한국건설기술연구원(KICT)은 어린이집 주요 오염물질인 CO2와 PM2.5 예측을 통해 시간대별 사용자 행동을 유도해 실내 공기질을 사전에 대응 및 관리할 수 있는 ‘어린이집 실내공기질 예측 알고리즘’이 개발됐다고 최근 밝혔다.

이 예측 알고리즘을 이용해 가장 성능이 좋은 모델을 추출하면 어린이집 이용자 및 관리자들이 1시간 이내에 실내공기질 오염상황에 대해 선제 대응할 수 있다.

최근 코로나19 바이러스와 같은 호흡기 감염병으로 인해 실내에서 생활하는 시간이 하루 중 90% 이상을 차지하고 있어 실내공기질에 대한 선제 대응은 필수인 상황으로 여겨지고 있다. 특히, 어린이집과 같은 실내공기질 취약계층 시설은 관리자들의 실내공기질 관리에 대해 변화하는 환경에 즉각적으로 대응이 필요하다.

교육시설에 대한 연구에 따르면 교실의 부적절한 실내환경 조건은 학생들의 학습 능력과 집중력에 부정적인 영향을 미칠 뿐만 아니라, 어린이집의 어린아이들은 실내공기 오염물질에 노출되기 쉬워 천식 등 알레르기 질환이 흔히 나타나는 만성질환이다.

이 연구를 맡았던 김기철 KICT 건축연구본부 수석연구원은 “어린이집은 영유아들이 하루 중 2/3의 시간을 보내는 장소로 최근 맞벌이 부모가 많아지면서 빠르면 22개월부터 어린이집을 이용하기 시작한다.”라며 “어린이집의 실내공기질이 좋지 않을 경우, 많은 영유아가 호흡기를 통해 공기오염물질이 노출되어 건강상의 문제를 일으킬 수 있다.”고 언급했다.
이어 “실내 생활패턴은 사람 그리고 시설 유형에 따라 전부 다르기 때문에 실내공기질 예측에 대한 신뢰도는 높지 않은 상황”이라며 “실내공기질 예측을 위해서는 많은 수의 측정 데이터 확보가 필수”라고 밝혔다.

연구팀은 자체적으로 성능이 검증된 센서 플랫폼을 이용해 2년간의 실내공기질 데이터를 수집했다. 수집된 데이터의 수는 4,466,611개이며, 측정 시간은 10분 단위이다. 손실된 데이터에 대해서는 전후 데이터의 평균을 내는 방식을 사용해 보완했다.

어린이집 대상 실내공기질 예측은 실내 발생 오염물질(실내온도, 실내습도, PM1.0, PM2.5, PM10, VOCs, CO2, 라돈)을 대상으로 했으며 외기 데이터로 기상청 자료 중 실외기온, 실외습도, 강수 여부를 참고로 예측이 진행됐다. 예측된 값은 1시간에 한 번씩 예측값을 도출하도록 설정했다.
김기철 KICT 건축연구본부 수석연구원은 “시계열 자료에 대한 모델링 기법에는 여러 가지가 있고, 어떤 데이터를 사용하는지에 따라 적절한 예측 모델이 정해진다.”라며 “이번 예측 알고리즘 연구에서는 관찰된 패턴의 몇 가지 양상이 미래에도 계속될 것이라는 가정하에 머신러닝 AI를 통해 적절한 예측 모델을 선정하고 정량적인 예측을 진행했다.”고 언급했다.

실내공기질 예측 정확도의 판단은 실제값과 예측값의 차이가 얼마인지 알려주는 Normalized RMSE (Root Mean Squared Error) 값으로 했으며, 매월 1일 AI 학습을 진행하도록 개발하였다. 학습을 진행할 때마다 최적의 예측 모델을 선정하여 자원의 낭비를 줄이고 예측 모델의 정확도를 향상시킬 수 있도록 구성했다.

실내 발생 오염물질을 분석해 어린이집 주요 오염물질인 CO2와 미세먼지 (PM2.5)에 대해 예측을 진행했다.

CO2 예측에 선정된 모델은 Voting Ensemble이라는 모델로써 RMSE값이 0.07983으로 여러 모델 중 가장 낮은 RMSE를 보여주었다.
CO2 예측값은 측정일시, TVOC 농도, 실내습도가 가장 큰 영향을 미쳤으며, 신뢰도는 실측값 대비 약 90%로 나타났다. PM2.5의 예측에 선정된 모델은 Standard Scaler Wrapper, XGBoost Regressor 모델로써 Standard Scaler Wrapper로 데이터 전처리를 수행하고 XGBoost Regressor로 AI 학습한 결과가 RMSE값이 가장 작게 나타났다.
PM2.5 예측값에 가장 영향을 미치는 인자로는 PM10과 PM1.0으로 나타났다. 예측 결과, 농도가 높아질수록 부정확한 결과가 나왔지만 실제 측정치의 95% 범위인 0~45.92㎍/㎥ 범위에서는 98% 이상의 신뢰도를 보여줬다.

김기철 KICT 건축연구본부 수석연구원은 “실내공기질 예측 알고리즘 기술은 누적된 데이터가 많아질수록 그 신뢰도는 상승되는데 이번 연구는 2년간의 데이터만을 이용해 예측 알고리즘을 구성했다.”라며 “매월 갱신되는 알고리즘 프로세스를 통해 데이터가 누적될수록 신뢰도가 높은 알고리즘이 작성된다.”고 말했다.

이번 기술개발은 어린이집 주요 오염물질인 CO2와 PM2.5 예측을 통해 시간대별 사용자 행동을 유도해 실내 공기질을 사전에 대응 및 관리할 수 있게 돼 향후 어린이집뿐만 아닌 다양한 실내공기질 취약계층 이용시설(노인요양시설, 병원 등)에 적용함ㄴ안전하고 건강한 환경을 사전에 조성할 수 있을 것으로 기대되고 있다.