http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
소방관의 심신안정을 위한 명상 콘텐츠에 따른 생체신호 변화에 관한 연구
김치중(Chijung Kim),장민혁(Minhyuk Chang) 한국화재소방학회 2022 한국화재소방학회 학술대회 논문집 Vol.2022 No.춘계
소방관은 재난상황에 따른 위험에 상시 노출됨에 따라 외상후스트레스장애, 우울증, 수면장애 등 정신적 문제를 격는 사례가 지속적으로 증가하고 있다. 이러한 문제 해결을 위하여 상담치료와 다양한 심리개선 프로그램을 실시하고, 심신안정실 운영을 통한 일상적 관리를 꾀하고 있으나 적절한 콘텐츠 부재로 인하여 활용 및 효과가 미비한 실정이다. 명상은 심신안정에 대한 효과성이 많은 연구를 통하여 입증된적이 있으며, 특히 자율신경 조절과 관련된 생체신호 변화를 확인한 연구들도 진행된바 있다. 소방 대상의 심신안정을 위한 명상 체험이나 교육들도 진행된 바 있으나, 장소 및 시간, 비용적 제한으로 인하여 단발성으로 운영되고 있으며 지속적인 서비스를 위한 프로그램은 부재한 상황이다. 본 연구는 소방관의 심신안정을 위하여 일상에서 활용 가능한 명상 콘텐츠 개발을 통하여 실제 소방공무원을 대상으로 생체신호 변화를 통한 효과 검증을 수행하였다. 명상 콘텐츠는 별도의 진행자 없이 3면 디스플레이를 기반으로 명상영상 및 나레이션을 활용하여 소방관 스스로 명상을 체험할 수 있도록 개발하였다. 명상 진행순서는 자세잡기, 몸 풀기, 인 맺기, 호흡하기, 정식 명상하기, 통찰 명상하기, 끝내기, 휴식하기의 8단계로 이루어지며, 전체 30분 코스로 진행된다, 개발 명상 콘텐츠는 3면 디스플레이 공간에서 가부좌 자세로 앉아서 진행하며, 자체 개발한 심박 및 호흡 측정이 가능한 압력센서 기반의 방석타입 센서를 활용하여 신호를 취득하였다. 생체신호 변화에 따른 효과 검증은 광주 북부소방서 및 호남119 특수구조대 소방공무원을 대상으로 74명이 참여하였으며, 명상 콘텐츠 체험전 1분간의 심박 수 및 호흡 수와 체험후 1분간의 심박 수 및 호흡 수를 대응표본 T-검정을 활용하여 비교 검증하였다. 비교 검증 결과 체험전 심박 수 평균 75.03(표준편차 5.495)에서 체험후 평균 70.07(표준편차 5.795)로 유의하게 감소(p<.000)하였으며, 호흡 수 또한 체험전 평균 11.38(표준편차 2.595), 체험후 평균 9.49(표준편차 1.974)로 유의하게 감소(p<.000)하였다. 본 연구는 명상 콘텐츠 개발을 통하여 실제 소방관을 대상으로 심신안정과 연관된 생체신호 변화에 관한 분석을 수행하였으며, 심박 및 호흡 수 감소에 효과적임을 검증하였다.
NPC형 AI소방관의 자율적 행동 모사 검증에 관한 연구
김서영(Seoyoung Kim),김치중(Chijung Kim),장민혁(Minhyuk Chang) 한국화재소방학회 2022 한국화재소방학회 학술대회 논문집 Vol.2022 No.춘계
최근 가상 소방훈련 시스템들이 개발되어 새로운 훈련방법으로 시도되고 있으나, 소방 장구류 조작법, 화재 진압 시뮬레이션 훈련 등의 개인위주의 훈련 시스템이 대부분이다. 이는 소방훈련의 특성상 현장지휘관, 화재 진압대원, 구조대원 등 임무별로 다수의 인원이 동시에 훈련하는 것에는 제한적이다, 이를 위해 다중협업 훈련이 가능한 시스템이 개발 중이나 모든 훈련 인력을 투입하기에는 공간적 제약 문제로 훈련자를 대신할 수 있는 NPC 형태의 임무수행 보조자가 필요하며, 이를 위한 자율적 행동 모사가 가능한 AI소방관이 요구된다. 본 연구의 NPC형 AI소방관은 소방 실감훈련 콘텐츠 내에서 훈련자에게 주어진 임무를 제외한 팀원 역할을 보조로 수행하기 위하여 학습 데이터를 기반으로 현장 상태를 파악하여 최적의 임무를 자동으로 수행한다. 이는 훈련 시나리오에 대한 화재 환경 속성, 가상 물체 속성, 요구조사 상태 속성 등에 따른 최적 행동을 학습하여 실제 훈련자와 호흡을 맞추어 다양한 훈련 상황을 재현하는 역할을 수행한다. NPC형 AI소방관의 자율적 임무 수행 학습을 위하여 시나리오 속성 값들의 상황별 최적 행동을 결정하는 DQN(Deep Q Network) 신경망 학습 기반의 행동가치함수 학습 모델을 적용하였다. 자율적 행동 모사 검증은 AI소방관의 대표 임무인 요구조자 탐색 임무에 대한 Confusion matrix 모델 평가 방법을 활용하여 콘텐츠 맵 내 경로 탐색을 통한 요구조자를 발견할 경우 TP(True-Positive), 요구조자 발견 실패 시 TN(True-Negative)로 설정하였으며, 요구조자 없음(False) 상황은 배제하였다. 검증 결과로서, 소방 훈련 시나리오에 따른 요구조자 배치 및 가상 객체(가구류, 장애물 등)의 배치에 따른 AI소방관의 요구조자 탐색에 대한 100회 반복 테스트를 수행하였으며, Accuracy는 TP/(TP+TN)*100%로 산출하였다. 테스트 결과 자율적 임무 수행에 대한 요구조자 탐색 성공은 총 91회로 Accuracy 91%를 달성하였다. 대부분의 요구조자 탐색 학습 실패 결과는 장애물에 따라 발생하였으며, 추후 다양한 지형 및 장애물 극복에 대해 학습 모듈의 고도화를 추진하여 훈련공간/환경에 제약이 없는 상황대응형 다중 훈련에 활용할 예정이다.