이전 연구들은 대기오염, 특히 PM 2.5와 다양한 질환 및 사망률 증가 간에 유의미한 상관관계가 일관되게 존재함을 보여주었다. 본 연구는 GPS 추적 데이터와 시간-활동 일지(time–activity diary)를 사용하여 개인의 이동 경로와 활동 공간을 반영함으로써, 시간대별 실내 PM 2.5 노출을 예측하기 위한 새로운 접근법을 제시한다. 모델은 하루 중 각 시간(예: 0:00–0:59, 1:00–1:59)마다 별도로 학습하였으며, 총 24개의 모델을 구축하였다. 실제 참여자로부터 수집한 데이터를 통해 이들의 적용 가능성을 입증하였다. 또한 예측 성능을 최적화하기 위해 자동화된 기계학습(AutoML)을 활용하였다. 결과는 제안된 모델이 실외 PM 2.5 농도와 기상 요인의 영향을 효과적으로 반영함을 보여주었다. 성능은 서로 다른 실내 환경에 따라 달라졌으며, 지하철역 모델이 가장 높은 예측 정확도를 보였다. 향후 연구에서는 이러한 불확실성을 다루고 더 고도화된 모델링 기법을 채택하며, 포괄적인 이해를 위해 다양한 실내 변수를 고려해야 한다. 본 연구의 통찰은 미세입자상 물질 노출과 관련된 건강 위험 평가를 크게 향상시킬 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.