Analysis of Terminal Work Site Accidents Severity Factor at Port Areas using ANN with Sampling Approach

항만 터미널에서는 작업자와 다양한 중장비가 근거리에서 작업하며 사고 발생 시 심각도가 높을 수 있다. 따라서 중대 사고를 예방하기 위한 적절한 주의와 안전 조치가 필요하다. 본 연구에서는 항만 사고 심각도 예측 모델을 개발하기 위해 기계 학습 방법론인 인공 신경망(ANN)을 적용했다. 이를 위해, 항만 사고 데이터를 증강하고 사고 특징에 따라 사고 위험 상황을 구분하기 위해 오버샘플링 및 클러스터링 기법을 적용했다. 그 결과, 항만 사고의 이질성을 반영한 군집화된 사고 데이터를 사용하여 항만 사고심각도 모델을 개발하였고, 이를 군집화하지 않은 사고 데이터를 사용하여 개발한 심각도 모델과 성능을 비교 분석했다. 분석 결과, 군집 데이터를 활용한 사고 모델의 F1-score가 0.890, 비군집 데이터를 활용한 사고 모델의 F1-score가 0.674로 도출되어 군집 데이터 모델이 비군집 데이터 모델 보다 더 나은 성능을 보였다. 마지막으로, ANN 모델 기반 설명 가능한 인공지능(XAI) 분석을 수행하고 항만 내 중대 사고에 영향을 미치는 주요 변수 10개를 도출하였다. 본 연구는 항만 사고 심각도를 평가하기 위한 고성능 및 설명 가능한 분석 모델을 소개하여 항만 안전 전문가에게 의사 결정을 위한 통찰력을 제공한다. 또한, 본 연구의 결과는 항만 터미널 내 사고 심각도를 줄이고 안전성을 높여 항만 사고로 인한 경제적 손실을 줄이는 데 중요한 역할을 할 수 있다.