건설 현장은 소음과 분진 등 여러 유해한 환경 요인에 작업자가 노출되는 역동적인 공간으로, 급성 스트레스 반응을 유발한다. 기존의 규제 지침은 장기 노출에 초점을 두고 있으며, 복합 환경 조건에서의 단기 스트레스를 평가할 수 있는 도구가 부족하다. 이러한 공백을 해소하기 위해 본 연구는 심박수 데이터만으로 건설 노동자의 스트레스 확률 분포를 추정하기 위한 프레임워크를 제안한다. 이 과정은 세 가지 주요 과업으로 구성된다: (1) 심박수 기반 스트레스 상태 분류 모델이 스트레스 확률을 추정한다; (2) 환경 요인과 추정 스트레스 확률 간의 관계를 Bayesian Ridge Regression을 사용하여 정량화한다; (3) 회귀로부터 도출된 계수로 가중된 Gaussian Process Network(GPN)가 개인의 스트레스 예측 불확실성을 모델링하고, 이를 Mixture of Gaussians로 통합한다. 제안된 모델은 상승(시너지) 효과를 보여주며, 소음이 80 dB를 초과하고 분진이 11 μg/m³를 초과할 때 스트레스 확률이 유의하게 증가하고, 소음이 80 dB를 초과하며 분진이 8.75 μg/m³를 초과하는 경우에는 중첩된 효과가 나타난다. 이러한 결과는 다중 환경 요인 하에서의 급성 스트레스에 대한 정량적 통찰을 제공하며, 건설 현장에서의 데이터 기반 안전 및 환경 관리에 기여한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.