Development and Validation of a PredictiveMathematical Model for Cognitive Performanceand Occupational Stress Based on Indoor AirQuality: A Low-Cost Implementation UsingEmbedded Systems

기술 요약: 실내 공기질에 기반한 인지 능력 및 직업적 스트레스 예측 수학 모델의 개발 및 검증

문제 제기
실내 공기질(IAQ)은 직업 환경에서 인지 능력과 심리적 웰빙을 결정하는 핵심 요소이다. 열악한 실내 공기질은 불안, 피로 및 의사결정 능력 저하와 연관되어 있으나, 현재의 도구들은 실시간 환경 센싱과 실행 가능한 심리적 영향 지표 사이의 간극을 메우지 못하고 있다. 기존의 솔루션은 세 가지 제한적인 범주에 머물러 있다: 통계적 연관성은 제공하지만 실시간 예측은 불가능한 역학 연구, 인간의 영향을 정량화하지 못하고 공기 매개변수만을 모니터링하는 센서 네트워크, 그리고 운영 환경에 배치하기 어려운 통제된 챔버 실험이다. 또한, 기존의 모니터링 스테이션은 수천 달러에 달하는 비용이 발생하여 광범위한 도입을 제한한다.

방법론
본 연구는 보정된 수학 모델과 하드웨어 센서를 통합하여 인지 효율성과 직업적 스트레스를 실시간으로 예측하는 저비용 임베디드 시스템 솔루션을 제안한다.

• 수학적 프레임워크: 시스템의 핵심은 세 가지 계층에서 유도된 복합 퇴화 지수($I_{deg}$)이다:

  1. 질량 수지 및 열역학(Mass Balance & Thermodynamics): 실내 부피, 환기율, 재실 인원, 그리고 열/습도 보정 계수($f_T$, $f_H$)를 포함하는 연속 미분 방정식을 사용하여 오염물질 역학을 모델링한다.
  2. 생물학적 흡수(Biological Absorption): 호흡 분당 환기량과 개인당 가용 공기 부피를 기반으로 이산화탄소($A_{CO2}$) 및 휘발성 유기 화합물($A_{VOC}$)의 누적 오염물질 용량을 계산한다.
  3. 심리적 전이(Psychological Transfer): 시그모이드 로지스틱 함수를 사용하여 퇴화 지수를 인지 및 스트레스 결과로 매핑한다. 주요 변수로는 산소 결핍 저산소증 계수($f_{O2}$), 과호흡 대사율($M_{met}$), 유기물 제거 상수($\lambda_{wash}$)가 포함된다.
  • 모델은 **인지 효율($P_{con}$)**과 **심리생리학적 스트레스($I_{estresse}$)**를 출력하며, $P_{con}$의 범위는 0%에서 100% 사이이다.

• 하드웨어 구현: 시스템은 ESP32 마이크로컨트롤러를 기반으로 구축되었으며, 다음 센서를 활용한다:

  • ENS160 센서: 등가 이산화탄소(eCO2), 총 휘발성 유기 화합물(TVOC) 및 공기질 지수(AQI) 측정용.
  • BME280 센서: 온도, 습도 및 기압 측정용.
  • 연결성: ESP32는 독립형 Wi-Fi 액세스 포인트로 작동하며, 외부 인터넷이나 클라우드 구독 없이 실시간 환경 보고서와 JSON 데이터를 제공하는 웹 서버를 호스팅한다.
  • 비용: 총 부품 비용은 미화 22달러에서 35달러 사이로 추정된다.

• 실험 프로토콜: 시스템은 10명의 재실자가 있는 120 m³ 규모의 사무실에 배치되었다. 데이터는 5초마다 기록되었으며, 펌웨어는 용량의 수치 적분을 수행하고 4시간 후의 예측치를 추출하여 관리자에게 임박한 임계 스트레스 수준을 경고한다.

주요 결과

• 모델 검증: 모델은 네 개의 독립적인 국제 연구(Satish et al., Allen et al., Cedeño Laurent et al., 및 Künn et al.)를 통해 교차 검증되었다. 결과는 평균 제곱근 오차(RMSE) 0.18 퍼센트 포인트와 최대 절대 오차 1.5 퍼센트 포인트를 나타내어, 이질적인 데이터셋 전반에 걸쳐 높은 예측 정확도를 확인하였다.
• 운영 성능: 현장 배치에서 시스템은 인지 저하를 성공적으로 추적하였다. 08:00에 인지 효율은 98.2%, 스트레스는 1.8%였다. 14:00에는 CO2가 1,680 ppm, TVOC가 210 ppb로 상승함에 따라 효율은 **62.4%**로 떨어졌고 스트레스는 **37.6%**로 상승하였다.
• 예측 능력: 시스템은 임계 스트레스 수준으로 향하는 궤적을 정확히 식서한 4시간 투영치를 생성하였으며, 강제 환기를 권고하는 "심각 경보(SEVERE ALERT)"를 발생시켰다(투영된 스트레스 61.8%).
• 민감도 분석: CO2 농도가 인지 효율 분산의 62%를 차지하며, 노출 지속 시간이 22%로 그 뒤를 이었다. 모델은 보정 상수의 ±10% 변화에도 견고함을 입증하였다.

의의 및 주장
본 논문은 실내 공기질 모니터링을 단순한 기술적 기록에서 처방적 관리로 전환함으로써 예방적 직업 보건 관리를 위한 실용적이고 접근 가능한 도구를 제공한다고 주장한다. 주요 기여도는 다음과 같다:

1. 통합: 실시간 센싱, 생리학적/수학적 모델, 그리고 예측 분석을 단일 배포 가능 장치로 독특하게 결합하였다.
2. 접근성: 모니터링 비용을 수천 달러에서 30달러 미만으로 낮춤으로써 중소기업(SME) 및 휴대용 애플리케이션을 위한 분산 모니터링을 가능하게 한다.
3. 예방적 조치: 미래의 스트레스 수준을 투영하는 시스템의 능력은 관리자가 심리적 손상이 고착화되기 전에 개입할 수 있게 하여, 환경 데이터와 인간의 영향 사이의 간극을 해결한다.

저자들은 MOS 기반 eCO2 센서의 사용(낮은 VOC-CO2 상관관계 환경에서의 불확실성 가능성)과 오염물질의 균일한 분포 가정 등을 포함한 한계점을 언급하였다. 향후 과제로 미세먼지 모니터링, 다중 센서 커버리지, 그리고 종단적 임상 검증이 제안되었다.