Earticle

초록

영어

This paper proposes a cost-effective worker motion detection method for safety monitoring in industrial workplaces. Breaking away from conventional approaches that rely on multi-beacon network deployments or wearable sensors (e.g., IMUs), the proposed method operates solely with a worker's smartphone and a single receiver. The system collects the Received Signal Strength Indicator (RSSI) of Bluetooth Low Energy (BLE) advertising signals emitted from the smartphone using a single receiver, and extracts statistical features through a sliding window approach. Using three key features selected via exploratory data analysis (mean, first quartile, and third quartile) alongside optimized feature weights, a distance-weighted k-Nearest Neighbors (k-NN) classifier trained with 1:1 balanced sampling is employed to determine whether the worker is in motion. Experiments conducted in a pilot plant environment, which closely resembles actual factory conditions, demonstrated that the proposed method achieved an average accuracy of 0.918 and an F1 score of 0.831. This indicates more stable and improved performance in an imbalanced data environment compared to baseline classification methods without feature selection and distance weighting. In particular, the recall reached 0.962, suppressing the risk of missing actual worker movements to approximately 4% and thereby substantiating a high level of reliability for industrial safety. Consequently, this study offers a practical alternative that enables even small and medium-sized enterprises to deploy a highly reliable worker status monitoring system while substantially reducing the burden of infrastructure deployment.

한국어

본 논문은 산업현장 작업자의 안전 모니터링을 위해 기존의 다중 비콘 네트워크 구축이나 웨어러블 센서(IMU) 착용에 의존하던 방식에서 벗어나, 스마트폰과 단일 수신기만으로 동작하는 비용 효율적인 움직임 감지 기법을 제안한다. 제안된 시스템은 작업자의 스마트폰에서 송출되는 BLE 광고 신호의 수신 신호 강도(RSSI)를 단일 수신기로 수집하고, 슬라이딩 윈도우 방식으로 통계적 특징을 추출한다. 데이터 탐색을 통해 선정된 3개의 핵심 특징(평균, 1사분위수, 3사분위수)과 최적화된 가중치를 적용하여, 1:1 균형 샘플링 기반의 거리 가중 최근접 이웃(-NN) 분류기로 움직임 여부를 판별한다. 실제 공장과 유사한 파일럿 플랜트 환경에서 실험한 결과, 제안 기법은 0.918의 평균 정확도와 0.831의 F1 점수를 기록하여 특징 선별 및 가중치가 적용되지 않은 기본 분류 기법 대비 데이터 불균형 환경에서도 한층 안정적이고 향상된 성능을 보였다. 특히 재현율(Recall)이 0.962에 달해 작업자의 실제 움직임을 놓칠 위험을 4% 수준으로 억제하며 높은 산업안전 신뢰성을 입증하였다. 이를 통해 영세 중소 사업장에서도 인프라 구축 부담을 크게 낮춘 신뢰도 높은 작업자 상태 모니터링 시스템을 도입할 수 있는 실용적 대안을 제시한다.

목차

요약
Abstract
1. 서론
2. 시스템 모델
2.1 시스템 구성
2.2 시스템 동작 방식
3. 데이터모델
3.1 블루투스 전파 신호
3.2 신호 감쇠의 수학적 모델
3.3 수집 데이터 모델
4. k-NN 기반 작업자 움직임 감지
4.1 알고리즘 개요
4.2 입력 샘플 구성과 특징 추출
4.3 학습·예측·평가
4.4 하이퍼파라미터 탐색
5. 실험 및 결과해석
5.1 실험환경 및 데이터 수집
5.2 분류기 성능
5.3 결과 해석
6. 결론
REFERENCES

키워드

저자

• 이영두 [ Young-Doo Lee | 메이크박스 대표 ]
• 박기웅 [ Ki-Woong Park | 한국폴리텍대학 석유화학공정과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  미래기술융합논문지

• 간기

  격월간

• eISSN

  2951-2468

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 530 DDC 620