메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Xiguan Liang (Sungkyunkwan University) Owen Anderton (Sungkyunkwan University) Sowoo Park (Sungkyunkwan University) Doosam Song (Sungkyunkwan University)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2022년도 동계학술발표대회 논문집
발행연도
2022.11
수록면
72 - 77 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Indoor occupancy estimation is of importance to control the indoor environment with energy efficiency and safe from infectious virus such as SARS-CoV2. Traditional methods of counting number of people, such as image recognition from webcams, can cause expensive initial installation costs and raise the issue of personal privacy invasion. To accurately detect real-time occupancy rates and avoid the human rights violation, a low-cost occupancy prediction data-driven method based on indoor CO₂ concentrations is proposed in this study. Field measurements were taken in one classroom at a university, occupancy image data were recorded with the consent of the subjects, and indoor and outdoor CO₂ concentrations, temperature and humidity data were recorded. Occupancy rate estimation model based on CO₂ concentration was created through machine learning. The final 4 models (Linear Regression, Multilayer Perception, Random Forest, and Gradient Boosting Regressor) validation was performed using CO₂ concentration data and real-time occupancy data for 1 additional working day for this classroom. The results show that the Gradient Boosting Regressor (GBR) model for occupancy prediction based on CO₂ concentration can accurately derive the relationship between indoor CO₂ concentrations and the number of people and can effectively predict short-term changes in occupancy rate.
#Occupancy rate #Indoor CO₂ concentration #Prediction model #Machine learning #Gradient Boosting Regressor(GBR)

목차

Abstract
1 Introduction
2 Methodology
3 Results and discussion
4 Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Effect on Temperature Difference and Pressure Difference Range in the Prediction of Airtightness Performance Using Pressure Difference
Seunghwan Pa ,  k ,  Doosam Song 한국태양에너지학회 학술대회논문집 2019 .04
Modeling Method of the Stack Effect Simulation of High-rise Residential Buildings
Und ,  am Munkhbat ,  Doosam Song 한국태양에너지학회 학술대회논문집 2019 .04
The Annual Distribution of Weather-driven Infiltration in High-rise Residential Buildings
Juhyun Bak ,  Sungmin Yoon ,  Doosam Song 외 1명 한국태양에너지학회 학술대회논문집 2019 .04
A Method of Temperature Exchange Efficiency of Bidirectional Heat Recovery Ventilation System: Considering Duct Heat Exchange, Infiltration, and Exfiltration
Sowoo Pa ,  k ,  Seungyun Baek 외 1명 한국태양에너지학회 학술대회논문집 2019 .04

최근 본 자료

전체보기

댓글(0)

0