메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
전정호 (부산대학교) 최수연 (부산대학교) 윤성배 (부산대학교) 용선진 (부산대학교) 허영기 (부산대학교)
저널정보
대한건축학회 대한건축학회논문집 大韓建築學會論文集 第40卷 第9號(通卷 第431號)
발행연도
2024.9
수록면
247 - 254 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In 2022, the construction industry accounted for nearly half of all fatal accidents across sectors in South Korea. This study aims to develop binary like fatality and injury and multi-class such as fall and struck-by classification models using AutoML to predict the occurrence and types of construction accidents, based on data from the Construction Safety Integrated Management System (CSI) database. The dataset, consisting of 235,665 accident cases from January 2019 to February 2024, includes 54 types of information, with 18 influential accident factors identified. Preprocessed data were trained and tested using AutoML to determine optimal algorithms and influencing factors. Accuracy, precision, recall, and F1 score metrics were used for validation. The binary classification model for predicting fatalities and injuries, developed using the Extra Trees (ET) algorithm, achieved the highest accuracy of 95.9% and an F1 score of 0.2771. For predicting accident types, the multi-class classification model using the LightGBM (LGBM) algorithm recorded the highest accuracy of 57.4% and an F1 score of 0.5503. Feature importance analysis revealed that the accident object was the most critical factor in both models. This research is expected to enhance safety management performance by efficiently identifying the likelihood and types of construction accidents.
#건설안전 #사고 예측 #머신러닝 #이진분류 #다중분류 #오토엠엘 #Construction Safety #Accident Prediction #Machine Learning #Binary Classification #Multi-class Classification #AutoML

목차

Abstract
1. 서론
2. 문헌고찰
3. 건설사고 예측모델 구축
4. 건설사고 예측모델 분석 결과 및 토의
5. 결론
REFERENCES

참고문헌 (12)

참고문헌 신청
Cho, M. G., Lee, D. G., Park, J. Y., & Park, S. H. (2021). Development of Machine Learning-based Construction Accident Prediction Model Using Structured and Unstructured Data of Construction Sites, Journal of Civil and Environmental Engineering Research, 42(1), 127-134. google schola Cho, Y. R., Kim. Y. C., & Shin, Y. S. (2017). Prediction Model of Construction Safety Accidents using Decision Tree Technique, Journal of the Korea Institute of Building Construction, 17(3), 29. google schola Choi, J. K. (2019). A Prediction Model for Fatal Accidents among Construction Workers using Machine Learning, MS thesis, Sungkyunkwan Univ., Korea. google schola Choi, S. J., Kim, J. H., & Jung, K. H. (2021). Development of Prediction Models for Fatal Accidents using Proactive Information in Construction Sites, Journal of the Korean of Safety, 36(3), 31. google schola Hwang, S. H., Kang, S. W., & Shin, Y. S. (2022). Study on the Risk Assessment of Fall Accidents at Construction Sites Through The Analysis of Accident Cases, Journal of the Korea Academia-Industrial cooperation Society, 23(12), 41-49. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

여성혐오와 젠더차별, 페미니즘 : ‘강남역 10번 출구’를 중심으로
이나영 문화와 사회 2016 .12
실제 건설사고사례 기반 사고객체 및 사고유형 예측
윤시후 ,  장태연 ,  지석호 대한토목학회 학술대회 2022 .10
머신러닝 기반 현금기부행동 예측 및 분석 - 일상적 안녕에 대한 태도를 중심으로 -
홍기혜 한국사회복지학 2025 .02
RAG를 활용한 챗봇의 성능 분석: 신뢰성 있는 응답 생성 및 오류 감소 효과
소원 ,  양서연 ,  임지수 외 2명 Proceedings of KIIT Conference 2024 .11
구급 인공지능 서비스를 위한 생성형 언어모델 가드레일링 적용 방법
권은정 ,  박현호 ,  이민정 외 1명 한국통신학회 인공지능 학술대회 논문집 2024 .09

최근 본 자료

전체보기

댓글(0)

0