기호설명

HRV : 심박변이도(Heart rate variability)

HRVECG : ECG센서를 이용하여 산출한 심박변이도

HRVRR : 웨어러블 센서를 이용하여 산출한 심박변이도

DR : 오차율(Rate of difference)

PMV : 예상온열감(Predicted mean vote)

ANS : 자율신경계(Autonomic nervous system)

SNS : 교감신경(Sympathetic nervous system)

PNS : 부교감신경(Parasympathetic nervous system)

HF : 고주파영역(High frequency)

LF : 저주파영역(Low frequency)

VLF : 초저주파영역(Very Low frequency)

1. 서 론

건물에서 재실자의 온열쾌적감은 다양한 물리적, 개인적 변수에 의해 영향을 받는다. 지금까지 온열쾌적에 대한 연구는 온도나 습도, 복사온도, 기류속도 등 물리적 변수를 중심으로 다양한 쾌적지표에 대한 연구가 수행되어 왔다. 최근에는 실내외 온열쾌적을 평가하기 위해 물리적 변수로서 온도, 습도, 복사온도, 기류속도가 고려되고, 개인적 변수로서 착의량과 활동량이 반영된 PMV (Predicted mean vote)지표가 고려되고 있다. 그러나 개별 재실자의 생리적 변화나 행태적인 조절을 통해서도 인체의 온열감은 달라질 수 있으며, 공조설비도 자동적으로 운전 제어될 수 있다¹⁾. 이에 최근 들어서는 실내 온열환경 조건에 따라 개별 재실자의 온열쾌적감을 반영하여 공조설비의 운전을 제어하기 위해 개별 재실자 열쾌적 모델(personal comfort model)에 대한 연구가 수행되고 있다. 이를 위해 인체의 온열감에 생리적 변화 특성을 반영한 개별 재실자의 온열쾌적감과 생리적 변화에 대한 연구가 다양하게 발표되고 있다²⁾. 인체의 생리적 반응은 다양한 환경 조건에 따라 영향을 받기 때문에 각각의 HRV 측정 센서에서 측정 및 분석시간 간격에 대한 고려가 필요하다. 본 연구에서는 재실자의 온열쾌적모델에 인체의 생리적 반응으로서 심박변이도(HRV, heart rate variability)의 적용 방안을 제시하고자, HRV 측정 센서유형으로부터 측정 및 데이터 분석 방법에 대해 고찰하고자 하였다. 이를 위해 HRV를 측정, 분석하기 위한 센서 유형을 조사하고, 측정된 결과값의 분석 방법을 고찰하였으며, 일반적인 실내외 환경 조건에서 HRV 측정 결과값의 변화 특성을 분석하였다.

2. 이론적 고찰

본 연구에서는 실내외 환경조건에서 개별 재실자의 생리적 특성으로서 HRV를 온열쾌적 평가지표로 활용하기 위한 방법을 모색하기 위해, 선행연구를 통해 기초적인 HRV 개념 및 측정, 분석방법에 대해서 고찰하였다.

2.1 심박변이도(HRV, Heart Rate Variability)의 개념

일반적으로 심장박동은 체내의 항상성을 유지하기 위하여 자율신경계(ANS, Autonomic nervous system)에 의해 끊임없이 조절된다. ANS는 교감신경(SNS, Sympathetic nervous system)과 부교감신경(PNS, Parasympathetic nervous system)으로 구분되는데, SNS와 PNS의 균형상태 및 각각의 활동도에 따라서 심장박동(heartbeat)이 조절된다. 일반적으로 심장박동은 SNS에 의해서 빨라지고, PNS의 활동에 의해서 느려진다. 일반적으로 심장박동수(HR, Heart rate)는 1분당 심장박동수를 의미하는 것으로서 맥박수라고 불려진다. 반면 HRV는 단순히 심장박동수의 변화를 의미하는 것이 아니라, 심장주기(Cardiac cycle)의 시간적 변동을 측정하여 정량화한 지표이다. 최근 들어 HRV와 ANS 사이의 연관성이 알려지면서 의료나 보건, 건축, 도시 등 IT융합 분야에서 다양한 연구가 수행되고 있다.

인체의 심장은 2개의 심방과 2개의 심실로 구성되어 있으며, 심장 근육에는 전기적인 신호 전달 경로가 형성되어 있다. ANS에서 우심방에 위치한 동방결절(Sinoatrial Node, SA node)에 신경전달물질에 의한 자극이 전달되면 심장 근육에 전기적 자극이 발생하여 심실이 수축되어 심장박동이 야기된다. 심실이 수축할 때마다 심장으로 들어온 혈액이 혈관을 통해 인체의 각 부위로 전달되게 된다. 일반적으로 동방결절에서의 전기적 자극은 분당 60 ~ 100회 정도로 발생하며, 이 값이 평균적인 성인의 HR값이 된다. 심장박동은 일정한 것으로 보이지만, 외부환경변화에 따라 ANS의 조절작용이 달라지면서 매우 복잡하게 변동하고 있다. 인체의 각 부위별로 심전도(Electrocardiogram, ECG)를 측정하면 매번 심장이 박동할 때마다 심장 근육에서 발생하는 전기적 자극에 따라 Fig. 1과 같이 P-Q-R-S-T파의 규칙적인 파동이 발생하게 된다. 여기서 HRV는 파동의 최대치(R파)를 기준으로 R-R간격(R-R interval)을 측정하여 수치화한 것으로서, 시간영역분석(Time domain analysis)과 주파수영역분석(Frequency domain analysis)으로 다양한 HRV 변수(parameter)를 산출할 수 있다. R-R간격의 변화는 ANS가 심장에 신호를 보내 길항작용을 하기 때문에 발생한다. 그러므로 R-R간격의 변화를 분석함으로써 ANS를 구성하는 SNS와 PNS의 활성도 양상을 파악할 수 있다³⁾. 이러한 SNS와 PNS의 활성도 양상은 인체에서 스트레스 상태를 잘 반영하는 민감한 변수로 알려져 다양한 분야에서 응용되고 있다⁴⁾.

Fig. 1.

Schematic diagram of electrocardiogram during heartbeat

인체는 주변의 온열환경 조건에 따라 항상성을 유지하기 위해 땀분비, 혈관 확장 등과 함께 심장 활동을 통해 혈액을 순환함으로써 체온을 조절해 오고 있다⁵⁾. 그러므로 주변환경온도가 상승할수록 HR값은 증가하게 된다. HR값은 정상적인 생리반응일 경우 운동이나 스트레스로 인해 빨라질 수 있으며, 인체가 수면 또는 안정 상태로 유지되는 경우 느려진다. 반면 HRV는 심장이 환경변화에 적응하는 능력을 반영함으로써, 실내외 온열환경변화에 따라 인체의 열적 스트레스(heat stress)가 달라지기 때문에 HRV의 특성이 다르게 나타난다⁶⁾. HRV는 인체에서 ANS의 기작에 따라 심리적, 생리적 상태를 객관적으로 측정하기 위한 지표로서 사용된다. 즉, HRV는 심장박동 간격의 시간과 심박수의 변화를 반영한 결과이고, 이러한 변화는 ANS의 SNS와 PNS에 의해 조절된다. HRV는 심전도의 측정시간에 따라 하루 주기 리듬을 포함한 정보를 얻을 수 있는 24시간 데이터를 사용하는 장기분석과 5분 내외의 데이터를 이용하는 단기분석으로 구분된다. 의료분야에서는 HRV에 대한 장기분석 또는 단기분석을 통해 심장의 건강 상태나 심장 활동을 조절하는 ANS의 상태를 평가하고 있다. 최근에는 건축환경설비분야에서도 여러 연구자들이 실내외 온열환경조건에 따른 HRV 특성에 대한 연구를 수행해 오고 있으며⁷⁾, HRV를 이용하여 온열환경 쾌적지표 및 개별 재실자 냉난방 제어방안을 개발하는 연구를 진행하고 있다⁸⁾.

2.2 심박변이도의 측정 및 분석 방법

의료분야에서 과거에는 심전도측정기를 이용하여 피험자의 심전도(ECG)를 측정하고 심전도 데이터에서 주기적인 R-R간격을 추출하여 HRV를 산출하였다. 심전도측정기는 심장박동 과정에서 심장 근육이 탈분극할 때, 신체 피부에서 감지되는 미세한 전기적 신호를 검출하고 증폭시키는 장치이다. Fig. 2와 같이 심전도측정기를 이용하기 위해서는 일반적으로 의료용 심전도 전극 패치를 가슴이나 손목, 발목 등에 부착하여 신체 부위별 전위차를 측정한다⁹⁾. 반면 최근에는 반지형태, 밴드 또는 시계형태, 스트랩형태와 같이 다양한 형태의 웨어러블 HRV센서(심전도 센서)가 보급되고 있으며, 여기서 측정된 데이터를 이용하여 AI기법의 빅데이터 분석을 통해 다양한 형태로 인체의 건강 정보를 제공하고 있다¹⁰⁾. 본 연구에서는 온열환경 평가에 있어서 개인별 생리적 지표로서 HRV의 활용방안을 제시하고자, HRV 데이터 측정 방식별(심전도 측정방법과 웨어러블 디바이스를 이용한 방식)로 HRV 분석값의 오차율을 측정시간 간격에 따라 분석하였다.

Fig. 2.

Measurement devices of HRV data

다양한 HRV 센서를 이용하여 R-R간격을 측정함으로써 시간영역분석(Time domain analysis) 또는 주파수영역분석(Frequency domain analysis)을 통해 HRV값을 도출할 수 있다¹¹⁾. Table 1과 같이 시간영역분석에서는 평균 심장박동수(Mean Heart Rate, Mean HR), Mean NN (mean of all normal R-R intervals), SDNN (Standard Deviation of all normal R-R intervals), RMSSD (The root mean square successive difference of R-R intervals)이 있다. 주파수영역분석은 파워 스펙트럼 분석을 통해 시간영역의 데이터를 고속 푸리에변환(Fast fourier transform)을 통해 주파수 함수로 바꾸어 심박변이와 관련되는 특정 주파수대의 값을 분석하는 방식으로서, 주파수 범위에 따라서 0.15 ~ 0.4 Hz의 고주파영역(High frequency, HF), 0.04 ~ 0.15 Hz의 저주파영역(Low frequency, LF), 0.003 ~ 0.4 Hz의 초저주파영역(Very Low frequency, VLF)으로 구분된다. 주파수영역분석을 통해 파워 분포를 파악할 수 있으며, ANS에서 SNS와 PNS의 균형을 평가할 수 있어 의료분야에서는 스트레스나 심혈관계통의 건강을 평가하는 방법으로 활용되고 있다. 일반적으로 VLF, LF가 SNS, HF가 PNS의 특성을 반영하고 있으며, 저주파와 고주파의 성분비(LF/HF ratio)는 SNS와 PNS 사이의 전반적 균형을 정량적으로 평가하는데 적합하다. 그러므로 대부분의 선행연구에서는 인체의 온열쾌적에 대한 생리적 반응을 평가하기 위해 HRV 측정지표로서 LF/HF ratio값이 사용된다¹²⁾. 본 연구에서는 HRV 측정지표로서 일반적으로 널리 알려진 심장박동수(HR)와 LF/HF ratio를 기준으로 일반적인 생활환경 조건에서 인체의 HRV 변화특성을 분석하였다.

3. 실험 계획 및 방법

3.1 HRV 측정 센서 유형별 오차율 비교실험

본 연구에서는 ECG 전극센서를 이용하여 심전도를 측정하여 HRV값을 산출하는 방식(Fig. 2(a))과 스트랩형태의 웨어러블 센서(Fig. 2(d))를 이용하여 R-R간격을 직접 측정하여 HRV값을 산출하는 방식을 적용하였다. ECG 전극을 이용하는 방식에서는 피험자의 양쪽 손목과 왼쪽 발목 안쪽에 ECG 전극센서 패치를 붙이고 심장의 전기적 활동을 측정하는 아두이노모듈(AD8323 heart monitor)를 연결하여 RS 485통신을 통해 ECG 데이터를 컴퓨터로 수집하여 저장하였으며, 스트랩형태의 웨어러블 센서의 경우, Polar Beat사의 스트랩형 센서를 피험자의 가슴 아래쪽에 착용하고 R-R 간격 데이터를 수집하여 저장하였다. 서로 다른 두 가지 방식으로 측정한 ECG 데이터와 R-R 데이터를 Kubios 프로그램을 이용하여 시간영역분석과 주파수영역분석에 따른 HRV값을 분석하였다. Kubios 프로그램은 여러 가지 유형의 HRV센서에 측정된 ECG 데이터와 R-R간격 데이터를 입력받아서 내부 알고리즘에 따라서 파형을 검출, 분석한 뒤 시간영역, 주파수영역 HRV값을 산출할 수 있다. Kubios 프로그램에 입력된 ECG 데이터는 Pan-Tompkins 알고리즘을 이용하여 QRS파형을 검출하고 분석시간 간격에 따라 HRV값을 내부적으로 자동연산하여 산출하며, R-R간격 데이터는 바로 입력받아서 HRV값을 산출한다.

본 실험에서는 심혈관계통의 질환이 없는 여성 피험자 1인(연령:22세, 신장: 155 cm, 체중:40 kg)을 대상으로 실험을 진행하였으며, 피험자가 천장형 EHP가 설치된 강의실에서 실내 설정온도를 24℃로 냉방 운전하는 조건에서 실험을 진행하였다. 일반적으로 다양한 온열환경조건에서 피험자 실험을 수행한 뒤, 보통 심전도를 측정한 후 5분 내외의 시간간격으로 R-R간격 데이터를 추출한다. 본 실험에서는 피험자가 실내에서 앉은 자세로 휴식을 취하는 상태로 10분동안 2회의 피험자 실험을 진행하였다. 측정한 데이터를 Kubios 프로그램에서 불러와서 앞뒤 1분을 제외하고 총 8분의 데이터를 기준으로 Fig. 3과 같이 HRV값 분석시간을 8분 간격, 4분 간격, 2분 간격으로 하여 각각 HRV값을 산출하여 다음의 식(1)과 같이 오차율(Deviation ratio, DR)을 분석하였다.

Fig. 3.

HRV analysis timesteps

3.2 실내외 생활환경 조건에서 HRV 측정 실험

본 연구에서는 인체의 생리적 반응으로서 HRV 지표를 이용하여 재실자의 온열쾌적모델을 개발하기 위한 기초적인 특성을 파악하는 것이다. 이를 위해서는 다양한 실내외 생활환경 속에서 실제 HRV 변화 특성을 이해하는 것이 필요하다. 그러므로 본 실험에서는 1명의 여성 피험자를 대상으로 하루동안 주간과 야간에 각각 일상적인 실내외 생활환경 조건에서 스트랩형 HRV 센서를 착용하면서 HRV 데이터를 수집함으로써, 일상적인 생활환경에서 HRV 특성(mean HR, LF/HF ratio)을 분석하였다.

4. 실험 결과 분석

4.1 HRV 측정 센서 유형별 오차율 비교실험 결과

본 실험에서는 피험자 실험을 통해 아두이노를 이용한 ECG센서와 스트랩 타입 센서를 이용한 웨어러블기기에서 각각 측정한 데이터를 이용하여 분석 방법별 HRV값의 오차율을 비교하였다. Table 1과 같이 전반적으로 두 가지 센서의 반응특성은 유사한 패턴으로 나타나고 있으며, 분석시간간격이 짧을수록 HRV 지표값들의 변동폭이 크게 나타났다. 매 순간마다 HRV 값이 크게 변동하고 있으며, 분석시간간격이 길어질수록 SDNN 등의 주요 변수들의 값이 달라질 수 있다. 향후 분석결과를 서로 비교하는 경우에는 동일한 분석시간간격으로 비교해야 할 것이다.

Table 2와 같이 분석시간간격을 8분으로 한 경우, 실험 #1의 경우 실험 #2와 비교하여 오차율이 다소 작게 나왔으며, 시간영역 지표들이 주파수영역 지표보다 오차율이 작게 나타났다. 분석시간간격을 4분 간격으로 한 경우, 두 구간의 각 지표에 대한 평균 오차율을 구하면 시간영역의 각 지표들이 주파수영역의 각 지표보다 오차율이 다소 크게 나타났다. 분석시간간격을 2분으로 한 경우, 4개 구간의 평균 오차율을 구하면 전반적으로 실험 #1에서 오차율이 다소 작게 나타났으며, 시간영역 분석 지표들의 오차율이 더 작게 나타났다. 실험 #1과 실험 #2를 평균하여 분석시간간격에 따라서 오차율을 비교하면, 분석시간간격이 짧아질수록 심전도 측정기기와 웨어러블 디바이스에서 도출한 HRV지표값의 오차율이 다소 커지는 것을 알 수 있다. 일반적으로 의료용 또는 연구용 목적의 심전도측정기 방식에서 HRV 분석시간간격이 5분 내외임을 감안하면 웨어러블기기 측정방식의 오차율은 시간영역 지표는 5% 이내, 주파수영역 지표는 10% 이내로 나타났다. 전반적으로 주파수영역분석에서의 지표보다 시간영역분석에서의 지표의 오차율이 다소 작게 나타났다. 이는 웨어러블 디바이스 센서에서 측정한 R-R간격 데이터가 실제 ECG 데이터의 주파수 정보를 다소 부정확하게 반영하기 때문이라고 판단된다. 향후 개별 재실자열쾌적모델 개발을 위해 의료 목적의 정밀심전도측정기를 이용하지 않고, 일반적인 웨어러블 IoT센서를 이용하기 위해서는 HRV 지표별로 발생 가능한 오차를 고려해야 할 것이다.

4.2 실내외 생활환경 조건에서 HRV 측정 실험 결과

ECG를 측정하기 위해 패치형 전극을 부착하고 심전도측정기(ECG데이터 수집)를 이용하는 경우, 재실자가 장기간으로 측정하기에는 많은 신체 활동에 제약이 있다. 반면 웨어러블 IoT센서를 이용하는 경우 심전도측정기에서의 결과값과 비교하여 각 지표별로 다소 오차가 발생하지만, 일상 생활에서 착용이 가능하며 신체활동을 하면서도 지속적인 데이터 획득이 가능하다. 앞선 실험 결과, 개별 온열환경쾌적성평가를 위해 인체의 생리적 지표로서 HRV를 측정하기 위해 스트랩 타입의 웨어러블 IoT센서를 활용가능할 것으로 판단된다. 그러므로 본 실험에서는 일상적인 실내외 생활환경 조건에서 피험자가 스트랩 타입의 HRV센서를 착용하고 활동조건에 따른 HRV 특성(mean HR, LF/HF ratio)을 분석하였다.

Fig. 4와 같이 주간에 연구실에서 앉은 자세로 온라인 강의를 듣는 조건과 실내외에서 걷는 활동을 하거나 식사를 하는 조건을 비교하면, 활동량이 증가할수록 평균적인 심장박동수(mean HR)와 LF/HF ratio값이 증가하였다. 일반적으로 낮은 주파수영역에서의 LF값은 스트레스나 불안 등 여러 가지 상황을 극복하기 위해 인체가 SNS (교감신경계)를 활성화하는 것을 의미한다. 반면 높은 주파수영역의 HF값은 수면이나 휴식 등의 상황에서 PNS (부교감신경계)가 활성화되는 것을 의미한다. 그리고 LF/HF ratio는 ANS (자율신경계)의 균형, 즉 SNS (교감신경계)과 PNS (부교감신경계)의 균형을 의미하는 것으로서, LF/HF ratio가 커지는 경우 SNS (교감신경계)의 활성도가 높아지거나 PNS (부교감신경계)의 활성도가 낮아지는 것으로 해석할 수 있다.

Fig. 4.

Daytime patterns of mean HR and LF/HF ratio

Fig. 5와 같이 야간 취침시의 HRV 변화를 기상한 이후 걷는 조건(활동량이 증가)과 비교하면 심장박동수(mean HR)와 LF/HF ratio가 모두 낮게 나타남을 알 수 있다. 일반적으로 수면 중에는 안정적으로 누운 자세에서 심장박동수가 낮아지게 되며 활동량이 작기 때문에 전반적으로 안정적으로 유지된다. 반면 SNS (교감신경계)는 활성도가 낮아지고 PNS (부교감신경계)는 활성도가 높아지기 때문에 LH/HF ratio는 감소하게 되며, 심장박동수와 달리 야간 취침시간 중에도 갑작스런 변동이 나타나는데 이는 수면 중 스트레스로 인한 것으로 판단된다⁶⁾. 주간에 걷기 등 활동량이 늘어나는 조건에서는 심장박동수가 점차 늘어나고, LF/HF ratio의 변동폭이 크게 나타나지만, 서로 상호관계를 갖지는 않는 것으로 판단된다. 즉 일반적으로 피험자가 LF/HF ratio 변동이 클수록 건강한 성인 기준으로 ANS가 원활하게 조절되어 외부 자극에 대해 잘 적응하고 있다는 것으로 판단할 수 있다. 그러므로 건강한 성인의 경우 심장박동수는 활동량에 비례하여 증가하는 패턴을 보이지만, LF/HF ratio는 ANS가 균형을 유지하기 위해 변동폭이 크게 달라지고 있음을 알 수 있다.

Fig. 5.

Nighttime patterns of mean HR and LF/HF ratio

5. 결 론

본 연구에서는 재실자의 온열쾌적모델에 인체의 생리적 반응으로서 심박변이도(HRV)를 적용하기 위해 기본적인 HRV 측정 센서유형을 조사하고 HRV 지표별로 산출된 결과값의 오차율을 비교 분석하였으며, 일상적인 실내외 환경 조건에서 HRV 측정 결과값의 변화 특성을 분석하였다. 본 연구의 결과를 요약하면 다음과 같다.

(1) HRV는 시간영역분석에서 평균 심장박동수(Mean HRT), Mean NN, SDNN, RMSSD와 같은 지표를 활용할 수 있으며, 주파수영역분석에서는 HF, LF, VLF, LF/HF ratio와 같은 지표를 활용할 수 있다. 온열쾌적평가와 관련하여 LF/HF ratio를 이용하여 자율신경계의 균형상태를 파악할 수 있다.

(2) HRV는 심전도측정기를 이용하여 ECG를 측정하는 방식과 웨어러블 IoT센서를 이용하여 R-R간격을 측정하는 방식이 있으며, 측정방식별 오차율은 시간영역 지표에서 5% 이내, 주파수영역 지표에서 10% 이내로 나타났다. 향후 웨어러블 IoT센서를 이용하기 위해서는 발생 가능한 오차를 고려해야 할 것이다.

(3) 실내외 생활환경 조건에서 인체의 HRV 변화 특성을 분석한 결과, 활동량이 증가할수록 평균적인 심장박동수(mean HR)와 LF/HF ratio값이 증가하였다. 주간에 걷기 등 활동량이 늘어나는 조건에서는 심장박동수가 점차 늘어나고, LF/HF ratio의 변동폭이 크게 나타나지만, 상호관계를 갖지는 않는 것으로 판단된다.

(4) 건강한 성인 기준으로 LF/HF ratio 변동이 클수록 외부 자극에 대해 ANS가 원활하게 조절되어 잘 적응하고 있다는 것으로 판단할 수 있으므로, 온열환경평가에서도 LF/HF ratio의 시간에 따른 변동특성을 고려할 수 있을 것이다.