AHP 및 이상 탐지 알고리즘 모델 기반 터널 건설 작업자 안전 상태 예측 및 관리 시스템

터널은 복잡하고 고위험이며 기술적으로 요구되는 지하 건설 프로젝트를 나타냅니다. 터널 내 건설 작업자의 안전은 생리적 지표, 터널 치수 및 내부 환경 조건을 포함한 다양한 요인의 영향을 받습니다. 정적 요인만을 기반으로 안전을 분석하는 것은 현대 터널 공학 안전 관리 요구 사항에 불충분합니다. 이 문제를 해결하기 위해 본 논문에서는 안전에 영향을 미치는 요인에 대한 포괄적인 분석을 제공하고, Analytic Hierarchy Process(AHP)를 사용하여 신체 온도, 심박수, 내부 온도, 내부 습도, CO 농도, 염소 농도 및 인원 상대 위치라는 7가지 중요한 요인을 식별합니다. 작업자 안전을 평가하는 데 필수적인 이 요인들을 고려하여, 우리는 Tunnel-APH-AD라는 새로운 모델을 소개합니다. 이상 탐지를 목표로 한 모델 학습을 위해 데이터 증강을 수행하고, 4가지 서로 다른 기계 학습 모델을 활용했습니다. 또한 개별 모델의 예측을 집계하기 위해 앙상블 학습 기법을 적용하여 터널 작업자의 안전 상태를 감지하는 효과성을 높였습니다. 우리는 이러한 모델의 성능을 분포 외(OOD) 샘플에서 평가하여 그 강인성과 일반성을 시험했습니다. 실험 결과, 유사한 환기 및 터널 조건에서 앙상블 학습 모델이 개별 모델에 비해 전반적으로 우수한 성능을 보이는 것으로 나타나, 안전 경고의 정확성과 신뢰성을 높이는 데 있어 모델 조합의 효과성을 강조합니다. 실험적 검증을 통해 본 연구는 터널 건설 작업자 안전 경고 시스템에서 기계 학습 이론의 해석 가능하고 확장 가능하며 과학적으로 일반화된 응용을 제공합니다. 이러한 결과는 터널 공학의 안전 관리 관행을 발전시키고, 잠재적 위험을 완화하며 작업자의 복지를 보장하기 위한 선제적이고 효과적인 조치를 가능하게 합니다.