 위한 중요한 전제 조건은 기존 포장체는 하중에 대한 지지를 충분히 유지해야 하며 덧씌우기 층은 기존 포장과 완전 부착이 이루어져야 한다는 것이다. 또한 줄눈부 중심으로 콘크리트 포장이 많이 파손되고 있는 국내 현실을 고려할 때, 덧씌우기 시 효과적인 연속 보강근 배치를 통해 기존 줄눈부에 응력이 집중되는 것을 분산시키고, 제한적인 줄눈 폭 거동을 통해 장기 내구성을 증진시키는 것이다. 실용화를 위한 시공 측면의 핵심 개념은 공용 중인 노후화된 콘크리트 도로를 유지보수할 경우 필연적으로 수반되는 차선 차단 및 이에 따른 교통지체 현상을 최소화하기 위해 보강재 설치 시 한 차선만을 이용하여 유지보수가 가능한 한차선 차단 ( One-lane paving) 공법을 개발한 것이다. 주요 연구성과로는 연속 철근보강 박층 콘크리트 덧씌우기 공법의 실용화를 위한 4차에 걸친 대규모 시험 시공을 들 수 있다. 1, 2차 시험 시공은 경기도 연천에 위치한 카지노 게임 사이트 SOC실증센터 내 시험 시공 부지에 60 m 규모의 UT-CRCP를 시공하였다. 본 시험 시공을 통해 개발된 한 차선 차단 공법 장비의 시공성을 평가하였으며, 1종 시멘트를 이용한 일반 레미콘의 현장 적용성도 검증하였다. 또한 매립형 계측기를 이용하여 UT-CRCP에 대한 환경하중 및 축하중에 대한 공용성을 평가하였다. 환경하중 변화에 대한 기존 JPCP와 UT-CRCP의 시공 전후 거동 분석을 보면, 기존 JPCP 조인트 거동에 비해 UT-CRCP의 균열 폭 거동은 기존 대비 약 88% 정도 저감되는 효과를 보여주고 있으며 이는 명백히 연속 철근 보강 효과로 판단된다. 이와 같은 현상은 기존 JPCP 줄눈부 거동이 유지보수를 통해 CRCP의 균열거동 형태로 변환될 수 있는 가능성을 보여준 결과라고 말할 수 있다. 또한 2차례의 시험 시공 결과를 바탕으로 3차 시험 시공은 국토교통부와 의정부 국도관리사무소의 협조를 통해 일반국도 37호선 파주 구간 리비사거리에 약 102 m 연장을, 4차 시험시공은 홍천 국도 관내에서 2022년 5월에 시공 완료하였으며, 현재까지 우수한 공용성을 보여주고 있다. 유지보수를 통해 사용자 중심의 고품질 도로 서비스 제공 이 글에서는 노후 시멘트 콘크리트 포장의 유지보수 시 적용할 수 있는 새로운 형식의 유지보수 공법에 대한 특징과 장점을 소개하였다. 이는 시멘트 콘크리트 포장 덧씌우기 유지보수를 통해 노후화된 도로에 대해 구조적 수명연장뿐만 아니라 사용자 중심의 주행 쾌적성 향상, 연속 시공에 따른 노면소음 저감 등의 부가적 서비스 제공이 가능하다는 것을 의미한다. 끝으로 본 연구의 결실이 실용화를 통해 콘크리트 포장의 새로운 미래상을 제시하였으면 하는 바람이다. 도로교통연구본부 게시일2022-12-27 조회수 1186
화재안전관리시스템을 활용한 다중밀집시설 화재 발생 시 조기경보 및 대피체계 구축 화재안전관리시스템을 활용한 다중밀집시설 화재 발생 시 조기경보 및 대피체계 구축 ▲ 강 현 KICT 화재안전연구소 수석연구원 다중밀집시설 화재 다중밀집시설에서는 공간의 고밀화·대형화·복합화로 인하여 불특정 대상의 출입 및 사용빈도가 일반적인 건축물에 비하여 상대적으로 높아질 수 있다. 이러한 특성은 화재발생 시 상대적으로 피해의 파급성과 심각성 또한 커질 수 있음을 의미한다. 실제로 국내에서 발생되는 연도별 화재사고 통계를 살펴보면 연간 4만여 건 이상이 지속적으로 발생되고 있으며, 특히 다중밀집시설로 분류될 수 있는 공동주택 및 주상복합 건축물이 포함된 주거건축물의 화재발생 비율이 가장 높게 나타나고 있다. 또한, 행정안전통계연보 ( 2020)의 사회재난 발생현황에서는 그림 1과 같이 다중밀집시설의 대형화재 발생 건수가 가장 높게 나타난 것을 확인할 수 있었다. 다중밀집시설은 용도의 특성에 따라 화재발생 시점의 평면구획이 최초 준공일과 상이할 수 있으며, 시설 이용객의 경우 화재가 발생하였을 때 피난경로를 파악하기 어려울 수 있다. 이와 같은 상황은 재실자의 피난안전성 저하를 비롯하여, 구조대 투입 시 요구조자의 위치 파악이 어려울 수 있어 다른 시설물에 비해 상대적으로 더욱 많은 인명피해가 발생할 수 있음을 시사한다. 다중밀집시설 화재안전관리시스템 - 조기경보 및 대피체계 구축 일반적으로 건축물에는 화재 예방 및 조기 감지를 위한 다양한 감지기가 설치되어 있으며, 만약 설치되어 있지 않은 노후 건축물일지라도 비교적 설치가 간단하며 비용이 저렴한 연기 및 열감지기를 설치함으로써 실시간으로 건축물 내부의 다양한 화재감지 정보를 수집할 수 있다. 광률이 5%일 때 예비경보를 전파하고, 15% 이상일 때 화재경보를 수신기에 전달하게 된다. 이때, 예비경보를 화재 시 조기경보 시점으로 설정하여 재난약자의 우선대피 및 화재대응을 시작할 수 있도록 하였다. 이와 함께 열감지기의 경우 감지기에 50℃ 이상의 온도가 감지될 경우 예비경보를, 70℃ 이상의 온도가 감지될 경우 화재경보를 전파할 수 있도록 하였다. 어떠한 감지기라도 먼저 예비경보 상한선에 도달하게 되면 화재 조기경보를 전파하여 재실자의 안전하고 원활한 대피가 이루어질 수 있도록 하였다. 그림 2는 실물 화재시험을 통하여 화재 초기에 두 가지 감지기에서 감지된 열 및 연기의 측정 데이터를 나타내고 있으며, 모든 시험에서 화재발생 5분 이내에 예비경고가 발생한 것을 확인할 수 있었다. 화재, 지진, 태풍 등의 재난상황에서 설정한 위험단계는 관심, 주의, 경계, 심각의 4가지 단계로 분류할 수 있으며, 이를 일반적인 화재성장단계와 - 일반적으로 화재는 착화 시기부터 화재성장, 플래시오버를 기점으로 최성기 단계를 통하여 화재발생 구획 내 가연물의 전소 또는 산소공급차단 등으로 인한 감쇄기의 4가지 단계로 분류할 수 있다. - 매칭하여 화재위험단계를 설정하고자 하였다. 그 결과, 화재 초기단계를 관심 (화재발생 개연성 증가), 화재 성장단계를 주의 (초기 화재발생으로 인명 및 재산 피해 예측불가), 최성기 단계를 경계 (대형화재로 연소확대 및 요구조자 다수 발생), 감쇄기 단계를 심각 (사상자 발생 및 대규모 인명·재산피해 우려)의 4가지 위험단계로 설정하였으며, 각 위험단계에 따른 대피체계를 그림 3과 같이 제시하였다. - 화재안전관리시스템 그림 4의 화재안전관리시스템은 조기경보 및 대피체계가 탑재된 웹 플랫폼 기반의 유지관리 시스템으로서, 건축물에 설치된 모든 감지기의 신호를 전달받아 실시간 모니터링을 비롯한 재실자에게 상황전파를 수행할 수 있도록 하였다. 화재발생 시 화재위험단계에 따라 모든 재실자에게 그림 3과 같은 각 위험단계에 따른 피난행동요령을 전달하게 되고, 재실자는 전달된 행동요령에 따라 적절한 대피경로를 통하여 건물 밖으로 대피할 수 있도록 하였다. 또한, 재실자가 화재위험단계에 적절한 행동요령을 전달받았으나 자력으로 대피가 불가능하여 구조가 필요한 경우에는 재실자에게 전달되는 피난상황 피드백 메시지를 통하여 특정 재실자의 현재 상황을 파악할 수 있도록 하였다. 이와 같은 조기경보 및 대피체계 구축과 이를 탑재한 화재안전관리시스템은 앞서 소개한 다중밀집시설의 화재 취약성을 보완함으로써 재실자의 안전하고 신속한 대피를 유도할 수 있으며, 급격한 화염확산 등의 이유로 대피하지 못한 요구조자의 위치정보를 파악할 수 있어 구조활동에 대한 지원 또한 가능할 것으로 판단된다. 화재안전연구소 게시일2022-12-27 조회수 772
‘쓰레기 팬데믹’ 대비 미세플라스틱 관리 기술 동향 ‘쓰레기 팬데믹’ 대비 미세플라스틱 관리 기술 동향 ▲ 박새롬 KICT 환경연구본부 전임연구원 들어가며 매일 아침 눈뜨자마자 우리는 무의식 속에 플라스틱 세상에서 살아간다. 이제는 없으면 허전한 일회용 마스크, 커피 한잔을 담은 플라스틱 컵, 퇴근 후 마트에서 산 음식 용기, 비닐 백, 배달 음식 용기 등등. 삶의 편리성을 위해서 사용된 플라스틱에 우린 중독되어 살아가고 있다. 플라스틱은 인공적 또는 반인공적으로 탄소와 수소를 합성한 유기 폴리머 (organic polymer) 를 의미한다. 열과 압력을 가함으로써, 쉽게 원하는 모양으로 가공할 수 있다는 점에서 다양한 범위로 사용하고 있다. 전 세계 플라스틱 연간 생산량이 1950년에는 200만 톤의 생산량을 보여주었는데, 2019년에는 3억 7천만 톤에 육박하고 있다. 또한, 최근 COVID-19 팬데믹으로 플라스틱의 사용이 급증함에 따라 국내 2020년 상반기 일회용품 쓰레기가 전년 대비 폐비닐 11.1%, 폐플라스틱 15.2%가 증가함이 보고되었다. 플라스틱의 가장 큰 오염문제는 분해속도가 느리다는 점인데, PET 물병의 경우는 최대 250년, HDPE 플라스틱 용기는 최대 5,000년이 걸린다고 추정되고 있다 (Gewert et al., 2015). 국내에서는 2020년 12월, ‘제120차 국정현안조정점검회의’에서 ‘2050 탄소중립을 위한 생활폐기물 탈 ( 脫 ) 플라스틱 대책’을 발표하면서, 관련 연구가 다부처 사업으로 확대 추진되고 있다. 이 글에서는 미세플라스틱에 대한 개괄적인 소개와 국내외 연구현황 및 향후 연구방향에 대해 소개하고자 한다. 미세플라스틱이란? 미세플라스틱 (Microplastics)은 1 ㎛~5 ㎜ 크기의 플라스틱 입자를 의미한다. 화장품 각질제거제 또는 치약 등에 사용되고 있는 의도적으로 미세한 크기로 제조된 마이크로비드 (microbeads)는 1차 미세플라스틱 (primary microplastics) 으로 분류되고, 플라스틱 제품이 인위적 또는 자연적으로 풍화되어 미세화 된 2차 플라스틱 (secondary microplastics) 으로 분류된다 (그림 1) . 최근에는 1~100 nm 크기의 나노 플라스틱 (nanoplastics) 또한 주목을 받고 있다. 미세플라스틱은 중합 방법에 따라 화학조성이 달라지고 이에 따라, polyethylene (PE) , polypropylene (PP) , polystyrene (PS) , polyvinyl chloride (PVC) , acrylic, polyethylene terephtalate (PET) , polyurethane (PUR)등으로 구분된다. 2004년, 사이언스지에서 현미경으로 식별되는 미세플라스틱의 양이 해양에서 증가하고 있다고 보고되면서 새로운 오염물질 중 하나로 인식되기 시작하였다 (Thompson et al., 2004) . 미세플라스틱의 작은 크기로 인해 인체에 빠르게 흡수될 수 있는데, 인체 유입 후, 소수성 특성 때문에 세포벽을 통과 후 생물농축 (bioaccumulation) 을 유발할 수 있음이 밝혀지면서 국민의 관심이 높아지고 있다. 또한, 플라스틱은 사용 목적에 따라 가소제, 난연제 등과 같은 첨가 물질을 사용하게 되는데, 미세플라스틱이 풍화 과정 중 이러한 첨가 물질을 자연으로 용출시키거나 (유해 물질의 오염원) , 환경 내 공존하고 있는 타 유해 물질 등을 흡착하여 이동할 수 있기 때문에 (유해 물질의 이동 매개체) , 수서생물 및 인체의 유해성을 증폭시킨다고 알려져 있다. 국내외 미세플라스틱 연구 동향 최근 미세플라스틱에 관한 연구 동향을 살펴보면, 다양한 환경매체 중 해양에서의 미세플라스틱에 관한 연구가 46.6%로 우세하고, 다음으로는 지표수 (36.3%) , 토양 (9.7%) , 하수 (6.6%) , 그리고 지하수 (0.9%)가 차지하고 있다 (그림 2-a) . 현재까지 미세플라스틱에 관한 대부분의 연구가 분석법 개발 및 오염현황 조사에도 집중되고 있다 (그림 2-b) . 그러나, 미세플라스틱에 대한 표준화된 미세플라스틱의 시료 채취 및 분석법 부재로, 연구 결과들의 정량적인 비교가 어렵다는 한계가 있다. 따라서, 국내에서는 2022년~2023년에 표준화된 미세플라스틱 분석법이 공표될 것으로 예상 된다. 또한, 미세플라스틱의 위해성 평가 등 생물학적 영향에 관한 연구과 더불어 다양한 환경매체에서의 이동 및 거동 연구 또한 10~15% 정도 진행되고 있다. 그러나, 미세플라스틱에 관한 제거·저감기술 연구는 매우 미비하다. 향후 미세플라스틱에 관한 연구 제언 현재 진행 중인 미세플라스틱 특성 평가, 오염조사, 거동 연구를 기반으로 미세플라스틱의 오염원 추적 기술 개발을 통해 미세플라스틱 유출 사후 관리 기술뿐만 아니라, 사전 예방에 관한 연구가 필요하다. 또한, 최근 미세플라스틱의 재활용, 업사이클링 및 생분해 기술에 관한 연구가 활발히 진행되면서 융합연구를 통해 다양한 분야 ( 예: 도로 및 건축재료 ) 에서 재활용된 플라스틱, 생분해가 가능한 플라스틱을 적용 기술 연구를 통해 더욱 지속이 가능한 미세플라스틱의 연구가 이루어지길 기대한다. 환경연구본부 게시일2022-12-27 조회수 2049
AI기반 스마트하우징 플랫폼 및 지능형 융복합 주거서비스 기술 개발 AI기반 스마트하우징 플랫폼 및 지능형 융복합 주거서비스 기술 개발 ▲ 안기언 KICT 건축연구본부 수석연구원 들어가며 인구사회 구조 변화를 반영한 거주자 삶의 질 향상 및 주거복지 향상 요구가 높아지는 가운데, AI·IoT·클라우드 등 4차 산업혁명 기술의 확산으로, 건설 분야도 주거 공간 자체를 스마트화하는 새로운 형태의 주거 인프라 구축이 진행 중이다. 기존의 스마트 홈 서비스는 모든 세대 및 단지가 공통의 플랫폼과 서비스를 제공받는 제조사·건설사 종속적인 형태로, 거주자가 서비스를 선택하는 데 있어 자유도가 부족하며 신규 서비스 도입에 제약이 따른다. 이를 극복하고자 누구나 다양한 서비스를 개발·등록할 수 있는 개방성과 확장성을 지닌 플랫폼을 통해 거주자가 서비스를 선택하고 이용하는 데 있어 독립성을 지원하는 스마트하우징 환경 구축이 진행 중이다. 이 글에서는 새로운 주거 인프라를 지원하는 스마트하우징 플랫폼 및 서비스의 개념 소개와 개발 방향에 대해 소개하고자 한다. 스마트하우징 개념 스마트하우징은 주택을 구성하는 공간·환경·가전·디바이스 등으로 구성된 물리적 스마트하우스와 이와 관련된 빅데이터 정보기술·IoT 스마트홈 기술·지능형 AI 기술 등이 연계·융합되어 최적화된 공간 환경과 서비스를 제공하는 주택을 말한다 ( 그림 1). 이러한 주택은 주거공간 자체가 정보 수집의 수단이자 서비스를 제공하는 새로운 주거 인프라로 구현된다. 스마트하우징 플랫폼 기존 스마트홈 서비스는 공급자가 제공하는 서비스를 이용하기 위해 장치, 네트워크 등 물리적 구성요소를 신규로 구축해야 하는 반면, 스마트하우징에서는 주거 공간, 단지 및 스마트 시티 등 기존에 구축된 인프라를 통해 데이터를 확보하고, 플랫폼 기능을 활용하여 물리적 자원의 제약 없이 서비스의 제공과 확장이 가능하다. 본 절에서는 클라우드 환경에서 동작하는 스마트하우징 플랫폼 서비스 기능을 IaaS I(nfrastructure as a Service), PaaS P( latform as a Service) 및 SaaS S( oftware as a Service)로 구분하여 설명한다 ( 그림 2). 스마트하우징을 구현하기 위한 물리적 자원인 IaaS로는 데이터를 수집하기 위한 센서, 센서와 플랫폼 간 데이터를 송수신하기 위한 게이트웨이, 데이터 저장, AI 분석 및 서비스 운영 관리를 위한 서버로 구성된다. 특히, 각종 센서 및 IoT 장치들은 인필 ( Infill) 속에 매립되어 주거공간의 물리적 요소를 센서화한다. 게이트웨이는 다중 프로토콜 변환 처리 기능을 갖추도록하여, 데이터 소스들의 네트워킹 다양성을 수용할 수 있다. 이 때, 데이터의 포맷과 통신 규격을 정의하는 표준 프로토콜을 마련하여 광역적 서비스 제공과 데이터 활용을 지원한다. 스마트하우징 PaaS의 주요 기능은 보안, 저장소 통합관리, 다중 접근·분산처리, 그리고 AI 분석 엔진의 활용이 있다. 먼저, 보안은 사용자 인증과 권한을 부여하는 인가, 주거환경과 플랫폼 간 암호화 통신, 그리고 블록체인 기반 저장 데이터의 암·복호화 기능을 갖춘다. 데이터는 스마트하우징 표준 프로토콜을 기반으로 표준 포맷 분류 체계를 따라 관리되며, 실시간 및 저장 데이터의 활용을 지원한다. 또한, 다중 사용자 접근 및 서비스 실행에 따른 부하 관리를 위해 분석·서비스 공간 및 멀티 프로세스의 분산 처리 기능이 있다. PaaS는 시계열, 음성, 영상 등 데이터 유형별 주거 서비스에 활용 가능한 AI 모델을 AI 뱅크에서 통합 관리하며, 이를 서비스 모델 개발 및 연산에 활용할 수 있는 AI 분석엔진 API 기능을 제공한다. 마지막으로, 스마트하우징 SaaS는 화재, 방범, 쾌적, 편의, 유지관리 부문별 지능형 주거 서비스를 플랫폼에서 운영·관리하며, 서비스를 이용하는 신청자에게 제공하는 기능을 갖춘다. 더불어, PaaS의 AI 분석엔진 기능을 활용하여 외부 개발자들이 자유롭게 서비스를 발굴·개발하고, 플랫폼에 등록하여 서비스를 보급·운영할 수 있는 확장성 기능을 갖춘다. 스마트하우징 서비스 스마트하우징 구현을 위해 주택 거주자의 요구를 분석하여 안전·쾌적·편의·유지관리의 4개 부문에 대한 AI 기반 융합 서비스를 개발하고 있으며 ( 표 1), 플랫폼 기반 서비스 운영을 준비 중에 있다. 아울러, 스마트하우징 플랫폼 기능을 기반으로, 다양한 주거 공간 및 분야의 신규 서비스 발굴과 확장이 진행 중이다 ( 그림 3). 맺음말 카지노 게임 사이트에서는 고품질 주거환경을 위한 창의적이고 혁신적인 서비스의 보급, 개발 및 운영 환경을 마련하는 ‘AI 기반 스마트하우징 플랫폼 및 서비스 기술 개발’ 연구를 수행 하고 있다. 본 연구 과제를 통해 미래 대응형 주거복지 기반이 강화되고, 스마트하우징 관련 플랫폼 생태계 구축으로 주거 서비스 및 스마트 기기 등 관련 산업 활성화를 기대한다 . 건축연구본부 게시일2022-11-25 조회수 1757
건설분야 디지털 트랜스포메이션 동향 및 방향 건설분야 디지털 트랜스포메이션 동향 및 방향 ▲ 김종협 KICT 건설정책연구소 수석연구원 들어가며 인터넷의 등장과 통신 기술의 발전으로 인해 디지털 전환의 출현 및 변화는 오래전부터 시작되어 왔다. 최근에는 4차 산업혁명과 디지털 기술 ( 가상현실 및 증강현실, 인공지능, 블록체인, 모바일 기술, 빅데이터, 사물인터넷 등 ) 의 발전이 산업 구조를 바꾸고, 기업의 업무 프로세스와 비즈니스 모델 등 모든 것을 빠르게 변화시키고 있다. 또한 현 정부의 산업공약은 전체적으로 디지털 전환과 규제 완화를 강조하고 있다. 공약 전반에는 모든 산업의 디지털 전환이 강조되고 있으며, 디지털 전환을 이끄는 촉매로 AI와 메타버스, 블록체인과 같은 IT 기술이 거론되었다. 한편, 건설산업은 노동집약적인 생산체계와 건설사업 수행 단계 간의 정보 단절 등으로 인하여 전체 산업 중에서 생산성이 매우 낮은 산업으로 평가되고 있다 ( MGI 2017 ). 이를 감안하면 DX(Digital Transformation)의 체계적 추진 및 4차 산업혁명 기술의 활용을 통하여 건설산업이 다른 분야와 동등한 수준 이상의 생산성을 갖출 수 있는 혁신을 이루어 내고 도약할 수 있는 기회로 만들 필요가 있다. 디지털 트랜스포메이션 정의 및 현황 DX의 사전적인 의미는 디지털 변화 또는 정보의 디지털화라고 말할 수 있으며, 기존에 추구해 온 변화보다 높은 강도의 근본적인 변화와 변혁을 의미한다. 높은 수준에서의 DX는 디지털 기술의 사용을 통해 사회와 산업에서 일어나는 모든 심오한 변화를 포함하며, 상세하게는 ‘디지털 기술 ( 정보, 컴퓨팅, 통신 등 ) 의 조합을 통해 독립체의 특성에 대한 중요한 변화를 만들고 개선하는 것’으로 정의된다 ( Gregory Vial 2019 ) . 기업적 ( 또는 조직적 ) 수준에서의 DX는 ‘디지털적인 모든 것으로 인해 발생하는 다양한 변화에 디지털 기반으로 기업의 전략, 조직, 프로세스, 비즈니스 모델 등 시스템을 근본적으로 변화시키는 경영전략’으로, 주로 효율성 및 생산성과 같은 기업의 성과 향상을 위한 디지털 기술의 활용으로 정의된다. 기업적 수준의 정의는 가장 일반적으로 통용되는 DX 개념이며 사회적 또는 거시적 수준의 DX는 ‘디지털화의 결과로서 기인한 개인, 기업, 사회 및 국가의 글로벌화 과정’으로 정의할 수 있다. 2020년 IDC ( International Data Corporation ) 는 기업의 디지털 트랜스포메이션의 도입 및 적용에 관하여 1단계 ( 임시, Ad Hoc ) , 2단계 ( 기회, Opportunistic ) , 3단계 ( 반복, Repeatable ) , 4단계 ( 관리, Managed ) , 5단계 ( 최적화, Optimized ) 로 정의하였으며, 국내외 건설업체의 60% 이상이 DX의 초기 단계인 1단계 ( 임시단계 ) , 2단계 ( 기회단계 ) 에있다고 발표하였다 ( IDC InfoBrief 2020 ) . 건설 분야에서의 정의는, 국내 건설사의 68%가 DX에 우선순위를 두고 있으며 기업의 관점에서 DX를 해석하고 있는 바에 따라 ‘제3의 플랫폼 혹은 신기술을 활용하여, 조직, 운영 및 비즈니스 모델의 혁신을 추진하며 새로운 비즈니스의 운영 및 성장을 구현’하는 것으로 정의할 수 있다 ( IDC Info Brief 2020 ) . 현재 건설사들이 행하는 디지털 활동은 목적에 따라 크게 두 가지로 나눌 수 있으며 다음과 같다. ①내부 시스템 통합에 중점을 두는 활동으로, ‘업무 효율을 개선하는 일련의 활동’을 의미 ( 예를 들어, Big Data를 활용한 BIM, DfMA, Robotics 등 ) . ②기업의 외부, 즉 Eco-system ( 금융, 제작운송 등 ) 의 통합을 통한 ‘건설 업무 형태의 근본적 변화.’ 그러나 이는 기존에 행해온 디지털라이제이션 ( Digitalizaion ) 활동과 유사하며, 건설산업의 DX 정의는 아직 모호한 것이 현실이다. 건설산업 디지털 트랜스포메이션 적용사례 최근 글로벌 건설시장에서는 BIM, 사물인터넷, AR/VR, 클라우드 블록체인, 자율주행, 플랫폼, 모듈, 모듈러, 인공지능, 클라우드 등을 활용한 콘테크 기업들이 많이 등장하고 있으며 각 기업은 생산성 및 부가가치 향상, 리스크 감소, 친환경적 효과 등 다양한 관점에서 건설 효율성을 증진하기 위해 노력하고 있다. 또한 미국을 선발주자로 하여 영국, 프랑스 독일 등 다양한 국가에서 건설산업에 DX를 적용한 글로벌 콘테크 기업이 등장하고 있다. 국내의 경우에는, 정부 주도의 건설산업 DX 적용 활성화를 위해 스마트 건설 기술 로드맵과 건설사업 생산 구조혁신 로드맵을 발표하였으며, 2020년부터 국토교통과학기술진흥원에서 진행하고 있는 스마트 건설 기술 개발사업을 통해 국내 건설산업의 DX 적용을 촉진하고 있다. 또한 2022년 스마트 건설 EXPO에서 국내 콘테크 기업들이 BIM, 디지털 트윈, 사물인터넷, 모듈러 등을 적용한 관련 기술을 선보인 바 있다. 건설산업 디지털 트랜스포메이션 도입에 따른 이점과 기대효과 건설산업 DX의 도입은 단순한 생산성 향상이 아닌, 고부가가치 사업으로의 전환 가속화, 리스크 감소, ESG 트렌드에 맞춘 친환경적인 부분에서도 크게 기여할 수 있다. 디지털 기술을 도입함으로써 건설 생산성은 25 % 향상 효과, 부가가치 1.42p 증가, 산업재해 및 리스크의 감소, 친환경 대응 ( 폐기물 3 ~ 60 % 및 탄소배출 50 % 감소 ) 이 가능할 것으로 전망된다 ( 삼정KPMG 경제연구원 2021 ) . McKinsey Global Institute에 따르면, DX는 14~15 %의 생산성 향상 및 4~ 6 %의 비용 절감이 가능하다. 만약 건설 생산성 증가율 ( 지난 20년간 연평균 1 % ) 이 세계 경제 생산성 증가율 ( 지난 20년간 연평균 2.8% ) 수준에 도달하게 된다면, 부가가치 1조 6천억 원 증가가 가능할 것으로 보고 있다. 단, 건설 분야에서 DX가 성공적으로 추진 및 정착하기 위해서는 타 산업의 성공, 실패 사례를 바탕으로, 단순히 디지털 기술을 덧입히는 과정이 아닌, 문제를 명확히 정의하고 디지털 기술 접목을 통해 혁신적으로 개선하고 비즈니스 경쟁체계를 바꿀 수 있는 수준이 될 필요성이 있다. 건설정책연구소 게시일2022-11-25 조회수 1526
4차 산업혁명 기술을 이용한 화재 안전 기술 동향 4차 산업혁명 기술을 이용한 화재 안전 기술 동향 ▲ 류은미 KICT 화재안전연구소 수석연구원 들어가며 화재 안전 기술은 우리 사회에 만연한 안전 불감증, 영세한 제조업체의 기술 개발 투자 저조, 각국 화재안전기준의 상이로 인한 해외시장 개척의 어려움 등의 이유로 다른 기술에 비해 발전에 어려움이 있다. 따라서 4차 산업혁명 기술과 화재 안전 기술의 융복합은 소방 설비의 유지·관리를 용이하게 할 뿐 아니라 화재를 좀 더 신속히 진화하여 화재로 인한 인명· 재산 피해를 효과적으로 줄일 수 있다. 또한, 정확한 현장의 상황 파악과 신속한 출동을 도와 소방 활동의 효율성을 높이고 소방대원의 안전까지 확보할 수 있을 것이다. 스마트해진 화재 안전 기술은 해외시장으로 진출할 수 있는 기반이 되어 소방시장의 규모를 확장 시킬 수 있다. 이 글에서는 기존 화재 안전 시스템 및 4차 산업혁명 기술을 이용한 소방 설비 기술에 대한 현황을 간단히 소개하고자 한다. 기존 화재 안전 시스템 기존 화재 안전 시스템은 자동화재탐지설비를 통해 화재의 발생을 재실자, 관리자 및 소방서에 알리게 된다. 그에 따라 관리자는 재실자에게 안전하게 피난을 유도하고, 소방대원은 화재를 진압하게 되는 구조이다. 자동화재탐지설비의 구성 요소는 수신기, 발신기, 감지기, 경보 등이 있다. 수신기는 감지기, 규모 등에 따라 P형, R형, M형으로 구분되고 있다. P형 수신기는 가장 기본이 되는 형태의 수신기로 많은 건축물에 적용되어 있으며, 신호전달을 경계구역으로 개별 신호선에 의한 공통 신호 방식으로 화재의 위치를 정확히 알 수 없다. 그에 반해 R형 수신기는 다종 통신선에 의한 방식으로 대규모 단지나 고층 빌딩에 주로 적용된다. 기존의 화재 안전 시스템은 어떠한 감지기, 중계기, 수신기, 발신기가 설치되느냐에 따라 화재의 감지, 확인, 대응에 있어 정도의 차이가 있다. 최근에는 R형 수신기와 아날로그 감지기를 사용하는 경우 화재 발생 위치를 확인할 수 있는 경우도 있다. 그러나 화재 발생 이후 화재의 성장 및 확대에 대한 정보를 확인하는 것은 불가능하므로 내부 재실자의 효율적인 피난을 위한 화재 정보가 부족한 것이 현실이다. IoT 및 ICT 기술을 이용한 소방 설비 기술의 특허 동향 4차 산업 혁명 기술을 이용한 소방 설비의 특허 동향을 살펴보면, 그림 2와 같이 분석구간 초기인 1999년에서 2014년까지는 완만한 형태의 증가 추세를 나타냈으나, 2015년부터 최근까지 빠른 형태로 증가 추세가 나타나고 있다. 한국의 관련 특허 점유율은 약 57%로 가장 많은 특허 기술을 점유하고 있는 것으로 나타났으며, 한국의 흐름이 전체 동향 흐름을 주도하고 있어 한국 출원의 급격한 증가에 따라 전체 동향 또한 급격하게 증가하는 추세를 나타내고 있다. 다만, 한국 국적 대다수 출원인의 특허 출원 건수가 1~2건에 불과하므로 아직 4차 산업 혁명 기술을 이용한 소방 설비 기술에 대하여 타국에 비해 지속적인 연구개발이 이루어지고 있는 상황이라 보기는 어렵다. 4차 산업혁명 기술을 이용한 화재 안전 시스템 기존의 수신기는 화재 발생 시간과 위치를 판단할 수 있으나 재실 인원, 재실자 위치, 피난 경로 등을 판단할 수는 없다. 하지만 최근에는 센서를 부착해 실시간으로 데이터를 수집하는 IoT 기반 소방 설비 기술, 인공지능(AI) 기반 기술을 활용해 화재를 예측함으로써 안전성과 신뢰성을 향상하는 화재 안전 대응 기술 등이 활발히 연구되고 있다. 또한, 그림 3과 같이 기존 화재 안전 시스템에 gateway를 설치하여 화재 데이터를 수집하고, 이를 분석하여 화재의 성장 및 확대를 예측하는 연구도 최근에 수행되고 있다. 이러한 화재 안전 기술은 재실자에게 최적화된 피난 경로를 제공하고 관리자가 실시간으로 모니터링할 수 있으며, 소방대원이 효율적인 화재 진압할 수 있도록 하여 인명과 재산 손실을 최소화할 수 있다. 향후 방향 4차 산업혁명 기술을 이용한 화재 안전 시스템은 화재 발생 시 건물 내 정확한 화재 상황을 파악하여 골든타임 안에 건물 내 4차 산업혁명 기술을 이용한 화재 안전 시스템은 화재 발생 시 건물 내 정확한 화재 상황을 파악하여 골든타임 안에 건물 내 재실자를 긴급 대피시키고 재산 피해를 최소화할 수 있는 화재 안전 시스템이 절실히 필요한 점에서 향후 빠른 성장을 보일 것으로 판단된다. 다만 4차 산업혁명 기술을 이용한 화재 안전 시스템은 검증 제도를 통하여 승인받아야 하고, 위치정보법· 개인정보 보호법 등의 기존 법적·제도적 측면의 장애 요인으로 인해 상용화가 어렵다는 한계가 있다. 이에, 관련 산업에 규제 유예 등을 적용하여 이러한 기술도입에 따른 문제점을 최소화하면서 관련 기술이 활발히 연구될 수 있도록 해야 한다. 화재안전연구소 게시일2022-11-25 조회수 1431
건설장비 자동화 및 장비연동 품질관리 디지털화를 통한 스마트 건설기술 개발 건설장비 자동화 및 장비연동 품질관리디지털화를 통한 스마트 건설기술 개발 ▲ 조진우 KICT 지반연구본부 수석연구원 ▲ 최창호 KICT 지반연구본부 연구위원 들어가며 건설 산업은 낮은 생산성과 시공품질 저하 문제 등으로 위기 상황에 직면해, 국가 차원의 건설 자동화 기술 사업을 추진하고 있다. 정부는 제 6차 건설기술진흥기본계획을 통해 ‘SmartConstruction 2025’를 비전으로 설정하고 스마트 건설 자동화 기술 도입을 위한 스마트 건설 전략 로드맵을 수립하였다. 또한, 2018년 4월에 발표된 ‘국토교통과학기술 연구개발 종합계획’에서는 융합기술을 통한 건설 지능화 실현을 위하여 건설 자동화 분야를 전략목표로 제시하고 있다. 도로 건설공사는 선형적이고 반복적인 공사 특성으로 인한 건설장비 의존도가 높아 타 건설공정에 비해 자동화 적용을 통한 공정 개선이 상대적으로 양호한 분야이나 현실은 그렇지 못하다. 자동화 공정 적용이 어려운 사유는 아래와 같이 분석될 수 있다. (1) 불도저·그레이더·롤러 등 도로 공사에 사용되는 장비 작업 시 운전자 숙련도에 따른 시공 품질 편차에 의한 재시공 증가 (2) 노동 집약적이고 반복적인 작업으로 인한 열악한 근로 환경 및 작업자 위험 노출 (3) 시공 중에 도로 품질을 확인할 방법이 없어 시공 지연으로 인한 장비 대기시간이 길어지고, 검측에 소요되는 시간 역시 공사 원가에 상당한 영향을 미침 이러한 문제를 해결하고자 현재 글로벌 건설장비 제조회사·건설 자동화 솔루션 회사 등을 중심으로 도로 공사 자동화 기술을 개발하고 있으며, 건설장비 자동화 기술 확보가 늦은 국내 건설장비 산업과 종합 건설사의 시공 경쟁력 확보를 위하여 정부 주도의 대규모 투자를 통한 유관 기술의 도약을 유도하고 있다. 또한, 향후 건설시장이 자동화 장비와 이를 통한 자동화 시공 위주로 재편될 경우, 국내 건설기업이 해외 글로벌 건설장비 기업의 자동화 시공 및 관리 서비스를 제공받는 형태로 사업 참여 범위가 축소될 수 있다. 따라서 자동화·디지털 시공 관리 기술 개발을 통한 시공 경쟁력 확보 방안 마련이 시급한 상황이다. 이 글에서는 스마트 건설장비를 활용한 도로 건설현장의 자동화 및 디지털화 현황과 앞으로 추진해야 할 과제에 대하여 논의하고자 한다. 도로 건설장비 자동화 및 현장관리 디지털화 기술의 국내외 현황 최근 들어 스마트 건설에 대한 관심이 높아지면서 도로 건설 현장에서도 건설 자동화 기술을 적용하고자 하는 노력이 증가되고 있다. 도로 건설현장의 자동화 기술 발전 흐름은 가장기초적인 기술로서 운전자에게 장비의 위치정보를 알려주는 머신 가이던스 (MG, Machine Guidance) 기술로부터 시작하여, 장비의 위치정보뿐만 아니라 장비제어가 가능한 머신 컨트롤 (MC, Machine Control) 기술, 운전자 없이 MC 기술이 적용된 건설장비를 원격 제어하는 기술, 최종적으로는 인공지능을 이용하여 자율주행과 자율시공이 가능한 완전 무인화를 목표로 기술개발이 진행되고 있다. Caterpillar, Komatsu 등의 해외 주요 건설장비 제작사의 경우 범용 장비인 굴삭기를 중심으로 다양한 장비에 대한 머신 가이던스와 더불어 작업 자동화가 가능한 장비 상용화를 진행하고 있고, Trimble, Leica와 같은 센서 솔루션 공급업체는 MG와 MC 기술을 위주로 한 애프터마켓용 제품을 중심으로 상용화를 진행하고 있다 (그림 1). 국내의 경우 건설장비는 굴삭기와 지게차 위주로 생산되기 때문에 굴삭기 중심의 MG 및 작업 자동화 기술 개발이 이루어지고 있으나, 해외 선진 장비보다 MG 및 MC 장비의 상용화가 늦어지고 있다. 현대두산인프라코어·현대건설기계 등의 건설장비 제조업체들은 자사 굴착기에 외산 MG 기술을사용자가 옵션으로 장착할 수 있도록 하는 서비스를 출시하였으며, 빠르게 자체 MC 기술 상용화에 노력하고 있다. 자율 주행과 인공지능, 관제 분야는 국가 주도의 R&D 사업으로 활발하게 진행 중이며, 종합 건설시공사 중심으로 지능화 기술을 작업장 안전 관점에서 시범적으로 적용하고 있다. 시공 현장의 각종 데이터에 대한 수집·모니터링·분석·예측·공유를 위한 건설 특화 플랫폼 서비스 또는 솔루션에 대한 수요가 증대되고 있다. 특히 건설현장의 각종 환경·사람·중장비 등에서 생성되는 데이터를 IoT 기술을 활용하여 실시간으로 수집하고, 이를 클라우드 기반의 빅데이터 기술로 정제 후, 사무실과 시공현장의 각종 디지털 기기를 통한 공유를 목적으로 하는 지능형 IoT 플랫폼에 대한 관심이 증대되고 있다 (그림 2). 인프라킷 (Infrakit)은 도로포장이나 철도건설 같은 건설현장 특화 IoT 서비스 플랫폼 제공기업으로서 도로·철도 등 인프라 건설에 특화된 서비스를 SaaS (Software as a Service) 형태로 제공한다. 오피스 데스크톱 버전과 모바일 버전 등 N-Screen에 특화된 인프라 건설 관련 제반 관리 서비스를 2D MAP과 3D 모델링 공간 맵핑 기술을 활용하여 제공한다. 미국의 건설 특화 플랫폼 회사인 Tenna의 경우 각종 건설 중장비의 Fleet Management를 시작으로, 각 건설 장비·도구의 현황을 파악하고 이에 대한 효율적인 제어·관리를 목적으로 하는 ONE Platform이라는 솔루션을 제공하고 있다. 독일의 대표적인 도로 건설분야 중장비 전문 기업인 Wirtgen Group의 경우 특히 도로포장 다짐 관련 중장비에 IoT 기술을 접목한 도로 품질의 실시간 현황 확인 및 리포트를 위한 Witos Paving 솔루션을 출시하여 독일뿐만 아니라 북미 시장에 진출하고 있다. WITOS Paving은 도로포장의 품질데이터를 IoT를 통해서 실시간으로 수집하고, 해당 데이터의 품질 요소를 판별하여 현장 시공 관리자에게 모바일 어플리케이션으로 리포트를 해주는 서비스이다. 국내의 경우 최근 IoT 및 네트워크 기술을 바탕으로 건설 플랫폼 기술이 개발되고, 관련 연구가 진행되고 있으나, 관련 기술의 급격한 발전에도 불구하고 현장 적용성을 확보한 플랫폼은 부족한 실정이다. 디지털 기반 도로건설현장 자동화 도로 건설현장 자동화의 가장 근본적인 전제조건은 공사의 자동화 및 품질관리의 디지털화로 요약할 수 있다. 이를 위해서는 ICT 기술과 로봇 기술을 적용한 건설장비를 활용하여 도로공사를 자동화하고, 장비와 연동하여 시공품질을 실시간으로 디지털화하여 평가·관리할 수 있는 시스템이 개발되어야 한다. 시공 자동화와 품질관리 디지털화 기술의 정의는 아래와 같다. (1) 시공 자동화: 인구 고령화와 숙련자 확보의 어려움을 극복하고 작업측량 공정 제거를 통한 생산성 향상을 위한 건설장비 작업 자동화, 자율주행 및 원격제어 기술 (2) 품질관리 디지털화: 도로 시공의 작업 연속성을 확보하고 품질관리 데이터의 획득 및 분석작업의 효율화를 통한 생산성 향상을 위한 국내 건설 환경을 고려한 품질관리 업무의 자동화·최적화 기술 이러한 건설장비 자동화 추세에 따라 건설장비에 요구되는 기능적 요구사항도 변화하고 있다. 과거에는 전통적으로 기계산업 분야인 소재·부품·제어시스템 분야의 중요성이 높았다. 현재와 미래의스마트건설 시대에는 기계산업 분야인 자동제어시스템을 기본으로 하여 건설산업 분야인 자동화된 건설장비를 활용하기 위한 작업공간 인식기술, 작업모드 및 시나리오 생성 기술의 중요도가 높아지고 있다. 따라서 시공 현장의각종 데이터에 대한 수집·모니터링·분석·예측·공유를 위한 건설 특화 플랫폼 서비스 또는 솔루션 개발에 집중할 시기라고 판단된다. 특히 건설현장의 환경·사람·중장비 등에서 생성되는 디지털 데이터를 IoT 기술을활용하여 실시간으로 수집하고 이를 클라우드 기반의 빅데이터 기술로 정제·분석 후 현장에 즉시 활용하여 건설현장의 생산성을 향상시키는 지능형 IoT 플랫폼의 중요도가 높아질 것으로 예상된다. 그림 3은 디지털 기반 도로 건설현장 자동화의 4단계를 개념적으로 보여주고 있다. ① 장비 관제, ② 자동화된 장비를 활용한 현장시공, ③ 현장 데이터 수집·정제, ④ 데이터 분석·예측으로 구성되며 도로건설 전 단계의 디지털 데이터는 플랫폼에 저장되어 분석된다. 건설 자동화 실현을 위한 최우선 과제는 기준화 자동화 장비 도입에 따른 건설 생산성 향상은 단일 자동화 기술의 적용에 의한 장비 자동화를 포함하여 전체 건설 시공 프로세스의 자동화 개선을 도모하는 것을 목적으로 해야 한다. 즉, 자동화 장비를 사용하여 작업을 하는 경우에 작업속도는 기존 장비와 비슷하거나 오히려 늦을 수도 있으며, 향후 자동화 수준이 증가할수록 작업속도는 더 늦어질 수 있다. 결론적으로 자동화 장비 사용에 따른 생산성 향상 효과는 자동화 장비를 통한 실시간 디지털 데이터를 통하여 측량·검측·품질검사 등의 전후 공정을 생략할 수 있는 데서 나오는 것이다 (그림 4). 따라서 자동화 장비 도입에 따른 건설 자동화 표준공정 및 기준 제시가 최우선으로 뒷받침되어야 한다. 표 1은 국외 자동화 장비 기반 토공사 품질관리 기준을 나타내고 있다. 오스트리아 (RVS 8S.02.6,1990)를 시작으로 독일 (Research Society for Road and Traffic, 1994), 스웨덴 (Vagverket, 1994), 국제지반공학회 (ISSMGE, 2005), 미국 (FHWA, 2014; AASHTO, 2020), 일본 (국토교통성, 2020)에서 지능형 다짐 기반 토공사 품질관리 기준을 제시하고 있다. 대부분의 국외 기준에서는 지능형 다짐값과 일점시험 (평판재하시험 등)의 상관관계 분석을 통해 목표 지능형 다짐값 (Intelligent Compaction Measurement Value, ICMV)을 결정하고 (시험시공), 이 값을 바탕으로 토공사 품질을 관리 하도록 하고 있다 (본 시공). 일본 (국토교통성, 2020)은 지능형 다짐값을 활용하지 않고, 스웨덴 (Vagverket, 1994)에서는 지능형 다짐값을 현장 토질시험 위치를 찾기 위한 제한적인 목적으로 활용하는 수준이다. 각 기준의 품질관리 절차는 전반적으로 유사하지만, 목표 지능형 다짐값의 결정방법 및 이를 활용한 품질관리 상세기준은 상이하다. 스마트건설사업단 3세부 과제인 ‘디지털 기반 도로 건설장비 자동화 기술 개발’에서는 국외 토공 자동화 품질관리 기준 분석 결과 및 자체 테스트베드 적용 결과를 종합하여 목표 지능형 다짐값 (ICMV)의 결정방법과 이를 활용한 품질관리 상세기준을 결정하였다 (지능형 다짐공 표준시방서: KCS 10 7070 (2021), 그림 5). 자동화 장비 기반 토공사 품질관리 절차를 살펴보면 시험 표 1 국외 품질관리 자동화 기술 관련 기준 사례 (카지노 게임 사이트, 2021) 시공을 통해 품질관리 목표 지능형 다짐값 (Intelligent Compaction Measurement Value, ICMV)를 결정한 뒤, 이를 기준으로 토공사 품질관리를 수행하게 된다. 시험시공 단계에서는 지능형 다짐값 (ICMV)과 현장 토질시험 (평판재하 시험 혹은 들밀도 시험) 결과를 회귀분석하고, 현장 토질시험 결과가 다짐판정 기준에 부합할 때의 ICMV를 목표 지능형 다짐값으로 결정하게 된다. 본 시공 단계에서는 현장을 2,000~4,000 ㎡ 단위로 분할하여 단계적으로 시공하며, 시공 중 ICMV를 측정하여 ① 측정된 ICMV의 평균값이 목표 지능형 다짐값의 105% 이상이어야 하고, ② 목표 ICMV 값의 70% 이하의 영역이 전체 영역의 10% 이하가 되도록 규정하고 있다 (그림 6). 맺음말 이 글에서는 스마트 건설장비를 활용한 건설 현장의 자동화 및 디지털화 현황과 앞으로 추진해야 할 2개의 핵심 기술을 제안하였다. 첫 번째로 인구 고령화와 숙련자 확보의 어려움 이 글에서는 스마트 건설장비를 활용한 건설 현장의 자동화 및 디지털화 현황과 앞으로 추진해야 할 2개의 핵심 기술을 제안하였다. 첫 번째로 인구 고령화와 숙련자 확보의 어려움 지반연구본부 게시일2022-10-25 조회수 1880
TBM 자동 운전을 위한 운용 시스템 개발 TBM 자동 운전을 위한 운용 시스템 개발 ▲ 최순욱 KICT 지반연구본부 수석연구원 들어가며 인구 구조의 변화 (고령화)로 인해 생산 가능 인구가 감소하고 건설업의 열악한 근로환경에 기인하여 건설 현장에 청년층의 유입과 숙련 노동자는 감소하는 추세이다. 건설 분야 근로자 중 청년층 (15~29세)의 유입은 지속적으로 감소하고 장년층 (55세 이상)의 비율은 보다 빠르게 증가하여 건설업은 전 산업 평균에 비해 빠른 속도로 고령화가 진행되고 있다(그림 1). 또한, 2000년 초반을 지나면서 전 산업의 재해율은 점차 감소하는 데 반해, 건설업의 재해율은 고령화가 급속하게 이루어지는 시점을 기준으로 다시 증가하는 추세를 보인다 (그림 2). 고령화와 숙련 노동자의 감소는 건설공사 목적물의 품질 저하뿐만 아니라 사고위험 증가에 영향을 주고 있다. 즉, 결과적으로 생산성 감소와 재해율 증가의 원인이 되고 있다는 의미이다. 건설 산업의 생산성 증가율은 전체 산업 분야 중에서 최하위 수준이며, 우리나라를 비롯하여 전 세계적으로 건설 산업의 생산성을 향상시키기 위해 다양한 정책을 추진하고 있다. 각 국에서는 건설 산업에 신기술 적용을 통한 생산성 향상을 추진하고 있으며, 일례로 영국의 ‘Construction 2025’, 일본의 ‘i-Construction’이 진행되고 있다. 국내에서는 국토교통부가 ‘제6차 건설기술진흥기본계획 (2018~2022)’을 통해 ‘스마트 건설을 통한 생산성 향상’을 추진하고 있으며, ‘제4차 과학기술기본계획 (2018~2022)’의 건설·교통 분야의 중점과학기술에 ‘지속가능한 인프라 구조물 건설기술’이 포함되었다 (과학기술전략연구소, 2019). 이 글에서는 국토교통부 산하 국토교통과학기술진흥원에서 기획·관리하고 한국도로공사 (사업단)에서 추진하고 있는 스마트건설기술연구사업의 2중점분야 5세부과제 ‘도로구조물 원격·자동화 시공 기술 개발’ 중 TBM (Tunnel Boring Machine) 자동운전을 위한 운용시스템 개발에 대하여 소개하였다 (그림 3). 머신러닝 기반 터널 기계화 시공 (TBM) 자동화 기술 개발 스마트건설기술연구사업의 5세부 과제는 도로구조물 건설 공기 25% 이상 단축을 목표로 시공 과정을 혁신시키기 위한 연구과제이다. 특이한 점은 도로구조물에 대한 시공을 주제로 하다 보니 주요 구조물인 교량과 터널에 대한 시공기술이 함께 포함되었다는 점이다. 이 과제에서는 VR·로봇·머신러닝 등을 활용하여 건설공사에 포함된 위험한 작업·인력에 의한 의사결정 등 생산성 저해 요인을 해소하고 건설 공기를 25% 이상 단축시킬 수 있는 교량·터널 원격·자동화 시공 기술을 개발하는 것을 목표로 한다. 이 글에서는 데이터 (TBM 지반/굴진데이터)와 머신러닝 기술을 활용하여 TBM 장비 운전을 자동화하는 터널 분야 자동화 시공 기술에 대해서 설명하였다. 해당 기술은 5세부 과제의 세부기술 3으로서, ‘머신러닝 기반 TBM 스마트 운용 기술’이라는 주제로 TBM 시공에서 얻는 지반정보와 굴진정보를 기반으로 지반에 따른 TBM 운전 경험 데이터를 사전 처리하여 머신러닝 기법으로 학습시키고 있다. 그 결과는 추후 자동운전으로 가기 위해 운전 작업 일부를 자동화함으로써 운전자 (operator)의 작업부담을 경감시켜주는 것을 목표로 하고 있다 (그림 4). 머신러닝을 위한 TBM DB 및 시스템 구축 데이터 기반 학습을 통해 예측을 수행할 수 있는 머신러닝은 산업 전반에 걸쳐 사용되고 있으며, 건설 분야에서도 그 활용이 증대되고 있다. 특히 시공 전반이 장비 기반으로 진행되는 TBM 분야는 자동화에 대한 관심이 높으며, 해외에서는 일정한 지반조건에서 AI 알고리즘을 이용한 부분적인 TBM 운전 자동화가 이루어진 바 있다. TBM 작업에 영향을 주는 장비성능, 운전자, 현장상황, 지반 조건과 같은 요소 중 지반조건은 굴진성능에 큰 영향을 주는 요소이다. 이러한 이유로 다수의 TBM관련 논문에서 지반조건에 따른 굴진성능의 예측을 다루었으며, 지속적으로 연구되고 있다. 머신러닝 기법을 적용한 TBM 운전 자동화 관점에서 살펴보면, 지반데이터는 굴진데이터와 유기적인 관계가 있기 때문에 지반데이터와 굴진데이터가 결합된 데이터 세트 (data set)가 필요하다. 따라서 TBM 운전 자동화에 머신러닝을 적용하기 위해서는 항상 두 가지 데이터를 같이 수집해야 한다. TBM의 굴진데이터는 수백~수천 개의 항목으로 구성되어 있기 때문에 머신러닝을 위한 목표 (target)와 특징 (features)의 선택이 중요하다. 예를 들어 목표는 운전자에 의해 조작되는 TBM 굴진속도, 스크류 컨베이어 속도가 될 수 있고, 특징은 추력 (thrust), 토크 (torque), 회전속도 (RPM), 전방압 (face pressure) 등을 선택할 수 있다. 학습 데이터 세트 구성 시 일반적으로 데이터 테이블의 칼럼 (column) 제목이 되는 특징은 굴진데이터뿐만 아니라 지반데이터를 같이 구성하여 지반과 굴진데이터가 결합된 학습이 이루어지도록 해야 한다. 이때 특징의 선택은 그림 5와 같이 상관도 분석과 같은 데이터 분석 또는 전문가의 기술적 판단에 근거하여 수행될 수있다. 위 과제에서는 TBM 현장의 지반데이터와 굴진데이터를 수집하여 DB화하고, 데이터 세트를 구성할 수 있는 TBM DB 관리시스템 (TBM DB Management System, TDMS)의 설계 및 플랫폼 구축과 TBM 자동 운전을 위한 TBM 자동운전시스템 (TBM Auto Operation System, TAOS)에 대한 설계 및 플랫폼 제작이 같이 진행되고 있다 (그림 6). TBM 자동운전시스템은 DB 관리시스템에서 작성된 데이터 세트를 학습하여 설정된 목표에 대한 최적의 머신러닝 알고리즘과 하이퍼파라미터 (hyperparameters)를 도출한 다음, TBM 제어부와의 연결을 통해 운전의 일부를 자동화하는 시스템이다. 아직 TBM의 자동 운전은 세계적으로도 연구단계에 있기 때문에 현장 적용에 있어서도 조심스러운 접근이 필요하다. 본 과제에서는 현장 적용 시 TBM 운전자가 직접 조작하는 수동방법과 시스템에 의한 자동방법을 운전자 판단에 근거하여 변환하여 사용할 수 있도록 시스템을 구성하고 있다. 머신러닝 기법을 이용한 토압식 쉴드 TBM의 굴진성능 예측 다음은 위 과제에서 하천 하부의 토사지반을 통과하는 토압식 실드 TBM 터널 구간의 지반데이터 및 굴진데이터와 몇 가지 머신러닝 기법을 사용하여 실드 TBM의 굴진율을 예측한 결과 예이다. 데이터 전처리 (pre-processing) 과정으로 굴진데이터의 다양한 전압 측정값, 계측 온도, 위치 및 자세 정보와 같은 특징을 삭제하여 주요 지반과 굴진데이터 항목 15개를 선정하고 데이터 값과 평균의 차이를 표준편차로 나누어 표준화 (standardization)를 적용하였다. 그리고 결측치 처리는 결측 값이 존재하는 데이터 전체를 제거하는 방식을 사용하였다. 특징들 간의 유의성 검증 (0.05이하)과 다중공선성 만족여부 (VIF 10이하)를 판단하였고 하이퍼파라미터는 그리드서치 (GridSearchCV) 기법을 사용하여 결정한 다음, 학습데이터와 테스트데이터의 비율을 8:2로 적용하였다. 결과에 대한 예측성능은 RMSE (Root Mean Square Error)와 결정계수 (coefficient of determination)를 사용하였다. 학습결과는 표 1, 그림 7과 같다. 7가지 예측 모델의 성능을 비교한 결과, 앙상블 (ensembles) 모델인 그랜드 부스팅 (GradientBoosting)과 서포트 벡터 머신 (Support Vector Machine)이 분석한 데이터 세트에 대해서 토압식 실드 TBM 굴진성능 예측에 적합한 것으로 나타났다. 그러나 이 결과는 단일 현장의 데이터를 기반으로 도출된 것으로 다양한 현장의 데이터를 이용한 결과를 확인할 필요가 있다. 맺음말 머신러닝을 이용한 TBM의 운전 자동화를 위해서는 현장의 지반정보와 굴진정보를 수집하고 이를 이용하여 학습에 적합한 데이터 세트의 구성과 분석이 필요하다. TBM의 굴진정보는 수백~수천 개의 항목으로 구성되어 있기 때문에 머신러닝을 위한 목표 (target)와 특징 (features)의 선택에서부터 난관을 맞이하게 되며, 그 전에 장비로부터의 온전한 굴진정보 수집에서 어려움이 발생한다. 또한, 수백 미터 간격으로 수행되는 지반정보의 부족 역시 머신러닝을 적용하는 데 문제로 다가온다. 머신러닝에서 좋은 결과를 내기 위해서는 양질의 데이터를 확보하는 것이 중요하다. 이제 국내에서도 TBM 데이터 수집의 중요성을 인식하고 있지만, 아직까지 파편적인 데이터 세트 구성만이 가능하다. 데이터 기반으로 높은 학습 성능을 보여주기 위해서는 모두의 관심이 필요한 상황이다. 굴삭기를 비롯하여 많은 건설중장비가 자동화에 속도를 내고 있으며, TBM 자동화 분야에서도 일부 성과가 나타나고 있다. 인력 부족과 생산성 증가를 위해서 장비의 자동화는 건설 분야를 비롯하여 산업 전반의 대세이다. 따라서 TBM 자동화 분야에서도 지속적인 연구가 필요하다. 지반연구본부 게시일2022-10-25 조회수 818
어린이집 실내공기질 예측 알고리즘 개발 어린이집 실내공기질 예측 알고리즘 개발 ▲ 김기철 KICT 건축연구본부 수석연구원 들어가며 최근 코로나19 바이러스와 같은 호흡기 감염병으로 인해 실내에서 생활하는 시간이 하루 중 90% 이상을 차지하고 있어 실내공기질에 대한 선제 대응은 필수인 상황으로 여겨지고 있다. 특히, 어린이집과 같은 실내공기질 취약 계층 시설은 관리자들의 실내공기질 관리에 대해 변화하는 환경에 즉각적으로 대응이 필요하다. 교육 시설에 대한 연구에 따르면 교실의 부적절한 실내 환경 조건은 학생들의 학습 능력과 집중력에 부정적인 영향을 미칠 뿐만 아니라, 어린이집의 어린아이들은 실내공기 오염물질에 노출되기 쉬워 천식 등 알레르기 질환이 흔히 나타나는 만성질환이다. 어린이집은 영유아들이 하루 중 2/3의 시간을 보내는 장소이다. 최근 맞벌이 부모가 많아지면서 어린이집도 늘고 있는 추세이며, 빠르면 22개월부터 어린이집을 이용하기 시작한다. 따라서 어린이집의 실내공기질이 좋지 않을 경우, 많은 영유아가 호흡기를 통해 공기오염물질이 노출되어 건강상의 문제를 일으킬 수 있다. 실내 생활 패턴은 사람 그리고 시설 유형에 따라 전부 다르기 때문에 실내공기질 예측에 대한 신뢰도는 높지 않은 상황이다. 하지만 이 글에서 소개하고자 하는 예측 알고리즘은 특정 시설 (어린이집)을 대상으로 가장 성능이 좋은 모델을 추출하여 어린이집 이용자 및 관리자들이 1시간 이내에 실내공기질 오염상황에 대하여 선제 대응할 수 있는 알고리즘을 개발하였다. 실내공기질 센서를 이용한 데이터 수집 실내공기질 예측을 위해서는 많은 수의 측정 데이터 확보가 필수이다. 자체적으로 성능이 검증된 센서 플랫폼을 이용하여 2년간의 실내공기질 데이터를 수집하였다. 수집된 데이터 의 수는 4,466,611개이며, 측정 시간은 10분 단위이다. 손실된 데이터에 대해서는 전후 데이터의 평균을 내는 방식을 사용하여 보완하였다. 실내공기질 예측 알고리즘 어린이집 대상 실내공기질 예측은 실내 발생 오염물질 (실내온도, 실내습도, PM1.0, PM2.5, PM10, VOCs, CO2, 라돈)을 대상으로 하였으며 외기 데이터로 기상청 자료 중 실외기온, 실외습도, 강수여부를 참고로 예측을 진행하였다. 예측된 값은 1시간에 한 번씩 예측값을 도출하도록 설정하였다. 시계열 자료에 대한 모델링 기법에는 여러 가지가 있고, 어떤 데이터를 사용하는지에 따라 적절한 예측 모델이 정해진다. 이 글에서 소개하고자 하는 예측 알고리즘에서는 관찰된 패턴의 몇 가지 양상이 미래에도 계속될 것이라는 가정하에 머신러닝 AI를 통해 적절한 예측 모델을 선정하고 정량적인 예측을 진행하였다. 실내공기질 예측 정확도의 판단은 실제값과 예측값의 차이가 얼마인지 알려주는 Normalized RMSE (Root Mean Squared Error) 값으로 하였으며, 매월 1일 AI 학습을 진행하도록 개발하였다. 학습을 진행할 때마다 최적의 예측 모델을 선정하여 자원의 낭비를 줄이고 예측 모델의 정확도를 향상 시킬 수 있도록 구성하였다. 실내공기질 예측 결과 앞서 얘기한대로 실내 발생 오염물질을 분석하여, 어린이집 주요 오염물질인 CO2와 미세먼지 (PM2.5)에 대하여 예측을 진행하였다. CO2 예측에 선정된 모델은 Voting Ensemble이라는 모델로써 RMSE값이 0.07983으로 여러 모델 중 가장 낮은 RMSE를 보여주었다. Voting Ensemble 모델을 사용한 예측 알고리즘을 통해 도출된 결과값은 그림 2와 같다. CO2 예측값은 측정일시, TVOC 농도, 실내습도가 가장 큰 영향을 미쳤으며, 신뢰도는 실측값 대비 약 90%로 나타났다.PM2.5의 예측에 선정된 모델은 Standard Scaler Wrapper, XGBoost Regressor 모델로써 Standard Scaler Wrapper로 데이터 전처리를 수행하고 XGBoost Regressor로 AI 학습한 결과가 RMSE값이 가장 작게 나타났다. 해당 알고리즘을 통해 도출된 결과값은 그림 3과 같다. PM2.5 예측값에 가장 영향을 미치는 인자로는 PM10과 PM1.0으로 나타났다. 예측 결과, 농도가 높아질수록 부정확한 결과가 나타났으나, 실제 측정치의 95% 범위인 0~45.92㎍/㎥ 범위에서는 98% 이상의 신뢰도를 보여주었다. 실내공기질 예측 알고리즘 기술의 미래 방향 실내공기질 예측 알고리즘 기술은 누적된 데이터가 많아질수록 그 신뢰도는 상승된다. 소개한 기술은 2년간의 데이터만을 이용하여 예측 알고리즘을 구성하였으나, 매월 갱신되는 알고리즘 프로세스를 통해 데이터가 누적될수록 신뢰도가 높은 알고리즘이 작성된다. 본 기술 개발을 통해 어린이집 주요 오염물질인 CO2와 PM2.5 예측을 통해 시간대별 사용자 행동을 유도하여 실내 공기질을 사전에 대응 및 관리할 수 있으며, 향후 어린이집뿐만 아닌 다양한 실내공기질 취약계층 이용 시설 (노인요양시설, 병원 등)에 적용할 수 있어 안전하고 건강한 환경을 사전에 조성할 수 있을 것으로 기대된다. 건축연구본부 게시일2022-10-25 조회수 1054

첫페이지 이전페이지 1 2 3 4 5 6 7 8 9 10 다음페이지 마지막페이지

TOP

QUICK

QUICK SERVICE

KICT 안내
기업지원
HOT LINK

닫기

개인정보처리방침
이메일 무단수집거부
고객헌장
임직원행동기준
가족친화경영
인권경영선언문
주요 문의처
찾아오시는길

10223 경기도 고양시 일산서구 고양대로 283 Tel. 031-910-0114 E-mail. webmaster@kict.re.kr

Copyright (C) 2019, KOREA INSTITUTE of CIVIL ENGINEERING and BUILDING TECHNOLOGY. All Rights Reserved.