ANN 및 데이터 샘플링 기반 항만 터미널 작업 현장 사고 심각도 요인 분석

Abstract

항만 터미널에서는 작업자와 다양한 중장비가 근거리에서 작업하며 사고 발생 시 심각도가 높을 수 있다. 따라서 중대 사고를 예방하기 위한 적절한 주의와 안전 조치가 필요하다. 본 연구에서는 항만 사고 심각도 예측 모델을 개발하기 위해 기계 학습 방법론인 인공 신경망(ANN)을 적용했다. 이를 위해, 항만 사고 데이터를 증강하고 사고 특징에 따라 사고 위험 상황을 구분하기 위해 오버샘플링 및 클러스터링 기법을 적용했다. 그 결과, 항만 사고의 이질성을 반영한 군집화된 사고 데이터를 사용하여 항만 사고 심각도 모델을 개발하였고, 이를 군집화하지 않은 사고 데이터를 사용하여 개발한 심각도 모델과 성능을 비교 분석했다. 분석 결과, 군집 데이터를 활용한 사고 모델의 F1-score가 0.890, 비군집 데이터를 활용한 사고 모델의 F1-score가 0.674로 도출되어 군집 데이터 모델이 비군집 데이터 모델 보다 더 나은 성능을 보였다. 마지막으로, ANN 모델 기반 설명 가능한 인공지능(XAI) 분석을 수행하고 항만 내 중대 사고에 영향을 미치는 주요 변수 10개를 도출하였다. 본 연구는 항만 사고 심각도를 평가하기 위한 고성능 및 설명 가능한 분석 모델을 소개하여 항만 안전 전문가에게 의사 결정을 위한 통찰력을 제공한다. 또한, 본 연구의 결과는 항만 터미널 내 사고 심각도를 줄이고 안전성을 높여 항만 사고로 인한 경제적 손실을 줄이는 데 중요한 역할을 할 수 있다.

In port terminals, workers and numerous heavy equipment operate in close proximity, and severity can be high in the event of accidents. Therefore, appropriate attention and safety measures are required to prevent serious accidents. This study employed machine learning methodologies, namely artificial neural network (ANN), to develop models for predicting port accident severity. Additionally, oversampling and clustering techniques were applied to augment data for all features of port accident data and to separate accident risk situations based on features. Consequently, a port accident severity model was developed using heterogeneous accident data clustered by features, and its performance was compared and analyzed against a severity model built on non-clustered accident data. Research findings indicate that accident models utilizing clustered data reflecting the heterogeneity of port accident data show better performance than accident models utilizing non-clustered data. Finally, to explain the machine learning model, the ANN model was used to perform explainable artificial intelligence (XAI) analysis and identify key variables influencing severe accidents in ports. This study introduces a high-performance and interpretable analytics model for assessing port accident severity, offering valuable insights for informed decision-making by experts. The findings of this study can play a crucial role in reducing accident severity within port terminals, promoting safety, and contributing to reducing economic losses caused by accidents in ports.