서 론
연구 방법
실험환경 및 측정장비
재실자 검출기법
거리별 검출 점 개수의 이론 모델
결과 및 토의
거리별 검출 점 개수 특성
거리 적응형 MinPts의 도출
클러스터 크기 경계의 도출
고정 파라미터와 검출 성능 비교
결 론
서 론
건물에너지의 상당 부분은 재실 여부나 활동과 무관하게 공급되는 조명, 가전, 공조가 소비하며, 재실자의 위치와 행동에 따라 설비를 제어하는 재실자중심 제어는 제로에너지 건물 구현의 핵심 기술로 주목받고 있다(Esrafilian-Najafabadi and Haghighat, 2021; Zhang et al., 2022). 재실자중심 제어의 전제는 신뢰성 있는 재실감지이며, 이를 위해 PIR센서, CO2센서, 카메라 등 다양한 센싱기술이 검토되어 왔다(Azimi and O’Brien, 2022; Shokrollahi et al., 2024). PIR센서는 저가이고 적용이 간편하지만 재실 유무와 단순 출입감지 수준의 정보를 제공하며, 재실자의 정확한 위치나 행동패턴의 검출에는 한계가 있다(Shokrollahi et al., 2024). 또한 선행연구에서 CO2·온습도·조도 센서 모듈로 재실 인원수와 활동량을 예측한 결과, 비교적 저가의 센서 구성으로도 유의미한 추정이 가능하였으나 재실자의 활동이 실내환경 변화로 반영되기까지의 지연으로 인해 검출 지연시간이 최대 30분에 달하여 실시간 재실자중심 제어에는 한계가 있었다(Kim et al., 2023).
카메라를 활용한 방법은 재실자 수와 위치를 정확하게 추정할 수 있으나(Dino et al., 2022), 개인식별이 가능한 영상 정보를 취득하므로 주거공간 적용에는 프라이버시 측면의 제약이 크다. 반면 2D LiDAR는 수평면상의 거리 점군만을 측정하여 개인을 식별할 수 없으면서도 재실자의 위치와 이동을 파악할 수 있어, 주거공간까지 확장 가능한 대안으로 적합하다. 특히 최근 로봇청소기 등에 채용되는 저가형 2D LiDAR의 보급으로 경제성 측면의 진입장벽도 크게 낮아졌다. 또한, 단일 센서로 8 m 이상 반경의 공간 전체를 커버할 수 있어, zone별로 다수의 센서 설치가 필요한 방식 대비 설치 복잡도 측면에서도 유리하다.
다만, 저해상도 2D LiDAR는 스캐너의 각해상도가 일정한 센서의 특성으로 인해 인체에서 반사되는 점의 개수는 센서로부터의 거리에 반비례하여 감소하며, 밀도 기반 클러스터링(DBSCAN; Ester et al., 1996)의 최소 점 개수(minimum points; MinPts)를 고정값으로 사용하면 근거리에서는 노이즈나 신체 일부가 별도의 재실자로 오검출되고 원거리에서는 재실자가 미검출되는 상충이 발생한다. 이에 기존 연구들은 주로 검출 알고리즘 자체에 초점을 두었으며, 실측 데이터에 근거하여 거리 의존적 파라미터를 체계적으로 도출한 사례는 드물다.
본 연구의 목적은 실제 사무공간 테스트베드에서 장기간 수집한 측정 데이터로부터 저해상도 2D LiDAR 재실자 검출을 위한 거리 적응형 클러스터링 파라미터를 실측 기반으로 도출하는 것으로 1) 거리별 1인당 검출 점 개수의 이론 모델과 실측치를 비교·검증하고, 2) 이로부터 거리 적응형 MinPts 규칙을 도출하며, 3) 비인체 물체 배제를 위한 클러스터 크기의 실측 기반 경계를 설정하고, 4) 고정 파라미터 대비 검출 성능을 비교·분석한다. 본 연구는 재실자 동선 추적과 조명·공조의 재실자 중심 제어로 이어지는 연구의 검출 단계에 해당하며, 추적 알고리즘과 행동 특성 분석은 후속 연구에서 다룬다.
연구 방법
실험환경 및 측정장비
실측실험 대상 공간으로 K대학의 사무실을 선정하였으며, 대상 공간은 Figure 1과 같이 재실자의 활동 특성에 따라 개별 사무공간, 회의실, 복도, 출입문 zone으로 구분하였다. 해당 사무공간은 이동 범위가 넓은 반면 활동 종류가 착석 업무, 이동, 회의 등으로 제한적이어서 검출 파라미터의 검증 환경으로 적합할 것으로 판단되었다.
측정에는 저해상도 360° 2D LiDAR를 사용하였으며, 센서와 직접 연결된 PC는 실시간으로 수집되는 데이터의 처리와 기록을 수행한다. LiDAR 센서는 사무실에 설치된 파티션 및 가구를 고려하여 바닥으로부터 1.4 m 높이에 설치하여 파티션 상부에서 기립·이동 재실자의 몸통 단면이 스캔되도록 의도적으로 설계하였다. 스캔 평면 아래로 내려가는 착석 상태는 검출 소실을 착석으로 판정하는 추적 단계의 상태 전이 로직으로 다루며, 이는 후속 연구에서 제시한다. 측정 데이터는 프레임 단위로 기록·재생 가능한 JSON Lines 형식으로 저장하여 한번 측정된 데이터를 리플레이하여 반복 실험이 가능하도록 하였다. 분석에는 총 11일간 수집된 약 736만 개의 관측 데이터를 알고리즘의 학습 및 파라미터 도출에 사용하였으며, 센서사양과 측정조건은 Table 1에 나타내었다.
Table 1.
Specifications of the LiDAR sensor and measurement setup
재실자 검출기법
검출 파이프라인은 배경 제거와 밀도기반 클러스터링으로 구성된다. 먼저 재실자가 없는 상태에서 스캔하여 배경 맵을 구성하고, 기준 대비 일정 거리 이상 가까워진 점을 전경 점으로 추출한다. 전경 점군에는 2단계 클러스터링을 적용한다. 1단계에서 MinPts=3 기준의 DBSCAN으로 후보 클러스터를 형성하고, 2단계에서 각 클러스터의 중심 거리에 따라 거리 적응형 기준을 적용하여 인체 여부를 판정한다. 이웃 탐색 반경은 인체 단면 크기를 고려하여 ε=0.3 m로 설정하였다. 본 연구의 핵심은 2단계에서 거리에 따라 변화해야 하는 두 파라미터, 즉 MinPts와 클러스터 크기의 허용 범위 도출에 있다.
거리별 검출 점 개수의 이론 모델
폭 W인 인체가 센서로부터 거리 d에 위치할 때, 각해상도 Δθ인 스캐너가 인체에서 취득하는 이론적 점 개수 N(d)는 인체가 점유하는 시야각을 각해상도로 나눈 값으로 근사할 수 있다. 다만 검출 파이프라인은 한 처리 프레임에 복수 회전의 점군을 누적하므로, 이를 보정하는 유효 샘플링 계수 η를 도입하였다.
본 연구에서는 성인 몸통의 유효 폭을 W=0.45 m, 각해상도를 Δθ=0.18°로 하였다. 검출 파이프라인은 약 0.42초 주기로 동작하여 한 프레임에 복수 회전의 점군이 누적되며, 실측 회귀를 통해 유효 샘플링 계수를 η=1.63으로 보정하였다. 식 (1)은 점 개수가 거리에 반비례함을 의미하며, 실측 데이터와의 비교를 통해 검증한다.
결과 및 토의
거리별 검출 점 개수 특성
매칭된 재실자 클러스터의 1인당 검출 점 개수를 센서로부터의 거리에 대해 나타낸 그래프는 Figure 2와 같다. 실측 점 개수는 근거리에서 300점 이상이었다가 거리 증가에 따라 급감하여 8 m 부근에서는 30점 내외로 감소하였으며, 식 (1)의 이론 곡선과 전 구간에서 일치한다. 이는 점 개수가 거리에 따라 10배 이상 변화하는 것으로 분석되어, 단일 고정 MinPts로는 전 거리 구간을 포괄할 수 없음을 정량적으로 나타낸다.
거리 적응형 MinPts의 도출
거리 구간별 실측 점 개수의 하위 5퍼센타일에 안전계수 0.1을 적용한 값을 기준으로, 거리 적응형 MinPts를 식 (2)와 같이 정의하였다.
도출된 규칙은 0.5 m에서 MinPts=10으로 시작하여 거리 증가에 따라 계단형으로 감소하고 약 6.6 m 이후 하한값 3에 수렴한다(Figure 3). 근거리에서 큰 MinPts는 노이즈와 신체 일부 파편의 오검출을 억제하고, 원거리에서 작은 MinPts는 점 개수가 적은 재실자의 미검출을 방지한다.
클러스터 크기 경계의 도출
재실자 클러스터의 최대 크기를 Figure 4와 같이 거리별로 분석하였으며, 실측 인체 클러스터 크기 분포의 1~99%의 범위를 포괄하도록 거리 무관 상수 하한과 거리의존 상한으로 구성된 경계를 식 (3)과 같이 설정하였다.
상한 경계는 의자 이동 등 인체보다 큰 물체와 인접 재실자 클러스터의 병합을 배제하고, 하한 경계는 기둥 모서리, 가방 등 소형 정적 물체의 오검출을 배제한다. 실측 결과 상한 경계는 점 간격 증가가 측정 크기에 반영되어 거리에 따라 완만히 증가하는 반면, 하한의 실측 1퍼센타일은 부분 가림 및 측면 자세에서 클러스터가 작게 측정되는 영향으로 뚜렷한 거리 의존성을 보이지 않아 거리 무관 상수로 설정하였다. 하한을 거리 증가함수로 설정할 경우 원거리 재실자의 미검출로 인하여 재현율이 저하됨을 교차검증 과정에서 확인하였다. 따라서 하한에는 고정 경계가, 상한에는 거리 의존적 경계가 적용되어야 할 것으로 판단된다.
고정 파라미터와 검출 성능 비교
제안 파라미터의 성능은 인공지능과 머신러닝에서 분류 모델의 성능을 평가하는 recall(재현율), precision(정밀도) 및 두 지표의 조화평균인 F1 score를 기반으로 정량 평가하였다. 준 참값으로는 검출 결과가 추적 단계의 시간적 일관성 검증을 통과한 재실자 위치를 사용하였으며, 검출 중심이 준 참값의 0.5 m 이내이면 정검출로 판정하였다. 평가에는 재실특성이 상이한 3일의 데이터(평가 프레임 38,656개, 재실자 관측 46,857건)를 사용하였고, 이 중 17.1%의 프레임이 2인 이상 동시 재실상황(최대 12인)이며 재실자 관측의 17.7%가 속도 0.3 m/s 이상 이동 중인 관측이다. 일반화 성능의 확인을 위해 두 날의 데이터로 파라미터를 도출하고 나머지 한 날로 평가하는 leave-one-day-out 교차검증을 수행하였다. 기존 관행으로 설정하는 고정 파라미터인 MinPts=3, 크기경계 0.2~0.6 m와 본 연구에서 제안한 거리 적응형 파라미터를 동일 데이터에 적용하여 비교한 결과는 Table 2와 같으며, 제안 파라미터는 교차검증 평균 recall을 0.904에서 0.967로, precision을 0.973에서 0.980으로 향상시켰다. 특히 다중재실 비중이 가장 높은 Set A에서 recall 개선 폭이 가장 크게 나타났다.
Table 2.
Precision and recall of the fixed and proposed parameters
| Evaluation set | P (fix.) | R (fix.) | P (prop.) | R (prop.) |
| Set A | 0.957 | 0.874 | 0.960 | 0.964 |
| Set B | 0.981 | 0.864 | 0.996 | 0.950 |
| Set C | 0.980 | 0.973 | 0.984 | 0.988 |
| Mean | 0.973 | 0.904 | 0.980 | 0.967 |
다만, 고정 MinPts=3은 근거리에서 3점 이상의 미세 노이즈 군집도 재실자 후보로 생성하여 후단 추적 단계의 부하와 오인 위험을 증가시키는 반면, 거리 적응형 규칙은 근거리 기준을 강화하여 이러한 오검출 후보의 발생을 구조적으로 억제하면서도 원거리 검출을 유지한다. 한편, 이동 중 재실자에 대한 recall은 0.974로 정지 상태인 0.980와 유의한 차이를 보이지 않아, 프레임 누적에 따른 이동 클러스터의 신장을 거리의존 상한이 수용함을 확인하였다. 또한, 거리 구간별 클러스터 크기의 변동계수는 전 구간에서 0.21~0.43 수준으로, 제안 파라미터 적용 시 거리에 따른 검출 품질의 급격한 저하 없이 안정적인 클러스터 형성이 확인되었다.
결 론
본 연구에서는 실제 사무공간 테스트베드에서 수집한 장기 측정 데이터로부터 저해상도 2D LiDAR 기반 재실자 검출을 위한 거리 적응형 클러스터링 파라미터를 실측 및 도출하였으며 주요 결과는 다음과 같다.
(1)1인당 검출 점 개수는 인체 유효 폭, 각해상도 및 유효 샘플링 계수에 기반한 이론모델과 전 구간에서 일치하였으며, 이는 점 개수의 거리 반비례 감쇠를 보정하는 파라미터 설계의 근거가 된다.
(2)실측 점 개수의 하위 5%에 기반한 거리 적응형 MinPts 규칙을 도출하였으며, 고정 파라미터 대비 recall 저하 없이 근거리 오검출 후보의 발생을 구조적으로 억제하여 precision이 향상되었다.
(3)재실자 클러스터 크기의 실측분포에 기반하여 거리무관 상수하한과 거리의존 상한으로 구성된 크기 경계를 설정하여 비인체 물체를 배제하는 기준을 마련하였다.
도출된 파라미터는 단일 저해상도 스캐너로 근거리부터 8 m 이상까지 안정적인 재실자 검출을 가능하게 하며, 이는 재실자 동선추적과 활동특성 분석에 선행하는 검출단계의 신뢰성을 확보하였다.
추후, 후속 연구에서는 본 검출 결과를 기반으로 다중 재실자추적 알고리즘을 개발하고, zone별 행동특성을 분석하며, 이를 활용한 조명·환기의 재실자중심 국소 제어전략을 제안하는 연구를 수행할 예정이다. 구체적으로는 실제 사무공간에 개인별 조명·공조·콘센트 원격제어 모듈을 설치하고 본 추적시스템과 연동하는 재실기반 통합제어 실증환경을 조성하여 제어 효과를 검증할 계획이다. 최종적으로는 프라이버시 보존형 재실자 추적기법을 주거공간으로 확장하여 제로에너지 건물의 조명, 가전, 공조에너지 절감에 기여하고자 한다.
