다차원 센서 데이터와 LSTM 모델을 활용한 화재 감지 모니터링 시스템 구현에 관한 연구 = A Study on the Implementation of Fire Detection Monitoring System Using Multi-Dimensional Sensor Data and LSTM Model

국문 초록 (Abstract)

오늘날 화재는 인명 피해와 재산 손실을 초래하는 주요 재난 중 하나로, 조기 감지를 통해 신속한 대응을 하는 것이 필수적이다. 기존 화재 감지 시스템은 연기, 온도, 가스 센서 등의 단일 센서를 활용하는 방식이 일반적이며, 높은 오경보율과 낮은 감지의 정확도 문제를 가지고 있다. 본 연구에서는 화재 발생 시 다양한 센서 데이터의 특성들을 학습하여 LSTM 기반 화재 감지 모델을 구축하였다. 실험 결과 FAR 값은 0.00%로 정상 상태에서 불필요한 알람을 발생시키지 않으며, FSTA 값은 평균 17.33초로 기존 기계 학습 기반 화재 감지 모델(SVM-DTWK : 251.30초, Stacked LSTM : 57.87초) 보다 빠르고 정확하게 화재를 감지할 수 있음을 확인하였다. 이러한 특성이 반영된 화재 모니터링 시스템을 구현해 본 결과, 건물 내의 각 구역에서 발생하는 화재 시나리오 데이터로부터 실시간으로 화재 상황을 신속하고 정확하게 모니터링할 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

Today, fire is one of the major disasters that cause casualties and property losses; thus it is essential to respond quickly through early detection. Existing fire detection systems generally utilize single sensors such as smoke, temperature, and gas sensors, and have problems with high false alarm rates and low detection accuracy. In this study, we built an LSTM-based fire detection model by learning the characteristics of various sensor data when a fire occurs. As a result of the experiment, the FAR value was 0.00%, which means that unnecessary alarms are not generated in the normal state, and the FSTA value was 17.33 seconds on average, confirming that it can detect fire faster and more accurately than existing machine learning-based fire detection models (SVM-DTWK: 251.30 seconds, Stacked LSTM: 57.87 seconds). As a result of implementing a fire monitoring system that reflects these characteristics, we confirmed that it can quickly and accurately monitor fire situations in real time from fire scenario data occurring in each area of the building.