한국빅데이터학회지 (The Journal of Bigdata)

  • 제8권2호
  • /
  • Pages.37-44
  • /
  • 2023
  • /
  • 2508-1829(pISSN)
  • /
  • 2713-6361(eISSN)
한국빅데이터학회 (Korea Bigdata Society)
권호 표지
DOI QR코드

DOI QR Code

산업 현장에서의 트랜스포터 경로 예측에 관한 연구

A Study on Transporter Trajectory Prediction in Industrial Environments

  • 김지연 (동의대학교 대학원 인공지능학과) ;
  • 김기환 (동의대학교 인공지능그랜드ICT연구센터) ;
  • 강영진 (동의대학교 인공지능그랜드ICT연구센터) ;
  • 정석찬 (동의대학교 e비즈니스학과, 인공지능그랜드ICT연구센터, 부산IT융합부품연구소)
  • 투고 : 2023.11.07
  • 심사 : 2023.12.08
  • 발행 : 2023.12.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

산업 현장에서 발생하는 사고를 방지하기 위해 정책 및 제도적인 변화를 하고 있으나 산업 재해는 계속해서 발생하고 있다. 산업 현장에서의 안전에 관한 사고는 다양한 변수를 생각해야 하는 과제로 이를 해결하고 사고를 최소화하기 위한 연구가 지속적으로 이루어지고 있다. 본 논문에서는 산업 현장에서 사용되는 트랜스포터의 경로 예측에 관한 연구를 진행하였다. 가로 3.4km, 세로 2.3km 트랜스포터 작업환경에서 트랜스포터의 좌표를 PECNet을 통해 학습한 결과 평균오차는 ADE가 1.27m, ADE가 1.13m를 나타냈다. 본 연구를 통해 트랜스포터에 한정하여 경로를 예측할 수 있을 뿐만 아니라 다양한 분야에서의 이동체나 보행자의 이동 경로를 예측할 수 있어 사고를 예방하고 방지하는데 기여할 것으로 생각된다.

Despite policy and institutional changes to prevent accidents in the workplace, industrial accidents continue to occur. Accidents related to safety at industrial sites are complex tasks that involve considering various variables, and research to address and minimize these accidents is ongoing. In this paper, we studied the trajectory prediction of transporters used in industrial areas. In a transporter work environment measuring 3.4km by 2.3km, the coordinates of transporters were learned through PECNet, resulting in an average error of ADE 1.27m and FDE 1.13m. This research will contribute to preventing and avoiding accidents by predicting not only the path of transporters but also the paths of mobile vehicles and pedestrians in various fields.

키워드

과제정보

이 연구는 2023년도 산업통상자원부 및 산업기술평가관리원(KEIT) 연구비 지원에 의한 연구임(20022215)

참고문헌

  1. e-나라지표, https://www.index.go.kr/unity/potal/main/EachDtlPageDetail.do?idx_cd=1514 
  2. 송락규, "60대 용역업체 직원 지게차에 참변...안전사고 되풀이", KBS뉴스, 2019, 02.16, https://news.kbs.co.kr/news/pc/view/view.do?ncd=4139981&ref=A 
  3. 김희경, "인천 물류센터 건설 현장에서 60대 노동자 추락사", YTN, 2022, 01.01, https://www.ytn.co.kr/_ln/0103_202201011431187070 
  4. 김민준, "한일시멘트 하청 노동자 사망사고, 전원 차단 장치 미작동으로 밝혀져", 메디컬투데이, 2021, 12.10, https://mdtoday.co.kr/news/view/1065587422657567 
  5. 김승호, 강창순, 류한국, "건설 현장 안전관리를 위한 IoT 기반의 위험구역 경보 시스템", 한국융합학회논문지 10(10), pp.107-115, 2019.  https://doi.org/10.15207/JKCS.2019.10.10.107
  6. 최우용, 김효상, "다중 센서를 이용한 위험 상황 감지 안전모", 한국전자통신학회논문지 17(6), pp.1267-1274, 2022. 
  7. 방찬우, 김봉현, "건설 현장 노동자를 위한 스마트 안전 장비 플랫폼 설계." 차세대융합기술학회논문지 6(7), pp.1182-1188, 2022.  https://doi.org/10.33097/JNCTA.2022.06.07.1182
  8. 한상준, 강현지, 조성배, "지능형 에이전트의 위치기반 서비스를 위한 사용자의 위치이동패턴학습", 한국정보과학회 학술발표논문집 31(1(B)), pp.562-564, 2004. 
  9. 윤태복, 이동훈, 정제희, 이지형, "시공간 위치 예측을 위한 사용자 이동 경로의 선택과 요약 방법", 한국HCI학회 학술대회 pp.298-303, 2008. 
  10. 김산민, 최준원, 금동석, "자율 주행 차량을 위한 순환 신경망 기반 차량 경로 예측", 한국자동차공학회 추계학술대회 및 전시회, pp.810-811, 2019. 
  11. 최성진, 김지원, 유화평, 가동호, 여화수, "딥러닝 기반의 도시 지역 차량궤적 예측 알고리즘 개발 연구." 대한교통학회지 37(5), 2019. 
  12. 심성대, 민지홍, 김병준, 김준모, "어텐션 네트워크를 이용한 보행자 경로 예측 방법", 대한전자공학회 학술대회, pp.552-555, 2020. 
  13. Zamboni, Simone, et al. "Pedestrian trajectory prediction with convolutional neural networks", Pattern Recognition 121, p.108252, 2022. 
  14. Henouda, Salah Eddine, et al. "Next location prediction using transformers." International Journal of Business Intelligence and Data Mining 2, pp.247-263, 2022.  https://doi.org/10.1504/IJBIDM.2022.124851
  15. Hong, Ye, Henry Martin, and Martin Raubal. "How do you go where? improving next location prediction by learning travel mode information using transformers." Proceedings of the 30th International Conference on Advances in Geographic Information Systems, 2022. 
  16. Mangalam, Karttikeya, et al. "It is not the journey but the destination: Endpoint conditioned trajectory prediction." Computer Vision-ECCV 2020: 16th European Conference, Glasgow, UK, August 23-28, 2020, Proceedings, Part II 16. Springer International Publishing, 2020.