NFPA 130(1997)[5]을 바탕으로 화재 상황을 Table 1과 같이 분류하였다. 규정에 근거하여 대피공간의 한계온도, 대피한계 매연농도, 화재발생위치 장소를 고려하여 화재 상황별로 반영하였고, 이를 근거로 분산 탐색 알고리즘을 설계하였다.

기존 논문의 연구결과 분산시스템을 이용한 DN은 전송주기가 5초 이상이 되어야 주변노드의 출구까지 최단거리 정보를 공유하여 승객에게 정확한 최적의 경로를 제공할 수 있었다. 본 논문에서 화재상황별 송신주기를 분류하여 기존연구에서 제시한 전력효율[6]을 개선하였다. 화재상황을 4단계로 분류하고 노드끼리 최단거리 정보를 공유할 때 각 노드의 화재 상황을 공유하여 상황에 따른 정보 전송주기를 다르게 설계하였다. 첫 번째는 평상시 상태인 Normal 상태, 두 번째로는 폭발성이 없는 물질 주위 화재로 화재 진행 속도가 비교적 느린 화재를 고려하여 State1이라 정의하였다. State1의 상태를 공유하는 노드 전송 범위는 두 hop 이내로 제한하여 불필요한 정보의 중복과 재전송을 최소화 할 수 있도록 설계하였다. 세 번째로는 폭발성이 있는 물질이 주위에 존재하는 상태로 화재 진행 속도가 빠른 상황이라 고려하여 State2라고 정의하였다. State2의 상태를 공유하는 전송범위는 폭발성 화재이므로 전체 노드가 상태를 공유하도록 유지하였다. 네 번째로는 State2 와 State3이 동시에 발생하는 상황을 가정하여 현재 위치 포함하여 전 지역이 위험에 빠질 수 있는 상태이므로 전송범위를 전 지역으로 하여 State4로 설정하였다. 본 논문에서는 각 상태별 위험정도에 따라 전송주기를 5초~30초까지 가변하도록 설정하였다.

화재 상황별 상관관계가 정립이 된 상태에서 노드의 동작을 상세히 알아볼 필요가 있다. 노드의 동작은 Figure 1과 같이 표현될 수 있다. 앞 절에서 정의한 외부 상황과 자신의 노드상황을 구분한 뒤 앞 절에서 설명된 각 상태(state)를 열거형(enum type)으로 정의하여, Normal 상태를 ‘0’으로, State1을 ‘1’, State2를 ‘2’, State3을 ‘3’의 값으로 정의한 경우 각 DN의 동작을 Figure 1에 도시하였다.

Figure 1: 
State decision of each node

State1의 경우 사고 지역 DN을 중심으로 2 hop 이내의 DN들만 사고지역 DN의 상황을 공유하여 화재정보를 수신한다. State2, State3는 자신의 주변 SN와 다른 지역 DN의 상황을 현재 DN이 수신하여 열거형으로 정의된 상태를 기준으로 상황별 값을 비교한 뒤 가장 높은 값이 현재 DN의 상태가 될 수 있도록 설계하고 화재가 진압되면 다시 평상시 상태로 돌아올 수 있도록 최상위 값을 Normal 상태로 돌아오는 신호로 정의하였다.

DN 이 가중치를 어떻게 반영하는지 알아볼 필요가 있다. 3.2절에서 설명한 화재상태를 반영한 가중치를 S(i,j)라 하고 노드 사이 실제거리를 l(i,j)라고 정하여 Effective link를 식 (1)과 같이 정의한다[4].

Figure 2: 
Relationship between DN and SN [4]

S (i,j)값이 화재위치와 정도에 따라 상태가 정해지면 그 값을 실제 거리 값에 곱하는 것이 최종 Effective link 로 나타낸다. 이로 인해 출구까지 최단 경로를 산출할 때 경로 최소값을 고려하기 때문에 화재가 발생한 경로를 파악하고 우회가 가능하다. SN이 위험정도에 따른 가중치 값을 계산하여 주변에 있는 DN에게 전송하여 주면 DN은 자신의 화재상태에 따른 송신주기와 최단경로를 계산한다.

기존의 분산적 방식의 최적 경로 탐색 알고리즘[4]은 다음과 같다. 다음은 우선적으로 알고리즘을 진행하기 위해 DN에 저장되어야 할 내용들이다.

• • u(현재 위치한 노드)를 포함한 출구까지 가는 모든 노드를 이어 Effective link(화재에 따른 가중치를 실제거리에 반영한 값)를 계산한 비용
• • u 주변에 이웃한 노드n 에서 출구e 까지 노드끼리 이은 최단 경로 정보
• • u에서 노드끼리 이어 출구까지 최단거리 비용
• • 최단거리 비용 경로에 포함된 가장 가까이 이웃한 노드 정보

시작조건은 u 가 출구에 있다고 가정하면 현재 위치가 곧 출구이기 때문에 출구까지 가는 거리는 ‘0’이 된다. 반면 u 가 출구가 아닌 지역에 있다고 가정하면 실제 거리와 SN으로부터 파악된 가중치가 반영되어야 하므로 ‘∞’로 초기 값을 설정하였다.

위 내용을 바탕으로 Table 2와 같이 최적 경로 탐색 과정을 구성하였다. L ( u, e , x, t_u )는 u에서부터 출구 e까지의 경로 x에 대한 Effective link를 정의하며, u의 화재상태 Normal, State1, State2, State3를 나타내는 t_u 포함하고 있다. L ( u, n) 은 현재 위치 u에서 인접한 노드 n까지의 Effective link 값을 나타낸다. L ( n, e , y, t_n ) 는 이웃노드 n에서 출구노드 e 까지 Effective link 최단거리와 그에 따른 경로 y, n의 상태 t_n을 나타낸다. 따라서 L ( n, e , y, t_n ) 와 L ( u, n)을 합친다면 현재위치 노드에서 출구로 가는 가중치를 반영한 최단거리 비용을 찾을 수 있다.

이러한 경로 분산 탐색 시스템 알고리즘을 각 DN에서 SN의 상태를 수신한 뒤 자신의 상태와 앞서 설명한 Effective link와 정보를 결합하여 상태를 공유하고 매 주기마다 갱신된 SN의 상태를 반영한 t_u 값과 Effective link값을 반영하여 공유하도록 개선하였다.

제안된 알고리즘은 Figure 3과 같은 다층구조인 선박구조에도 용이하게 적용할 수 있다. 기존의 연구[2] 방식을 다층구조에 도입한다면 각층마다 최단경로를 연산을 하여 공유해야하기 때문에 다층공간이 확장 될수록 다른 층의 출구까지 연산량과 시간이 늘어나게 된다. 하지만 분산 시스템은 각 층간 출입구를 중심으로 각 층을 연결하고 알고리즘을 확장하여 적용 가능하며, DN의 연산량은 공간이 확장되어도 각 DN은 정해진 노드만 계산하여 전파되므로 확장전 연산량과 차이가 크지 않아 다층구조에서 최적의 경로를 빠른 시간에 대피자에게 송신할 수 있다.

Figure 3: 
Multistory environment

제안하는 분산 시스템의 성능을 평가하기 위해서 실제 선박구조와 유사한 객실과 복도가 있는 구조물을 가정하였다. 이를 Figure 4에 나타내었으며 제안하는 분산시스템 구현을 위해 노드를 임의 배치하고 각 노드에서 출구까지 최단거리의 노드를 선택하기 위해 A^* 알고리즘[7]을 적용하였다.

Figure 4: 
Virtual simulation environment

출구는 양쪽 두 곳으로 설정하였고 제안된 알고리즘 적용 시 가운데 지점을 기준으로 각 노드들은 자신에게서 가까운 출구를 우선순위로 두고 최적의 경로를 찾아간다. 해당 출구 주변의 화재발생 시 반대편 출구로 최적의 경로를 찾도록 하고 제안된 알고리즘을 적용하지 않은 대피자는 화재 발생 시 자신과 먼 출구로 찾아가는 것 까지 고려하여 생존율을 산출하였다. 가상 구조물에서 나타날 수 있는 다양한 위험요소들은 공통적으로 화재상황, 연기로 인한 시야방해 등이 있으며 특수한 상황으로는 선박내부 문제로 인한 기울어짐, 침수 등을 고려할 수 있다. 여러 위험요소의 영향에 대한 정확한 정보에 대한 연구와 이에 대한 적용은 본 연구의 범위를 벗어나므로 화재 위험요소에 대한 가중치만 가변적으로 적용하여 성능 평가를 진행하였다.

처음으로 화재가 발생한 지역 수에 따라 송신횟수가 어떻게 변화하는지 살펴보기 위하여 Figure 4의 구조물 내부에 화재상황을 가정하여 전송횟수를 비교하여 그 결과를 Figure 5에 도시하였다.

Figure 5: 
The number of transmissions

시험결과를 화재발생 지속시간을 매번 증가시켜 [4]에서 연구한 10초 주기의 고정주기 전송방식과 비교하였다. 세 지점의 화재상황에 대해 State 2로 가정하여 송신 횟수를 비교하였다. 화재발생지역이 5지점일 때는 State 4 상황인 노드가 2지점인 것으로 가정하고 나머지 3지점은 State2로 가정하여 비교하였다. 화재발생 10개 지점인 상황은 State 4상황인 노드가 5지점, 나머지 5지점은 State 2상황으로 설정하여 상황에 따른 화재가 전송횟수에 얼마나 영향을 주는지 실험하였다. 송신전력과 대피자가 정보를 받아야하는 시간을 고려하여 평상시 주기를 30초로 설정하고 시뮬레이션을 수행하였다. 화재지역이 3지점인 경우, 화재지역 외에 나머지 노드의 정보 전송주기가 상대적으로 길기 때문에 전송전력을 34.6%만큼 절약할 수 있었다. 화재가 5개 지점으로 확산된 경우에도 기존논문 실험 결과와 비교하여 28%의 전송전력 차이를 관찰할 수 있었다. 화재발생지역을 10개 지점으로 설정하였을 때는 전체 노드의 정보 전송주기가 5초로 단축되어 전송횟수가 급격히 늘어나 기존 논문 결과 대비 35% 이상 전송전력 소모가 발생하는 것을 확인할 수 있었다.

다음으로 확인해볼 사항은 통신의 관점에서 고립된 지역범위에 따른 승객의 생존율을 비교해보았다. 실험을 위해 고립지역을 노드 수 기준으로 나누었다. 실험환경은 전체노드의 20% 인 5개의 노드가 중앙부와 통신단절로 고립되었을 때를 가정하고 이후 차례로 각각 전체 의 40%, 60%의 노드가 고립상황인 경우를 비교해보았다. 인간의 평균 보행속도 3m/s를 적용하였고 각 노드의 영역(coverage) 내에 3명의 승객이 있다고 가정하고 실험을 진행하였다. 각 그림에서 기준이 되는 실선 그래프는 논문에서 제시한 분산 시스템을 적용하여 실험한 결과이므로 각 노드에서 독립적으로 최적의 경로를 계산하므로 화재 상황에 따른 탈출경로의 변화로 탈출시간이 지연되는 현상을 제외하고는 실험환경을 조정하기 전 결과와 같은 생존율의 결과를 볼 수 있다. 하지만 이전 논문[2]에서 제안한 중앙 집중적 시스템은 통신의 관점에서 고립지역이 넓어질수록 승객이 실시간으로 변하는 화재상황을 반영하여 최적경로를 선택하지 못하고 가까운 출구가 아닌 현재 위치에서 거리가 먼 출구로 돌아가는 경우가 빈번히 발생하여 길을 찾지 못하고 생존율이 현저히 떨어지는 것을 관찰할 수 있었다. 만약 화재상황에 따른 보행속도의 감소 특성을 시뮬레이션에 반영한다면 화재에 따른 생존율은 더욱 떨어질 것으로 예상된다.

Figure 6: 
Survival rate with 20% isolated area

Figure 7: 
Survival rate with 40% isolated area

Figure 8: 
Survival rate with 60% isolated area