4/15/2018

산업안전보건 분야에서의 빅데이터 활용



4차 산업혁명은 빅 데이터가 성패를 좌우한다 해도 과언이 아니다. 데이터 분석에 기반을 둔 인공지능, 자율주행차, 스마트 팩토리 같은 산업현장은 물론 산업재해 예방이나 국민안전 역시 빅 데이터에 달렸기 때문이다. 4차 산업혁명의 시작과 끝이 빅 데이터라는 말이 빈말이 아닌 것이다.

교통안전 빅 데이터로 교통사고 예방

인류에게 편리한 이동 수단이 된 자동차는 늘 안전 문제와 싸우 고 있다. 이에 따라 도로교통공단에서는 해마다 지역별, 시간 별, 연령별, 자동차 유형별 등의 다양한 교통사고 통계 보고서를 내놓고 있다. 하지만 1년간의 통계 결과를 만들어내는 데 많은 시간과 비용이 들다 보니 자연적으로 대중에게 공개되는 시기가 1년 정도 느린 편이다. 이렇게 시차가 있는 정보는 그때그때의 현상을 대변하기 힘들다. 그래서 등장한 것이 실시간 ‘교통안전 플랫폼’이다. 교통안전 플랫폼은 소방서와 경찰서의 전화신고 를 통해 접수된 데이터, 도로공사, 가스공사, 전기공사 등의 사 고 접수·처리 정보, 기후·기상 데이터, 의료, 해양 정보 등의 빅 데이터를 종합해 분석하는 시스템이다.

교통안전 플랫폼을 이용하면 사고 발생 위험의 징후 및 위험 구 역을 미리 파악하여 신속하게 의사결정을 할 수 있다. 또 서울 시내 교통사고와 교통법규 위반 현황 데이터를 분석해 사고와 위반이 많은 곳에 교통경찰을 배치하거나 단속을 하면서 사고 를 줄일 수 있다. 지역별, 시간대별 사고 발생 추이를 분석해 순 찰을 강화하면서 사고율을 낮출 수도 있다.

대구 지역의 빅 데이터 교통안전 산출 예를 보자. 대구 지역에 서는 지난해 월요일에 739건의 사고가 일어났다. 이는 전체 사 고의 18.5%를 차지한다. 주말이 끝나고 새롭게 출근하는 차량 들 사이에서 빈번히 교통사고가 발생한 것. 그 뒤는 금요일이 다. 재미있는 점은 지난 10년 동안의 결과에서는 금요일에 가 장 많은 교통사고가 발생한 것인데, 이는 직장인과 학생들이 토 요일에도 공식적으로 쉬는, 주 5일제가 시행된 2004년과 시기 가 일치해 더욱 흥미롭다. 시간별로는 퇴근 시간대인 오후 6시 와 7시에 가장 많은 교통사고가 발생했고, 출근 시간인 오전 8 시가 그 뒤를 이었다. 시간대 별 교통사고 유형으로는 오후 5시 에 접촉사고가 많이 일어나고 날이 어두워지는 저녁 10시에는 추돌사고와 대인사고가 빈번한 것으로 나타났다. 날씨는 예상 외로 맑은 날에 가장 많은 교통사고가 일어났으며, 눈 오는 날 과 비 오는 날이 그 뒤를 차지했다. 아무래도 1년 날씨 중 맑은 날의 비중이 가장 큰 데다, 매일같이 반복되는 운전에 방심하는 운전자가 다소 많아지기 때문일 것으로 예상된다.

한 해의 교통사고를 이렇게나 빠르게 한눈에 볼 수 있다니 정말 놀랍지 않은가. 이와 같은 빅데이터의 결과를 가지고 교통위험 징후가 높은 지점을 선정해 미리 개선한다면 자칫 발생할 수 있 었던 교통사고를 미연에 방지할 수 있을 것이다.  

세계인의 질병 및 전염병 예방하는 글로벌 건강증진

SNS의 자료를 분석해 사회 현상을 찾아내는 빅데이터는 건강 관리에도 활용된다. 인터넷기업 구글(Google)은 데이터를 잘 활용하는 대표적인 기업이다. 구글의 경우 사용자들의 키워드 검색 횟수를 분석해 미국 보건당국보다 더 빠르게 독감의 유행 지역 경로를 파악해 발표한다.

바로 구글에서 제공하는 ‘독감 트렌드’ 서비스다. 구글은 ‘구글 검색어’ 가운데 ‘감기’와 관련된 키워드가 증가할 경우 독감이 유행한다는 패턴을 발견하고, 2007년부터 축적되어 온 ‘감기 검색 빈도 데이터’를 국가별로 구분하여 어떤 달에 가장 검색수 가 높은지의 독감 트렌드 차트를 구축해 전 세계의 독감 확산 현 황을 확인할 수 있도록 했다. 각국 정부기관은 이 자료를 통해 독감에 대비하고 있다.

우리나라는 지난 3월 2일부터 빅 데이터 기반의 ‘식중독 예측 지도’를 서비스하고 있다. 식품의약품안전처, 기상청, 국립환 경과학원, 국민건강보험공단이 함께 개발한 식중독 예측지도 는 식중독 발생 정보, 기상·환경·진료 정보와 함께 SNS 빅 데이 터를 융합해 누구나 알기 쉽게 지역별 발생 위험정보를 지도형 태로 시각화해 제공하는 서비스다. 식품의약품안전처는 식중 독 발생정보, 기상청은 기상정보, 국립환경과학원은 미세먼지 등 환경정보, 건강보험공단은 진료정보 등에 협력한다. 주요 서 비스는 시·군·구 단위로 당일 기준 2일 후까지의 식중독 발생 위험 정보이며, 관심·주의·경고·위험 4단계로 구분해 각 단계 별 식중독 예방을 위한 행동요령과 함께 제공된다. 또한 지난 식중독 발생 정보를 분석해 월별로 많이 발생한 시설·원인균에 대한 정보, 실시간 기상정보 및 트위터·블로그 등 SNS 통계도 함께 서비스하고 있다.  


산업재해 예방부터 건물 노후 감지까지

건설현장의 안전사고 예방을 위한 빅 데이터 활용도 시도되고 있다. 안전사고 예방부터 건물 노화를 방지하는 원격 감지 시 스템까지 빅 데이터가 선진국을 중심으로 폭넓게 확산되고 있다.

시냅터는 건설 현장에서 생산되는 데이터를 실시간으로 분석 해 작업자들에게 위험을 조기에 경고한다. CCTV 영상을 통해 파악한 위험요소나 길 위에 난 깊은 구덩이, 안전장비를 착용 하지 않은 작업원 등 잠재적 위험 요소를 실시간으로 수집해 분석한 후, 지도 위에 위험 요소를 표시한다. 이를 통해 작업자 가 언제 어떻게 상해를 당할 수 있을지 예측하고 현장 근로자 들에게 알리는 방식이다.

미국의 건설장비 제조업체인 캐터필라(Caterpillar)는 장비의 상태를 실시간으로 모니터링하는 데 빅 데이터를 사용한다. 각 장비마다 GPS와 센서, 라디오 송수신기와 데이터 관리 소 프트웨어를 설치해 장비가 과열되고 있는지, 부속 장치에 이 상이 발생했는지를 사전에 작업자에게 알려준다. 관리자는 사 무실 모니터를 통해 이들 장비의 위치와 작동 상태 유무, 연료 소비, 위험 신호 등을 한눈에 알 수 있다.

또 미국의 오클라호마 주에서는 재해 예방에 빅 데이터를 활 용한다. 오클라호마는 연간 54개의 토네이도가 강타하는, 미 국에서 3번째로 토네이도가 많이 발생하는 주이다. 오클라호 마대학 연구팀은 토네이도의 유형과 발생 확률을 빅 데이터로 분석해 토네이도가 발생하기 전에 대응하기 위해 노력 중이 다. 일례로 지난 2013년 5월 22일, 연구팀은 곧 토네이도가 강타할 것을 예상하여 이를 주민에게 알리고, 토네이도가 발 생하기 36분 사이에 주민들을 대피소로 이동시켜 생명을 지키 는 데 큰 역할을 했다.

국내의 건설업체들도 내부적으로 상당한 데이터를 축적해 빅 데이터 기반을 갖고 있다. 하지만 활용도를 높이는 것은 여전 히 숙제라는 지적이다. 건설현장을 포함해 각 사업장에서도 안전보건 문제를 해결하기 위해 이러한 통계를 활용할 수 있 게 되면 어떨까. 지역별 실직현황, 지역내 사업장 분포도 등 일 자리 현황 분석을 통해 고용 변동을 예측하고, 이를 일자리 매 칭에 적용할 수 있다.
안전사고가 발생할 때 축적되는 사업장 위치나 공정률, 발주자, 규모, 근로자의 연령·성별·국적, 건강 상태, 작업조건 등의 데이터를 산재 예방의 자원으로 활용할 수 있다. 우리도 다른 나라들처럼 안전 분야에 빅 데이터를 잘 활용한다면 보다 안전한 사회를 만들 수 있을 것이다.

댓글 없음:

댓글 쓰기