한국실내환경학회는 지난 5월14일부터 15일 이틀간 대전 KW컨벤션에서 ‘2026 한국실내환경학회 춘계심포지엄’을 개최했다고 밝혔다.

 

최근 실내환경분야는 AI와 빅데이터기술을 활용한 생활공간 중심의 환경관리 및 분석에 대한 관심이 크게 증가하고 있다. 다양한 데이터기반 접근을 통해 실내환경의 질을 정량적으로 평가하고 개선하기 위한 연구가 활발히 수행되고 있다.

 

이날 행사는 실내환경 관련 최신 연구동향과 기술발전 방향을 공유하고 정책·건강영향·제어기술 등을 아우르는 통합적 관점에서 실내환경관리의 새로운 패러다임을 모색하고자 마련됐다.

 

심포지엄은 ‘AI·빅데이터 기반 실내환경’을 주제로 △AI기반 대기오염 노출 및 건강영향 분석(이재영 아주대 교수) △상황인지형 웰니스(Wellness)로봇 이동 청정효능 평가연구(이철민 서경대 교수) △AIoT 융합기술과 실내 토탈공간 케어솔루션(남호진 퓨리움 대표) △센서데이터기반의 실내공기질관리를 위한 인공지는 활용방안(김민정 한국철도기술연구원 박사) △AI를 활용한 강화학습기반 실내건강환경 제어기술 및 실증(문현준 단국대 교수) 등의 발표가 진행됐다.

 

박덕신 실내환경학회 회장은 개회사를 통해 “실내환경학회는 그간 실내공기질 측정과 평가, 환기와 공기정화, 유해물질 관리, 생물학적 오염, 건강영향 정책, 제도 개선 등 다양한 분야에서 많은 연구와 논의를 이어왔다”라며 “이제는 연구성과가 논문과 학술발표에만 머무르지 않고 실제 현장과 정책 그리고 국민이 체감할 수 있는 변화로 이어질 수 있게 학회가 가교역할을 할 것”이라고 밝혔다.

 

이어 “오늘 춘계 심포지엄에서는 AI와 빅데이터 기반 실내환경 정책 및 제도동향, 건강영향 정량화, 자동제어 및 예측기술 등 주요 주제를 다루게 됐다”라며 “해당 주제들은 향후 실내환경분야가 나아가야 할 방향성을 잘 제시하고 있으며 오늘 논의를 통해 실내환경분야가 한 단계 더 발전하는 계기가 되길 바란다”고 덧붙였다.

 

박 회장은 “실내환경 문제는 어느 한 기관이나 분야의 노력만으로 해결하기 어렵우며 연구자는 과학적 근거를 만들고 정부와 지자체는 제도와 정책을 마련하며 산업계는 현장에 적용가능한 기술을 개발해야 한다”라며 “학회는 이 모든 주체들이 함께 논의하고 협력할 수 있는 연결의 장이 돼야 한다”고 말했다.

 

이어 “오늘 행사뿐만 아니라 향후에도 논의와 협력의 장을 더 많이 조성해 실내환경학회의 역할을 더욱 공고히 하겠다”고 강조했다.

 

조현수 기후에너지환경부 환경보건국 국장은 축사를 통해 “기후에너지환경부는 1996년 ‘지하 생활공간공기질관리법’에서부터 현재 ‘실내공기질관리법’에 이르기까지 제도개선과 현장지원에 힘써왔다”라며 “그 결과 어린이집과 지하역사 등 다중이용시설의 실내공기질 또한 지속적으로 개선할 수 있었다”고 밝혔다.

 

이어 “하지만 최근 기록적인 폭우와 폭염 등 이상기후 현상으로 국민들의 실내 체류시간이 증가하고 온·습도의 변화에 따라 세균, 곰팡이 등 새로운 실내 오염원이 대두되고 있다”라며 “기후변화로 실내환경의 중요성이 높아지는 만큼 에너지효율화와 온실가스 저감이라는 과제를 함께 공유하면서 인공지능과 빅데이터 등 첨단기술을 활용한 융합적 접근이 시급하다”고 경고했다.

 

조 국장은 “오늘 학술 심포지엄의 주제인 인공지능·빅데이터 생활공간 중심의 실내환경은 이러한 시대적 변화와 요구에 부응하는 시의적절한 과제”라며 “오늘 이 자리가 인공지능과 빅데이터를 활용한 실내공기질 관리방안과 국민 생활공간에 최적화된 맞춤형 정책 마련에 의미있는 논의의 장이 되길 기대한다”고 말했다.

 

이어 “여러 전문가와 관계자들께서 경험과 통찰을 모아주신다면 기후부도 경청하고 협력해 국민들이 체감할 수 있는 시대환경 정책으로 이어가겠다”라며 “기후위기시대 새로운 실내공기질관리의 이정표를 마련하는 뜻깊은 시간이 되길 바란다”고 전했다.

 

디지털트윈 기반 실내·외 대기질 자율제어시스템 ‘주목’
이재영 아주대학교 교수는 ‘AI기반 대기오염 노출 및 건강영향 분석’을 주제로 발표했다. 기후변화와 도시환경 복잡성으로 인해 전통적 통계모델로는 한계가 있던 대기질분석분야에 AI와 빅데이터를 융합한 다각적인 연구성과를 공개했다.

 

이재영 교수가 소속된 연구팀은 시계열 분석에 최적화된 △LSTM △GRU 등 딥러닝모델과 △랜덤 포레스트 △캣부스트 등 머신러닝 알고리즘을 활용해 오염농도 예측 및 건강영향 평가를 수행해 왔다.

 

연구팀은 아주대병원 알레르기내과와 공동연구를 통해 천식 환자 수와 대기오염 물질의 상관관계를 머신러닝으로 분석했다. 분석결과에 따르면 시계열데이터 유지력이 높은 LSTM과 GRU모델이 가장 우수한 성능을 보였으며 특성 중요도 분석을 통해 외래 및 응급 천식 환자 발생에 꽃가루 성분이 가장 치명적인 영향을 주는 것으로 나타났다.

 

또한 측정소가 부족한 극초미세먼지(PM1.0)의 농도를 기존 PM2.5 성분과 기상데이터를 기반으로 정밀 예측하는 모델을 구축해 서울과 안산 등 소스 니얼바이 지역 및 산업단지 일대가 오염 핫스팟임을 시각화했다.

 

드론을 활용해 3차원 대기질 분석과 실내환경으로 연구영역을 확장해 성과를 거뒀다. 도로교통공사와 협력해 고도별 대기질데이터를 수집하고 수직 공간 오염농도를 예측한 결과, 일산화탄소(CO2)는 차량 속도와 불규칙한 변동성에 영향을 받는 반면, 미세먼지(PM2.5)는 도로변 자체 요인보다 대기 배경 농도에 동조된다는 사실을 밝혀냈다.

 

이에 더해 한국철도기술연구원과 함께 인천 2호선 전동차 내부의 데이터를 분석해 ‘지하철 객실 내 이산화탄소 농도 예측모델’을 최초로 공개했다. 출·퇴근 시간대 오염패턴과 함께 승객 수를 대변하는 간접 지표인 습도, 역사 깊이가 객실 내 이산화탄소 농도를 결정하는 핵심 변수임을 규명했으며 향후 이를 활용해 최적 환기량과 에너지 소비율을 최적화할 계획이다.

 

이재영 교수는 “현재 환경데이터 분석에 가장 효율적인 머신러닝을 넘어 이미지 분석을 위한 CNN, 물리적 역학을 반영하는 ‘하이브리드 멀티 모델’ 연구를 수행 중”이라며 “AI기반 환경분석의 핵심은 결국 고품질 데이터의 확보에 있으며 향후 대기환경 예측기술이 단순 모니터링을 넘어 디지털트윈과 결합해 실시간 실내환기 및 공조시스템을 자율제어하는 지능형 시스템으로 발전해야 한다”고 제언했다.

 

건강 위해성 중심 ‘상황인지형 공간제어 로직’ 실현
이철민 서경대 교수는 ‘상황인지형 웰니스 로봇 이동 청정효능 평가연구’를 주제로 발표하며 거실이나 안방 등 특정 위치에 고정해 두는 기존 공기청정기의 한계를 극복하고 분할된 실내 사각지대를 스스로 찾아가 오염물질을 제거하는 이동형 로봇의 공기질 개선효능을 정량적으로 입증했다.

 

일반적인 주거공간은 벽과 문으로 구획돼 있어 고정형 공기청정기 1대만으로는 집안 전체를 관리하기 어렵다. 연구팀은 자체 개발한 ‘에어센서’를 장착한 로봇이 가옥 전체를 주행·스크린하며 실시간 공기질 맵을 구현하는 IoT 매핑 로직을 통해 이 한계를 극복했다.

 

특히 영유아나 노약자 등 재실자 특성과 복합 오염물질의 위험성을 반영한 ‘재실자 맞춤형 복합 실내공기질 지수’를 개발해 지수가 ‘나쁨’단계로 전환되면 로봇이 오염구역으로 즉각 이동해 정화를 시작하도록 설계했다.

 

연구팀이 수도권 실제 가정집 2곳에서 2개월간 장기 실증실험을 진행한 결과 미세먼지부문에서 이동형 웰니스 로봇을 가동했을 때가 고정형 모델대비 실내 전반의 오염농도를 낮추는 데 가장 탁월한 것으로 분석됐다.

 

특히 고농도 오염 이벤트 발생 이후 30분간 정화능력을 분석한 결과 집안 전체 공간과 구석진 사각지대를 모두 포괄했을 때 이동형 로봇이 고정형 공기청정기대비 최대 4배에 달하는 압도적으로 빠른 정화속도를 보였다.

 

가스상 오염 물질인 휘발성유기화합물(VOCs) 저감평가에서도 가시적인 데이터가 도출됐다. 환경부 공정시험기준에 준해 시료를 정밀 포집·분석한 결과 인체에 치명적인 발암물질인 ‘벤젠’의 경우 웰니스 로봇 가동 시 매우 우수한 저감효율을 기록했다. 고정형 청정기는 거실 외곽 사각지대의 가스상 물질 제거에 한계를 보인 반면 이동형 로봇은 오염구역으로 직접 이동해 정화함으로써 제거효율지표를 방·서재·주방 등 전 구역에서 1.0 미만으로 떨어뜨리는 성과를 냈다.

 

이철민 교수는 “이번 연구는 재실자의 건강 위해성을 중심에 두고 상황인지형 공간제어 로직을 실현했다는 데 의의가 있다”라며 “반년에 걸친 실증데이터 성과는 환경보건분야 학술지에 2편이 게재됐고 가스상 물질 관련 연구도 추가 투고를 마친 상태”라고 밝혔다.

 

실내오염 유발 ‘다중이용시설 출입구’
남호진 퓨리움 대표는 ‘AIoT 융합기술과 실내 토탈 공간 케어솔루션’을 주제로 발표하며 기존 단순 환기 및 방역시스템을 넘어 데이터 중심의 지능형 실내대기질 제어와 탄소포집의 필요성을 제시했다.

 

남 대표는 조달청 혁신제품 1호로 선정된 스마트 에어게이트기술을 공개하며 대다수 다중이용시설 출입구가 외부에 무방비로 노출돼 실내오염을 유발한다고 지적했다. 이에 따라 단순한 집진·살균기계가 아닌 AI 컴퓨팅과 IoT센서 매핑기술을 탑재한 ‘공동주택 출입구 오염감시시스템’을 구축해 어린이집과 병원 등 24시간 클라우드데이터 역추적과 유해가스 관리를 실현해야 한다고 설명했다.

 

실내환경 제품을 고정된 기계로만 인식하는 기존 제조업은 한계가 명확하다. 이를 보완하기 위해 퓨리움은 제품 내부에 미니 컴퓨터를 탑재해 스스로 동작하고 발전하는 ‘상황인지형 AI플랫폼’을 구현했다.

 

또한 전국 1,000여개 이상 다중이용시설 공간에서 수집한 실시간 공기질정보를 시각화하는 독자적인 플랫폼(AI-DC)을 성공적으로 상용화했으며 구글 딥마인드의 저비용 고정밀 일기예측 사례처럼 실내대기질 역시 AI를 활용하면 누구나 공공장소의 오염도와 안전성을 실시간으로 투명하게 확인할 수 있게 했다.

 

남호진 대표는 “막대한 예산과 토지를 소모하면서 또 다른 에너지를 낭비하는 기존의 실외 탄소포집 방식(DAC)은 비효율적”이라며 “이산화탄소와 휘발성유기화합물을 상시 배출하는 실내 출입 게이트가 탄소포집의 최적 장소이며 에어게이트 내부 필터구조에 탄소나노튜브기술을 융합해 실내대기 청정과 동시에 탄소를 직접 포집해야 한다”고 강조했다.

 

이어 “코로나19 이후에도 다중이용시설 관리가 요식 행위에 그치고 있다”라며 “학회가 이론에서 벗어나 현장 실시간 데이터를 기반으로 국민이 공간의 안전성을 체감할 수 있는 통합 데이터 플랫폼 프로젝트를 선도해야 한다”고 덧붙였다.

 

지능형 공기질 통합관리 전환 시급
김민정 한국철도기술연구원 선임연구원은 ‘센서데이터 기반 실내공기질 관리를 위한 인공지능 활용방안’을 주제로 발표하며 환경센서가 단순 측정기기에서 지능형 환경관리의 핵심데이터 원유로 진화함에 따라 모니터링·예측·제어가 유기적으로 통합된 지능형 공기질 통합관리로 패러다임 전환이 필요하다고 강조했다.

 

단순히 데이터 양을 늘리는 ‘모델 센트릭’방식 대신 인공지능에 가공된 정밀 학습데이터를 입력하는 ‘데이터 센트릭 AI’로의 트렌드 변화를 바탕으로 시공간적 제약을 극복할 수 있는 구체적인 인공지능 알고리즘 활용기법과 실증성과를 바탕으로 한 대안이 소개됐다.

 

우선 데이터 수집단계인 데이터 계층에서는 장기사용 시 결함이나 오염으로 인해 발생하는 센서 이상을 현장에서 즉각 걸러내는 인공지능 이상 탐지 메커니즘이 사용됐다. 정상데이터를 사전학습한 오토인코더 알고리즘의 압축·복원과정에서 비정상 데이터가 유입될 때 발생하는 오차율을 분석해 오류센서의 위치를 정확히 진단해 내고 정상 추정치로 데이터를 실시간 복원하는 프로세스를 적용했다.

 

이에 더해 복수의 센서 네트워크 정보를 데이터 유사도 기반의 행렬로 재배치하는 그래프 뉴럴 네트워크(GCN)와 출·퇴근 시간 등 오염이 급증하는 특정 맥락에 높은 가중치를 부여하는 어텐션기법을 결합해 정상적인 변동패턴과 센서 고장데이터를 명확히 분리하는 방식을 적용했다. 이를 현장에 실현하기 위해서는 센서 자체에 에어센서 이상 탐지기능을 내재화하고 인공지능이 즉시 인식할 수 있는 ‘AI 프렌들리 데이터구조’를 양산해야 할 것으로 보인다.

 

인텔리전트 분석인 예측 계층에서는 단일 지점 모니터링의 한계를 넘어 공간 전체의 오염흐름을 파악하기 위해 무빙 윈도우기법을 결합한 시계열 LSTM 알고리즘과 물리정보 반영 신경망알고리즘을 현장에 적용했다.

 

연구원 식당에 실제 계측기를 설치하고 2시간 전 온도·공조정보 및 재실자 수 데이터를 일정 시간 창 단위로 이동시키며 동적학습을 수행한 결과, 1시간 뒤 초미세먼지 농도를 90% 이상의 정확도로 맞췄으며 해당 모델을 시범 지하철 역사 플랫폼에도 연동해 실시간 예측성능을 검증했다.

 

또한 측정기가 없는 지점의 한계를 극복하기 위해 딥러닝 손실함수에 실내 대류-확산 미분 방정식을 제약조건으로 부여하는 핀알고리즘을 통해 실측 오차를 줄임과 동시에 천장 공조기 유동 유입 등 물리적 개연성을 강제함으로써 센서 미설치 구역의 공간오염 분포를 자연스럽게 추정해 내는 3차원 시뮬레이션 고도화 결과를 도출했다. 이러한 시공간 통합예측을 완성하려면 센서·측정·AI·시스템 통합분야가 융합하는 다학제 협업체계 구축이 동반돼야 한다.

 

마지막 실행단계인 제어 계층에서는 고정된 규칙에 따라 공조기를 돌리는 과거방식에서 탈피해 실내공기질 농도 변화와 운전제어 간격을 연동하는 LSTM기반 자율제어시스템의 효율성을 수치로 시연했다. 인공지능 에이전트가 선제적으로 공조 운전주기를 조정하도록 시뮬레이션한 결과, 미세먼지 기준치 초과횟수를 차단함과 동시에 실내기 쾌적성은 동일하게 유지하면서 건물 공조에너지소모량을 획기적으로 낮출 수 있음을 증명했다.

 

김민정 연구원은 “최종적으로는 2024년 11월 공개된 오픈소스 프로토콜인 ‘모델 컨텍스트 프로토콜(MCP)’을 실내 제어망에 이식해 거대 언어모델이 데이터소스와 AI 알고리즘에 직접 접근하고 대형 복합시설이나 환승센터의 공조상태를 스스로 판단해 지령을 내리는 자율운영 에이전트 플랫폼을 구현했다”라며 “이러한 인공지능 활용기술의 가치는 결국 보편적 환경복지와 에너지절감을 통한 탄소중립이라는 실질적인 사회적 이익을 향해야 한다”고 밝혔다.

 

실내환경 개선·에너지절감 동시 달성 자율운전기반 건물관리시스템
문현준 단국대 교수는 ‘AI를 활용한 강화학습기반 실내건강환경 제어기술 및 실증’을 주제로 발표하며 실시간으로 변하는 실내·외 환경과 재실자의 불확실한 행동패턴에 대응해 실내건강 환경을 개선하고 에너지절감을 동시에 달성할 수 있는 자율운전기반의 건물관리시스템(iBEEMS) 플랫폼기술을 공개했다.

 

문 교수는 지난 5년 반 동안 수행해 온 연구성과를 바탕으로 관리자의 개입을 최소화하는 자율주행 3.5단계 수준의 건물 자율운전 개념을 제시하고 단국대 진리관 기숙사를 비롯해 △HDC 아이파크타워 △롯데마트 △롯데백화점 등 총 5개 건물과 국내·외 실증사이트에 적용한 MMV 검증결과를 설명했다.

 

연구팀이 개발한 자율운전 알고리즘 ‘aiBAC(AI 10)’은 에너지플러스와 모델리카 툴로 구축된 하이브리드 시뮬레이터 환경에서 사전학습을 거친 후 실제 건물에 적용된다. 플랫폼의 메인 알고리즘으로는 강화학습 기법 중 가장 안정적인 제어성능을 보이는 DDQN(Double Deep Q-Network) 알고리즘이 채택됐다.

 

불확실한 재실자 이동을 파악하기 위해 건물 내 CCTV 영상서버에 AI모델을 탑재해 분포와 수를 실시간 추정했으며 프라이버시 침해문제를 해결하기 위해 ToF 딥스센서 기반의 재실 추론기술을 병행했다. 수집된 데이터는 IoT 국제표준 프로토콜인 'oneM2M(사물인터넷분야 글로벌 표준 통신규격)' 기반의 3개 계층 플랫폼으로 통합돼 BAS시스템과 연동해 자동제어를 수행한다.

 

실증 적용사례 중 대표적인 주거용 시설인 단국대학교 진리관 기숙사의 경우 비재실 중에도 에어컨을 켜두거나 환기장치를 끄고 공기청정기만 가동하는 등 심각한 에너지 누수와 대기오염이 공존하는 환경이었다.

 

이에 따라 GRU 알고리즘기반으로 재실여부 및 인원수를 정확히 예측해 창문형 환기시스템과 공기청정기를 연동 제어한 결과, 일반 제어대비 기숙사 내 냉난방에너지를 42.5% 절감하는 쾌거를 거뒀다. 또한 환기장치의 지능적 가동을 통해 이산화탄소농도는 51.3%, 초미세먼지농도는 40.5% 개선됨과 동시에 열쾌적성 역시 34.3% 향상돼 환경과 에너지문제를 동시에 해결할 수 있음을 입증했다.

 

상업용시설인 △오피스 △마트 △백화점 실증에서도 가시적인 성과가 도출됐다. 롯데마트의 경우 개점 직전 준비 단계에서 실내 공기질이 가장 악화된다는 데이터 특성을 파악해 이를 자율 제어로직에 반영했다.

 

문현준 교수는 “강화학습의 특성을 활용해 에너지를 중시하는 오피스, 열쾌적성이 최우선인 백화점 등 건물특성에 따라 리워드 함수를 다르게 설정함으로써 최적의 효율을 확보했다”라며 “구획이 방대한 용산 아이파크몰은 공조시스템을 그룹핑해 제어하는 기술을 적용했으며 향후 기술보편화를 위해 구축비용을 낮추는 경제성 확보 연구가 이어져야 할 것으로 보인다”고 말했다.