홍익대학교 데이터 기반 건설관리 연구실 [DBCM]

Research

Topics & Achievements

연구 주제

Research Topics

(2025-2028) (주관) 고속도로 노선 공용 전 교통위험도 추정을 위한 AI 기술 개발 및 검증

AI-Based Development and Validation of Traffic Risk Estimation for Pre-Opening Highway Routes

연구 배경 및 필요성

Background

최근 고속도로에서 발생하는 대형 사고는 도로 환경, 기하구조, 기상 상황 등 다양한 요인이 복합적으로 작용하여 발생합니다. 그러나 기존의 프로세스로는 도로가 건설되고 개통되기 전인 설계 단계에서 이러한 사고 위험을 정량적으로 예측하거나 구체적인 대안을 마련하는 데 한계가 있었습니다. 이에 따라, 사후 대처가 아닌 설계 단계에서부터 선제적으로 위험 요소를 파악하고 안전성을 확보할 수 있는 지능형 분석 기술의 필요성이 대두되고 있습니다

Recent major highway accidents result from a complex interplay of various factors, including road environments, geometric structures, and weather conditions. However, under conventional processes, there are clear limitations in quantitatively predicting accident risks or establishing concrete countermeasures during the design phase, before a road is constructed and opened to traffic. As a result, the need has emerged for intelligent analysis technologies that can proactively identify risk factors and ensure safety from the early design stage, rather than relying on post-accident responses

연구 목표

Objective

본 연구의 핵심 목표는 고속도로 설계 단계에서 사고 위험 요소를 미리 파악하고, 이에 대한 설계 대안 및 조치 방안을 제시하는 AI 기반 설계 의사결정 지원 기술을 개발하는 것입니다. 이를 통해 단순히 위험을 경고하는 수준을 넘어, 설계자가 실질적인 안전 대책을 수립할 수 있도록 돕는 예방적 안전 관리 체계를 구축하고자 합니다

The core objective of this research is to develop an AI-based design decision-support technology that identifies accident risk factors during the highway design phase and proposes design alternatives and mitigation measures accordingly. Through this approach, the study aims to go beyond simple risk warnings and establish a preventive safety management system that enables designers to develop practical and effective safety solutions

주요 수행 내용

Key Activities

도로 기하구조, GIS 정보, 과거 사고 사례 등 흩어져 있는 이종 데이터를 통합하여 인공지능이 학습할 수 있는 고품질의 통합 DB를 구축합니다. 이를 바탕으로 신규 노선의 위험도를 예측하는 교통위험도 추정 AI와 위험 구간에 적합한 솔루션을 제안하는 조치 방안 제시 AI 모델을 개발합니다

또한, 연구 결과의 실무 적용성을 높이기 위해 BIM 기술과의 연계를 추진합니다. AI가 분석한 위험도와 안전 대책을 3차원 BIM 모델 상에 시각화하여 설계자가 직관적으로 파악할 수 있도록 하며, 실제 전면 BIM 설계 사업 데이터를 활용해 기술의 신뢰성을 검증합니다

To achieve this, the research integrates heterogeneous and dispersed data, including road geometric design data, GIS information, and historical accident records, to construct a high-quality integrated database suitable for AI learning. Based on this database, the study develops an AI model for estimating traffic accident risk on newly planned routes and an AI model for recommending appropriate mitigation measures tailored to identified high-risk sections.

Furthermore, to enhance the practical applicability of the research outcomes, the study promotes integration with BIM technology. Accident risks and safety measures analyzed by AI are visualized on three-dimensional BIM models, allowing designers to understand risk levels and countermeasures intuitively, and the reliability of the proposed technology is validated using real-world full-scale BIM design project data

(2025) (참여) 건설기준 디지털 전환을 위한 건설기준 라이브러리 및 온톨로지 구축활용 기술개발 연구

Development and Utilization of a Construction Standards Library and Ontology for the Digital Transformation of Construction Standards

연구 배경 및 필요성

Background

건설 산업 전반에 걸쳐 디지털 전환이 가속화됨에 따라, 건설기준 역시 컴퓨터가 이해하고 처리할 수 있는 형태인 온톨로지 및 디지털 라이브러리로 구축하는 기술이 필수적으로 요구되고 있습니다. 그러나 기존의 설계 및 시공 기준맵은 개정 일자가 누락되거나 세부 검토 항목이 실제 절차와 차이를 보이는 등 정보의 정합성 측면에서 한계가 존재합니다. 또한, 건설기준 내 방대한 정보를 정량적·정성적 특성에 따라 체계적으로 분류하고 이를 디지털 코드로 변환하기 위한 입출력 변수의 정의가 미비하여, 데이터 중심의 체계적인 관리 방안 마련이 시급한 실정입니다

As digital transformation accelerates across the construction industry, technologies that enable construction standards to be built in forms that computers can understand and process, including ontologies and digital libraries, have become essential. However, existing design and construction standards maps have limitations in terms of information consistency, such as missing revision dates and discrepancies between detailed review items and actual procedures. In addition, definitions of input and output variables required to systematically classify the extensive information contained in construction standards according to quantitative and qualitative characteristics and convert them into digital codes remain insufficient, highlighting the urgent need for data-centered management approaches.

연구 목표

Objective

본 연구는 기존 설계 및 시공 기준맵의 논리적 흐름을 정밀하게 분석하고 누락된 항목을 보완하여 기준맵의 완성도를 높이는 것을 핵심 목표로 합니다. 이를 위해 건설기준을 개별적인 디지털 룰유닛(Rule Unit)으로 파편화하여 구축하고, 각 기준 간의 복잡한 상호 참조 관계를 연결하는 온톨로지 기반의 데이터베이스(DB) 기술을 개발하고자 합니다. 궁극적으로는 건설기준을 파편화된 문서가 아닌 지능형 데이터 구조로 전환하여 엔지니어링 의사결정을 지원하는 디지털 환경을 조성하는 데 목적이 있습니다

The primary objective of this research is to improve the completeness of existing design and construction standards maps by precisely analyzing their logical structures and supplementing missing elements. To achieve this, construction standards are decomposed into individual digital rule units, and an ontology-based database technology is developed to connect complex cross-referencing relationships among standards. Ultimately, the research aims to transform construction standards from fragmented documents into intelligent data structures that support engineering decision-making.

주요 수행 내용

Key Activities

기계, 환경, 전기, 흙막이, 옹벽 등 주요 분야의 기준맵을 전수 조사하여 개정 일자와 연계 기준, 누락된 검토 항목을 수정 및 보완하는 작업을 수행합니다. 이렇게 보완된 기준은 정량적·정성적 특성 및 도표/그림 유닛으로 세분화되어 디지털 룰유닛으로 재구성됩니다. 특히 도로, 철도, 터널 등 주요 토목 인프라 분야의 설계 단계를 우선으로 입출력 변수를 정의하고 디지털 코드를 작성함으로써 데이터의 실행 가능성을 확보하고 있습니다

또한, 룰유닛 간의 유기적인 연계성을 시각화하기 위해 Graph DB를 구축하고, 이를 통해 기준 간 상호 참조 관계를 명확히 관리합니다. 연구의 효율성을 극대화하기 위해 웹 크롤링을 활용한 기준 자동 추출 기술과 자연어 처리(NLP) 기반의 색인어 추출 공정을 개발하여, 방대한 건설 데이터를 디지털화하는 프로세스를 자동화하고 있습니다. 이는 마치 거대한 도서관의 종이 책들을 디지털 데이터로 변환하고 각 정보의 연결 지도를 그리는 과정과 같으며, 이를 통해 엔지니어들은 필요한 기준을 훨씬 빠르고 정확하게 찾아 실무에 활용할 수 있게 될 것입니다.

This research conducts a comprehensive review of standards maps across major fields, including mechanical, environmental, electrical, earth-retaining, and retaining wall engineering, and revises and supplements revision dates, related standards, and missing review items. The improved standards are subdivided into quantitative and qualitative attributes as well as table and figure units, and restructured into digital rule units. In particular, by prioritizing the design stages of major civil infrastructure such as roads, railways, and tunnels, input and output variables are defined, and digital codes are developed to ensure data executability.

In addition, a graph database is constructed to visualize the interconnections among rule units and systematically manage cross-referencing relationships between standards. To improve research efficiency, automated standard extraction using web crawling and index term extraction based on natural language processing are developed to automate the digitalization of large-scale construction data. This process enables engineers to identify and apply relevant standards more quickly and accurately in practice.

(2025-2029) (공동) 건설현장 고소작업 인간-로봇 협업 기술 및 통합운영 시스템 개발

Development of Human–Robot Collaboration Technologies and an Integrated Operational System for Work at Height in Construction Sites

연구 배경 및 필요성

Background

건설현장의 고소작업은 추락사고 비중이 높고 작업자의 숙련도와 인력 투입에 크게 의존하는 고위험 작업으로, 건설 인력의 고령화와 숙련공 부족이 심화되면서 안전사고 증가와 시공품질 저하 문제가 동시에 발생하고 있습니다. AI, 로봇, XR 등 스마트 건설 기술이 확산되고 있음에도 불구하고 고소작업 분야는 여전히 인력 중심 작업 방식에 머물러 있어 자동화·무인화 기술 적용이 제한적인 실정입니다. 이에 고소작업의 위험성을 근본적으로 저감하고, 생산성과 품질을 안정적으로 확보하기 위해 인간–로봇 협업 기반의 고소작업 자동화 기술 개발이 필수적으로 요구됩니다.

Work at height at construction sites is a high-risk activity with a high proportion of fall accidents and heavy dependence on worker skill levels and labor input. As the construction workforce continues to age and the shortage of skilled workers intensifies, issues of increasing safety accidents and declining construction quality are occurring simultaneously. Despite the widespread adoption of smart construction technologies such as AI, robotics, and XR, work at height remains largely labor-intensive, resulting in limited application of automation and unmanned technologies. Accordingly, the development of human–robot collaboration–based automation technologies for work at height is essential to fundamentally reduce risks and ensure stable productivity and construction quality.

연구 목표

Objective

본 연구의 목표는 건설현장 고소작업의 자동화·무인화를 실현하기 위해 XR 기반 인간–로봇 원격 협업이 가능한 고소작업 건설로봇 플랫폼을 개발하는 것입니다. 용접, 도장, 내화뿜칠 등 주요 고소작업 3종을 대상으로 지능형 로봇 시스템과 다종 건설로봇 통합운영 기술을 구현함으로써, 작업자는 안전한 환경에서 로봇을 제어하며 고위험 작업을 수행할 수 있도록 합니다. 이를 통해 건설공사 표준품셈 및 표준시방서 기준을 충족하는 생산성과 시공품질을 달성하는 것을 최종 목표로 합니다.

The objective of this research is to develop a construction robot platform for work at height that enables XR-based human–robot remote collaboration to realize automation and unmanned operation at construction sites. By implementing intelligent robotic systems and integrated operation technologies for multiple construction robots targeting three major work-at-height tasks—welding, painting, and fireproof spraying—workers are able to control robots from a safe environment while performing high-risk operations. The ultimate goal is to achieve productivity and construction quality that meet the standards defined in construction cost estimation guidelines and standard specifications.

주요 수행 내용

Key Activities

BIM 기반 학습 데이터셋을 생성하고 시멘틱 세그멘테이션 기반으로 용접부 좌표를 추출합니다. BIM 모델에서 철골 부재와 접합부 정보를 활용하여 학습 데이터를 구성하고, 머신러닝 기법을 통해 용접 대상 영역을 자동 인식하여, 로봇 용접을 위한 정밀 좌표 정보를 도출합니다.

가상 시뮬레이션 기반 철골 접합부 포인트 클라우드 데이터셋을 구축합니다. Isaac Sim 환경에서 다양한 철골 부재 형상과 접합 조건을 구현하고, 가상 센서를 통해 철골 접합부의 3차원 형상 정보를 포인트 클라우드 형태로 생성합니다. 이를 통해 실제 현장 계측이 어려운 고소작업 환경을 모사한 대규모 포인트 클라우드 데이터셋을 확보합니다.

BIM-based training datasets are generated, and weld joint coordinates are extracted using semantic segmentation techniques. Training data are constructed using information on steel members and joints from BIM models, and machine learning methods are applied to automatically recognize welding target areas and derive precise coordinate information for robotic welding.

A virtual simulation-based point cloud dataset for steel structure joints is constructed. Various steel member geometries and joint conditions are implemented in the Isaac Sim environment, and three-dimensional shape information of steel joints is generated in point cloud form using virtual sensors. Through this process, a large-scale point cloud dataset is secured that simulates work-at-height environments where on-site measurement is difficult.

(2025-2028) (주관) 건설현장 안전관리 자동화를 위한 인지적 에이전트 시스템 개발

Development of a Cognitive Agent System for the Automation of Safety Management at Construction Sites

연구 배경 및 필요성

Background

2024년 중대재해처벌법 확대 시행에 따라 안전관리자에 대한 수요가 증가하고 있습니다. 이에 따라, ‘공동안전관리자 지원제도’를 도입하였으나 증가하는 수요를 충족하지 못하고 있습니다. 국내외에서 BIM과 머신러닝 등을 활용한 안전관리 기술이 개발되었으나 이미지·센서를 기반으로 한 위험성평가나 예측적 의사결정에는 한계가 존재합니다. 생성형 AI를 활용한 안전관리 기술도 안전관리자의 실제 업무와 논리적 판단을 반영하지 못해 실질적인 업무 지원에는 미흡합니다

With the expanded enforcement of the Serious Accidents Punishment Act in 2024, demand for safety managers has increased significantly. In response, the Joint Safety Manager Support Program was introduced; however, it has failed to meet the rapidly growing demand. Although safety management technologies utilizing BIM and machine learning have been developed both domestically and internationally, limitations remain in image- and sensor-based risk assessment and predictive decision-making. In addition, safety management technologies based on generative AI fail to adequately reflect the actual tasks and logical reasoning processes of safety managers, resulting in insufficient practical support.

연구 목표

Objective

건설현장 안전관리 자동화 및 의사결정 고도화를 위한 동적 온톨로지 파운드리, 건설안전 지식 DB, 멀티모달 AI 모델을 통합한 인지적 에이전트 시스템을 개발하고 자율적응형 학습시스템 및 AI-Human 협력시스템과 연계하여 실시간 위험 예측, 대응 조치 생성 등 고도화된 안전관리 에이전트를 구현합니다

The objective of this study is to develop a cognitive agent system that integrates a dynamic ontology foundry, a construction safety knowledge database, and multimodal AI models to automate construction site safety management and advance decision-making capabilities. By linking the system with an autonomous adaptive learning system and an AI–human collaboration system, the study implements an advanced safety management agent capable of real-time risk prediction and response measure generation.

주요 수행 내용

Key Activities

건설현장 안전관리 자동화를 위해 안전관리자의 의사결정 과정을 데이터기반으로 체계화하고 건설현장 정보를 통합·연계할 수 있는 온톨로지 스키마를 설계·구현합니다. 건설현장에서 생성되는 작업일지, 사고사례, 안전지침 등 비정형 데이터를 구조화하고 핵심정보를 저장·활용하기 위한 그래프·벡터기반 DB를 설계합니다

건설현장 안전관리자의 반복업무(위험요소 식별, 대응조치 작성 등)를 자동화하기 위한 RLHF 및 DPO기반 멀티모달 AI 모델을 개발합니다

To automate construction site safety management, the decision-making processes of safety managers are systematized in a data-driven manner, and an ontology schema is designed and implemented to integrate and link construction site information. Unstructured data generated at construction sites, including work logs, accident cases, and safety guidelines, are structured, and graph- and vector-based databases are designed to store and utilize core information.

Furthermore, multimodal AI models based on RLHF and DPO are developed to automate repetitive tasks performed by construction site safety managers, such as hazard identification and response measure documentation.

(2025-2026) (주관) 고속도로 지반시설물 정보체계표준화 및 BIM 모델링 가이드 수립 용역

Research on the Standardization of Highway Construction Information Systems and the Development of BIM Modeling Guidelines

연구 배경 및 필요성

Background

건설산업 디지털 전환을 위해 국토부는 공공 SOC 건설사업에 BIM도입을 의무화*하고 관련 제도 및 지침을 제정한 바 있으며, 한국도로공사도 고속도로 건설사업에 전면 BIM을 도입을 선언하고, 설계부문은 2019년부터 BIM을 전면적으로 도입하였고, 건설단계는 2024년부터 본격적으로 BIM기반의 건설관리가 시행되고 있습니다. 향후 BIM 활용이 확대되고 고속도로 건설사업 준공시 BIM 모델이 준공성과품으로 제출될 것으로 예상되는바, 고속도로 시설물의 유지관리 단계에도 BIM모델을 유지관리 업무에 활용할 수 있는 정보관리 체계가 구축되어야 할 것입니다

하지만. 아직 고속도로 시설물 관리를 위한 정보시스템은 BIM정보모델과 연계되어 활용되지 않으며, 향후 BIM정보모델 납품을 대비하여 이를 본격적으로 유지관리 업무에 활용하는 체계는 미비된 상황으로서 앞으로의 정보관리 체계의 변화를 준비할 필요가 있습니다

To promote the digital transformation of the construction industry, the Ministry of Land, Infrastructure and Transport (MOLIT) has mandated the adoption of BIM for public SOC construction projects and has established related policies and guidelines. In addition, the Korea Expressway Corporation declared the full adoption of BIM for highway construction projects: BIM has been fully implemented in the design phase since 2019, and BIM-based construction management has been actively applied in the construction phase since 2024.As the use of BIM is expected to expand further and BIM models are anticipated to be submitted as part of as-built deliverables upon the completion of highway construction projects, it is necessary to establish an information management framework that enables BIM models to be utilized in the maintenance and operation phase of highway facilities.

However, current information systems for highway facility management are not effectively linked with BIM information models. Moreover, systems that fully leverage BIM models for maintenance operations in preparation for future BIM deliverables remain insufficient. Therefore, it is necessary to proactively prepare for upcoming changes in information management systems.

연구 목표

Objective

본 연구는 비탈면 및 옹벽 등 지반시설물을 대상으로 한 고속도로 유지관리 업무에 BIM 기반 정보관리 표준체계와 작성 가이드를 수립하고, 시범구간에 대한 시스템 개발 및 시범 운영을 통해 향후 BIM 기반 유지관리 시스템의 단기·중기 적용 전략을 수립합니다

This study establishes a BIM-based information management standard framework and authoring guidelines for highway maintenance of geotechnical facilities, such as slopes and retaining walls, and develops short- and mid-term application strategies for future BIM-based maintenance systems through the development and pilot operation of the system in test sections.

주요 수행 내용

Key Activities

국내외 지반시설물 정보분류 및 업무체계에 대한 심도 있는 분석을 통해 고속도로 유지관리 시스템 구축을 위한 기초 조사와 분석을 수행하고, 절토사면과 옹벽 등 지반시설물에 특화된 정보관리 표준체계 및 BIM 정보모델 작성 가이드를 개발하여 체계적인 유지관리 기반을 마련합니다

이후 시범구간을 대상으로 구축된 BIM 모델을 활용해 웹과 모바일에서 구동 가능한 유지관리 시스템 프로토타입을 개발하여 현장 적용성을 엄격히 검증하며, 이를 바탕으로 BIM 기반 유지관리의 단기·중기 적용 전략을 수립함으로써 고속도로 유지관리 업무의 성공적인 디지털 전환 기틀을 구축합니다

This study performs foundational surveys and analyses for establishing a highway maintenance system by conducting in-depth reviews of domestic and international information classification and operational frameworks, and provides a structured basis for maintenance by developing information management standard frameworks and BIM authoring guidelines specialized for geotechnical facilities such as cut slopes and retaining walls.

Furthermore, it verifies field applicability by developing a web and mobile-compatible maintenance system prototype using BIM models constructed for pilot sections, and builds a solid foundation for the digital transformation of highway maintenance by establishing short- and mid-term application strategies for BIM-based maintenance systems.

(2023-2027) (용역) 대심도 철도시설물 대피 안전 시뮬레이션 연구

Research on Evacuation Safety Simulation for Deep Underground Railway Infrastructure

연구 배경 및 필요성

Background

GTX와 같은 대심도 철도시설물은 지하 40m 이상의 깊이에 위치하며 수직적 공간 구조가 매우 복잡하여, 재난 발생 시 지상으로의 대피가 어렵고 엘리베이터나 에스컬레이터와 같은 기계적 이동 수단에 대한 의존도가 매우 높습니다. 화재, 침수, 정전 등 복합적인 재난 상황에서 이러한 이동 수단이 마비될 경우, 대피 지연 및 심각한 병목 현상으로 인해 대규모 인명 피해가 발생할 위험이 큽니다. 그러나 현재의 법령과 기술 적용은 일반적인 지하 역사를 전제로 하고 있어, 대심도 특유의 공간 구조와 재난 시 이용자의 행동 특성(공황, 경로 선택 오류 등)을 반영한 선제적 대응 체계가 부족한 실정입니다. 따라서 대심도 시설물의 특성을 고려한 정량적 데이터 기반의 통합 시뮬레이션 분석 기술과 지능형 대피 시스템의 개발이 시급합니다

Deep underground railway facilities, such as GTX, are located at depths exceeding 40 meters below ground and feature highly complex vertical spatial structures. In the event of a disaster, evacuation to the surface is difficult, resulting in a heavy reliance on mechanical vertical transportation systems such as elevators and escalators. If these systems are disabled during compound disaster situations involving fire, flooding, or power outages, evacuation delays and severe bottlenecks may occur, significantly increasing the risk of large-scale casualties. However, current regulations and technological applications are largely based on conventional underground stations and do not sufficiently account for the unique spatial characteristics of deep underground facilities or user behavioral responses during disasters, such as panic and route selection errors. Accordingly, there is an urgent need to develop quantitative, data-driven integrated simulation analysis technologies and intelligent evacuation systems that reflect the specific characteristics of deep underground facilities.

연구 목표

Objective

본 연구는 대심도 시설물의 공간 특성과 이용자 행동, 재난 대응 전략을 통합한 시뮬레이션 기반 대피 대응 체계 구축을 목표로 합니다. 복합 재난 상황을 가정한 정밀 시뮬레이션으로 대피 성능을 평가하고 취약 구간을 파악하며, 최적의 대피 유도 전략과 실효성 있는 재난 대응 프레임워크를 개발하여 인명 피해를 최소화하고자 합니다

This research aims to establish a simulation-based evacuation response framework that integrates the spatial characteristics of deep underground facilities, user behavior, and disaster response strategies. Through high-fidelity simulations under compound disaster scenarios, evacuation performance is evaluated and vulnerable areas are identified. Based on these results, optimal evacuation guidance strategies and effective disaster response frameworks are developed to minimize casualties.

주요 수행 내용

Key Activities

대심도 철도시설물에 특화된 행위자(Agent) 기반의 통합 시뮬레이션 모델을 구축합니다. AnyLogic 등의 시뮬레이션 도구를 활용하여 복잡한 수직 공간 구조와 이동 설비를 정밀하게 구현하고, 화재나 침수 등 다양한 재난 시나리오 속에서 인지 지연이나 경로 변경과 같은 이용자의 동적 행동 특성을 반영하여 실제와 유사한 가상 대피 환경을 조성합니다

또한, 최적 대피 유도 전략 및 재난 대응 프레임워크를 수립합니다. 유전자 알고리즘 등을 적용하여 상황별로 가장 안전하고 효율적인 대피 경로와 유도 전략(표지판, 안내 인력, 음성 안내 등)을 도출하고, 테스트베드 역사에 적용하여 그 효과를 검증함으로써 실무에 즉각 적용 가능한 가이드라인을 제시합니다

An agent-based integrated simulation model specialized for deep underground railway facilities is constructed. Simulation tools such as AnyLogic are used to precisely model complex vertical spatial structures and transportation systems, while dynamic user behaviors, including perception delays and route changes under disaster scenarios such as fire and flooding, are incorporated to create a realistic virtual evacuation environment.

In addition, optimal evacuation guidance strategies and disaster response frameworks are established. By applying genetic algorithms and related techniques, the safest and most efficient evacuation routes and guidance strategies for various scenarios are derived, including signage, guidance personnel, and voice announcements. These strategies are validated through application to testbed stations, and practical guidelines that can be immediately applied in real-world settings are presented.

아카이브

Archive-Prior Research

(2022-2025) (주관) 건설 작업안전분석 지능화를 위한 지식그래프 개발

Development of Knowledge Graph for AI-based Construction Job Safety Analyis

건설안전관리지침은 분절된 형태의 문서로 존재하여, 관련된 지침 내용의 상호관련성 파악이 어렵고 실무에 사용이 불편하다

Construction safety management guidelines function individually, resulting in ineffective integration and complementarity between the contents and inconvenient use in practice.

연구의 목표는 자연어 처리 기술과 지식그래프 데이터 베이스를 활용하여 텍스트 형태의 지침을 하나의 지식그래프로 통합하여 실무에 사용할 수 있는 형태로 바꾸는 것을 목표로 한다

This research is to use natural language processing techniques and knowledge graph databases to transform text-type guidelines into knowledge graphs to make a better use

(2022) (용역) 그래프 DB 기반 지하철 역사 재난대피경로 모델링

Subway station disaster evacuation route modeling based on graph DB

지하철 역사와 같은 지하 시설물은 지진재난에 특히 취약하여 지진으로 인한 피해 상황 발생 시 혼란이 야기될 가능성이 크고, 이로 인한 2차 사고 및 대형 인명피해가 발생할 가능성이 매우 크다

Underground facilities such as subway stations are particularly vulnerable to seismic disasters, and in the event of damage caused by an earthquake, there is a high probability of chaos, secondary accidents, and large-scale casualties.

그러므로 지진재난 발생 시 지하 시설물에 있는 사용자들이 최단 시간에 지하 시설물 밖으로 탈출하도록 안내할 수 있는 피난 유도 및 대피시스템이 필수적이며, 이용자들이 지진의 영향을 받지 않은 대피경로를 통해 최단 시간으로 탈출할 수 있도록 유도할 수 있어야 한다

Therefore, it is essential to have an evacuation guidance and evacuation system that can guide users in underground facilities to escape from underground facilities in the shortest time during a seismic disaster, and can guide users to escape through evacuation routes that are not affected by earthquakes.

이러한 이용자 중심 재난 대피 안내 및 유도 시스템의 기저 데이터베이스 시스템으로써, Cypher 언어 기반의 Neo4J 그래프데이터베이스 플랫폼을 활용하여 모델링을 구축하였으며, Cypher 쿼리를 통해 최적재난대피경로 탐색을 수행하였다

As the underlying database system for this user-centered disaster evacuation guidance and induction system, a model was built using the Neo4J graph database platform based on the Cypher language, and optimal disaster evacuation route search was performed through Cypher queries.

Page updated

Report abuse