디지털 트윈 기반 실내 화재 안전 AI 데이터 생성 및 수용성 평가

AI Data Generation and Technology Acceptance Evaluation for Indoor Fire Safety via Digital Twin

연구 내용

디지털 트윈 환경에서 RGB-D 시점과 매칭된 합성 화재 데이터를 생성하고 전이학습으로 AIoT용 조기 화재 탐지를 수행하며, 디지털 트윈 기술의 수용성 결정요인을 실증적으로 분석하는 연구

실내 화재 안전 분야는 공간 특성에 맞는 학습 데이터 확보가 핵심 과제로 제시됩니다. 연구에서는 RGB-D 기반 뷰 앵글과 일치하도록 입자 시뮬레이션 기반의 현실적 합성 화재 데이터를 자동 생성하고, 이를 디지털 트윈 환경에서 구성합니다. 공간별로 생성된 합성 데이터를 활용해 기존 탐지 모델에 전이학습을 적용함으로써 오탐을 줄이고 정확도를 개선하는 방향을 취합니다. 또한 디지털 트윈 기술의 품질 요인과 기술수용모형을 결합하여 실내 화재 안전 관리에서의 활용 영향 요인을 경험적으로 검증합니다.

관련 프로젝트

0건

연구 흐름

2023년에는 실내 화재 안전 관리 맥락에서 디지털 트윈 기술의 품질 요인과 기술수용성 관련 변수를 정리하고, 기술수용모형 기반 실증 연구로 적용 영향 요인을 확인했습니다. 이후 2024년에는 디지털 트윈을 활용해 공간에 최적화된 자동 합성 데이터 생성 모델을 제안하고, particle-simulation 기반 합성 화재 데이터를 전이학습에 투입하는 조기 화재 탐지 시스템을 구축했습니다. 두 흐름은 기술 수용성 이해와 데이터 기반 성능 향상으로 이어지도록 구성되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

공간 맞춤 조기 화재 탐지
RGB-D 기반 합성 데이터 생성
전이학습 기반 실내 감지 모델
AIoT 실시간 안전 모니터링
디지털 트윈 안전 시뮬레이션
오탐 감소 학습 전략
기술수용성 평가 모델
실내 화재 대응 의사결정 지원
안전 성능 검증 워크플로
안전 관리 품질 요인 분석