Indoor comfort environment modeling engine

실내 쾌적성 모델링 엔진

In this paper, we propose a system that analyzes environment information by using deep learning and then provides a suitable environment for users by predicting environmental information change. As the level of living improves, interest in improving the quality of life is increasing. In particular, as the air quality deteriorated due to the recent occurrence of dust, smog, fine dust, and ultrafine dust, the indoor air quality as well as the outdoor air became a serious problem. The increase of indoor pollution due to the lack of ventilation and the use of chemicals is a serious problem for modern people who have a lot of indoor living. In order to solve this indoor air pollution, a system has been proposed that measures the state of air quality through sensors and maintains proper temperature and humidity. However, existing system has a difficulty to apply most of the atmospheric environment information to various users depending on sensors only. The system proposed in this paper predicts the indoor environment by analyzing the indoor pollution information collected through the sensor using the deep learning. Then, the predicted indoor environment is modeled and learned in this system, and the environment suitable for the user is suggested. Afterwards, the system receives feedback from the user and repeats the process of re-learning the proposed environment so that it can create the optimal environment for the user.

본 논문에서는 심층 학습을 이용하여 주변 환경 정보를 분석하고 이후 환경 정보 변화를 예측해 사용자에게 적합한 환경을 제공하는 시스템을 제안한다. 생활의 수준이 향상되면서 삶의 질의 향상에 대한 관심도 높아지고 있다. 특히 최근 황사, 스모그, 미세먼지, 초미세먼지 등의 발생으로 대기질이 악화되자 실외공기뿐 아니라 실내공기의 질 역시 심각한 문제로 대두되었다. 환기의 부족, 화학 물질 사용 등으로 인해 실내 오염이 증가하는 상황은 실내 생활의 비중이 높은 현대인들에게는 심각한 문제이다. 이러한 실내 대기 오염을 해결하기 위해서 센서를 통해 대기질의 상태를 측정하고 적정 온도, 습도를 유지하는 시스템이 제안되었다. 그러나 기존 시스템은 대기 환경 정보의 대부분을 센서에만 의존하여 다양한 사용자에게 적용하는데 어려움이 있다. 본 논문에서 제안하는 시스템은 센서를 통해 수집한 실내 오염 정보를 심층 학습을 이용해 분석하여 실내 환경을 예측한다. 그리고 예측된 실내 환경을 모델링하여 본 시스템에 학습시킨 후 사용자에게 적합한 환경을 제안한다. 이후, 시스템은 사용자에게 제안된 환경을 최적의 환경 조성이 가능하도록 사용자로부터 피드백을 받고, 이를 재학습하는 과정을 반복한다.