한국경영과학회/대한산업공학회/한국시뮬레이션학회

2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)

유전 알고리즘을 활용한 건설현장 환경센서의 최적 배치도 도출

Optimized Deployment of Environmental Sensors on Construction Site Using Genetic
Algorithm

서유탁 연구원, 이석희 석사과정, 문성현 교수1, 이기택 박사2

1경상국립대 산업시스템공학부 2서울대학교 건설환경종합연구소
1soano2428@gnu.ac.kr, 11arnoldmike12@gmail.com, 1moonsh@gnu.ac.kr,
2lgt0427@snu.ac.kr

Abstract
필요하다는 연구가 이어지고 있다[1].
건설현장의 생산성과 안전을 향상하기 건설현장 디지털트윈을 구축하기 위해서는
위해 디지털트윈의 구축은 필수적이다. 물리적, 환경적, 생애주기적 특성을
특히, 건설현장 디지털트윈의 환경적 반영해야 한다[2]. 특히, 환경적 특성을
정보를 수집하기 위해 환경센서의 설치 및 반영하기 위해 소음, 분진, 진동, 온·습도
운영에 대한 연구가 이어지고 있다. 본 등 환경정보를 수집하기 위한 연구가
연구는 건설현장의 특성을 고려한 환경센서 활발하게 수행되고 있다[3-4].
배치 최적화 알고리즘을 개발한다. 전체 작업이 진행되는 동안 현장의 환경은
현장을 5m× 5m의 격자로 나누고, 급격하기 때문에 변화되는 건설현장의 이
건설현장의 특성을 고려하여 제약조건을 모든 요소를 고려하여 센서의 배치가
설정한 뒤, 유전 알고리즘을 적용하여 센서 결정된다. 하지만 현재 건설현장에서는
배치를 최적화하였다. 700m x 700m 주로 현장 관리자가 임의로 센서 설치
크기의 샘플 현장에 실험한 결과, 평균 약 위치를 결정하여 필요 이상 또는 이하의
16초만에 센서 배치도를 도출했다. 본 대수로 센서를 배치하는 경향이 있다[5].
연구는 넓고 복잡한 건설현장에 최적화된 이로 인해 현장의 데이터 수집 시 결손이
센서 배치를 통해 환경정보를 효율적이고 발생하거나 유지보수의 측면에서 불필요한
효과적으로 수집하도록 기여한다. 비용이 발생하게 된다. 이전의 센서 배치
최적화 연구에서는 장애물이 유무를
1. Introduction 기반으로 열린 공간(Open space)에서
수리적 계산을 통해 센서 배치를
건설산업은 다양한 종류의 중장비들과 최적화하려는 시도가 있었지만, 매 순간
자재의 빈번한 이동, 노동집약적이고 현장 변화하는 건설현장에 유동적으로 대응하여
의존적인 생산 체계, 참여주체 간 정보단절 자동화된 결과 도출하기 어려운 점이 있다.
등으로 타 산업에 비해 높은 위험성을 지닌 그러므로 건설현장에서 발생할 수 있는
산업이다. 건설현장의 안전사고 방지 및 작업자동선, 자재이동, 집중탐지 구역 설정
생산성 향상을 위해 디지털트윈이 등 다양한 요소들을 고려하고 휴리스틱한
한국경영과학회/대한산업공학회/한국시뮬레이션학회
2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)
최적화 기법인 유전 알고리즘을 활용해
어떤 현장이든 적용이 가능한 센서 배치
최적화 알고리즘 개발을 목표로 한다.
본 연구의 범위는 실제 건설 현장을
모사한 2차원 디지털 맵 상에서, 주어진
센싱 범위 정보를 갖는 센서들을 대상으로
하여, 유전 알고리즘을 적용한 센서 배치
최적화에 집중한다. 이는 배치에 필요한
최소한의 센서 수와 각 센서의 위치를
독립적으로 결정할 수 있는 소프트웨어
개발로 한정한다.
2. Literature Review
기존의 센서 배치 연구에서는 장애물이
없는 개방된 공간에서 센서를 고정된
센싱범위와 통신거리를 상정하고 최적화
배치를 시도한 연구가 있었다.
Wang et al.의 연구에서는 장애물이
있는 공간에서 통신거리와 센싱범위를 모두
만족하는 최적화된 센서 배치 방법이
제시되었는데, 장애물이 존재하는 공간을
고찰하여 센싱범위와 통신거리 중 작은
값을 택해서 해당 길이보다 폭이 좁은
영역을 작은 영역이라 칭하고 넓은 영역을
큰 영역이라 구분하여 센서 배치 최적화를
시도하였다 하지만 실내 공간을 대상으로
배치 최적화를 시도하였기 때문에 지형에
대한 정보를 반영하지 못한 한계점이
존재한다[6].
또 다른 연구에서는 탐색 범위와 통신
거리가 주어진 조건 하에서 WSN 내에서
센서들 간의 정보를 효과적으로 전달하기
위한 최적의 센서 배치를 탐색하였다. 이
연구는 센싱 범위와 통신 거리를 모두
만족하는 최적화된 배치를 찾기 위해 정수
선형 계획법, Local Search(LS) 알고리즘,
그리고 유전 알고리즘을 비교 분석하였다.
분석 결과, 맵의 크기가 커질수록 연산
속도 측면에서 정수 선형 계획법보다는
휴리스틱 알고리즘을 사용하는 것이 더
적합함을 시사하였다. 또한, 이 연구는 두
가지 휴리스틱 알고리즘의 성능을
비교하였을 때, 맵의 크기가 커질수록
최적화 결과의 격차가 유전 알고리즘에서
LS 알고리즘보다 작아지는 것을
확인하였다. 이는 유전 알고리즘이 LS
알고리즘에 비해 더 견고한 특성을 지님을
보여준다. 유전 알고리즘의 이러한 특성은
다양한 해를 탐색하고 유전 연산을 통해
지속적으로 해의 질을 개선함으로써 복잡한
최적화 문제에 있어서 더 우수한 성능을
발휘하기 때문이다. 이러한 결과는
건설현장과 같이 다양한 환경적 요인과
제한적인 조건들을 고려해야 하는 센서
배치 최적화 문제에 있어서, 유전
알고리즘을 통한 접근 방법이 효과적일 수
있음을 시사한다. 특히, 대규모 또는 복잡한
맵에서의 센서 배치 최적화 과제에 있어서
유전 알고리즘의 적용은 연산 속도와
최적화 효율 측면에서 매우 유리할 수
있으며, 이는 결과적으로 전체적인 비용
절감과 탐지 능력의 최대화를 달성하는 데
기여할 수 있다[7].
대규모 지형에서 센서의 최적 배치를
연구하는 기존 작업은 구역별 사건
발생률을 활용하여 전체 감지 목표를
만족시키면서 센서의 총 수를 최소화하는
데 중점을 두었다. 연구에서 제안된 방식은
지역별 사건 발생률 정보를 기반으로 사건
발생 가능성이 높은 지역에 센서를 집중
배치함으로써 전체 센서 네트워크의 비용
효율성을 향상시키는 동시에 감지 성능을
극대화하였다[8].
한국경영과학회/대한산업공학회/한국시뮬레이션학회
2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)
그림 1.
3. Research Process
3.1 Research Framework
그림 1은 연구의 전체적인 흐름도를
보여준다. 알고리즘이 실행되기 위한 첫
단계로 현장 지형을 모방한 그리드 맵과
적합도 평가를 위한 집중 및 제한 구역의
정보가 담긴 맵을 입력받고 현장 지형 맵은
Harris Corner Detecttion 알고리즘에 의해
그리드 맵의 꼭지점 탐색을 하고 해당
지점에 대해 센서를 배치하게 된다.
최외곽지점, 즉 현장의 꼭지점에 센서가
배치되고 난 후, 현장의 내부에는 유전
알고리즘에 의해 세대를 거듭해가며 센서
배치도를 진화시켜 최종적으로 최적화된
센서 배치도를 출력함으로써 알고리즘은
종료된다.
3.1.1 Constraints Determination
건설현장에서의 센서 배치는 최소화된
수의 센서를 사용하여 전체적인 비용을
최소화하면서도 최대의 탐지 능력을
발휘하도록 하는 것이 필요하다. 이는
효율적으로 센서 자원 배분함으로
건설현장의 안전사고 방지 및 작업
생산성을 극대화하기 위함이다.
작업이 직접적으로 진행되는 구역에는
센서를 집중적으로 배치하여 작업 환경의
Research Framework
변화를 실시간으로 모니터링할 수 있도록
한다. 이는 작업자의 안전을 보장하고,
잠재적인 위험 요소를 사전에 감지하여
대응할 수 있게 함으로써, 작업의 효율성과
안전성을 동시에 증진시킨다. 반면, 수목이
우거지거나 웅덩이가 있는 등 작업이
이루어지지 않는 구역에는 센서 설치를
제외함으로써 비용을 절감할 수 있다.
이러한 구역들은 건설 작업의 진행에
직접적인 영향을 미치지 않으므로, 센서
자원을 보다 필요한 곳에 집중적으로
배치하는 것이 경제적이며 효율적이다.
이처럼 건설현장 센서 배치의 최적화는
최소의 비용으로 최대의 탐지 효과를 갖는
것에 초점을 맞춘다.
3.1.2 Preprocessing
실제 건설현장은 5m × 5m 크기의 격자
형태로 나누어지며, 이것은 0과 1로 구성된
2차원 그리드로 데이터화되어 현장의
모습을 표현한다. 여기서 0은 센서가
배치되지 않은 구역을, 1은 센서가 배치된
구역을 나타낸다. 이러한 방식으로 현장의
모습이 기록되어, 유전 알고리즘을 통한
최적의 센서 배치 탐색에 필요한 기초
데이터로 활용된다.
센서의 경우 그리드 맵 상의 임의의
그리드 포인트  의 위치에서 센서는
  
한국경영과학회/대한산업공학회/한국시뮬레이션학회
2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)

센서의 중심점     과 센서의 센싱 반경

 을 가진다.


                 ≤   

(수식 1)
     ∪   ∪ ⋯ ∪  

 



(수식 2) 그림 3. 그리드맵 위에서 센서 다중 배치

센서는 그리드 맵 상의 수식1)을 만족하는
모든 그리드 포인트  에 대하여 센서의 건설현장의 최외곽 모서리 지점에
센서를 배치하는 것은 환경정보 매핑에
  

집합을 구성하고 수식(1)을 만족하는 모든

구역(그리드 포인트)들은 센서에 의해 필수적이다[9]. 이를 위해, Harris Corner
탐지된다고 가정한다. 그림 2는 센서가 Detection이라는 컴퓨터 비전 기술을
배치된 모습을 보여준다. 남색 영역은 활용했다. 이 기술은 현장의
현장의 외부를 나타내고 파란색은 현장 윤곽선(Contour) 중에서 방향이 급격히
내부를 표현한다. 현장 내부의 붉은 원은 변하는 특징점, 즉 모서리를 탐지하여
센서에 의해 탐지되는 영역을 표시한 컴퓨터가 자동으로 인식할 수 있도록 한다.
것이다. 이를 통해, 건설현장의 중요한 지점인
모서리 영역이 자동으로 식별되어, 센서
배치 과정에서 효율성을 크게
향상시켰다[10-11]. 그림 4는 직사각형
그리드 맵 위에서 윤곽선이 급격하게
변화하는 최외곽 꼭지점 위에 센서가
배치된 모습을 보여준다. 그림 5는 계단형
데이터 맵 위에 직각으로 윤곽선이
변화하는 6곳의 꼭지점에 대해 센서가
배치된 모습을 보여준다. 하지만 그림 6은
그림 2. 그리드맵 위에서 배치된 센서 예시 방향이 급격하게 변화하는 세 지점에
대해서는 코너 검출이 되었지만 경사진
센서에 의해 탐지된 전체 영역은 코너 지점에 대해서 코너점으로 검출되지
수식(2)를 만족하는 영역으로 아래의 그림 않은 모습을 보여주고 있다.
3과 같이 그리드 상에 표현된다. 녹색과
붉은 색 영역은 센서가 탐지하는 영역을
보여주고 붉은 색의 영역의 경우 두 대의
센서에 의해 중첩으로 탐지되고 있는
영역을 보여준다.
한국경영과학회/대한산업공학회/한국시뮬레이션학회
2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)
그림 4. 직사각형 현장 위에 최외곽 센서 배치
그림 5. 계단형 현장 위에 최외곽 센서
배치
그림 6. 한쪽이 잘린 사각형 현장 위에
최외곽 센서 배치
3.1.3 processing
유전 알고리즘은 휴리스틱 알고리즘의
한 분야로 분류되며, 특정 문제 해결을
위해 생물학적 진화 과정을 모방하여
컴퓨터가 최적의 해답을 찾도록 설계된
기법이다. 이 방법은 자연 선택과 유전자
변이의 원리를 기반으로 하여, 개체군
내에서 최적화 문제의 해답을 찾아나가는
과정을 컴퓨터 시뮬레이션을 통해
구현한다[12].
유전 알고리즘 실행을 위한 센서 배치
정보가 담긴 염색체는 2차원 맵을 행
방향으로 분할하여 1차원 배열로
변환함으로써 생성된다. 이 염색체의 구성
요소인 유전자는 맵 상의 각 구역에 센서가
배치되었는지 여부를 0과 1로 나타내어, 맵
상에 위치하는 센서의 유무를 표현한다.
그림 7. 그리드 염색체 생성 과정
예를 들어, 가로와 세로가 각각
700m인 맵이 있을 경우, 이를 가로와 세로
각각 140개의 그리드로 나누어 표현한다면,
해당 맵에 대한 염색체는 총 19,600개의
유전자로 구성된다. 초기 염색체는
랜덤하게 생성되고 적합도 평가에 의해
우수한 염색체들은 교배(Crossover)와
돌연변이(Mutation) 과정을 통해 다음
한국경영과학회/대한산업공학회/한국시뮬레이션학회
2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)

세대로 진화한다. 초기 생성 염색체 수 12개, 자식 염색체

건설현장에서 센서의 최적화 배치를 할 생성 수 24개, 진화 세대 수 무한대로, 진화
때 3) 최소한의 대수로 센서를 배치하고, 4) 종료 조건은 적합도 판정이 80점이 넘거나
센서 탐지 영역이 현장을 모두 커버, 5) 50세대 동안 적합도 변화가 없을 시
현재 연구에서 사용자 관심 구역을 얼마나 종료하도록 조정하였다.
잘 반영했는지 평가하는 요소로 추후 다음은 그림에서 세 가지 맵에서 100회
연구에서 구역의 특성(제한 및 집중 배치 동작 후, 다음과 같은 결과를 보여주었다.
구역)을 얼마나 잘 반영했는지 평가한다. 붉은 영역은 센서가 밀집되어 배치된
모습을 보여주고 파란색 영역의 경우
      상대적으로 덜 밀집해서 센서가 배치된
(수식 3) 상태를 나타낸다.
     ⊆  
(수식 4)
 

    
    
            
 ≤  × 
×
(수식 5)
수식 (5)는 유전 알고리즘을 통해 그림 7. 직사각형 현장 위에 센서 배치도
출력된 맵의 그리드가 사용자가 정의한
구역의 특성을 얼마나 정확하게 반영하는지
나타내는 적합도 지표로 사용된다. 이
지표는  와  간의 오차를
       

기반으로 하며, 센서가 탐지하는 영역과

구역의 특성 간의 차이의 제곱 합을 산술
평균하여 적합도를 평가한다. 해당 식을
통해 계산된 적합도는 센서 배치도가
사용자의 의도대로 완벽히 반영할 경우
최대값인 100점을 나타낸다. 반면, 센서
배치도가 구역의 특성을 벗어날 경우, 그림 8. 한쪽이 잘린 사각형 현장 위에
적합도는 0 미만의 값을 가질 수 있어, 센서 배치도
이는 센서 배치의 비적합성을 수치적으로
명확히 표현한다. 유전 알고리즘을 통한
센서 배치 최적화 연구에서 이러한 적합도
평가는 중요한 요소로 작용한다.
4. Results and Discussion

건설현장을 위한 센서 배치 최적화
알고리즘 실행 결과, 센서 탐지 반경 200m,
한국경영과학회/대한산업공학회/한국시뮬레이션학회
2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)
그림 9. 계단형 현장 위에 센서 배치도
동작시간(초) 센서 수(대)
직사각형 1096.2 847
한쪽이 잘린 1036.7 602
사각형
계단형 190.1 204
표 1. 데이터 맵 별 알고리즘 동작시간과
배치된 센서의 수
알고리즘의 실행 결과 표 1에서처럼
3가지 맵 모두 과도하게 센서가 배치되는
경향을 보였다. 직사각형 맵에서 알고리즘
동작시간은 1096.2초, 센서 대수는 847개로
배치되었고 한쪽 면이 잘린 사각형 형태의
맵은 1036.7초, 847대가 배치되었다. 계단형
맵의 경우 앞선 두 맵과는 다르게
190.1초로 준수한 동작시간을 보여줬지만
센서의 배치 대수는 204대로 고밀도로
센서가 배치되었다. 과도한 센서 배치
경향을 나타내는 것은, 적합도 함수의
설정이나 교배 및 돌연변이의 연산 방식에
있어 수정이 필요하다. 이는 적합도 함수가
센서 배치의 효율성보다 높은 밀도의 센서
배치를 과도하게 보상하는 경향이 있음을
의미할 수 있다.
5. Conclusion
본 연구는 유전 알고리즘을 활용하여
건설 현장에서의 센서 배치를 최적화함으로
써 건설현장의 역동적인 특성에 빠르게 적
용할 수 있는 센서 배치도를 제공하였다.
건설산업은 타산업에 비해 디지털 활용도가
떨어지는 산업으로, 이와 같은 연구를 통해
자동화된 센서 배치 최적화 배치는 건설 자
동화 연구에 대한 중요한 시도이다.
그러나 현재 알고리즘 실행 결과, 직
사각형 맵의 경우 847개에 달하는 센서 배
치가 이루어져 기대한 최소의 센서 대수를
달성하지 못했다는 한계를 드러냈다. 이러
한 결과는 실제 현장 적용에 있어서 바로
활용하기에 아직 부족함을 시사한다.
향후 연구에서는 적합도 함수의 조정과
구역별 특성을 더욱 세밀하게 반영하고 교
배 및 돌연변이 출현 매개변수를 최적화하
는 방안을 통해 알고리즘을 정교화할 계획
이다. 이러한 개선 작업을 통해, 실질적인
현장 적용 가능성을 높이고, 최종적으로 최
소한의 센서를 사용하여 최대한의 센서 효
율을 달성하는 목표를 기대한다.
Acknowledgement
This work was supported by the National
Research Foundation of Korea (NRF)
grant funded by the Korea government
(MSIT) (No. RS-2023-00241758).
References
[1] 한국건설산업연구원 (2022) “건설동향
브리핑”(제855호).
[2] 문성현 (2023). “특집 3 스마트건설을
위한 건설현장 디지털트윈.”,
Industrial Engineering Magazine,
30(4), 27-31.
[3] Lee G., Moon S., and Chi S.,
“Real-Time Construction Site Noise
Mapping System Based on Spatial
Interpolation”, (2023), Journal of
Management in Engineering, 39 (2),
04022079, DOI:
10.1061/JMENEA.MEENG-5089.
[4] Lee G., Moon S., Hwang J., and Chi
S., “Development of a real-time
noise estimation model for
한국경영과학회/대한산업공학회/한국시뮬레이션학회
2024 춘계공동학술대회(2024.5.2~4, 여수엑스포컨벤션센터)

construction sites”, (2023), Advanced [10] Harris, C., Stephens, M., “A

Engineering Informatics, 58, 102133, combined corner and edge detector.”,
DOI: 10.1016/j.aei.2023.102133 (1988), In Alvey vision conference,
[5] Kim J., Ham Y., Chung Y., and Chi (Vol. 15, No. 50, 10-5244).
S., “Systematic Camera Placement [11] S. Guiming., S. Jidong, “Multi-Scale
Framework for Operation-Level Harris Corner Detection Algorithm
Visual Monitoring on Construction Based on Canny Edge-Detection”,
Jobsites”, (2019), Journal of (2018), IEEE International
Construction Engineering and Conference on Computer and
Management, 145 (4), 04019019, DOI: Communication Engineering
10.1061/(ASCE)CO.1943-7862.0001636 Technology (CCET), Beijing, China,
[6] You-Chiun Wang, Chun-Chi Hu and 2018, 305-309, doi:
Yu-Chee Tseng, “Efficient 10.1109/CCET.2018.8542206.
deployment algorithms for ensuring [12] Schmitt, L. M. (2001). “Theory of
coverage and connectivity of genetic algorithms. Theoretical
wireless sensor networks”, First Computer Science”, 259(1-2), 1-61.
International Conference on Wireless
Internet (WICON'05), Budapest,
Hungary, 2005, 114-121, doi:
10.1109/WICON.2005.13.
[7] Rebai M., Le Berre M., Snoussi H.,
Hnaien F., and Khoukhi L. “Sensor
deployment optimization methods to
achieve both coverage and
connectivity in wireless sensor
networks.”, (2015), Computers and
Operations Research, 59, 11–21,
DOI: 10.1016/j.cor.2014.11.002
[8] Kim H., Han S. W., “An efficient
sensor deployment scheme for
large-scale wireless sensor
networks”, (2015), IEEE
Communications Letters, 19 (1),
6963305, 98–101, DOI:
10.1109/LCOMM.2014.2372015
[9] Lee G., Moon S., and Chi S.,
“Real-Time Construction Site Noise
Mapping System Based on Spatial
Interpolation.”, (2023), Journal of
Management in Engineering, 39 (2),
04022079, DOI:
10.1061/JMENEA.MEENG-5089