1. 서론
1.1 연구의 배경 및 목적
“4차 산업혁명에 대한 이해”라는 주제로 2016년에 개최된 제46차 세계경제포럼 이후, 전 세계적으로 4차 산업혁명 관 련 기술에 대한 관심이 높아지고 있다(Lee1, 2016). 현재 기 술선진국을 중심으로 4차 산업혁명에 대응하기 위한 노력 이 활발하게 진행되고 있으며(Lee2, 2016), 우리나라에서도 2017년 미래창조과학부 정책방향, 제조업 혁신 3.0 등을 통 해 4차 산업혁명에 대응하고 있지만 아직 초기 단계에 머무 르고 있는 것으로 평가되고 있다(CERIK1, 2017).
건설산업에서도 4차 산업혁명에 대한 관심이 고조되고 있 으며, 4차 산업혁명 기술을 활용한 건설기술 개발이 중요 한 현안이 되고 있다(CERIK2, 2017). 특히 건설산업 내에서 는 ICT 기술의 활용에 대한 관심이 높아지고 있으며(Chin, 2016), 건설산업이 4차 산업혁명을 능동적으로 대응하기 위
해서는 건설기술이 그간 4차 산업혁명 기술과 어떻게 접목 되어 왔는지 그 트렌드를 이해할 필요가 있다. 이를 통해 4차 산업혁명 관련 건설기술의 개발 동향을 이해할 수 있으며, 미 진한 연구 분야에 대해서는 노력을 경주할 수 있는 방향성을 설정할 수 있기 때문이다.
건설기술 개발의 트렌드를 분석하는 효과적인 방법 중 하 나는 건설기술 특허의 트렌드를 분석하는 것이다. 한 산업의 기술개발 동향을 파악할 수 있는 지표로는 연구보고서와 논 문 등도 있지만, 특허는 해당 산업의 기술개발 현황을 파악 할 수 있는 중요한 지표일 뿐만 아니라 기업과 실무에 직접적 인 영향을 끼치기 때문이다(STEPI, 2005). 그간 건설기술 개 발의 트렌드를 분석하는 연구들이 수행된 바 있지만 주로 전 문가의 정성적인 의견과 평가에 의해 진행되었거나 표본 추 출(Sampling)을 기반으로 하여 전체적인 트렌드를 파악하기 에는 한계가 있었다(Jeong & Kim, 2012).
이를 극복하는 방법 중 하나는 빅데이터분석을 활용하는 것이다. 빅데이터분석을 통해서 건설기술 특허를 분석하면 표본이 아닌 모수(母數)를 데이터로 하여 방대한 데이터를 처 리할 수 있으며, 정량적인 방법을 가미하여 결과의 신뢰성을 높일 수 있는 장점이 있기 때문이다.
본 연구의 목적은 빅데이터분석 기법을 활용하여 지난 10
* Corresponding author: Kim, Han Soo, Department of Architecture, Sejong University, Seoul 05006, Korea
E-mail: [email protected] Received June 27, 2017: revised - accepted August 2, 2017
빅데이터 기반의 건설기술 개발 트렌드 분석에 관한 연구
- 4차 산업혁명 ICT 기술 관련 건설특허를 중심으로 -
한재훈1·김한수*
1
세종대학교 대학원 건축학과
Analysis of the Trends of Construction Technology Development based on Big Data - Focused on Construction Patents in Relation to
the 4th Industrial Revolution ICT Technologies -
Han, Jae Hoon
1, Kim, Han Soo
*1
Department of Architecture, Graduate School of Engineering, Sejong University
Abstract :
As global interests in the 4th Industrial Revolution have recently increased, it becomes critical for the construction industry to pro-actively cope with it. For effective actions, the construction industry needs to make active use of 4th Industrial Revolution technologies based on the up-to-date understanding of the trends of construction technology development employing the 4th Industrial Revolution technologies. The objective of the study is to investigate and identify key trends of ICT construction technology development over the last ten years based on Big Data Analytics. The study identifies eleven key trends and discusses that ICT construction technology development has not been as active as expected and software technologies have been less developed compared to hardware technologies.
Keywords
: 4th Industrial Revolution, ICT Technologies, Big Data, Construction Patents, Trend Analysis
년간의 ICT 건설기술 개발 트렌드를 분석하고 주요 특징을 도출하는데 있으며, 본 연구에서 지칭한 ICT 건설기술이란 4 차 산업혁명 ICT 기술과 접목된 건설기술을 의미한다.
본 연구의 목적 달성을 위해 건설기술 개발 트렌드는 다음 과 같은 3가지 관점과 세부 목적에서 분석되었다.
■ 전(全) 산업특허, 건설특허, ICT 건설특허 트렌드 분석:
전(全) 산업기술, 건설기술, ICT 건설기술 특허가 어떠한 비 중을 차지하는지 비교하여 트렌드 분석; 3.2절.
■ 거시적 ICT 건설기술 트렌드 분석: 건설기술 분류체계 의 중분류 관점에서 ICT 건설기술 트렌드 분석; 3.6절.
■ 미시적 ICT 건설기술 트렌드 분석: 건설기술 분류체계 의 소분류 관점에서 ICT 건설기술 트렌드 분석; 3.7절.
트렌드 분석은 상기에 제시된 바와 같이 거시적 관점에서 미시적 관점이라는 흐름을 가지고 있으며 전(全) 산업 기술개 발부터 ICT 건설기술 개발까지의 트렌드를 종합적으로 살펴 볼 수 있는 장점이 있다.
1.2 연구의 범위 및 방법
본 연구는 4차 산업혁명 5대 ICT 기술(BIM, IoT, 드론, GIS, 3D 프린팅)과 건설기술 특허를 대상으로 하고 있으며 분석기간은 최근 10년(2007년~2016년)으로 설정하였다. 본 연구의 각 단계별 주요활동과 내용 및 방법은 Fig. 1에 제시 된 바와 같다.
Fig. 1. Research method
Fig. 1에 제시된 바와 같이 본 연구는 문헌 분석-빅데이터 분석(텍스트마이닝 및 k-means 군집분석)-트렌드 도출 이 라는 3단계로 수행되었으며, 가장 핵심적인 빅데이터분석은
세부 8단계로 진행되었다.
2. 예비적 고찰
2.1 특허 관련 연구 분석
특허란 발명의 내용을 공개하고 일정기간 그 발명의 독점 적 사용권을 보증하는 것이며(Park, 2011), 특허는 개발한 발명을 보호하고 지식재산권리를 행할 수 있는 수단으로 활 용된다(Woo, 2016). 특허분석은 기술개발의 방향 설정이나 사업전략 수립 등 다양한 목적으로 사용될 수 있다(STEPI, 2005; Kim, 2016).
Choi et al. (2011)은 텍스트마이닝을 통해 특허 키워드 네 트워크 기반 분석 방법론을 제시하였고, Seok et al. (2015)은 기술마케팅을 위한 잠재 수요기업을 발굴하는 방법으로 특허 연결망 분석 기법을 제시하였다. Choi et al. (2016)은 특허분 석을 통해 사물인터넷 기반 국가별 역량을 평가하기 위한 사 물인터넷 경쟁력 지수를 개발하였으며, Kim et al. (2016)은 한국과 미국의 사물 인터넷 관련 특허 초록을 수집하여 키워 드 네트워크 및 키워드 커뮤니티 네트워크를 구축하고 네트 워크 분석을 실시하였다.
상기에 제시된 바와 같이 빅데이터분석 기법을 활용한 특 허 분석 연구는 다양한 산업분야에서 활발하게 진행되고 있 었다. 주로 텍스트마이닝을 기반으로 진행되었으며, 이와 함께 TF-IDF (Text Frequency-Inverse Document Fre- quency), 네트워크 분석 등이 활용되었다. 그러나 건설기술 의 트렌드에 관한 특허 관련 연구는 아직 미진한 실정이며, 따라서 빅데이터분석 기법을 활용하여 건설기술 개발의 트렌 드를 분석하는 본 연구는 차별성을 지니고 있다.
2.2 건설기술 분류체계 분석
건설특허 분석을 통한 ICT 건설기술의 트렌드를 체계적으 로 분류하기 위하여 건설기술 분류체계를 선택할 필요가 있 었다. 문헌조사 결과, 현재 우리나라에서 사용되고 있는 대 표적인 건설기술 분류체계는“건설정보분류체계(국토교통부, 2014)”, “건설신기술 현황(한국건설교통신기술협회, 2015)”의 분류체계”, “신기술 활용실적(건설기술진흥법 시행규칙 별지 제4호, 2016)”의 분류체계, “엔지니어링기술(엔지니어링산업 진흥법 시행령 별표1, 2011)”의 분류체계, “국가과학기술표준 분류체계(국가과학기술심의회, 2012)”의 분류체계 등이 있는 것으로 파악되었다.
상기 5가지 기술 분류체계를 검토한 결과, 국가과학기술표 준분류체계가 본 연구의 목적과 관점에 가장 부합되는 것으 로 검토되어 이를 채택하였다. 그 주된 이유는 이 분류체계가 건설을 포함한 다양한 분야의 R&D를 위한 기술 분류체계이 기 때문에 건설특허를 대상으로 건설기술 개발 트렌드를 분
석하는 본 연구의 목적과 가장 잘 부합하기 때문이었다.
국가과학기술표준분류체계에서 건설기술은 “건설ㆍ교통”
이라는 대분류에 속해 있으며 그 아래 12개 중분류, 92개 소 분류로 구분되어 있고 이는 건설기술을 거시적 분류에서 미 시적 분류로 구분한 것이다. 본 연구에서는 이 분류체계를 거 시적 및 미시적 ICT 건설기술의 트렌드를 분류하는데 활용하 였다.
2.3 4차 산업혁명 ICT 기술
4차 산업혁명이라는 용어는 세계경제포럼에서 2016년 처 음 언급되었고, 연차 총회의 주제로 논의 되었다. 4차 산업혁 명의 가장 중요한 동인은 2008년 글로벌 금융위기 이후 저성 장과 그에 따른 리스크 확대의 극복을 위한 혁신의 필요성이 었다(Lee2, 2016).
4차 산업혁명을 논하는 과정에서 자주 등장하는 것이 4 차 산업혁명 기술들이며 다양한 기술들이 제안되고 있다.
Schwab (2016)은 무인 운송수단, 3D프린팅, 로봇공학, 그래 핀, 사물인터넷, 블록체인 시스템, 유전학, 합성생물학, 유전 자 편집으로 제안하였고, Berger (2016)는 센서, 3D 프린팅/
적층 제조, 나노기술/첨단재료, 로봇, 자동이송차량, 첨단 제 조 시스템, 빅 데이터, 사이버 보안, 물류 4.0, 대량 맞춤 생 산, 사물인터넷, 미래의 자원을 제안하였다. 건설 분야에서 예시를 살펴본다면 3D 프린팅, 빅데이터, 드론, BIM 등과 같 은 기술들이 중요한 4차 산업혁명 기술로 주목받고 있으며 (CERIK1, 2017), 다른 연구의 경우 VR·AR, 로봇시공, 미래 신소재, 사물인터넷, 3D프린팅, 자율주행차, 드론, 인공지능 기술을 제안하고 있다(Kim, 2017)
비록 저자에 따라 제시하는 4차 산업혁명 ICT 기술은 다양 하지만 건설과 관련되어 가장 대표적이고 반복적, 공통적으 로 언급되는 ICT 기술은 BIM, IoT, 드론, GIS, 3D 프린팅으 로 나타났으며, 따라서 본 연구에서는 이들 5대 기술을 중심 으로 ICT 건설기술 개발 트렌드를 분석하였다.
2.4 빅데이터분석 기법
본 연구에서 활용된 빅데이터분석 기법은 텍스트마이닝과 k-means 군집분석이며 주요 내용은 다음과 같다.
2.4.1 빅데이터분석
빅데이터란 일반적인 데이터베이스 소프트웨어 도구가 분 석 할 수 없는 데이터 세트를 의미하며, 기술이 발전함에 따 라 데이터 세트의 크기는 증가하고 있다. 빅데이터분석이 란 다양한 산업의 방대한 데이터를 활용하는 분석을 말하며 (MGI, 2011), 이를 바탕으로 능동적인 대처 및 변화대응이 가 능하다(NIA, 2012).
2008년과 2017년 미국에서는 여론조사와 함께 빅데이터분 석을 실시하여 대선결과를 예측한 사례가 있으며, 그 밖에 사
전결과 예측, 과학적 예측, 의사결정 지원, 정책논쟁 해소, 이 론 설명력 강화 등의 다양한 목적으로 활용되고 있다. 물론 아직까지도 빅데이터는 완벽한 예측을 하지 못하지만 실패를 최소화하고, 효율성을 향상시키는 효과가 있는 것으로 나타 나고 있다(NIA1 & NIA2, 2017). 우리나라의 경우, 제4차 건 설사업정보화(CALS) 기본계획(2013〜2017년)에서 빅 데이 터의 기술 활용 확대를 위한 계획을 제시하고 있으며, 기업들 또한 지속적인 관심을 기울이고 있다(CERIK, 2014).
빅데이터분석에서는 다양한 기법이 활용될 수 있으며 (MGI, 2011), 본 연구에서는 텍스트로 이루어진 특허를 분석 하기 위해 텍스트마이닝 기법을 선정하였다.
2.4.2 텍스트마이닝
텍스트마이닝(Text Mining)이란 비정형 데이터인 텍스트 에서 정보를 추출 및 가공하는 기법으로 대용량의 텍스트데 이터에서 숨겨진 패턴과 특정 주제, 연관 데이터를 도출해내 는 방법이다(KISTEP, 2010). 텍스트마이닝의 정확한 이해를 위해 다양한 기법을 활용한 사례를 살펴볼 필요가 있었다.
Choi et al. (2015)은 과거 부도가 발생한 기업의 뉴스 데이 터로 텍스트마이닝 기법을 통한 기업 부도예측의 가능성을 시도하였고, Choi (2015)는 지적측량과 관련된 텍스트마이닝 분석을 활용하여 소셜미디어의 주요 키워드를 도출하고 키워 들 간의 네트워크 구조를 계량적으로 분석하여 지적측량과 관련된 이슈를 도출하였다. An et al. (2016)은 에볼라를 키워 드로 하여 사회적 특성을 지닌 뉴스 기사와 바이오 분야의 전 문적 특성을 지닌 연구 논문 간의 주제 분석을 하였다.
텍스트마이닝 관련 연구는 이외에도 다양한 분야에서 진행 되었으며, 텍스트마이닝은 단일 기법이 아닌 다른 기법을 위 한 준비작업으로 선행되고 있는 것을 확인할 수 있었다. 따라 서 본 연구에서는 k-means 군집분석을 위한 특허 데이터를 정제하기 위해 텍스트마이닝 기법을 활용하였다.
2.4.3 k-means 군집분석
군집분석이란 분류되지 않은 데이터를 유사한 성질의 데이 터로 묶어주고, 유사하지 않은 데이터는 분리하여 군집으로 분류하는 분석 방법이다. k-means 군집분석은 데이터들의 평균 대푯값과 유사성을 기준으로 데이터를 k개의 군집으로 분할한다(Park & Cho, 2006; Kim et al., 2014). 이러한 군 집분석이 필요한 이유는 수많은 데이터를 단순 나열하는 것 으로는 데이터의 특징을 파악하기 어렵기 때문에, 이를 군집 화하면 데이터의 대표적인 특징을 파악하는데 유용하기 때문 이다.
군집의 개수는 데이터의 양과 맞추어 정해야 하며, 가장 간 단한 방법은 군집의 개수(k)는 데이터수를 2로 나눈 값의 제 곱근이다(Park & Cho, 2006). 그러나 k값을 정하는 방법은 여러 학자들에 의해 연구되고 있으며, 데이터의 구성과 양,
분석의 의도나 관점에 따라 군집의 수를 정하게 된다(Pham et al., 2004). 따라서 본 연구에서는 상기 공식을 적용한 후 k값을 시작으로 k값을 변경하여 최적의 k값을 찾는 테스트를 진행하였고, 10개년 최적의 k값(군집의 개수)을 10으로 선정 하였다.
k-means 군집분석은 다양한 분야에서 주로 텍스트마이 닝을 기반으로 활용되고 있다. Chang et al. (2008)은 k-평 균군집화를 통해 도출한 요인을 TSK (Type of Fuzzy Rule) 시스템을 이용하여 주식 가격 예측을 수행하였으며, Lee et al. (2014)은 SNS 감성사전을 구축하고 사용자의 의견 정보 에 따른 패션 트랜드를 분석하여 의류 마케팅에 활용할 수 있 는 감성 트랜드 예측 분석 알고리즘을 제안하였다. Cho et al. (2015)은 미국 대통령 취임사 56개의 트렌드 분석을 수행 하여 군집화하였고, Vo et al. (2016)은 k-means로 데이터를 클러스터링 후 군집에서 SVM 분류로 금융 시계열의 추세를 예측하였다. Ghun (2016)은 텍스트마이닝을 기반으로 특허 정보 군집이 실제 현업에서 활용될 수 있는 정도를 분석하였 다.
기존 연구동향을 살펴보면 k-means 군집분석은 텍스트마 이닝을 활용되는 연구가 주를 이루었으며, k-means 군집분 석은 트렌드 예측하거나 군집을 통해 주요 요인을 도출하는 데 활용되었다. 따라서 본 연구에서도 특허를 거시적 관점에 서 크게 분류하고 그 트렌드를 도출하기 위해 k-means 군집 분석 기법을 활용하였다.
3. 트렌드 분석 내용 3.1 자료수집: 1단계
국내 특허에 대한 자료수집은 한국특허정보원의 특허 검 색 웹사이트인 KIPRIS (Korea Intellectual Property Rights Information Service)를 통해 수행되었다. 특허 검색을 위해 초기 설정한 1차 검색식은 “건설+건축+토목”이었으며, 이는
“건설”, “건축”, “토목” 중 하나라도 전문(全文)에 포함된다면 검색되는 ‘OR’의 의미이다.
“건설”, “건축”, “토목”로 검색식을 설정한 이유는 “건축”과
“토목”은 건설산업을 분류하는 가장 일반적인 기준이기 때문 이며, 연구 초기단계에서 “도시” 등 건설과 관련된 키워드를 포함시켜 특허 검색 테스트를 한 결과, 도시라는 주제의 특성 상 너무도 광범위한 주제어들이 검색되어 연구의 범위와 목 적에서 벗어나는 일종의 데이터 노이즈가 발생하였다. 따라 서 검색 및 결과의 순도 및 집중도를 높이기 위해 도시를 제 외하고 “건설, 건축, 토목”이라는 협의의 건설 키워드에 집중 하였다. 또한 전문 검색으로 검색을 수행한 이유는 검색의 범 위를 넓히기 위해서였다. 예를 들어 “발명의 명칭”인 제목만 으로 검색을 실시할 경우 건설과 관련된 기술임에도 불구하
고 검색되지 않을 수 있기 때문이다. 따라서 본 연구에서는 전문검색으로 건설과 관련된 특허를 수집하여 검색의 정확도 를 높이고자 하였다.
그 결과, 총 64,462개의 등록된 건설특허가 검색되었으며 이들 중 2007년부터 2016년까지의 10개년 동안의 건설특허 는 54,344개로 나타났으며 동(同) 기간의 전(全) 산업특허는 1,008,930개로 나타났다. 1차 검색은 전체 특허 중 건설 특허 를 선별하는 작업이었고 이들 중 ICT 건설기술 관련 특허를 골라내기 위해서는 2차 검색이 추가적으로 필요하였다.
2차 검색에서는 2.3절에서 도출한 BIM, IoT, 드론, GIS, 3D 프린팅 등 5개 4차 산업혁명 ICT 기술을 검색 키워드로 활용하였다. 이 과정에서 검색의 범위를 넓히고 정확도를 높 이기 위해 다음에 제시된 ICT 기술의 유사어 및 유관어도 함 께 검색에 포함시켰다.
■ BIM: Building Information Modeling, 빌딩 정보 모델 링, 객체지향
■ IoT: Internet of Things, 사물인터넷, 센서, 임베디드 시스템
■ 드론: Drone, 무인항공기, UAV, 원격조종, 자율비행, 비행체, 적외선 센서, 레이더 센서
■ GIS: 지리정보체계, 공간정보, Geographic Informa- tion System, 지리공간
■ 3D 프린팅: 3차원 인쇄, 3D printing, 적층인쇄
2차 검색은 1차 검색을 통해 도출된 54,344개 특허를 대상 으로 하였으며 “BIM + Building Information Modeling + 빌 딩 정보 모델링 + 객체지향 + IoT + Internet of Things + 사물인터넷 + 센서 + 임베디드 시스템 + 드론 + Drone + 무인항공기 + UAV + 원격조종 + 자율비행 + 비행체 + 적 외선 센서 + 레이더 센서 + GIS + 지리정보체계 + 공간정 보 + Geographic Information System + 지리공간 + 3D 프 린팅 + 3차원 인쇄 + 3D printing + 적층인쇄”가 검색식에 활용되었다. 이 경우에도 각 “+”의 의미는 1차 검색의 경우와 동일하게 “OR”의 의미이다. 상기 2차 검색 결과, 총 720개의 데이터 즉, 2007년부터 2016년까지의 ICT 건설기술 특허가 도출되었다.
3.2 비중별 트렌드 분석: 2단계
상기 1차 및 2차 검색을 통해 도출된 연도별 특허수를 통해 데이터셋을 구성하였고, 첫 번째 트렌드 분석 관점인 전(全) 산업특허, 건설특허(1차 검색 결과), ICT 건설특허(2차 검색 결과) 비중을 통해 트렌드를 분석한 결과는 Fig. 2에 제시된 바와 같다.
참고로 본 연구에서 사용된 전(全) 산업특허(All patents)는 산업구분 없이 연도별 총 특허를 의미하며, 건설특허(Con-
struction patents)는 상기 1차 검색식을 통해 도출된 건설특 허, ICT 건설특허는 상기 2차 검색식으로 검색된 ICT 기술이 접목된 건설특허를 말한다.
Fig. 2. All patents and construction patents trends
Fig. 2에 제시된 전(全) 산업특허와 건설특허 현황에서는 다음과 같은 두 가지 두드러진 트렌드가 관찰되었다.
■ 트렌드 1: 전(全) 산업특허와 건설특허는 모두 증가하는 추세로 나타났다. 연도별로 다소의 등락은 보이고 있지만 전 반적으로 2009년 이후 전(全) 산업특허와 건설특허 모두 상 승하는 추세가 나타났다. 이는 건설산업을 포함한 전(全) 산 업에서 기술개발을 위한 노력이 지속되어 왔음을 시사하는 것이다. 한 가지 흥미로운 특징은 2007년 대비 전(全) 산업 특허는 2016년 약 13.7% 감소한 것으로 나타났지만. 건설특 허는 2007년 3,563건에서 2016년 7,317건으로 약 2.05배 증 가하여 건설산업에서의 기술개발 노력이 더 두드러진 것으로 나타났다.
■ 트렌드 2: 전(全) 산업특허 내 건설특허의 비중이 10년 간 증가하고 있었다. 건설특허가 전(全) 산업특허에서 차지하 는 비중이 2007년 2.9%에서 2016년 6.7%로 지속적으로 증 가한 것으로 나타났다. 이는 건설산업의 기술개발이 타 산업 에 비교하여 다소 부진하다는 일반적인 통념과는 다른 결과 이다. 흥미롭게도 2007년에 비해 2016년 약 2배 이상 증가한 국토교통 R&D 투자 규모 증가(News1, 2016)와 유사한 경향 을 보이고 있다.
Fig. 3. Construction ICT patents trends in construction patents
Fig. 3은 건설특허와 ICT 건설특허의 동향을 제시한 것이 며 가장 두드러진 트렌드는 다음과 같다.
■ 트렌드 3: ICT 기술에 대한 관심이 증가하고 있지만 건 설특허에서 ICT 건설특허가 차지하는 비중은 일정하게 유지 되고 있었다. 건설특허와 ICT 건설특허는 모두 증가하는 추 세를 보이고 있지만 비약적인 증가는 이루어지 않았다. 최 근 4차 산업혁명을 통해 ICT 기술에 대한 중요성이 증폭되기 는 했지만 ICT 기술을 활용한 건설기술 개발과 관심은 이미 수년전부터 건설산업에서 지속적으로 증대해왔다(Shim &
Lee, 2008). 그럼에도 불구하고 건설특허와 비교하였을 때, ICT 기술을 활용한 건설기술개발은 그다지 활성화 되지 않은 것으로 나타났다. 다만, 최근 4차 산업혁명에 대한 관심이 급 증하면서 ICT 기술을 건설기술과 접목시키는 노력은 증가할 것으로 전망되며 추후 이를 지속적으로 관찰할 필요가 있다.
Fig. 4. Construction ICT patents trends
Fig. 4는 ICT 건설기술 특허 추세를 나타내며, 두 가지 트 렌드가 관찰되었다.
■ 트렌드 4: 최근 10년간 전(全) 산업기술, 건설기술, ICT 건설기술 특허 수는 모두 유사한 등락을 보이며 증가하는 추 세를 보였다. ICT 건설특허의 등락과 그 추세는 Fig. 2와 Fig.
3에서 확인했듯이 전(全) 산업특허, 건설특허의 추세와 유사 하다. 증감 폭의 차이는 존재하였지만, 전(全) 산업기술, 건 설기술 모두 2009년과 2010년에 최저 특허수를 기록한 후 2013년, 2014년까지 증가하고 다시 감소하는 추세를 보였다.
이는 ICT 건설기술 개발이 집중적으로 성장하는 것이 아니며 전(全) 산업기술, 건설기술의 증감 추세와 유사한 것으로 나 타났다.
■ 트렌드 5: 10년간 다소 등락이 나타났지만 ICT 건설특 허 수는 지속적으로 상승하는 추세였다. 10년간의 ICT 건설 기술은 2007년부터 2013년까지 7년간 2배 이상 증가하였다.
엑셀에서 제공하는 단순회귀분석 이론을 기반으로 한 ‘Trend’
함수로 추세를 살펴보면 10년간 약 2배의 성장을 나타내었 고, Fig. 4에 제시된 바와 같이 건설특허 대비 ICT 건설특허 의 비중은 비록 평이한 수준을 유지했지만, ICT 건설특허의
수는 증가한 것으로 나타났다.
3.3 형태소 분석: 3단계
형태소 분석이란 데이터셋의 텍스트들을 각 텍스트가 가 지고 있는 품사 별로 분류하는 것이며, 비정형 데이터를 정형 데이터로 변환하기 위해 실시된다. 본 연구에서는 형태소 분 석을 ICT 건설특허 데이터를 군집분석하기 위한 전(前) 처리 도구로 활용되었으며, 구체적으로는 특허 초록 내 문장을 형 태소(품사)별로 구분하여 이후 빈도분석을 실시할 때 정확한 불용어 처리를 위해 사용하였다.
형태소 분석은 자연어처리(NLP, Natural Language Pro- cessing) 작업에 해당하며, 다양한 플랫폼에서 소스가 제공되 고 있다. 또한 한글의 형태소 분석의 대표적인 방법은 2014년 서울대에서 개발된 KoNLPy, KAIST의 한나눔, 서울대 IDS (Intelligent Data Systems) 연구실의 꼬꼬마 등이 있다.
본 연구에서는 Phython 3.6으로 형태소 분석을 진행하였 으며, 다양한 형태소 분석 소스 중 KoNLPy와 꼬꼬마 형태 소 분석기를 사용하여 형태소 분석을 실시하였다. 형태소 분 석의 결과물은 특허 초록의 문장이었던 텍스트를 품사별로 테깅(Tagging)된 것이며, 이는 이후 단계인 빈도분석을 위한 데이터 정형화 작업을 위해 필수적인 분석이었다.
3.4 불용어 처리: 4단계
불용어 처리란 텍스트마이닝 시 발생하는 의미 없는 단어 들을 제거하는 것을 의미한다(Kim et al., 2017). 불용어는 분 석의 관점과 데이터에 따라 다르기 때문에, 분석과 맞는 데이 터 확보를 위해서는 불용어 처리가 필요하다. 만약 불용어를 처리하지 않는다면 건설기술과 전혀 관련 없는 단어들이 높 은 빈도로 존재하기 때문에 군집분석 시 의미 없는 군집이 생 성될 수 있기 때문이다.
3.4.1 빈도분석
빈도분석이란 문서 내에 단어의 빈도수를 도출하는 분석 이며, 각 단어의 빈도수에 따라 중요도를 결정하게 된다(Kim et al., 2017). 본 연구에서 빈도분석은 불용어 처리를 위한 테 스트 진행을 위해 활용되었으며, 그 이유는 군집분석 시 의미 없는 키워드가 군집에 포함되어 군집을 정확도를 떨어뜨릴 수 있기 때문이다. 정확한 군집분석을 위한 기초 데이터 확보 를 목적으로 빈도분석을 실시하였으며 R Project의 KoNLP 와 tm 패키지를 활용하였다.
2007년 데이터로 빈도분석을 테스트한 결과, 총 985개의 단어가 도출되었고 그 중에는 건설기술과 관련이 없음에도 높은 빈도를 보이는 단어도 포함되어 있었다. 이는 특허 초록 내 문장 구조를 연결하는 성분이거나 흔하게 등장하고 있지 만 의미가 없는 단어들이었다. 따라서 명사를 제외한 품사로
된 키워드는 삭제하였으며, 그 이후 의미 없는 단어들을 삭제 하는 목적으로 불용어를 선정하였다. 또한 불용어 선정을 위 한 테스트는 2007년 데이터만으로 진행한 것이 아닌 데이터 의 양을 변경하면서 지속적으로 반복하였고, 그 결과 테스트 시 공통적으로 발생하는 키워드를 발견하였다.
불용어 단어는 ‘상기’, ‘발명’, ‘형성’, ‘설치’, ‘포함’, ‘방법’, ‘구 성’, ‘이용’, ‘제공’, ‘특징’, ‘가능’으로 11개로 추렸으며, 2007년 50개의 특허 초록 중 ‘상기’, ‘발명’의 경우 각각 138번, 144번 등장하였다. 이는 2007년의 각 초록에서 약 2.7~2.9번이 반 복된 것을 의미하며, 상기 단어들로 인해 군집분석 시 의미 없는 단어들의 군집이 형성될 수 있기 때문에 이를 삭제하기 위해 불용어로 정의하였다.
3.4.2 불용어 삭제
빈도분석을 통해 정의된 불용어는 엑셀 데이터로 저장한 후, 불용어를 제거하기 위해 3.4.1절에서 설명된 과정 중 빈 도수 도출 전까지의 과정을 다시 실시하여 불용어를 제거하 였다. 이 과정은 2007년부터 2016년까지 10개년 데이터를 대 상으로 반복 수행되었으며 이를 통해 불용어가 제거된 데이 터셋을 구축하였다.
3.5 k-means 군집분석: 5단계
상기 형태소 분석 및 불용어 처리를 통해 k-means 군집 분석을 위한 기초 데이터셋을 구축하였다. 본 연구에서는 구 축된 데이터셋을 연도별 주요 군집 10개로 분류하기 위해 k- means 군집분석을 활용하였으며, 그 결과는 이후 거시적 ICT 건설기술 트렌드를 파악하는데 활용되었다.
k-means 군집분석은 R Project에서 제공하는 cluster 패 키지를 사용하였다. 군집의 개수는 5개~20개로 변경하여 테 스트 분석을 실시하였으며, 지속적인 테스트 과정을 거쳐 10 개의 군집으로 나누었다. 또한 군집을 구성하는 단어의 개수 가 너무 적을 경우, 이후 작업인 건설기술로 분류하는 과정에 서 어려움이 있어 본 연구에서는 10개의 단어로 정의하였다.
이러한 과정은 2007년부터 2016년까지의 데이터셋을 대상으 로 반복수행 하였으며, 10개년 총 100개의 군집을 분류하였 다. k-means 군집분석의 결과는 지면의 한계 상 2007년 10 개의 군집만을 아래 예시로 제시하였다.
■ 군집1: 표면, 제조, 패널, 코팅, 보드, 원단, 사용, 목재, 접착, 펄프
■ 군집2: 시트, 방수, 수지, 고밀도, 경질, 흡수성, 고무, 시공, 접착, 바탕
■ 군집3: 글래스, 회계, 가공, 우수, 중간, 탈기, 교육, 작 업, 케이스, 대응
■ 군집4: 단계, 판유리, 커버, 부재, 일정, 유리, 용융, 절 단, 접합, 가공
■ 군집5: 수지, 경화성, 이온, 화장판, 제조, 함유, 도막, 단계, 무늬, 방지
■ 군집6: 화합물, 수소, 중합체, 그룹, 결합, 선택, 화학식, 독립적, 라디칼, 첨가
■ 군집7: 회동, 태양전지, 수직, 발생, 고정, 수평, 수단, 장치, 전력, 태양
■ 군집8: 소음, 차음, 판부, 흡수, 충격, 차단, 밀도, 분산, 매트, 전달
■ 군집9: 제조, 수지, 이상, 표면, 필름, 사용, 촉매, 화합 물, 섬유, 우수
■ 군집10: 새집, 증후군, 인쇄, 감소, 고무, 기재, 벽지, 화 합물, 가교, 지지층
도출된 2007년 10개의 군집은 군집 당 10개의 키워드로 구 성되어 있으며, 하나의 군집은 2007년 단어 중 가장 유사한 단어의 조합으로 이루어져 있다. 하지만 군집3의 경우를 살 펴보면, 10개의 단어 중 포함된 ‘회계’, ‘교육’, ‘케이스’는 건설 과 관련이 없는 단어로 파악되었다. 이러한 건설과 관련 없는 군집은 10개년 100개의 군집 중 8개 파악되어 이를 삭제하였 으며 그 결과 92개의 유효 군집이 도출되었다.
3.6 거시적 ICT 건설기술 트렌드 분석: 6단계 군집분석을 통해 도출된 92개 군집을 기준으로 거시적 ICT 건설기술 트렌드를 분석하기 위하여 국가과학기술표준분류 체계의 대분류인 건설ㆍ교통 내 중분류 12개와 각 군집에 해 당하는 건설기술을 매칭(matching)시켰다. 중분류 12가지 기 술은 국토정책/계획, 국토공간개발기술, 시설물 설계/해석기 술, 건설시공/재료, 도로교통기술, 철도교통기술, 항공교통 기술, 해양안전/교통기술, 수공시스템기술, 물류기술, 시설 물 안전/유지관리 기술, 건설 환경설비 기술로 구성되어 있 었다.
92개 군집을 중분류에 해당하는 건설기술에 매칭 시킨 결 과, 중분류 12개 중 시설물 설계ㆍ해석 기술(P03)1), 건설시 공ㆍ재료 기술(P04), 시설물 안전ㆍ유지관리 기술(P11) 건설 환경설비 기술(P12) 4개의 기술로 집중되었고 나머지 8개 중 분류에 해당하는 군집은 나타나지 않았으며 그 결과 다음과 같은 트렌드를 파악 할 수 있었다.
■ 트렌드 6: ICT 건설특허는 모든 건설기술 분야에 고르 게 분포되어 있지 않고 특정 건설기술 분야에 집중되어 있었 다. 92개 군집을 12개 중분류에 매칭 시킨 결과, 3개 중분류 건설기술에 집중되어 매칭 되는 결과가 나타났다. 매칭이 집
중된 3개 중분류 건설기술은 시설물 설계ㆍ해석 기술(P03) 4개, 건설시공ㆍ재료 기술(P04) 75개, 건설 환경설비 기술 (P12) 12개로 분포하였다. 시설물 안전ㆍ유지관리 기술(P11) 의 경우, 92개의 군집 중 오직 1개(1.1%)로 군집에 해당되었 으며, 결국 총 12개의 중분류 건설기술 중 3개의 건설기술에 집중된 것이다. 이는 건설기술 중에서도 특정 분야에서 집중 적으로 R&D가 수행되고 있다는 것을 의미한다.
상기 트렌드 6에서 언급한 바와 같이 시설물 안전ㆍ유지관 리 기술(P11)은 1개(1.1%)만이 매칭 되어 트렌드 분석에는 군 집의 수가 적어 한계가 있었다. 따라서 91개의 군집은 3개의 중분류인 시설물 설계ㆍ해석 기술(P03), 건설시공ㆍ재료 기 술(P04), 건설 환경설비 기술(P12)로 추려졌으며, 3개 중분 류, 91개의 군집으로 트렌드 분석을 실시하였다.
중분류 건설기술에 매칭 시킨 군집의 연도별 트렌드를 분 석한 결과는 Fig. 5에 제시된 바와 같다.
Fig. 5. Matching with middle categories and clusters
Fig. 5에 제시된 바와 같이 건설기술 중분류를 기준으로 파 악된 거시적 ICT 건설기술의 주요 트렌드는 두 가지로 파악 되었다.
■ 트렌드 7: ICT 기술과 접목이 가장 활발한 건설기술은 건설시공ㆍ재료 기술로 나타났다. 중분류 건설기술 중 건설 시공ㆍ재료 기술(P04)은 다소 등락이 있었지만 한해 평균 7.5개의 군집에 해당되었으며, 중분류 건설기술과 매칭된 91 개의 기술 중 75개로 압도적으로 큰 부분을 차지했다. 이는 ICT 건설기술이 주로 건설 시공기술이나 재료기술과 접목되 어 개발되었다는 것으로 파악되었다. 이러한 ICT 건설기술 개발 트렌드는 그간 국내 건설 기술 경쟁력이 하드웨어 중심 의 개발로 이루어져 왔다는 것을 의미한다. 이에 비해 시설물 설계ㆍ해석 기술(P03)은 91개 중 4개를 차지하여 소프트웨어 기술에 약세를 보이는 것으로 나타났다.
■ 트렌드 8: ICT 기술을 접목한 건설 환경설비 기술은 큰 비중을 차지하지는 않았지만 최근 10년간 꾸준히 개발되는 추세였다. 트렌드 6에서 확인한 바와 같이 ICT 건설기술은 주로 건설시공ㆍ재료 기술(P04)에 접목되고 있었지만, 건설
1) 괄호안의 번호는 국가과학기술표준분류체계에 명시된 분류번호를 의미
한다.
환경설비 기술(P12) 또한 꾸준히 매칭 되는 것으로 나타났다.
건설 환경설비 기술(P12)의 경우 2009년을 제외하고 최소 하 나의 군집에 매칭 되어 꾸준히 개발되고 있는 것을 알 수 있 다. 그러나 꾸준히 증가하고 있는 환경문제, 그린건설의 관 심, 환경 R&D 예산 증가(한국과학기술기획평가원, 2013)에 비해 큰 증가 추세는 발견되지 않았다.
상기 중분류 건설기술로 도출한 트렌드는 그 거시적인 트 렌드는 알 수 있었지만 미시적인 트렌드를 파악하는 것에는 한계가 있었다. 따라서 상기 분석을 통해 집중된 3개의 건설 기술인 시설물 설계ㆍ해석 기술(P03), 건설시공ㆍ재료 기술 (P04), 건설 환경설비 기술(P12)에 해당되는 소분류인 30개 로 2차 분류를 실시하여 미시적 ICT 건설기술 트렌드를 파악 하였다.
3.7 미시적 ICT 건설기술 트렌드 분석: 7단계 미시적 관점의 트렌드 분석을 위해 상기에서 도출된 91 개 군집을 30개의 소분류 건설기술에 매칭 시켰으며, 그 결 과 12개 소분류 건설기술에서만 매칭이 되는 현상이 나타났 다. 12개 소분류 건설기술은 설계 정보화기술(P0302), 건축 시공기술(P0402), 플랜트시공기술(P0403), 시공 자동화기 술(P0405), 건설구조재료(P0406), 건설마감재료(P0P0407), 친환경ㆍ재생건설재료(P0P0408), 건축환경ㆍ설비기술 (P1203), 친환경건축물 설계ㆍ시공ㆍ관리기술(P1204), 건물 일체형 신재생에너지설비 설계ㆍ시공ㆍ관리기술(P1206), 시 설물 소음진동 제어ㆍ관리기술(P1207), 달리 분류되지 않는 건설환경설비기술(P1299)로 나타났다.
또한 이중 소분류 건설기술에 매칭된 군집의 수가 너무 적 거나 두드러진 특징이 나타나지 않는 소분류 건설기술 8개는 제거하였다. 따라서 소분류 건설기술 12개 중 4개는 건설구 조재료(P0406) 17개 군집, 건설마감재료(P0P0407) 51개 군 집, 친환경ㆍ재생건설재료(P0P0408) 1개 군집, 달리 분류되 지 않는 건설환경설비기술(P1299) 2개 군집으로 총 71개의 군집에 집중되었고, 집중된 4개의 소분류 건설기술에 해당하 는 군집에 대해 분석한 결과는 Fig. 6에 제시된 바와 같다.
Fig. 6. Matching with sub categories and clusters
소분류 건설기술을 매칭 시킨 <Fig. 6>을 통해 미시적 ICT 건설기술을 트렌드를 분석한 결과, 다음과 같은 세 가지 주요 트렌드가 관찰되었다.
■ 트렌드 9: ICT 건설기술은 건설시공보다는 주로 건설재 료기술과 접목되어 개발되었다. 건설마감재료(P0407)와 건 설구조재료(P0406)의 경우 각각 한 해 평균 5.1개, 1.7개의 군집에 매칭 되었으며, 그 합은 6.8번으로 파악되었다. 이는 ICT 건설기술은 주로 건설구조 및 마감재료 기술에 접목되어 개발되고 있는 것을 의미한다. 이는 3.6절의 트렌드 6에서 언 급한 것과 같이 하드웨어 위주의 건설기술 개발의 트렌드가 반영된 것으로 보인다.
■ 트렌드 10: 건설재료 중 특히 건설마감재료 기술에서 상 당부분 ICT 기술이 접목되었다. 전체 건설마감재료(P0407) 의 추이를 살펴보면 다소 등락이 있었지만 한 해당 평균 5.1 개의 군집에 매칭된 것을 확인할 수 있었다. 이는 ICT 건설기 술이 주로 건설마감재료 기술에 접목되어 개발되고 있음을 나타낸다. 이는 건설마감재료의 개발 및 적용이 상대적으로 R&D 투자대비 그 가시성을 발휘하는 시기가 빠르고 실패에 대한 리스크가 적기 때문으로(CERIK, 2011) 판단된다.
트렌드 9와 트렌드 10을 분석한 결과 ICT 건설기술이 건설 재료 기술에 집중되어 있는 것으로 나타났다. 그 이유를 분 석하기 위하여 KIPRIS에서 수집된 연도별 특허 데이터를 검 토하는 작업이 필요했다. 그 결과, 건설재료 기술이 직접적 으로 ICT 건설기술을 활용한 것은 많지 않았지만 ICT 건설기 술에 접목되는 기술로 개발된 사례들이 많은 것으로 나타났 다. 예를 들어, 3.1절 자료수집을 통해 수집된 특허 데이터 중
“3차원 프린팅을 이용한 콘크리트 구조물 및 그의 제조 방법 (Korea Patent, 2015)”의 경우, 3D 프린팅의 핵심 기술을 직 접적으로 개발한 것은 아니지만 3D 프린팅에 사용될 수 있는 콘크리트 재료를 개발하였다는 측면에서 ICT 기술과 접목된 건설기술이라 할 수 있다.
■ 트렌드 11: 친환경ㆍ재생건설재료, 건설환경설비 기술 의 경우 최근에서야 ICT 기술과 접목되어 개발되고 있는 추 세였다. 친환경ㆍ재생건설재료(P0408), 달리 분류되지 않는 건설환경설비기술(P1299)는 2014년 이전까지는 하나의 군집 에도 매칭되지 않았으며, 2015년과 2016년에 증가하며 두각 을 보였다. 물론 재료 기술과 비교하면 적은 비중을 차지하지 만, 최근에 개발이 늘어나고 있다는 점에서 의미가 있다. 이 는 단순히 친환경에 대한 관심 증가뿐만 아니라 2014년에 시 행된 “녹색건축 인증의 의무취득(주택법 제 16조)”과 그에 대 한 PQ 가산점, 건축기준완화 등의 혜택이 동인으로 작용한 것으로 해석된다.
3.8 트렌드 종합: 8단계
상기 분석과정을 통해 도출된 건설기술 개발 트렌드는 다
음과 같이 모두 11가지이다.
■ 트렌드 1: 전(全) 산업특허와 건설특허는 모두 증가하는 추세로 나타났다.
■ 트렌드 2: 전(全) 산업특허 내 건설특허의 비중이 10년 간 증가하고 있었다.
■ 트렌드 3: ICT 기술에 대한 관심이 증가하고 있지만 건 설특허에서 ICT 건설특허가 차지하는 비중은 일정하게 유지 되고 있었다.
■ 트렌드 4: 최근 10년간 전(全) 산업기술, 건설기술, ICT 건설기술 특허 수는 모두 유사한 등락을 보이며 증가하는 추 세를 보였다.
■ 트렌드 5: 10년간 다소 등락이 나타났지만 ICT 건설특 허 수는 지속적으로 상승하는 추세였다.
■ 트렌드 6: ICT 건설특허는 모든 건설기술 분야에 고르 게 분포되어 있지 않고 특정 건설기술 분야에 집중되어 있었 다.
■ 트렌드 7: ICT 기술과 접목이 가장 활발한 건설기술은 건설시공ㆍ재료 기술로 나타났다.
■ 트렌드 8: ICT 기술을 접목한 건설 환경설비 기술은 큰 비중을 차지하지는 않았지만 최근 10년간 꾸준히 개발되는 추세였다.
■ 트렌드 9: ICT 건설기술은 건설시공보다는 주로 건설재 료기술과 접목되어 개발되었다.
■ 트렌드 10: 건설재료 중 특히 건설마감재료 기술에서 상 당부분 ICT 기술이 접목되었다.
■ 트렌드 11: 친환경ㆍ재생건설재료, 건설환경설비기술의 경우 최근에서야 ICT 기술과 접목되어 개발되고 있는 추세였 다.
10년간의 건설특허를 통해 도출된 ICT 건설기술의 11가지 트렌드에서 나타나는 주요 시사점은 다음과 같다.
첫째, 전(全) 산업특허, 건설특허, ICT 건설특허는 모두 증 가하는 추세를 보였고, 특히 전(全) 산업특허 대비 건설특허 의 비중은 약 2배 이상 증가하였다. 이는 전체 기술개발에 비 해 건설기술에 대한 개발이 상대적으로 빠르게 증가하고 있 는 것을 의미한다. 그러나 4차 산업혁명이 대두되고 있음에 도 불구하고 ICT 건설비중의 변화는 없었다. 따라서 건설산 업계는 4차 산업혁명에 대응하고 ICT 건설기술의 선제적 개 발을 위해 ICT 기술을 접목한 건설기술 개발 R&D 투자를 지 속적으로 증가시키고 집중하여야 한다.
둘째, 10년간 ICT 건설특허는 전반적으로 시공 및 재료기 술과 접목된 개발이 주를 이뤘으며, 건설환경 및 설비 기술개 발도 그 특허 수는 적지만 꾸준히 개발되고 있었다. 이는 최 근 10년 동안 ICT 건설기술 개발이 주로 소프트웨어 보다는 하드웨어 쪽에 치중되어 있는 것을 반증한다. 그러나 ICT 건
설기술은 하드웨어 뿐 만 아니라 BIM, GIS 등 소프트웨어 기 술에도 활용 가능하며, 소프트웨어 ICT 건설기술은 하드웨어 에 비해 상대적 고부가가치를 창출할 수 있다는 점에서 건설 기술에도 적극적으로 접목시킬 필요가 있다.
셋째, 10년간 ICT 건설기술의 약 70%는 건설재료 개발에 치중되어 있었으며, 그중 마감재료 개발에 상당부분 집중되 어 있었다. 그러나 친환경, 환경기술과 관련된 ICT 건설기술 은 최근 기술 개발이 증가하고 있는 추세이다. 이는 최근 증 가하고 있는 환경 및 안전에 대한 관심이 ICT 건설기술에도 반영되고 있음을 의미하지만 아직 초기단계이며, ICT 건설기 술을 접목한 환경기술 개발이 더 적극적으로 이루어질 것으 로 보인다.
4. 결론
본 연구는 빅데이터를 기반으로 지난 10년간의 ICT 건설기 술 개발 트렌드를 분석하고 주요 특징을 도출하는 목적으로 수행되었다. 분석 관점은 거시적 시각에서 미시적 시각으로 범위를 좁히며 트렌드를 도출하였으며, 그 결과 11개의 주요 트렌드가 관찰되었다.
본 연구를 통해 발견된 가장 흥미로운 특징 중 하나는 ICT 기술을 건설기술에 접목하는 개발 노력이 예상보다 지난 10 년간 활발하지 않았다는 것이다. 물론 본 연구가 2007년에서 2016년까지 10년간의 ICT 건설기술의 트렌드를 분석한 것이 기 때문에 2016년 4차 산업혁명이 부각된 이후의 트렌드는 반영하지 못하고 있다.
그러나 4차 산업혁명이 부각된 2016년 이전에도 ICT 기술 에 대한 건설산업의 관심이 증가하고 논의가 지속적으로 이 뤄졌던 것을 감안하였을 때, 건설기술이 ICT 기술을 접목하 는 것이 예상만큼 그다지 활발하지는 않았던 것으로 나타났 다.
2016년 이후 4차 산업혁명을 통해 ICT 기술과의 접목이 부 각되면서 ICT 건설기술 개발은 더욱 가속화 될 것으로 전망 되며 5년 또는 10년 후에 동일한 관점에서 ICT 건설기술 개발 트렌드를 분석하는 것은 의미 있는 연구 과제가 될 것이다.
또한 특허를 통해 기술 트렌드를 도출하는 것에는 한계가 존재했다. 특허분석의 경우 연구 분야 및 주제에 따라 특허화 시킬 수 있는 정도가 다를 수 있기 때문에 특허가 건설기술의 전체 동향을 완벽하게 대변한다고 보기는 어렵다. 그러나 현 실적으로 건설기술의 개발 동향을 파악할 수 있는 가장 객관 적인 공적 소스(Public Source)이기 때문에 이를 분석 대상으 로 하였으며, 향후 논문, 연구보고서 등 특허 외의 데이터를 함께 비교하여 분석한다면 보다 의미 있는 결과를 도출할 수 있을 것으로 예측된다.
감사의 글
이 논문은 2016년도 정부(교육부)의 재원으로 한국연구 재단의 지원을 받아 수행된 기초연구사업임(No. 2016R1D- 1A1B03933659).
References
An, J. Y., Ahn, K. B., and Song, M. (2016). “Text Mining Driven Content Analysis of Ebola on News Media and Scientific Publications” Journal of the Korean Library and Information Science Society, 50(2), pp. 289-307.
Chang, P. C., and Liu, C. H. (2008). “A TSK type fuzzy rule based system for stock price prediction, Expert systems with applications” Elsevier Science B.V Amsterdam, 34(1), pp. 135-144.
Chin, S. Y. (2016). “Convergence of Architectural E n g i n e e r i n g a n d I C T ( I n f o r m a t i o n a n d Communication Technology)” Journal of the Architectural Institute of Korea Structure &
Construction, AIK, 60(4), pp. 38-42.
Cho, S. G., Cho, J. H., and Kim, S. B. (2015).
“Discovering Meaningful Trends in the Inaugural Addresses of United States Presidents Via Text Mining” Journal of the Korean Institute of Industrial Engineers, 41(5), pp. 453-460.
Choi, H. O. (2015). “Analysis of cadastral survey issue network through text mining analysis of social media” Journal of the Korean Urban Management Association, 28(3), pp. 147-161.
Choi, J. H., Kim, H. S., and Im, N. G. (2011). “Keyword Network Analysis for Technology Forecasting”
Journal of Intelligence and Information Systems, 17(4), pp. 227-240.
Choi, J. W., Han, H. S. Lee, M. Y., and Ahn, J. M.
(2015). “The Prediction of Corporate Bankruptcy Using Text-mining Methodology” The Journal of Productivity, 29(1), pp. 201-228.
Choi, S. W., Yu, E., and Kim, Y. G. (2016). “A Comparative Study on the Competitiveness of Internet of Things by Patent Analysis” The Korea Society of Management Information Systems, KMIS, 11 pp. 258-266.
Construction & Economy Research Institute of Korea
(CERIK) (2011). 2020 Key Issues and Trends Prospect of the Korean Construction Industry, CERIK Research Report.
Construction & Economy Research Institute of Korea (CERIK) (2014). Construction companies’ awareness of Big Data and future directions, CERIK Research Report.
Construction & Economy Research Institute of Korea (CERIK1) (2017). Construction Trend Briefing 602, CERIK Research Report.
Construction & Economy Research Institute of Korea (CERIK2) (2017). The next government’s construction and housing policy task, CERIK Research Report.
Construction Technology Promotion Act. (2016).
“Performance of Utilization of New Technology”
Enforcement Ordinance 4.
Engineering Industry Promotion Act. (2011).
“Engineering technology” Annex 1.
Ghun, J. (2016). “Verification of Patent Data Clustering Based on Text-mining” MS thesis, Sungkyunkwan University, Korea.
Jeong, C. W., and Kim, J. J. (2012). “Analysis of trend in construction using textmining method” Journal of the Korean Digital Architecture Interior Association, 12(2), pp. 53-60.
Kim, D. H., Kim, H. H., and Kim, D. G. (2016). “Social network analysis of keyword community network in IoT patent data” The Korean Journal of Applied Statistics, 29(4), pp. 719-728.
Kim, G. O., Lee, G. S., and Lee, S. H. (2014). “An Edge Extraction Method Using K-means Clustering In Image” Journal of Digital Convergence, 12(11), pp.
281-288.
Kim, H. J. (2016). “New industry ‘the task that can not be delayed’…” NEWS1, <http://news1.kr> (May. 25, 2016).
Kim, K. J. (2017). “The Fourth Industrial Revolution Questionnaire…” Construction Economy, <http://
m.cnews.co.kr> (Mar. 2, 2017).
Kim, M. J. (2016). “A semantic text mining approach to monitoring patentbased technology trends” MS thesis, Konkuk University, Korea.
Kim, M. J., and Kim, C. J. (2017). “Analyzing Architectural History Terminologies by Text Mining and Association Analysis” Journal of Digital
Convergence, 15(1), pp. 443-452.
Klaus Schwab. (2016). The Fourth Industrial Revolution, Newpresent.
Korea Construction Transport New-Technology Association (KCNET) (2015). Construction New Technology Status.
Korea Institute of Science Technology Evaluation and Planning (KISTEP) (2010). A Study of foresight method based on textmining and complexity network analysis, KISTEP Research Report.
Korea Institute of Science Technology Evaluation and Planning (KISTEP) (2013). Research on improving investment efficiency between R&D budget and enforcement, KISTEP Research Report.
Korea Patent (2015). No. 10-2014-0073292.
Lee, H. K., and Oh J. I. (2014). “The Classification of Source Data Types Through the Analysis of Big Data Application Cases : Focused on BI&A Applications and U-City Service Categories” The Korea Society of Management Information Systems, KMIS, pp. 722- 735.
Lee, Y. J., Seo, J. H., and Choi, J. T. (2014). “Fashion Trend Marketing Prediction Analysis Based on Opinion Mining Applying SNS Text Contents”
Journal of Advanced Information Technology and Convergence, 12(12), pp. 163-170.
Lee1, E. M. (2016). “The Fourth Industrial Revolution and Changes in Industrial Structure” Korea Information Society Development Institute, KISDI, 28(15), pp. 1-22.
Lee2, S. D. (2016). “Smart technology and standardization strategy to prepare the 4th industrial revolution” The Korean Institute of Electrical Engineers, 65(10), pp. 48-54.
McKinsey Global Institute (MGI) (2011). Big data: The next frontier for innovation, competition, and productivity, McKinsey Global Institute Research Report.
Ministry of Land, Infrastructure and Transport (MOLIT) (2014). Construction information classification system, MOLIT.
National Information Society Agency (NIA) (2012).
Big Data Age: Direction of Public Big Data, NIA Research Report.
National Information Society Agency (NIA1) (2017).
Science Magazine’s ‘Data Future Forecast’, NIA Special Report.
National Information Society Agency (NIA2) (2017). Big data analysis on the discourse of the 4th Industrial Revolution, NIA Hot Issue Report.
National Science & Technology Council (2012). National Science and Technology standard classification system.
Park, E. T. (2011). Economic Dictionary, KyoungYun Press.
Park, H. C., and Cho, K. H. (2006). “Comparison of Clustering Algorithms in Data Mining” Journal of the Korean Data Analysis Society, 8(2), pp. 585- 596.
Pham, D. T., Dimov, S. S., and Nguyen, C. D. (2004).
“Selection of K in K-means clustering” Journal of Process Mechanical Engineering, IMechE, 219(C), pp. 103-119.
Roland Berger Strategy Consultants (2014). INDUSTRY 4.0: The new industrial revolution How Europe will succeed, Roland Berger Strategy Consultants Research Report.
Science and Technology Policy Institute (STEPI) (2005).
2020 Analysis of Technology-Industry Linkage and Korean Firms’ Patent Strategy utilizing Information from Patent Database, STEPI Research Report.
Seok, M. S., Jo, 1, B. H., and Ji, I. Y. (2015). “An Ap- plication of Patent Citation Network Analysis for Technology Marketing: A Case of a Public Research Institute” Journal of the Korea Academia-Industrial cooperation Society, 16(5), pp. 3210-3219.
Shim, C. S., and Lee, K. M. (2008). “ICT in Construc- tion Industry and Innovation Using Virtual Con- struction Technology” Journal of Civil Engineering, KSCE, 56(7), pp. 10-17.
Vo, V., Luo, J., and Vo, B. (2016). “TIME SERIES TREND ANALYSIS BASED ON K-MEANS AND SUPPORT VECTOR MACHINE” Computing & Infor- matics, 35(1), pp. 111-127.
Woo, I. S. (2016). “Text Mining Using the Keyword Analysis : Patented for Healthcare” MS thesis, Chungbuk University, Korea.
요약 :
최근 전 세계적으로 4차 산업혁명에 대한 관심이 높아지면서 건설산업에서도 이를 대응하는 것이 중요한 현안이 되고 있다.
건설산업이 4차 산업혁명을 효과적으로 대응하기 위해서는 관련 기술을 건설기술과 접목시키는 노력이 필요하며. 이를 위해서는 4차 산업혁명 기술을 건설기술에 접목시킨 트렌드를 분석하고 이해할 필요가 있다. 본 연구의 목적은 빅데이터분석 기법을 활용하 여 지난 10년간의 ICT 건설기술 개발 트렌드를 분석하고 주요 특징을 도출하는데 있다. 트렌드 분석 결과, 총 11개의 트렌드가 도 출되었으며 ICT 건설기술 개발이 예상만큼 활발하지 않은 것으로 나타났다. 또한 그간 건설기술 개발은 소프트웨어 기술 보다는 하드웨어 기술 개발에 치중되어 있던 것으로 나타나 향후 소프트웨어 기술 개발에 대한 관심과 노력이 필요한 것으로 나타났다.
키워드 :
