Earticle

초록

한국어

본 논문은 가스 누출 감지와 거주자의 비정상 행동 분석을 결합한 AI 기반 스마트 안전 모 니터링 시스템을 제안한다. 기존 가스 감지 시스템의 오경보 문제와 행동 감지 시스템의 한계를 극 복하기 위해 LSTM, CNN, Random Forest 모델을 결합하여 위험 예측의 정확도를 향상시켰다. 실험 결과, 최종 위험 감지 정확도는 94.1%, 오경보 발생률은 22.3%에서 7.8%로 감소되었다. 특히, AI 모 델을 통해 가스 농도의 급격한 변화와 거주자의 비정상 행동을 종합적으로 분석하여 실제 위험 상 황을 보다 정확하게 판단하고, 실시간으로 위험을 감지하고 자동으로 긴급 구조 요청이 가능함을 입 증했다. 또한, 가스 누출 및 행동 패턴에 따른 위험도를 다단계로 평가하여 대응의 신속성과 정확성 을 높였다. 본 연구는 가정, 산업 현장, 스마트홈 환경에서 실용적으로 적용 가능하며, 향후 다양한 센서 추가, 맞춤형 AI 모델 적용, 실제 환경에서의 장기적 성능 평가를 통한 지속적인 개선 방향을 논의한다. 이를 통해 인명 피해를 최소화하고 더욱 안전한 생활 환경 조성에 기여할 수 있을 것으로 기대된다.

영어

This paper proposes an AI-based smart safety monitoring system that integrates gas leak detection and abnormal behavior analysis to enhance risk prediction accuracy. To address the limitations of traditional gas detection systems with high false alarm rates and the restricted capabilities of behavior detection systems, the study combines LSTM, CNN, and Random Forest models. Experimental results show that the proposed system achieves a final risk detection accuracy of 94.1% and reduces the false alarm rate from 22.3% to 7.8%. Notably, the AI models enable a comprehensive analysis of rapid changes in gas concentration and abnormal behavior patterns, allowing for more accurate risk assessment and real-time emergency response automation. Additionally, the system evaluates risk levels in multiple stages based on gas leaks and behavior patterns, enhancing the speed and accuracy of response. The findings suggest that the proposed system can be practically applied in homes, industrial sites, and smart home environments. Future research will focus on integrating various sensors, developing personalized AI models, and conducting long-term performance evaluations in real-world settings. This approach is expected to minimize casualties and contribute to creating safer living environments.

목차

[요 약]
Abstract
Ⅰ. 서론
Ⅱ. 이론적 배경 및 관련 연구
2.1 기존 가스 감지 시스템의 한계
2.2 행동 감지 시스템 및 비정상 행동 분석
2.3 인공지능(AI) 기반 위험 예측 모델
Ⅲ. AI 기반 가스 누출 및 비정상 행동 분석 통합 시스템 설계
3.1 시스템 구성 요소
3.2 데이터 처리 및 AI분석 과정
3.3 긴급 대응 시스템
3.4 AI 분석모델 상세 설명
Ⅳ. 실험 및 결과 분석
4.1 실험 환경 및 데이터 수집
4.2 AI 모델 학습 및 실험 과정
4.3 실험 결과 분석
Ⅴ. 결론
REFERENCES

저자

• 김형균 [ Hyeong-Gyun Kim | 국민대학교 소프트웨어학부 교수 ] Corresponding Author

참고문헌