[논문 리뷰] Comfort-as-a-Service: Designing a User-Oriented Thermal Comfort Artifact for Office Buildings

Svenja Laing, Niklas Kühl|arXiv (Cornell University)|2020. 03. 27.

Building Energy and Comfort Optimization인용 수 6

한 줄 요약

이 논문은 사무실 환경에서 실시간 사용자 피드백과 IoT 데이터를 활용하여 개인의 체감 온도 편안함을 개인화하는 사용자 중심의 '편안함 서비스(Comfort-as-a-Service)' 시스템을 제안한다. 설계 과학 접근법과 평균 R²가 41.5%인 기계학습 모델을 통해 기존 건물 시스템을 방해하지 않으면서도 직원이 좌석 배치와 의복 선택을 최적화하여 편안함과 생산성을 향상시킬 수 있도록 한다.

ABSTRACT

Most people spend up to 90 % of their time indoors. However, literature in the field of facility management and related disciplines mostly focus on energy and cost saving aspects of buildings. Especially in the area of commercial buildings, only few articles take a user-centric perspective and none of them considers the subjectivity of thermal comfort. This work addresses this research gap and aims to optimize individual environmental comfort in open office environments, taking advantage of changes in modern office infrastructure and considering actual user feedback without interfering with existing systems. Based on a Design Science Research approach, we first perform a user experience testing in an exemplary corporate office building. Furthermore, we build a mechanism to gather user feedback on environmental comfort. Based on this, we build a machine learning model including different IoT data sources (e.g. building data and weather data) with an average coefficient of determination of 41.5%. Using these insights, we are able to suggest current individual comfort zones within the building and help employees to make better informed decisions on where to sit or what to wear, to feel comfortable and work productively. Therefore, we contribute to the body of knowledge by proposing a user-centric design within a cross-disciplinary context on the basis of analytical processes.

연구 동기 및 목표

• 상업용 건물에서 개인의 체감 온도 편안함과 관련된 사용자 중심 접근법의 부족을 해결하기 위해.
• 비용과 에너지 절감 외에도 점주자 복지에 중점을 두어 에너지 효율성과 점주자 복지 간 격차를 메우기 위해.
• 기존 건물 시스템을 방해하지 않는 비침습적이고 사용자 중심의 도구를 개발하여 실시간 피드백과 환경 데이터를 통합하여 개인의 편안함 결정을 지원하기 위해.
• 사용자-컴퓨터 상호작용, 기계학습, 건물 시스템을 융합한 교차 분야 설계 프레임워크를 기여하여 직장 환경의 경험을 향상시키기 위해.

제안 방법

• 실제 기업 사무실 환경에서 사용자 경험 테스트를 수행하여 체감 온도 편안함 선호도에 대한 기초 통찰을 확보하였다.
• 기존 건물 시스템에 영향을 주지 않으면서도 실시간 사용자 입력을 수집할 수 있는 피드백 메커니즘을 개발하였다.
• 건물 자동화 데이터와 외부 기상 데이터를 포함한 다양한 IoT 데이터 소스를 통합하여 편안함 모델링 과정을 풍부하게 하였다.
• 이러한 데이터 스트림을 사용하여 기계학습 모델을 구축하여 개인의 편안함 영역을 예측하였으며, 평균 결정 계수(R²)는 41.5%를 기록하였다.
• 예측된 편안함 수준에 기반하여 최적의 좌석 위치 또는 의복 선택을 권장하는 의사결정 지원 시스템을 설계하였다.
• 실제 사무실 환경에서 반복적으로 도구를 개발하고 검증하기 위해 설계 과학 연구 방법론을 적용하였다.

실험 결과

연구 질문

• RQ1 기존 건물 관리 시스템에 간섭 없이 오픈 플랜 사무실 환경에서 체감 온도 편안함을 어떻게 개인화할 수 있는가?
• RQ2 실시간 사용자 피드백은 개인의 체감 온도 편안함 예측 모델의 정확도 향상에 어떤 역할을 하는가?
• RQ3 건물 및 기상 자료에서 유래한 IoT 데이터는 점주자 편안함 예측에 얼마나 기여하는가?
• RQ4 비침습적이고 확장 가능한 방식으로 개인의 편안함 결정을 지원할 수 있는 사용자 중심 도구는 어떻게 설계할 수 있는가?
• RQ5 혼합된 데이터 소스를 활용하여 기계학습 모델이 사무실 환경에서 개인의 편안함 영역을 식별할 잠재력은 어느 정도인가?

주요 결과

• 기계학습 모델은 IoT 데이터와 사용자 피드백 데이터를 병합하여 개인의 체감 온도 편안함을 예측할 때 평균 결정 계수(R²)가 41.5%를 기록하였다.
• 사용자 피드백은 전통적인 에너지 중심 모델이 종종 간과하는 체감 온도 편안함의 주관성을 효과적으로 포착하여 모델의 성능을 향상시켰다.
• 시스템은 사무실 환경 내에서 개인의 편안함 영역을 성공적으로 식별하여 좌석 및 의복 선택에 대한 개인화된 권장 사항을 제공하였다.
• 도구는 비침습적으로 설계되어 기존 건물 시스템과 함께 작동하며 인프라 변경 없이 운영되었다.
• 실시간 사용자 입력과 환경 데이터의 통합을 통해 동적이고 맥락 인식 가능한 편안함 권장 사항을 제공함으로써 생산성을 지원할 수 있었다.
• 본 연구는 상업용 건물에서 사용자 중심의 데이터 기반 접근법이 체감 온도 편안함에 적용 가능한 바를 입증하였으며, 새로운 교차 분야 설계 프레임워크를 기여하였다.