사무실 거주자 행동 모델링을 위한 베이지안 네트워크 프레임워크

초록

본 논문은 베이지안 네트워크를 활용해 사무실 거주자의 행동을 확률적 원인‑결과 관계로 표현하는 일반화된 모델링 접근법을 제안한다. 전문가 지식과 관측 데이터를 결합한 조건부 확률을 이용해 인간 행동을 정량화하고, 이를 건물 물리 시뮬레이션과 연계해 사무실 내 CO₂ 농도 변화를 예측한다.

상세 분석

이 연구는 기존의 규칙 기반 혹은 통계적 접근법이 갖는 한계를 인식하고, 인간 행동을 동적인 확률 과정으로 모델링하기 위해 베이지안 네트워크(BN)를 선택하였다. BN은 노드 간 인과관계를 명시적으로 정의하면서도, 각 노드에 할당되는 조건부 확률표(CPT)를 통해 전문가 지식과 현장 관측 데이터를 동시에 반영할 수 있다. 논문에서는 먼저 사무실 환경에서 주요 행동 변수—예를 들어 창문 개폐, 조명 사용, 난방·냉방 설정—를 식별하고, 이들 간의 인과 구조를 도메인 전문가 인터뷰와 문헌 조사 결과를 바탕으로 설계하였다. 이후 실제 사무실에서 수집한 온·습도, CO₂ 농도, 사용자 설문 등의 관측 데이터를 이용해 CPT를 학습시켰으며, 베이지안 추론을 통해 특정 행동이 발생했을 때 기대되는 환경 변수 변화를 예측한다. 모델 검증 단계에서는 시뮬레이션 결과를 실제 측정값과 비교했으며, 평균 절대 오차가 10 % 이하로 나타나 모델의 신뢰성을 입증하였다. 또한, 이 프레임워크는 모듈식 구조를 가지고 있어 새로운 행동 변수나 외부 요인을 손쉽게 추가·수정할 수 있다는 확장성을 제공한다. 그러나 CPT 추정에 필요한 충분한 관측 데이터가 부족할 경우 전문가 의견에 과도히 의존하게 되는 위험이 존재하며, 복잡한 네트워크일수록 계산 비용이 급증한다는 점도 언급된다. 전반적으로 베이지안 네트워크를 기반으로 한 관찰·지식 융합 접근법은 인간 행동을 정량화하고 건물 에너지·실내 환경 시뮬레이션에 통합하는 데 유용한 도구임을 보여준다.