1.1 연구의 배경 및 목적

건설현장에서는 다양하게 투입된 인력, 장비, 비용 등의 자원이 복잡하게 상호작용하여 원활한 공사 진행에 많은 영향을 끼치게 된다. 이러한 외부 환경 요인이 불확실성의 결과로서 건설프로젝트에 악영향을 주는 사건으로 발전하게 되면 이를 건설프로젝트 리스크로 정의할 수 있다^{(Al-Bahar, 1989)}. 건설프로젝트 리스크는 공기지연 및 비용증가에 큰 영향을 끼치기 때문에 현장에서의 리스크를 파악하기 위한 많은 노력이 이루어졌다.

^{Kang et al.(2002)}은 건설공사 리스크 관리를 위한 분류체계를 도출하기 위하여 설문조사 및 분석을 통하여 정치·사회적, 기획, 입찰, 계약, 설계 및 시공단계 인자를 구분하였다. ^{Kim et al.(2008)}은 공종별 리스크 발생률이 전체 공종 중 26.1 %으로 높은 비율을 차지한 철근콘크리트 공사를 대상으로 기존 문헌 및 인터뷰 설문조사를 진행하고 AHP 기법을 이용하여 리스크 영향력을 분석하였다. ^{Yoon et al.(2008)}은 철근콘크리트 공종을 대상으로 AHP 기법 및 공정리스크 중요도 지수를 도입하여 공정리스크를 도출하고 관리 시스템을 제안하였다. ^Yang(2020) 및 ^Choi(2015)은 해외건설프로젝트 리스크 분류 체계를 실제 사례에 근거하여 도출하고 전문가 설문조사를 통하여 해외 공사에서의 건설 리스크를 도출하였다. ^{Lee et al.(2018)}에서는 공공 건설사업 내에서 공사비 증가, 공기 지연의 증가를 유발하는 갈등 요인에 대하여 갈등 유형을 분류하고 군집분석을 통해 유형을 분류하였다. 이처럼 분석 가능한 다양한 정보를 바탕으로 건설현장의 리스크를 파악하기 이한 노력이 있었지만, 일부 공종 및 수행단계에 국한되거나, 설문조사를 통한 실무자의 경험 의존적 의사결정을 기반으로 하고 있다.

최근 이러한 경험 의존적 의사결정에서 벗어나 데이터 기반의 객관적인 의사결정을 수행하고자 다양한 건설문서를 분석하는 텍스트 마이닝 기법이 주목받고 있다. 국내 사례에 대하여는 주로 안전사고와 관련된 텍스트 마이닝 연구가 수행되었다. ^{Kang and Yi(2018)}는 안전보건공단에서 제공하는 건설공사 재해사례 텍스트 데이터를 Word2Vec 알고리즘을 활용하여 시각화하였으며, ^{Park and Kim(2021)}은 한국산업안전보건공단의 텍스트 데이터를 웹크롤링하여 빈도분석과 중심성 분석을 통해 중요도를 산출하였다. ^{Kim and Kim(2019)}은 계절별로 건설현장에서 발생한 추락사고 인터넷 기사를 웹크롤링하여 주성분분석과 군집분석을 통하여 추락사고의 특징을 도출하였다. ^{Yang and Lim(2021)}은 국내 KCI 논문 등재지 및 학위논문을 바탕으로 건설 재해 연구 동향을 의미연결망을 통해 분석하였다. ^{Shin and Chi(2014)}은 미국 건설사고 리포트의 텍스트 마이닝을 통해 도출되는 단어 간의 연관성과 군집분석을 통해 텍스트에 포함된 경험지식의 정보화 가능성을 확인하였다. 안전사고 외에 ^Kim(2022a)은 해외건설프로젝트에 대하여 공기지연일과 공기지연요인의 분포를 4개로 구분하고 지연사유와 지연대책을 분석하여 사례를 나열하였다. ^Kim(2022b)는 아파트 건설산업 프로젝트 내에서의 정확한 공정관리를 위해 적극적인 작업분류체계 분류를 제안하였으며, 작업 상세내용 분석에 Word2Vec 등의 알고리즘을 활용하였다. 이외에 해외프로젝트의 계약문서를 텍스트 마이닝하여 입찰 리스크 및 사업 타당성을 분석할 수 있는 기반을 마련하였으며^{(Lee and Yi, 2017; Marzouk and Enaba, 2019; Son and Lee, 2019)}, 상하이에서 수행된 건설 프로젝트의 감독일지를 분석하여 현재 리스크 관리에서 누락 가능성이 있는 고빈도-저심도(high-frequency-low-severity) 리스크를 정의하였다^{(Wang et al., 2020)}. 이처럼 텍스트 마이닝을 활용한 건설 리스크의 분석은 지금까지 소수의 전문가들이 범주화하거나, 비정형데이터로써 관리되던 건설 리스크 관련 데이터 산업을 발전시키고 있다^{(Kang and Yi, 2018)}. 다만, 비교적 대량의 데이터 수집이 용이한 건설현장 재해사고를 바탕으로 한 리스크 분석, 입찰단계에서 계약 문서 분석을 통한 사전 타당성 검토 등의 일부 사례에만 텍스트 마이닝 기술이 적용되고 있어 시공단계에서의 전반적인 리스크 도출에 한계가 있다.

건설현장에서 생성되는 건설프로젝트 문서 중 감독일지 및 공문 등은 시공단계에서 발생하는 다양한 현장 관리 요인이 포함되어 있으며, 이는 시공사 또는 발주처에 중요한 요인들이 포함되어 있을 확률이 상당히 높다. 그러나 민감한 공사정보로 인하여 정보 접근의 한계가 존재하며, 충분한 연구가 진행되지 못하였다. 따라서 본 연구에서는 국내 토목공사 현장의 공문을 수집하고 군집분석과 Word2Vec 알고리즘을 활용한 텍스트 마이닝을 수행하여 공문의 발생 유형을 살펴보고 잠재적인 건설 리스크 요인을 검토하고자 한다.

1.2 연구의 범위 및 방법

본 연구는 국내 토목공사 현장 10개 공구에서 시공사와 발주처 간의 수발신공문을 대상으로 텍스트 마이닝 기반 군집분석과 Word2Vec 알고리즘을 적용하였다. 수집된 총 파일은 12,227개이며, 분석 가능한 텍스트만을 추출하여 총 7,375개의 텍스트를 분석하였다. 공문 분석 체계를 Fig. 1에 나타내었다. 수집한 공문의 제목 및 내용에 대하여 형태소 분석 및 추출, 불용어 처리 등의 전처리를 수행한 후 군집분석을 수행하여 공문 발생 유형을 도출하였다. 이후 Word2Vec를 통해 공문의 제목을 학습시킨 후 도출된 군집을 기준으로 잠재 리스크 요인을 구성하였다.

Fig. 1. Research Flow Chart

2.1 자료의 전처리

비정형 데이터인 텍스트는 문자, 단어, 구, 품사 등 다양한 요소로 구성되어 있기 때문에 문장으로부터 단어를 추출하고 문장부호 등을 분리할 수 있는 전처리 과정을 거쳐야 한다. 한글의 텍스트 마이닝은 형태소 분석을 통해 전처리를 수행한다. 다만 건설현장에서 발생된 건설문서의 경우 다양한 명사의 결합형태가 존재하며, 공문의 특성상 요약된 문장이 다수 존재하게 된다. 공문에 적합한 형태소 분석기를 채택하기 위하여 다양한 형태소 분석기의 비교가 필요하다^{(Kang and Yi, 2018)}. Fig. 2에 형태소 분석 절차를 나타냈다.

Table 1에 한글 데이터 분석에 사용되는 대표 라이브러리인 KoNLPy ^{(Park and Cho, 2014)}의 3가지 분석기와 카카오에서 공개한 khaiii (Kakao Hangul Analyzer Ⅲ) ^{(kakao, 2020)} 형태소 분석기를 비교하였다. 분석 대상 전체의 공문을 대상으로 형태소 분석 후 명사만 추출하였다. KoNLPy에서 제공하는 분석기들은 카카오의 khaiii 대비 도출시킨 명사의 개수가 많았으나, 공문에 요약된 문장형태를 잘 반영하지 못하여 불필요한 형태소로 분석하는 것으로 나타났다. 반면에 khaiii는 CNN (Convolution Neural Network) 알고리즘을 이용하여 형태소를 분석함으로써 비교적 공문의 명사를 정확하게 분석하고 불필요한 형태소는 잘 제외시킨 것으로 판단하여 본 연구에 적용하였다. 전처리 이후에는 복합 명사로 인하여 명사가 분리된 건설 용어를 별도로 정의하였으며, 불용어를 제거하였다.

Fig. 2. Flow Chart of Selecting the Morphology Module

2.2 구조적 군집분석

군집분석은 유사한 데이터들을 서로 묶어주는 분석방법으로 구조적 군집분석은 텍스트 데이터를 트리 형태의 군집으로 나누어 데이터간의 거리가 가까운 대상들부터 결합하여 계층구조를 형성해 나갈 수 있다. 군집간의 거리를 측정하는 방법은 다양하며 본 연구에서는 군집내 증분과 군집 간 제곱합을 동시에 고려하는 와드법(Ward’s method)을 사용하였다^{(Seo, 2019)}. 군집분석을 위하여 전처리가 완료된 단어를 대상으로 TF-IDF 빈도분석 방법을 우선 적용하였다. TF-IDF는 특정 문헌 내에서 단어 빈도가 높고, 전체 문헌에서 그 단어의 포함 문헌이 적을수록 값이 높아지는 특성을 가지고 있으며, 건설 리스크와 관계없이 반복적으로 발생하는 공문 내 단어를 효과적으로 제외시킬 수 있을 것으로 판단된다.

여기서 $tf(t,\: d)$는 특정 문서 $d$에서의 특정 단어 $t$의 등장 횟수이며, $D$는 전체 문서를 나타내며, $idf(t,\: D)$는 특정 단어 $t$가 등장한 문서의 수인 $df(t)$에 반비례하는 값이며, $n$은 총 문서의 개수이다.

2.3 Word2Vec

Word2Vec은 2013년 구글에서 발표된 연구로 단어의 의미는 그 단어 주변 분포로 이해될 수 있으며, 단어의 의미가 단어 벡터 안에 인코딩 될 수 있다는 2가지 가정을 통하여 중심단어로 주변 단어를 학습할 수 있는 워드 임베딩 방법으로, 최근 가장 많이 사용되는 모델이다^{(Mikolov et al., 2013)}. Word2Vec는 주변에 있는 단어들을 학습하여 중간에 있는 단어를 예측하는 CBOW (Continuous Bag of Words)방법과 중간 단어로 주변 단어를 예측하는 Skip-Gram 방식이 있으며, 본 연구에서는 군집분석에서 도출된 군집을 중심으로 공문에 분포된 단어를 예측하기 때문에 Skip-Gram 방식을 적용하였다. Word2Vec 적용 시에는 형태소 분석기를 적용하지 않은 상태로 학습을 진행하였다. 다만, 군집분석에서 정의하였던 복합명사를 통일하여 적용하고 공문에서 많이 사용되는 단어인 ‘무궁’, ‘발전’, ‘기원’, ‘의거’, ‘통보’, ‘첨부’ 등의 단어를 불용어 처리하는 과정을 적용하였다.

3.1 구조적 군집분석 결과

Fig. 3에 한 개 공구에 대한 군집분석 결과를 나타내었다. 거리가 가까운 군집 간에 별도의 색상으로 구분되어 있으며, 건설현장의 구분이 가능한 일부 단어는 가렸다. 군집별 특징을 살펴보면 ‘자재(material), 신청서(application form), 지급(payment)’, ‘처리(processing), 폐기물(waste)’, ‘점검(inspection), 구조(structure), 검토(examination), 시행(implementation), 품질(quality), 환경(environment) 등’, ‘현황(present status), 확인(confirmation), 관리(management), 안전(safe)’, ‘계약(contract), 하도급(subcontracting)’, ‘변경(change), 설계(designing), 승인(approval), 요청(request)’의 6가지 그룹으로 구분되었으며, 각 군집을 자재(construction material), 폐기물(waste), 점검/검토/조치(inspection/examination/act), 안전/관리(safe/ management), 하도급(subcontracting), 설계변경(design change)으로 지정하였다.

Table 2에 총 10개 공구에 대한 군집 및 도출된 횟수를 나타내었다. 각 공구에서 도출된 군집의 개수는 차이가 있었으나, A공구에서 나타난 6개 군집으로 구분 가능하였다. 설계변경과 점검/검토/조치와 관련한 사항은 모든 공구에서 도출되었으며, 자재, 폐기물, 하도급, 안전/관리의 순서로 군집이 분류되었다. 가장 적은 군집이 도출된 공구에서는 설계변경, 점검/검토/조치, 폐기물 등 3개 군집이 분석되었다.

Fig. 3. Cluster Analysis of Formal Documents in Site A

3.2 Word2Vec 분석 결과

Word2Vec 알고리즘을 활용하여 각 공구별로 학습된 단어는 최소 443개에서 최대 1,997개, 평균 1495.7개의 단어가 학습되었다. 학습된 결과의 시각화를 위하여 구글 임베딩 프로젝터의 데이터 시각화 도구를 사용하였다^{(Smilkov et al., 2016)}. 시각화 방법으로는 t-SNE (Stochastic Neighbor Embedding)방법을 사용하였다. SNE 방법은 가우시안 분포를 확률분포로 전제하기 때문에 꼬리가 두텁지 않아 특정 개체에서 거리가 가까운 개체와 떨어져 있는 개체가 선택될 확률의 큰 차이가 발생하지 않는다. 따라서 가우시안 분포보다 꼬리가 두터운 t분포를 활용한 것이 t-SNE이며, Word2Vec 알고리즘에서 시각화하는데 많이 쓰인다^{(Kang and Yi, 2018)}. Fig. 4에 A공구의 설계변경, 점검/검토, 자재, 폐기물, 하도급, 안전과 연관어를 시각화하였으며, 군집분석과 동일하게 시공사를 유추할 수 있는 단어는 제외하여 나타내었다.

설계변경에서 코사인 유사도를 기준으로 연관어를 분석한 결과 ‘반영(0.039)’, ‘적용(0.055)’, ‘승인(0.092) ’등 설계변경이 수행된 경우, ‘기준(0.110)’, ‘물가(0.139)’ 등 외부 환경의 변화에 따라 설계변경이 필요한 경우에 관한 사례가 많은 것으로 유추된다. 점검과 관련한 단어는 ‘지적(0.056)’, ‘결과(0.078)’, ‘실시(0.142)’ 등 점검 이후의 절차와 ‘자율품질(0.057)’, ‘정기(0.098)’, ‘분기(0.149)’ 등 정기적이고 일반적인 절차 그리고 ‘공장(0.120)’, ‘구입레미콘(0.189)’ 등의 재료와 관련된 사례가 유추된다. 자재의 경우 특정 공종에 필요한 자재의 ‘물품명’과 ‘신청(0.146)’ 등의 단어가 도출되었으며, 폐기물에서는 ‘처리(0.022)’, ‘발생(0.094)’, ‘의뢰(0.149)’등의 단어가 도출되었다. 하도급은 ‘기본법(0.138)’, ‘의거(0.161)’, ‘시행령(0.183)’ 등 관련 기준 및 법령이 변경되었을 때에 대응 방안과 ‘체결(0.185)’, ‘계약(0.207)’, ‘대금(0.229)’ 등 실제 계약을 위한 절차 사례가 많이 나타났다. 안전에서는 ‘관리자(0.055)’, ‘안전관리자이탈계(0.133)’, ‘대행자(0.211)’ 등의 관리자의 업무 정보와 관련한 내용이 많이 도출되었다.

Fig. 4. Embedding Visualization of Word2Vec by t-SNE

3.3 잠재적 건설 리스크 유형 분석

구조적 군집분석을 통해 6개의 군집으로 분류하였으며, 각 군집을 중심으로 Word2Vec를 활용한 워드 임베딩 학습 결과를 시각화로 표현하였다. 다만, 단순한 시각화의 경우 어떠한 양상을 보이는지 확인은 가능하지만 잠재적 건설 리스크 요인을 분석할 수 없는 한계점을 가진다. 또한 연관어는 단순히 중심단어 근처에 가까이 위치한 단어들로써 실제 리스크로써의 가치가 있는지 확인이 불가하다. 따라서 각 공구별 Word2Vec 학습결과에서 군집별로 상위 20개의 연관어를 별도로 추출한 후 일상적 현장관리 및 전처리 과정에서 거르지 못한 일부 단어들을 삭제하였다. 중복을 포함하여 총 279개의 연관어가 도출되었으며, 157개의 공문 발생 세부 유형으로 구분되었다. 이를 외부요인(external factor), 구조물/시설물(structure/facility), 재료(material), 민원(civil complaint), 장비(equipment) 등 5개의 범주로 구분하여 비교하였다. Fig. 5를 보면 구조물/시설물 관련은 34 %, 외부요인이 32 %, 재료가 31 %, 장비 및 민원 1 %를 차지하고 있으며, 재료의 경우 대부분 자재 관련 요인으로 구성되어 있는 것을 확인하였다. 외부요인에 따른 공문 유형은 안전 및 자재를 제외하고 고르게 분포되었으며, 구조물/시설물의 경우 설계변경이 전체의 63 %를 차지하는 것으로 나타났다.

임의로 구분된 범주와 군집분석 유형에 따른 일부 연관어를 Tables 3~5까지 빈도 순으로 나타내었다. Word2Vec 분석결과를 2차 분류로 구분하여 연관어를 분석하면 잠재적 건설 리스크 요인으로 발전 가능한 공문의 유형을 분석 가능할 것으로 판단된다. 외부요인에 따른 리스크 유형을 Table 3에 나타내었다. 설계변경의 경우 ‘누락(omission), 비용(cost), 취약(weak)’ 등의 문제점 발견이나, ‘지침(guide)’등의 기준의 변경 또는 권고사항, ‘경관(landscape)’등 구조물 또는 시설물의 형상 변경, ‘식생(vegetation), 억제(inhibition)’ 등 공사 현장의 환경적 요인과 관련된 영향이 리스크로 발전 가능한 것으로 유추된다. 자재의 경우 ‘생산(production)’에 문제가 발생한 경우가 유추될 수 있으며, 점검/검토/조치의 경우 ‘지적(pointing out), 안전대책(safe counterplan), 실태(real condition)’ 등 잘못된 현장관리에 따른 대처 마련, ‘공장(factory)’ 등 현장 바깥의 원인 및 ‘해빙기(thawing season)’ 등의 환경적 요인에 영향을 받는 것을 알 수 있다. 하도급의 경우 ‘기본법(framework act), 법령(laws and ordinances), 복원(restoration), 시행령(enforcement ordinance)’ 등 건설 관련법에 많은 영향을 받았으며, 폐기물의 경우 연관어만을 가지고 뚜렷한 영향을 설명할 수 없었다.

Table 4에 구조물/시설물에 따른 리스크 유형, Table 5에는 재료, 장비, 민원에 따른 리스크 유형을 나타내었다. 구조물/시설물 범주의 경우 실제 구조물 및 공종 관련 연관어들이 도출되었다. 특히 폐기물의 경우 ‘기존도로(existing road)’라는 연관어가 도출되어 기존 구조물 또는 지장물에 대한 영향이 있음을 유추할 수 있다. 재료의 경우 실제 건설 현장에 쓰이는 재료 및 구조물의 부속품들에 관한 내용이 많이 도출 된 것을 확인할 수 있으며, 콘크리트 관련 연관어가 도출되어 현장관리에 있어 콘크리트의 품질관리 및 폐기물 처리 방안에 대한 영향을 많이 받는 것으로 나타났다. 장비 범주에서는 사용 장비의 안전을 확인하는 ‘보증서(guarantee letter)’확인과 같은 절차가 수행됨을 알 수 있었으며, 민원에서는 ‘잔여지(residual land)’, ‘용지(lot)’ 등 토지 사용과 관련된 민원이 제기되고 있음을 확인하였다.

Fig. 5. Distribution Risk Types by Category