일반적으로 실내 공기는 인간의 활동, 생활 및 사무용품, 건축 자재 및 오염된 대기의 유입 등 다양한 원인으로 발생한다. 이러한 실내 공기 오염은 실외 대기 오염보다 높은 위험군으로 취급되는데, 이는 사람들이 활동하는 80~90% 시간을 실내에서 보내고 있기 때문이다. 실내에서 발생하는 실내 오염의 핵심적인 문제들을 해결하기 위해서는 현 상황과 관련한 데이터로부터 문제 인자들을 추출하는 것이 핵심이다.
이에 전북대 조재혁 교수 연구팀에서는 실내 공기질 데이터에 대한 문제 인자들을 감지하는 방법에 관한 연구를 진행하였다. 정보 통신 기술(ICT) 기반 환경 모니터링 센서에 적용할 수 있는 차별화된 접근을 시도하였다. 문제 인자들을 수집하여 그 패턴 및 특징을 찾아내 상황을 예측하는 것이 이번 연구의 목적이었다.
본 성과는 문제 인자 감지를 위한 새로운 방법인 Ensemble 방법을 사용하는 결측/특이한 데이터의 문제해결 방식을 제안하였다. 첫째, 다양한 환경에서 수집된 다중 기능 원시 데이터를 일관성 있게 처리하고 검증하는 과정을 다루었다. 둘째, 비지도 학습 환경에서도 구현할 수 있는 모델 구성 과정이 다루어진다. 셋째, 과거에 사용된 결정 규칙을 기반으로 한 간단한 형태의 재구성 오류의 문제점을 지적하고, 잠재 기능을 기반으로 하위 알고리듬을 구축하여 보다 합리적인 결정 규칙을 정의한다. 그리고 마지막으로 방법에 기초한 Ensemble 방법을 이용하여 안정적이고 일관된 의사결정 규칙을 정의하였다.
이 성과에서는 두 개의 독립적인 분류기를 결합하여 Ensemble 기반의 새로운 결정 규칙을 정의하였다. 실시간 이상 탐지의 경우, 비지도 학습 기반 모델로 구성되는데 일반적으로 이러한 단일 모델만 사용하여 좋은 성능을 도출하는 것은 어려운 것으로 알려졌다. 따라서 Ensemble 방법을 사용하여 보다 안정적이고 일관된 외부 탐지 규칙을 정의하였다.
또한 모델의 객관적 평가를 위해 5개의 임의 사례에 대해 실험실(LAB) 테스트를 수행하였다. 이 과정을 통해 이전에 제안된 문제 인자 탐지 작업의 한계를 보완하고 보다 안정적인 문제 인자 결정 규칙을 정의하여 다양한 산업 환경에 적용할 수 있는 일반화된 모델로 새로운 프레임워크를 제안하였다.
이번 연구는 과학기술정보통신부(정보통신산업진흥원, 이하 IITP) ICT혁신선도연구인프라구축사업의 `5G기반 스마트 센서 검증 플랫폼 구축` 과제를 통해 센서 데이터 신뢰성 향상을 위한 검증 방법을 구현하였고, 구축중인 스마트센서 연결부분의 엣지 및 게이트웨이 부분에 적용되어 결측치/이상치 감지 부분에 크게 기여할 것으로 예상된다. 본 성과에 대해 9월 27일에 전담 기관인 IITP에 보고되었고, 12월에 최종 보고 예정이다.
또한 이번 과제는 숭실대(문용 교수), 비정형 데이터 전문기업 ㈜아이온커뮤니케이션즈/IoT 플랫폼 전문기업 ㈜엔텔스 및 데이터 분석 전문기업 ㈜데이터플러스 등 IoT/AI 데이터 처리, 분석 전문기업 및 학교와 협업을 통해 진행되었으며, 자율주행 및 비전 AI 특화 전문기업인 ㈜인피닉 등을 대상으로 전격 기술지도(시제품 제작 지원, 컨설팅 등)를 지원하여 매출액 제고에 상당 부분 기여할 것으로 예상된다.
본 연구는 기존 이상치 검출 연구의 한계와 문제점을 지적하고 해결방안을 제시하였다는 데에 큰 의의가 있다. 또한 과제 진행을 통해 도출된 프레임워크는 다양한 산업 환경에 적용할 수 있는 일반화 구조를 가지고 있다는 장점이 있다.
전북대 소프트웨어공학과 조재혁 교수는 "본 연구는 광범위하게 구축한 테스트베드에 설치된 센서 디바이스들을 통해서 수집된 다양한 데이터를 활용하여 일관되고 우수한 상황 예측 성능 보여 앞으로 범용적인 이상 감지 모델로 활용할 수 있을 것"이라고 기대감을 드러냈다.
