다층 퍼셉트론을 이용한 교실 인원 추정 모델

초록

본 연구는 교실 내 상대 습도, 온도, 이산화탄소 농도 등 환경 데이터를 활용해 다층 퍼셉트론(MLP)으로 실시간 인원수를 추정한다. 포르투갈 Pombal 중학교 두 교실에서 수집한 데이터와 출석 보고서를 기반으로 모델을 학습시켰으며, 10개의 입력 변수(5개 구간의 습도·CO₂ 평균)로 구성된 최적 모델은 평균 제곱 오차 1.99, 결정계수 0.96, 평균 절대 오차 1명이라는 높은 정확도를 보였다. 미보고된 수업 후 기간의 인원수를 복원하는 데 유용함을 입증한다.

상세 분석

이 논문은 실내 환경 센서 데이터만으로 교실 내 인원수를 추정하는 문제에 다층 퍼셉트론(MLP)을 적용한 최초 사례 중 하나로 평가된다. 데이터 수집은 포르투갈 Pombal 중학교의 두 교실에서 진행됐으며, 상대 습도(RH), 온도(T), 이산화탄소(CO₂) 농도를 1분 간격으로 기록하였다. 출석 보고서를 통해 수업 시간대의 정확한 인원수를 확보했지만, 수업 종료 후의 ‘비공식’ 점유 상태는 알 수 없었다. 연구진은 이 미확인 구간을 모델이 예측하도록 설계함으로써, 기존 방법이 놓치기 쉬운 시간대까지 연속적인 인원 추정이 가능하도록 했다.

모델 설계 단계에서는 입력 변수의 조합을 다양하게 시험했다. 초기 실험에서는 RH, T, CO₂를 모두 사용했지만, 온도는 인원수와의 상관관계가 낮아 모델 성능에 크게 기여하지 못한다는 결과가 나왔다. 결국 최적 입력은 5개의 시간 구간(각 구간은 5분 평균)에서 추출한 RH와 CO₂ 평균값, 총 10개의 연속형 변수로 정의되었다. 이는 시간적 흐름을 반영하면서도 차원 축소 효과를 제공해 과적합 위험을 감소시켰다.

MLP 구조는 입력층(10노드) → 은닉층 2개(각 20노드, ReLU 활성화) → 출력층(1노드, 선형)로 구성되었다. 학습은 평균 제곱 오차(MSE)를 손실 함수로 사용했으며, Adam 옵티마이저와 0.001의 학습률로 200 에폭까지 진행했다. 교차 검증을 통해 과적합 여부를 모니터링했으며, 최종 모델은 테스트 데이터에서 MSE 1.99, 결정계수(R²) 0.96, 평균 절대 오차(MAE) 1명을 기록했다. 통계적으로는 p‑value < 0.001로 모델의 설명력이 유의미함을 확인했다.

이러한 성과는 몇 가지 중요한 시사점을 제공한다. 첫째, 온도보다 CO₂와 습도가 인원수와 더 강한 상관관계를 가진다는 점은 기존 HVAC 제어 연구와 일치한다. 둘째, 짧은 시간 구간(5분 평균)으로 데이터를 요약함으로써 실시간 적용 가능성을 확보했으며, 센서 노이즈에 대한 내성을 높였다. 셋째, MLP가 비선형 관계를 효과적으로 포착해 간단한 선형 회귀보다 월등히 높은 정확도를 달성했다는 점이다.

하지만 한계점도 존재한다. 데이터는 두 교실에 한정돼 있어 일반화 가능성이 제한된다. 또한, 외부 기후 변화, 창문 개폐, 학생 활동 수준 등 추가 변수는 고려되지 않았다. 향후 연구에서는 다중 교실·다중 학교 데이터를 통합하고, LSTM·GRU와 같은 시계열 특화 모델과 비교 분석함으로써 장기적인 예측 성능을 검증할 필요가 있다.