AR과 IoT 기술을 기반으로 한 건물 화재 모니터링 및 탈출 내비게이션

IoT 기술은 센서 및 장치들을 인터넷에 연결함으로써 건축 환경 을 실시간으로 모니터링할 수 있게 한다. Mekni 등 [2]은 건물의 각 부분에서 화재와 연관된 온도나 습도와 같은 중요 데이터를 지속적으로 수집하고 분석하여 일상적인 건축 관리뿐만 아니라 긴급 상황에서의 화재 감지 및 경보를 지원하는 IoT 스마트 시스 템을 제안했다. Kim 등 [3]은 IoT 센서 네트워크를 이용하여 실시 간으로 건물 내부의 화재 정보를 감시하고, 화재 발생 시 적절한 대피 경로를 제안하는 화재 대피 유도 시스템 모델을 제안했다. 시스템은 센서 경보 모듈, 행위 제안 모듈, 비상 장치 제어 모듈로 구성된다. 센서 경보 모듈은 센서 네트워크에서 수집한 정보를 주기적으로 감시해 화재 여부를 판단하고 위험 센서 목록을 만 든다. 이후 행위 제안 모듈에서는 위험 센서들을 기반으로 화재 지역을 파악해 비상등 방향을 제시한다. 비상 장치 제어 모듈은 제시된 방향에 따라 관련 비상 장치를 제어한다. 이 시스템은 본 논문에서 제안된 시스템과 유사하지만, 화재 발생의 정확한 위치 를 직관적으로 파악할 수 없으며 화재로 인한 비상등의 파손시 안전한 대피가 어렵다는 단점을 가진다. Shaharuddin 등 [7]은 스 마트 건축 환경에서 실내 화재 위험 상황에 대한 IoT 센서의 응 용을 분석하고 여러 연구에 대한 체계적인 리뷰를 수행했다. 이 연구는 IoT 센서를 AR, 인공지능, 딥러닝 및 BIM과 같은 첨단 기 술과 결합함으로써 스마트 건축에서 실내 화재 위험을 관리하는 데 있어 안전성과 신뢰성을 향상시킬 수 있음을 보였다.

AR 기술은 사용자의 실제 시야에 디지털 정보를 증강함으로써 사람들의 현실 인식 능력을 현저하게 향상시킨다. 건축 안전 분 야에서 특히 화재 대피와 긴급 대응에서 AR 기술은 이미 공간 인식 능력과 의사 결정 속도를 크게 향상시키는 것으로 입증되 었다. Kanangkaew 등 [5]은 BIM과 AR 기술을 통합하여 가상의 녹색 라인, 음성 안내, 방향 화살표 등 대피 유도 정보를 실시간 으로 표시하는 소방 대피 시스템을 제안하였다. 사용자의 위치 파악을 위해 이미지 마커를 사용하였으며 대피로의 장애물들을 실시간으로 파악해 비상 대피 경로를 수정할 수 있다. Choi 등 [8] 은 A* 알고리즘을 기반으로 한 AR 스마트 피난 안내도를 제안 하였다. 화재 발생 시 사용자가 건물 곳곳에 비치된 QR코드를 카메라로 스캔하면, 중앙 서버에서 사용자의 현재 위치를 파악해 최적의 경로를 계산한다. 해당 연구는 층별 대피 경로를 확인할 수 있는 장점을 가진다. 이러한 시스템들은 [5, 8]은 모두 실시간 화재 상황에 정확한 위치 파악을 위해 이미지 마커나 QR 코드를 스캔해야 하는 한계점이 있다. 이를 극복하기 위해 Nam 등 [9] 은 사전에 촬영한 실내 이미지와의 특징점 (feature point) 비교 를 통해 사용자의 위치를 파악하여 최적의 경로를 안내하는 AR 실내 내비게이션을 제안했지만, 실시간 주변의 화재 상황을 고 려하지 못한다는 단점을 가진다. 또한 해당 실험은 연기가 많이 없는 상황을 전재로 하여 실제 상황에 적용하기 어려운 한계점을 가진다.

AR과 IoT 기술의 결합은 앞서 선행 연구들의 단점과 한계점을 극복하고자 하였다. Natephra 등 [10]의 연구는 BIM, IoT의 환경 인식 능력 및 AR 기반 시각화 기술을 활용하여 실시간으로 쾌 적한 실내 환경을 위한 다양한 요소들의 수치를 모니터링할 수 있는 시스템을 제안하였다. 직관적인 AR 디스플레이를 통해 실내 쾌적도에 큰 영향을 미치는 실내 환경 변수를 쉽게 평가할 수 있었다. Chen 등 [11]은 본 논문과 흡사한 프레임워크를 가지고 BIM, AR/VR 및 IoT 기술의 융합적인 적용에 대한 여러 사례를 보여주었다. 세 가지 주요 사례는 IoT 기술을 기반으로 한 동적 화 재 모니터링 및 경고, AR 기반의 실시간 경로 내비게이션 및 VR 기반의 소방 훈련으로 이루어져 있다. 하지만 해당 연구에서는 AR 실시간 경로 내비게이션의 경우 실질적인 활용이 어렵다는 한계점을 갖는다.

본 연구에서 개발된 시스템은 AR 및 IoT 기술을 통합고 건축물 의 BIM 모델과 결합함으로써, 화재 상황에서 건물의 모니터링 효율성을 높이고 탈출 안내의 정확성을 향상시키며, 사용자에게 긴급 상황에서 신속한 대응과 효과적인 탈출 경로를 제공하는 것 을 목표로 한다.

시스템의 기본 개요는 다음과 같다. 먼저, 건물 내에 설치된 IoT 디바이스로부터 Alibaba IoT 플랫폼으로 임계값을 초과하는 온도 데이터가 송신될 경우, 건물 관리자는 IoT 플랫폼을 통해 건물 내 각 구역의 화재 상황을 실시간으로 모니터링할 수 있다. 동시에 건물 내 사람들은 모바일 애플리케이션을 통해 경보 메시 지를 수신하고, AR 기술을 이용해 화재 상황이 매핑된 3D BIM 모델을 사용자의 실제 환경에 표시함으로써 화재 상황의 실시간 변화를 동적으로 확인할 수 있다. 이를 통해 사용자는 종이나 특 별한 컴퓨터 장치에 의존하지 않고도 건물 내부의 현재 상태를 직관적으로 파악할 수 있으며, 주변 환경에 대한 공간 인식 능력 을 크게 향상시켜 탈출 시 더 정확한 결정을 내릴 수 있다. 또한, 시스템은 AR 실시간 내비게이션을 통해 사용자에게 최적의 탈 출 경로를 제공한다. 탈출 경로는 화살표나 지시 표지의 형태로 현실 세계에 표시되어 사용자를 가장 가까운 출구로 신속하고 안 전하게 안내한다.

제안된 프레임워크는 크게 IoT 데이터 통신 및 처리, AR 실시간 화재 모니터링 구현, 그리고 AR 내비게이션 구현의 단계로 구성 된다(Figure 1):

Figure 1: Overall framework.

Download Original Figure

화재 감지에는 여러 가지 요소가 존재하지만, 본 연구에서는 경 제성과 간편성을 고려하여 온도를 주요소로 선택했다. 이를 위해 온도 센서를 활용한 IoT 디바이스를 제작했으며, 이 디바이스는 세 개의 모듈로 구성된다: CPU, 온도 센서, 디스플레이. ESP8266 NodeMCU 개발 보드는 CPU 역할을 하며, 내장된 Wi-Fi 모듈을 통해 클라우드 플랫폼과 통신한다. DHT22 온습도 센서는 높은 정확도와 신뢰성을 바탕으로 온도와 습도를 측정한다. SSD1306 OLED 디스플레이는 센서가 측정한 수치와 센서의 상태를 실시 간으로 표시한다. 각 모듈은 Figure 2(a)의 회로도를 가지며, (b) 의 형태로 IoT 디바이스를 제작하였다.

Figure 2: IoT device: (a) each module and circuit and (b) exterior.

Download Original Figure

하드웨어를 제작한 후, IoT 화재 감지 시스템 소프트웨어 개발 을 위해 Arduino IDE를 기반으로 여러 라이브러리를 통합하여 디바이스와 클라우드 플랫폼 간의 안정적인 통신을 구현하였다. DHT 라이브러리를 통해 측정된 온도 데이터 및 IoT 디바이스의 ID와 패스워드는 ArduinoJson 라이브러리를 통해 JSON 파일로 변환되며, PubsubClient 라이브러리를 통해 MQTT 프로토콜을 기반으로 IoT 플랫폼으로 전송된다. 본 연구에서는 Alibaba IoT 플랫폼을 사용하였기 때문에, AliyunIoTSDK 라이브러리를 통해 장치 인증 및 안전성을 보장하면서 데이터를 전송한다. 추가적 으로, SSD1306Wire 라이브러리를 활용해 OLED 디스플레이를 제어하며, Wire 라이브러리는 각 모듈 간의 I2C 통신을 지원한 다. 이렇게 제작된 IoT 디바이스는 정기적으로 센서 정보를 읽고 데이터 유효성을 검증하며, 이를 실시간으로 OLED 화면에 표 시하고, MQTT 프로토콜을 통해 JSON 형식으로 IoT 플랫폼에 전송한다.

4.1에서 제작한 IoT 디바이스들을 연결하고 데이터를 수집 및 저 장하기 위해서는 IoT 플랫폼이 필요하다. 본 연구에서는 아시아 시장에서 큰 지분을 차지하고 있는 Alibaba IoT 플랫폼을 활용 하였으며, 이는 유연한 디바이스 관리 기능을 제공하며, 강력한 데이터 전달(data forwarding) 기능을 통해 장치 데이터를 사전에 설정된 규칙에 따라 자동으로 다양한 클라우드 서비스로 전달할 수 있는 장점을 가진다. 본 연구에는 클라우드 서비스로 MySQL 클라우드 데이터베이스를 사용하였다.

IoT 디바이스로부터 수신한 데이터를 처리하고 전달하기 위해 서는 Alibaba IoT 플랫폼의 규칙 엔진을 설정해야 한다. Alibaba IoT 인터넷 플랫폼의 규칙 엔진은 Figure 3과 같은 구조를 가지 며, 데이터 소스, 데이터 파서(parser), 데이터 목적지 단계로 구성 된다. 데이터 소스 단계에서는 각 디바이스로부터 JSON 형태의 파일을 수신한다. 데이터 파서 단계에서는 JSON 파일에서 디바 이스의 ID, 패스워드 및 온도 데이터를 추출하고 각 디바이스에 해당하는 테이블에 기록한다. 데이터 목적지 단계에서는 파서를 통해 생성된 테이블들을 저장할 MySQL 클라우드 데이터베이스 를 목적지로 설정하고 데이터를 저장한다.

Figure 3: Rule engine of Alibaba IoT platform.

Download Original Figure

BIM 기술은 현대 건축 설계에서 매우 중요하며, 설계 효율성과 품질을 높이고 프로젝트 관리의 정확성을 향상시킨다 [12]. 본 논 문에서는 Figure 4와 같은 프레임워크를 기반으로 BIM 모델을 제작하였다. Revit 소프트웨어를 사용하여 동국대학교 신공학관 5층의 건축 도면을 기반으로 3D 모델링을 수행하였다. 모델링이 완료된 후, Navisworks를 통해 모델을 검토하고 최적화하여 구 성 요소 간의 충돌 문제를 해결하고 모델의 정확성과 일관성을 확보한다. 최종적으로 BIM 모델을 Unity에서 가용한 FBX 파일 형식으로 저장해 건축 설계에서 게임 개발 엔진으로의 원활한 전 환을 실현하였다.

Figure 4: Framework of BIM model generation.

Download Original Figure

본 논문에서는 실시간 데이터를 가시화한 AR 모델을 만들기 위해 Unity 게임 엔진을 활용하였다. 실시간 IoT 온도 데이터를 조 회해 5.1절에서 만든 3D 모델 위 실제 디바이스 위치에 3D 텍스 트로 표현한다. 만약, 설정한 임계값을 초과하는 온도 데이터가 존재할 경우 해당 위치에 3D 화염 애니메이션 UI를 표시한다. 호 주 표준 AS1670에 따르면 고층 건물의 온도는 일반적으로 45◦C 를 넘지 않으므로, 본 연구에서는 화재 임계 온도를 50◦C로 설정 하였다. 시스템은 해당 상황이 발생할 경우 화재 대응 이벤트를 발생시켜 대피 안내 문자를 송신하며 건물 내 사람들은 모바일 디바이스를 활용해 해당 AR 모델을 확인할 수 있다. 이때, AR Foundation의 평면 탐지 기능을 활용하여 사용자의 실제 환경에 서 AR 모델을 배치하기 적합한 평면을 인식하고, 사용자는 간단 한 클릭을 통해 AR 건물 모델을 확인할 수 있다. Figure 5은 실제 환경에 배치된 AR 모델을 보여준다.

Figure 5: AR fire monitoring.

Download Original Figure

정확한 경로 계산을 위해 먼저 건물에 대한 상세한 노드와 도로망 을 설정해야 한다. 본 연구에서는 다음과 같은 규칙을 기반으로 노드 및 도로망을 설정하였다.

이러한 원칙을 바탕으로 우리는 Figure 6와 같이 신공학관 5층 의 상세한 노드와 도로망 지도를 제작하였으며 빨간 점이 노드를 의미하며 각 노드를 파란색 선으로 연결해 도로망을 만들었다.

Figure 6: 2D building map with node and road network.

Download Original Figure

도로망을 기반으로 탈출 경로를 계산하기 위해 적절한 경로 탐 색 알고리즘을 선택해야 한다. A* 알고리즘은 경로 탐색 알고리 즘 중 하나로 대중화된 경로 탐색 알고리즘인 Dijkstra와 BFS의 장점들을 결합하여 효율적으로 최단 경로를 찾으며 Eq.1와 같은 식으로 표현된다.

여기서 휴리스틱 함수 h(n)는 현재 노드에서 목표 노드까지의 예상 비용을 추정하는 함수이며 g(n)은 시작 노드에서 현재 노드 까지의 실제 경로 거리를 나타낸다. f (n)는 현재 노드에서 목표 노드까지의 총 예상 비용을 의미하며 이 값을 최소화하는 경로 를 찾아 최단 경로를 구한다. 이러한 A* 알고리즘은 일반적으로 정적인 환경에서 하나의 시작점과 하나의 도착점을 두고 최적의 경로를 찾아낸다. 따라서 본 연구에서는 실재 화재 상황에 맞게 동적으로 최적 경로를 변화시키는 다중 목표점 A* 알고리즘을 활용하였다. 이를 위해 기존 휴리스틱 함수인 h(n)을 여러 목표 지점까지의 최단 거리를 평가하도록 Eq.2와 같이 재정의했다.

여기서 dist(n, t_i)는 노드 n에서 목표 노드 t_i까지의 거리이며, t_k,k = 1, …, N 은 총 N 개의 목표 노드들이다. 이 방식을 통해 경로 계획 과정에서 여러 탈출구를 동시에 고려해 각 탈출구에 대해 따로 경로 탐색 알고리즘을 실행하는 것보다 더욱 적은 계 산량으로 효율적으로 최단 경로를 계산할 수 있다.

화재 탈출 경로 계획은 단순히 최단 경로뿐만 아니라 실시간으 로 변화하는 위험 지역을 피하는 것도 고려해야 한다. 이를 위해 클라우드 데이터 베이스와 실시간으로 통신하여 센서가 측정한 온도 데이터를 도로망 노드에 업데이트하였다. 온도 데이터가 임 계값을 초과하면 해당 영역에 화재 위험이 있다고 판단하고, 센 서 주변 3미터 범위 내의 노드 상태를 통행 불가로 설정한다. 성능 최적화를 위해 도로망 업데이트 빈도는 3초에 한 번으로 제한하 였다.

본 연구에서는 iPhone 15 PRO에 내장된 LiDAR 카메라를 사용 하여 Vuforia의 Vuforia Creator App을 통해 동국대학교 신공학 관 5층을 3D 스캔하였다. Vuforia 공식 문서에 따르면 핸드헬드 (Hand-held) 스캔의 정확도가 낮고 스캔 면적이 클수록 오차가 커지기 때문에 스캔 면적을 10m²에서 50m²사이로 제안한다. 따 라서, 정확도를 보장하기 위해 신공학관 5층을 일곱 부분으로 나 누어 각각 스캔하였고 결과를 일곱 개의 3dt 파일로 저장하였다.

Figure 7: Area Target Generator.

Download Original Figure

그 다음으로 Vuforia의 Area Target Generator 프로그램을 사용 하여 생성한 포인트 클라우드 데이터는 최적화 및 재구성을 거쳐 노이즈를 제거하고 데이터의 빈틈을 채워 모델의 완전성과 정확 성을 확보하였다. 최종적으로 이 데이터들은 실시간 환경 매칭 및 추적에 필요한 모든 정보를 포함한 데이터셋 파일, 메쉬 및 Unity 패키지로 컴파일했다.

AR 프로젝트를 제작하기 위해 먼저 Unity에서 Vuforia의 AR Camera를 설정하고 앞서 생성한 스캔 모델과 Unity 패키지를 불 러온다. 스캔 모델의 위치를 조정하여 동국대학교 신공학관 5층 의 전체 레이아웃을 조립하고 필요한 최적화 처리를 수행한다. 이렇게 생성한 건물 모델 내에 경로 네트워크 노드를 정확하게 배치하고 상세한 도로 네트워크를 구축해 최종적으로 Figure 8 와 같은 모델을 생성하고, 다중 목표점 A* 알고리즘을 사용하여 최적의 탈출 경로를 계산한다.

Figure 8: Building model with node illustrated.

Download Original Figure

정확한 경로 계산을 위해서는 AR 모델 속 사용자의 정확한 위 치 파악이 중요하다. 이를 위해 AR 애플리케이션이 실행되는 동 안 Vuforia 엔진의 Device Tracking 및 Area Target 기능을 활용 해 모바일 디바이스의 카메라로 실시간 이미지를 캡처하고, 이 이미지를 스캔 된 모델과 매칭해 사용자의 현재 위치와 시점을 정확하게 인식한다. Device Tracking 기능은 목표 영역의 시각적 특징이 부족하더라도 기기의 방향을 지속적으로 추적하여 추적 의 연속성과 정확성을 보장한다. 따라서 사용자가 이동할 때 AR 애플리케이션은 내비게이션 지시 화살표와 가상 표시를 현실 환 경에 정확하게 오버레이 할 수 있다. 사용자가 실제 애플리케이 션에서 탈출 경로를 명확하게 인식할 수 있도록 계산된 경로에 눈에 띄는 빨간색 화살표를 추가하여 시각적으로 표시한다. 또 한, 모델 내의 안전 출구 위치에 녹색 안전 출구 표시를 추가하여 시각적 단서로 활용하고, 사용자가 긴급 상황에서도 출구 방향을 빠르게 인식할 수 있도록 한다.

본 연구에서는실시간 건축 화재 모니터링 및 탈출 내비게이션 시 스템의 효과와 실용성을 평가하고 검증하기 위한 초기 테스트를 수행했다. 실험에는 삼성 Galaxy Tab S9 태블릿을 활용하여 진행 되었다.

7.1.1 화재 시나리오 디자인

본 논문에서는 실시간 탈출 내비게이션 체험 평가를 위해 동국대 학교 신공학관 5층을 배경으로 세 가지의 화재 모의 시나리오를 설계했다. 첫 번째 시나리오는 세 개의 비상구 중 두 개가 화재 로 인해 불가용 상황을 구현해, 복잡한 화재 상황에서 시스템의 내비게이션의 정확성과 효율성을 테스트하는 것을 목표로 한다. 두 번째 시나리오는 하나의 비상구가 불가용 상황을 구현해, 다 중 경로 선택에서 시스템의 유도 능력을 실험한다. 세 번째 시나 리오는 특정 지역에서 대규모 화재가 발생하는 것을 구현한다. Figure 9는 세 가지 시나리오를 2D 도면에 표현한 이미지를 보여 준다. 파란색 별 모양이 실험자가 탈출을 시작하는 위치이며, 불 아이콘이 화재가 발생한 위치를 의미한다.

Figure 9: Indoor fire scenarios.

Download Original Figure

7.1.2 실험 방법

실험은 두 부분으로 나뉜다. 첫 번째 부분에서는 참가자들이 실제 화재 상황을 가정하여 AR 실시간 화재 모니터링 시스템을 직접 체험하고 화재 시 주변 환경에 대한 인식과 안전 출구 위치의 직 관성과 정확성을 평가한다. 실험을 위해 실제 화재를 발생시킬 수 없기 때문에, 특정 디바이스의 온도를 임의로 높여 화재 상황 을 가정하였다. Figure 10(a)는 화재 상태가 발생하지 않은 초기 화재 모니터링 시스템의 BIM 모델이며, Figure 10(b)는 비이상적 온도가 측정되어 화재가 발생한 상황을 보여준다. 두 번째 부분 에서는 참가자들이 7.1.1절의 각 세 가지 화재 시나리오를 기반 으로 내비게이션 시스템 사용 유무에 따른 총 여섯 번의 모의 탈 출을 수행한다. 하나의 시나리오에 대해 내비게이션 사용 유무를 이어서 진행할 시 두 번째 시행에서 시나리오를 학습하는 것을 방지하고자 모든 여섯 번의 모의 탈출은 무작위로 진행되었다. Figure 11은 내비게이션의 유무의 차이점을 보여준다. 두 실험을 모두 마친 뒤에는 사용자 평가를 진행해 전체적인 시스템의 정성 적 평가를 진행하였고, 두 번째 실험에서는 사용자의 탈출 시간을 측정해 제안한 실내 내비게이션의 효과를 분석하였다.

Figure 10: Screenshot of the real-time fire monitoring system: (a) initial BIM model, (b) BIM model with fire situation.

Download Original Figure

Figure 11: Screenshot of the navigation system: (a) without navigation, (b) with navigation.

Download Original Figure

본 실험에는 총 17명의 참가자가 참여했다. 이 중 남성 참가자 가 6명, 여성 참가자 11명이며 동국대학교 학생 6명, 기타 대학 학생 11명이었다. 나이는 최소 21세부터 최대 27세로 실험을 진 행했다.

실험 데이터에 따르면, AR 내비게이션 시스템은 다양한 화재 시나리오에서 탈출 시간에 뚜렷한 차이를 보여주었다. Figure 12 는 각 실험자가 세 개의 시나리오에서 탈출한 모든 시간을 합한 결과를 보여준다. 파란색 선은 내비게이션 시스템을 활용한 탈출 소요 시간, 주황색 선은 내비게이션 시스템을 사용하지 않았을 때의 탈출 소요 시간을 나타낸다. Figure 12에서 볼 수 있듯이, 대부분의 실험자들은 본 논문에서 제안한 내비게이션 시스템을 활용했을 때 탈출 시간이 내비게이션 시스템을 사용하지 않았을 때보다 단축되었다. 반면, 2번과 10번 실험자의 경우, 큰 차이가 없거나 오히려 제안된 내비게이션 시스템을 활용한 탈출 시간이 더 오래 걸리는 결과를 보였다. 이에 대한 원인을 파악하기 위해 내비게이션 사용 유무에 따른 각 시나리오 평균 탈출 시간을 비 교하고, 내비게이션 사용 유무의 유의미성을 평가하기 위해 가설 검정을 수행하였다 (Table 1).

Figure 12: Total elapsed escape time.

Download Original Figure

가설 검정에서는 내비게이션 시스템을 활용하지 않은 경우와 활용한 경우의 평균 탈출 시간이 동일하다는 귀무 가설과, 내비 게이션 시스템을 사용한 경우의 평균 탈출 시간이 더 짧다는 대 립 가설을 세웠다. t-검정을 통해 통계량을 계산하고, p-value의 임계값을 0.05로 설정하였다. 첫 번째 화재 시나리오에서 AR 내 비게이션 시스템을 사용한 참가자들의 평균 탈출 시간이 약 40 초 단축되었으며, 이는 사용자가 상황을 신속하게 판단하고 이 용 가능한 비상구를 선택하는 데 효과적임을 나타낸다. p-value 가 0.00이므로 귀무 가설이 기각되어 제안된 AR 내비게이션 시 스템의 효과가 입증된다. 두 번째 화재 시나리오에서 AR 내비 게이션 시스템을 사용한 참가자들의 평균 탈출 시간이 약 10초 단축되었으며, 이는 다중 경로를 선택해야 하는 상황에서 시스 템의 유도 능력이 우수함을 보여준다. p-value가 0.01이므로 귀무 가설이 기각되어 제안된 AR 내비게이션 시스템의 효과가 입증 된다. 그러나, 세 번째 시나리오에서는 AR 내비게이션 시스템을 사용한 경우의 평균 탈출 시간이 사용하지 않은 경우보다 0.6초 증가하는 결과가 나타났다. p-value 또한 0.86으로, 제안된 내비 게이션 시스템의 효과가 없다는 결론이 도출된다. 이는 세 번째 시나리오에서 화재 범위가 넓어 사용자가 화재의 대략적인 위치 를 신속하게 판단하여 AR 내비게이션 시스템보다 직관적인 인 지를 통해 반응했기 때문이며, 내비게이션 확인 과정이 경로를 확인하는 시간을 증가시켜 탈출 시간을 약간 연장시킨 결과로 해 석된다.

전반적으로, 실험 데이터는 긴급 탈출 상황에서 AR 내비게이 션 시스템의 상당한 실용 가치를 입증한다. Table 1의 마지막 행 에서 확인할 수 있듯이, 세 가지 시나리오의 총 평균 탈출 시간 이 약 50초 감소했음을 보여준다. 또한, p-value가 0.00이므로 제 안한 AR 내비게이션 시스템의 효과가 통계적으로 유의미함을 입증한다. 특히 경로 선택이 복잡하거나 불확실성이 높은 화재 시나리오에서 뛰어난 성능을 보여주었으며, 대규모 화재 시나리 오에서의 효율성 문제와 같은 특정 조건에서 시스템이 직면할 수 있는 한계점도 확인할 수 있었다.

Table 2에는 사용자 평가의 질문들과 각 문항에 대한 평균 점수 를 보여준다. 1–3번 질문은 AR 실시간 화재 모니터링 시스템의 효과와 관련된 질문이며, 각 문항에 대한 점수를 통해 제안한 AR 실시간 화재 모니터링은 화재 발생을 인식하는데 크게 도움이 되었으며 (1번: 4.73 점), 기존의 방법과는 다르게 주변 화재 상 태에 대한 이해를 돕고 대피 방법을 결정하는데 미치는 영향이 매우 효과적이어 사용자의 공간 인식 및 긴급 상황에서 주변 환 경을 이해하는데 높은 성능을 보였다는 결론을 내릴 수 있었다 (2번: 5 점, 3번: 4.82 점). 4–6번 질문은 AR 실시간 내비게이션 시스템의 효과와 관련된 질문이며, 제안한 AR 실시간 내비게이 션 시스템은 신속하고 안전한 탈출에 큰 기여를 하였으며 (4번: 4.91 점), 기존의 2D 도면을 활용한 탈출보다 심리적 안정감에 큰 도움을 주었다 (5번: 4.73 점). 하지만 AR 내비게이션의 용이성 은 다른 질문들 보다 상대적으로 점수가 낮았지만 (6번: 4.55 점), 이는 AR 내비게이션을 사용해본 경험이 없어 여전히 학습 곡선 이 존재하기 때문일 수도 있다. 종합적으로 보았을때, AR 화재 탈출 내비게이션 시스템은 참가자들로부터 일반적으로 긍정적 인 평가를 받았으며 평균 점수는 4.81점으로 시스템의 효율성과 사용자 만족도가 높음을 나타냈다. 점수를 매기는 항목 외에도, Table 3와 같은 주관적 질문도 포함되어 사용자의 주관적인 의견 을 수집하여 시스템을 더 잘 분석하고 개선점을 정리하였다.

수집된 설문조사 결과에 따르면, 사용자의 경험은 전반적으로 매우 긍정적이었다. 대부분의 참가자들은 시스템이 건축 화재 상 황 인식을 효과적으로 강화할 수 있으며, 특히 긴급 상황에서 직 관적인 AR 디스플레이를 통해 공간 인식을 효과적으로 향상시 키고 화재 발생 위치와 안전 출구를 빠르고 정확하게 파악하여 올바른 탈출 결정을 내리는 데 큰 도움이 되었다고 생각한다.

그러나 일부 사용자는 시스템의 잠재적인 단점과 개선 방향을 제시했다. 일부 사용자들은 화재가 발생했을 때 두려움과 긴장으 로 인해 조치를 취하기 전에 휴대폰을 열어 화재 상황을 확인하는 경우가 드물어 시스템의 실용성에 대한 한계점을 지적했으며, 기 술적인 한계점으로는 일부 연결 통로에 약간의 오차가 있어 특히 조명이 부족한 경우 지시 화살표 위치를 찾는 것이 어렵다는 의 견이 있었다. 개선점으로는 내비게이션 사용 시 전체 탈출 경로 및 본인의 위치를 확인할 수 있는 작은 2D 지도를 추가하는 것이 탈출에 더 도움이 될 것 같다는 의견과 사용자 인터페이스 디자 인을 최적화하여 긴급 상황에서도 빠른 접근 및 사용할 수 있도록 하여 조작 난이도를 낮추는 것이 있었다.

종합적으로 볼 때, 본 실험과 사용자 평가를 통해 AR 실시간 화재 모니터링 및 탈출 내비게이션 시스템이 공간 인식과 탈출 효율성을 향상시키는 데 뚜렷한 효과를 보였지만 기술적으로 개 선할 여지가 있음을 알 수 있다. 또한, 본 논문에서는 실험자가 20 대로 한정 되어 있다는 한계점이 존재한다.