[논문 리뷰] CD-HOC: Indoor Human Occupancy Counting using Carbon Dioxide Sensor Data

Irvan B. Arief-Ang, Flora D. Salim외 1명|arXiv (Cornell University)|2017. 06. 16.

Human Mobility and Location-Based Analysis참고 문헌 24인용 수 14

한 줄 요약

CD-HOC는 건물 관리 시스템(BMS) 내 존재하는 이산화탄소(CO₂) 센서 데이터를 활용하여 실내 인명 수용 계산을 위한 새로운 방법을 제안한다. 계절성-추세 분해(Loess 및 이동 평균)를 통해 CO₂ 성분을 모델링하고, 각 성분에 대해 회귀 모델을 적용하며, 정확도를 향상시키기 위해 영점 패턴 보정을 도입한다. 이 방법은 소형 실내 공간에서 기존의 서포트 벡터 회귀 기반 모델 대비 4.33% 향상된 정확도(94.68%)를 달성하였고, 영화관과 같은 환경에서는 8.46% 향상된 정확도를 보였다.

ABSTRACT

Human occupancy information is crucial for any modern Building Management System (BMS). Implementing pervasive sensing and leveraging Carbon Dioxide data from BMS sensor, we present Carbon Dioxide - Human Occupancy Counter (CD-HOC), a novel way to estimate the number of people within a closed space from a single carbon dioxide sensor. CD-HOC de-noises and pre-processes the carbon dioxide data. We utilise both seasonal-trend decomposition based on Loess and seasonal-trend decomposition with moving average to factorise carbon dioxide data. For each trend, seasonal and irregular component, we model different regression algorithms to predict each respective human occupancy component value. We propose a zero pattern adjustment model to increase the accuracy and finally, we use additive decomposition to reconstruct the prediction value. We run our model in two different locations that have different contexts. The first location is an academic staff room and the second is a cinema theatre. Our results show an average of 4.33% increment in accuracy for the small room with 94.68% indoor human occupancy counting and 8.46% increase for the cinema theatre in comparison to the accuracy of the baseline method, support vector regression.

연구 동기 및 목표

• 건물 관리 시스템(BMS) 내 기존의 CO₂ 센서를 활용하여 저비용이고 확장 가능한 실내 인명 수용 계산 방법을 개발하기 위해.
• 카메라나 RFID에 의존하지 않고도 밀폐된 실내 환경에서 정확한 수용 추정을 수행하는 데 도전하기 위해.
• 시간적 분해 및 영점 수용 패턴의 적응적 보정을 통합하여 기존의 서포트 벡터 회귀와 같은 기준 모델을 초월하여 성능을 향상시키기 위해.
• 다양한 수용 역학을 보이는 실내 환경(예: 사무실 및 영화관)에서 방법의 유효성을 검증하기 위해.

제안 방법

• 이 방법은 계절성-추세 분해(Loess 기반 STL 및 이동 평균)를 적용하여 CO₂ 시계열 데이터를 추세, 계절성, 비정상 성분으로 분해한다.
• 분해된 각 성분(추세, 계절성, 비정상)을 별도로 회귀 알고리즘을 사용하여 모델링하여 수용에 기여하는 성분을 예측한다.
• 저조도 또는 영점 수용 기간 동안의 과소 추정을 보정하기 위해 영점 패턴 보정 모델을 도입하여 모델의 강건성을 향상시킨다.
• 최종 수용 예측치는 성분 예측치를 덧셈 분해 방식으로 조합하여 통합된 추정치로 재구성한다.
• 모델은 소형 학술 사무실과 영화관이라는 두 가지 다른 실내 환경에서 수집한 실제 CO₂ 센서 데이터를 기반으로 훈련 및 평가된다.

실험 결과

연구 질문

• RQ1 단지 CO₂ 센서 데이터만으로도 높은 정확도로 실내 인명 수용을 효과적으로 추정할 수 있는가?
• RQ2 계절성 및 추세 분해 기법이 CO₂ 기반 수용 추정 모델링에 어떻게 기여하는가?
• RQ3 영점 패턴 보정 모델이 저수용 상황에서 예측 정확도를 얼마나 향상시키는가?
• RQ4 다양한 실내 환경에서 기존의 기준 회귀 모델(예: 서포트 벡터 회귀)과 비교할 때 제안된 방법은 어떤 성능을 보이는가?

주요 결과

• CD-HOC 모델은 소형 학술 사무실에서 94.68%의 정확도를 기록하여 기존의 서포트 벡터 회귀 기반 모델 대비 4.33% 향상된 성능을 보였다.
• 영화관 환경에서는 기준 모델 대비 정확도가 8.46% 향상되어 변동성이 높은 수용 환경에서도 뛰어난 성능을 입증하였다.
• Loess 기반 STL 및 이동 평균 분해를 병행 사용함으로써 CO₂ 신호 성분을 효과적으로 분리할 수 있었으며, 이는 모델의 해석 가능성과 성능 향상에 기여하였다.
• 영점 패턴 보정 모델은 저조도 또는 무수용 기간 동안의 과소 추정 오차를 크게 감소시켜 전체 정확도 향상에 기여하였다.