VR기반 1인 가구의 집중력 분석을 위한 머신러닝 예측모델 개발

Abstract

본 연구는 뇌파와 가상현실을 활용하여 건축 요소의 공간적, 시각적 변화로 인한 사용자 뇌파의 변화를 살펴보고 이를 통하여 1인 가구의 집중도 분석을 위한 예측 모델을 제안하고자 하는 연구이다.

2017년 통계청 인구 총 조사에 따르면, 1인 가구의 증가 추세는 2017년 기준 28.5%로 가장 많은 가구 유형으로 통계 되었으며 1인 가구의 증대됨에 따라 2045년에는 약 810만 가구가 될 것으로 예상된다. 따라서 앞으로 소득과 나이, 생활 패턴에 의해 1인 가구에 대한 수요 조건도 과거 대비 더욱 다양해질 것으로 보인다. 급증하는 1인 가구를 위한 주거의 양적인 공급뿐만 아니라 거주자 선택의 폭을 넓혀주는 다양한 구성과 정신적인 문제 등을 대비해야 한다. 집중도는 인간 발달의 초기 단계부터 발달 되어야 하는 중요한 능력이며 지속적으로 형성되는 내적 능력이다. 특히 학습과 생활의 기초를 형성해가는 사람에게 집중력은 반드시 길러져야 할 능력이라고 할 수 있다. 집중도는 실내공간을 구성하는 요소인 층고와 벽면색채를 통해 이를 보완할 수 있는데 개인의 감성이나 문화에 따른 다양화를 반영하여 도움을 줄 수 있을 것으로 본다. 더 나아가 기술 발전에 따라 새롭게 생체 데이터를 수집하고, 분석⦁활용할 수 있게 되어 신뢰성 있는 데이터를 토대로 사람의 내면 상태를 도출하여 인공지능과 접합시킨다면 큰 시너지효과를 낼 것이다.

이를 위해 본 연구는 다음과 같은 방법으로 진행되었다. 첫째, 1장에서는 서론에서 연구의 배경 및 목적, 방법 및 범위에 대해 서술하였다. 둘째, 2장에서는 이론적 고찰에서는 실내공간에서의 집중도와 집중도의 변인요소, 실내 공간 색채⋅층고와 집중도에 대한 선행연구와 실내 공간에서의 머신러닝, 뇌파활용에 대한 연구동향을 파악한다. 셋째, 3장에서는 실험을 위해 구축된 가상공간에서의 뇌파 측정과 데이터 전처리와 알고리즘을 통한 머신러닝 예측모델 구축을 진행하였다. 넷째, 4장에서는 머신러닝 예측모델 결과⋅분석과 예측모델의 활용 방안에 대하여 제시하였다. 다섯째, 5장에서는 본 연구의 결과와 한계점 그리고 향후 연구방향을 제시하였다.

본 연구의 의의는 다음과 같다. 첫째, 머신러닝 모델을 훈련하고 테스트에 있어 데이터의 양이 증가할수록 예측모델의 정확도 또한 높아지는 것을 확인하였다. 더 많은 피험자의 데이터를 확보한다면 훨씬 정교한 모델을 만들 수 있을 것이다. 둘째, 1인 가구의 주거공간 계획을 하는데 있어 1인 가구의 집중력을 고려한 맞춤형 층고와 벽면색채 계획을 예측모델을 통해서 제안할 수 있을 것으로 보인다. 셋째, 머신러닝은 딥러닝에 비해 정확도가 떨어지는 기술이며 개별속성의 가중치를 수동으로 설정해야 한다는 점과 이미 가지고 있는 데이터로만 학습을 하여 변수예측에 있어 취약하다는 한계점이 있다. 넷째, 실내 요소 중 천장과 벽면 색채 두 가지의 조건으로 만들어져 다른 실내 변수에 대한 집중도를 확인할 수 없었다. 다섯째, 이번 연구에서는 개인이 가지고 있는 신상 데이터를 포함하지 않고 진행되었다. 향후 연구에서 개인정보가 변수로 반영된 모델을 만들게 된다면 개인의 특징에 따른 뇌파의 추이나 경향을 유추할 수 있을 것으로 본다.