문제
건물 소유주나 관리자가 직면한 주요 문제는 어떻게 사람들에게 에너지를 절약하도록 동기를 부여하고 그와 동시에 어떻게 다른 사람들에게도 같은 격려를 하도록 그들에게 영향을 미칠 것인가 하는 것입니다. 즉, 상업적 건물 및 교육 시설의 효율성을 개선하기 위해 행동에 영향을 미치는 전략을 어떻게 수행해야 할 것인가에 대한 문제입니다.
해결책
애니로직에서는 이 문제를 해결하기 위해 행위자 기반 모델을 만들었습니다. 누어잭스 컨설팅(Noorjax Consulting)은 이 데이터 모델 기반의 시스템 동작을 변경하기 위해 시뮬레이션 런타임 중에 데이터 모델을 적용했습니다. 연구원은 시뮬레이션할 건물로 한 대학을 선택했고 단순화하기 위해 해당 건물의 한 층만 선택했습니다.
두 가지 가설을 세웠습니다:
- 젊고 건강한 사람은 엘리베이터 대신 계단을 이용하거나, 조명을 끄거나, 에어컨을 사용하지 않을 수도 있습니다.
- 돈, 대중의 인정 등과 같은 보상을 이용한 개입이 개인이 에너지 절약을 선택하는 데 도움을 줄 수도 있습니다.
보다 구조화된 방식으로 문제를 이해하기 위해 사회-기술적 프레임워크가 구축되었습니다.
행위자 기반 예측 모델은 샘플 설문 조사의 주관적 데이터를 사용하여 구축되었습니다. 설문 조사에는 약 40개의 질문이 있었으며, 140명이 참여했습니다. 설문조사 응답을 이용하여 개인행동에 대한 추가 예측에 이용할 수 있는 두 가지 다른 질문에 대한 답변을 예측할 수 있었습니다.
이 두 질문에 대한 값을 예측하기 위해 다변량 회귀의 변형을 사용하여 파이썬 모델을 구축했습니다. 두 가지 질문은 다음과 같습니다:
- 어디에 있든 상관없이 의식적으로 필요하지 않은 조명과 가전제품을 끕니까?
- 보통의 상황에서 목적지까지 가기 위해 계단 이용을 선호합니까 아니면 엘리베이터 이용을 선호합니까?
답변은 설문 조사의 독립적인 값에 근거하여 예측할 수 있습니다. 인구 통계 정보는 단기적으로 변하지 않겠지만, 기후 변화와 에너지 절약에 대한 관점은 영향력, 교육 또는 보상을 통해 바꿀 수 있었습니다. 예측 모델은 이러한 변화를 거친 후에 건물의 에너지 절약에 대한 개인의 새로운 행동을 예측할 수 있었습니다.
파이프라인은 애니로직용 커넥터 라이브러리로, 애니로직과 파이썬 간의 인터페이스를 쉽고 원활하게 생성할 수 있도록 해주었습니다. 가장 인기 있는 파이썬용 머신 러닝 라이브러리인 사이킷런(scikit-learn)이 사용되었습니다. 이 사이킷런 라이브러리에는 사용 가능한 회귀 메소드들이 있으며, 이 메소드들은 필요한 예측 모델을 만드는 데 사용되었습니다.
이 정적 예측 모델은 에너지 절약 측면에서 개인이 어떻게 행동할지 이해하기 위해 만들어진 것으로, 예측 대상인 개인이 해당하는 인구 통계를 기반으로 했습니다. 그런 다음 시뮬레이션은 모델을 동적으로 만들었습니다.
예를 들어, 기후 변화에 대한 교직원과 학생들 간의 회의 중에는 세 세트의 추상적인 독립 이산 변수들이 있을 수 있습니다. 이 경우 질문은 1에서 5까지의 값을 가집니다. 그리고 종속 변수도 있을 수 있습니다. 에너지를 절약하려는 사람에 대한 인센티브로, 행동 S로 알려져 있으며 이 경우 역시 1에서 5까지의 값을 가집니다.
회의 중 누군가는 A, B 또는 C 등의 주제에 대해 확신할 수 있습니다. 예를 들어, 그 사람이 영향을 받아 질문 A에 대한 답을 2에서 3으로 변경한다면, 파이썬 모델은 S의 새로운 값을 예측합니다. 이는 아래 모델에 설명되어 있습니다.
이와 같은 방식으로 대학의 건물 관리자는 이 예측 모델을 사용하여 에너지 절약 지침을 이행하기 위한 교육 및 정보 전달을 추진하는 방법을 이해할 수 있습니다. 종속 변수의 예측에서 어떤 변수가 더 많은 가중치를 갖는지 보여주기 때문에, 이 예측 모델을 사용하여 충분히 의사 결정을 내릴 수 있습니다.
결과
예측 모델은 시뮬레이션 런타임 동안 시스템에 속한 개인의 특성을 변경하는 데 도움이 되었습니다.
여러 시뮬레이션을 실행한 후 교육과 영향력만으로 에너지 사용이 6-8% 감소했습니다. 돈이나 할인과 같은 보상 수단을 이용해 개입할 경우 비슷한 수준의 개선이 이루어져야 합니다.
이 연구의 설명되지 않은 부차적인 효과도 있었습니다. 엘리베이터 대신 계단을 이용할 경우 더 많은 열량을 사용하기 때문에 건물을 방문하는 인구의 전반적인 건강이 개선되었습니다.
그러나 이런 결과는 이 사례 연구에서 보여준 일반적인 개념(General Concept)만큼 중요하지는 않습니다. 이 프로젝트는 아직 완료되지 않았으며 향후 추가 요소와 시나리오가 추가될 예정입니다.
이 활용 사례는 애니로직 사용자 또는 팀 리더가 이 아이디어를 그들의 모델에 적용하도록 격려하기 위해 설계되었습니다. 또한 사용자들이 그들의 시뮬레이션에서 머신 러닝 모델이나 통계 모델을 사용할 가능성에 대해서도 생각해보도록 격려하고자 했습니다.
이 사례 연구는 2021 애니로직 컨퍼런스에서 누어잭스 컨설팅의 Felipe Haro가 발표했습니다.
슬라이드는 PDF로 제공됩니다.
