연세대학교 대학원 의 공 학 과 엄 영 일€¦ · 운동 에너지 소비량 에너지 소비량 측정 방법 직접열량측정법 ! " # 간접열량측정법 $ ! "

자전거 운동 중 멀티 센서 기반의

에너지 소비량 평가에 관한 연구

연세대학교 대학원

의 공 학 과

엄 영 일



지도 신 태 민 교수

이 논문을 석사 학위논문으로 제출함

2012년 12월 31일


의 공 학 과

엄 영 일

엄영일의 석사 학위논문을 인준함


2012년 12월 31일

감사의 글

지난 2010년, 학부 때 배워온 전공들을 실용해 보고 제가 관심이 있는 분야에 대

해 좀 더 깊은 공부를 하고자, 학부 4학년 1학기를 마치고 대학원에 진학한 지 한

달, 일 년, 이 년이 지나 어느덧 졸업을 앞두고 있습니다. 처음 의용컴퓨터시스템

연구실에 들어왔을 땐 모든 것이 낯설고 연구실에 앉아있는 것조차 어려웠지만,

지금은 연구실 생활이 익숙해 졌습니다. 부족한 제가 이 논문을 완성하게 된 데에

는 제 주위의 많은 분들의 관심과 도움이 가장 크지 않나 싶습니다.

먼저 저의 대학원 생활동안 학문의 견해를 넓혀주시고 이 논문이 완성되기까지

연구방향을 제시해주시고 많은 가르침을 주신 저의 지도 교수님이신 신태민 교수

님께 진심으로 감사의 인사를 올립니다. 또한 바쁘신 와중에도 제 논문에 대해 관

심을 가져주시고 좀 더 나은 논문이 되도록 지도해주신 윤영로 교수님과 김한성

교수님께도 감사의 인사를 올립니다. 그리고 연세대학교 의공학과로서 저의 학부

와 석사과정 동안의 많은 학문적 지식을 가르쳐주신 윤형로 교수님, 이윤선 교수

님, 이경중 교수님, 김동윤 교수님, 김영호 교수님, 김한성 교수님, 김경환 교수님,

정병조 교수님, 김지현 교수님, 이상우 교수님, 윤대성 교수님, 서종범 교수님, 이

용흠 교수님, 김원기 교수님, 이전 교수님께 감사드립니다.

석사과정 동안 하루의 가장 많은 시간을 함께 보내며, 즐거운 대학원 생활을 하

는데 도움을 준 우리 의용컴퓨터시스템 연구실 식구들에게 감사의 마음을 전합니

다. 지금은 연구실에 안 계시지만, 올바른 대학원 생활의 방향과 방법을 가르쳐주

신 태균이형, 균정이형, 연구실의 맏형으로써 연구실의 모든 일에 책임감을 가지

시고 앞에서 이끌어주시는 우혁이 형, 대학원 선배이자 학부 동기로써 연구실 적

응에 가장 많은 도움을 준 철희, 뒤에서 묵묵히 바라보며 친형 같은 문학이형, 연

구실 동기로써 같이 공부하며 지낸 상훈이에게 감사를 표합니다. 또한, 제 연구실

후배인 문이, 라영이, 영은이에게도 고마움을 전하며, 남은 대학원 생활을 잘 마무

리하기를 바랍니다.

같은 연구실은 아니지만 함께 고생을 같이한 현철이 형, 승환이 형, 이석이 형,

찬솔이 형, 자웅이 형, 종욱이, 정훈이, 춘희, 정현이, 주홍이, 정직이 그리고 학부

부터 대학원까지 같이 지내온 05학번 동기들 정우, 순재, 영진, 승욱, 나라, 종구,

범준, 재우와 진한 우정을 나누고 있는 대학원 동아리 친구들 태승이, 재준이, 지

수, 샛별이, 안나, 선하에게도 진심으로 고마움을 전합니다.

마지막으로 지금의 저를 있기까지 항상 믿어주시며 물심양면으로 도와주시는 자

상한 인생의 선배인 부모님, 저를 많이 아끼시며 제가 좋아하는 할머니, 어렸을

때부터 많이 싸우기도 했지만, 지금은 가장 믿음이 가는 우리 형과 우리 집 새 식

구인 형수님에게도 감사한다는 말을 전하며 이 논문을 소중한 저희 가족에게 바

칩니다.

2012년 12월

엄 영 일 올림

- i -

그림 차례 ························································································································· ⅳ

표 차례 ···························································································································· ⅴ

국문 요약 ························································································································· ⅵ

제1장 서론 ······················································································································· 1

제2장 이론적 배경 ········································································································· 5

2.1 운동과 에너지 소비량 ····················································································· 5

1) 신체 활동(Physical Activity) ··································································· 5

2) 운동(Exercise) ······························································································ 5

3) 에너지 소비량(Energy Expenditure) ······················································ 5

2.2 에너지 소비량 측정 방법 ··············································································· 7

1) 직접열량측정법(Direct Calorimetry) ······················································ 7

2) 간접열량측정법(Indirect Calorimetry) ···················································· 8

3) 이중표식수법(Doubly Labeled Water Technique) ······························ 9

4) 가속도 센서를 이용한 측정 ····································································· 10

5) 가속도와 심박 센서를 이용한 측정 ······················································· 11

제3장 연구 방법 ············································································································ 12

3.1 연구 방향 ··········································································································· 12

3.2 연구 대상 ··········································································································· 13

3.3 연구방법 및 실험과정 ····················································································· 14

1) 측정 도구 ······································································································ 15

차 례

- ii -

2) 무선 통신이 가능한 가속도 센서 제작 ················································· 16

3) 무선 통신이 가능한 가속도+심박 센서 제작 ······································· 17

4) 무선 통신이 가능한 페달 센서(가속도 + 로드셀) 제작 ····················· 18

5) 실험 방법 및 과정 ····················································································· 20

6) 가스 분석기를 이용한 에너지 소비량 측정 ········································· 24

7) 블루투스 통신을 이용한 데이터 수집 ···················································· 25

8) 가속도 데이터의 SVM 변환 ···································································· 26

9) ECG 데이터의 심박수 검출 ····································································· 28

10) 로드셀 데이터의 합산 ············································································· 29

3.4 통계분석 ·············································································································· 31

1) 측정된 여러 데이터를 이용한 상관관계분석 ······································· 31

2) 측정된 여러 데이터를 이용한 회귀분석 ··············································· 31

3) 회귀방정식 도출 및 평가 ········································································· 32

제4장 실험 결과 ············································································································ 33

4.1 에너지 소비량과 가속도 성분의 상관관계 ················································· 33

4.2 가속도 성분을 이용한 회귀모형 ··································································· 35

4.3 심박수와 페달 밟는 힘을 추가한 회귀모형 ··············································· 37

제5장 고찰 ······················································································································· 40

5.1 자전거 운동 중 최적의 가속도 측정 부위 선정 ······································· 40

5.2 심박수와 페달 밟는 힘의 고려 여부 ···························································· 45

5.3 최종 회귀모형 설계 및 검증 ········································································· 48

제6장 결론 ······················································································································· 51

- iii -

참고 문헌 ························································································································· 54

ABSTRACT ····················································································································· 57

- iv -

그림 3.1 제작한 가속도 센서 ·················································································· 16

그림 3.2 제작한 가속도+심박 센서 ········································································· 17

그림 3.3 제작한 페달 센서 ······················································································· 18

그림 3.4 멀티 센서 블록다이어그램 ········································································ 19

그림 3.5 실험 환경 및 실험 진행 모습 ································································· 20

그림 3.6 각종 센서들의 부착위치 ··········································································· 21

그림 3.7 점증적 최대부하운동 ·················································································· 23

그림 3.8 가스 분석기의 출력 데이터 ····································································· 24

그림 3.9 측정 데이터를 수집중인 Labview 프로그램 ········································ 25

그림 3.10 가속도 데이터의 SVM 변환 과정 ··························································· 27

그림 3.11 검출된 심박수 ······························································································ 28

그림 3.12 로드셀 데이터의 합산 과정 ····································································· 30

그림 5.1 에너지 소비량과 가속도 성분들의 상관관계 ······································ 41

그림 5.2 신체의 가속도 성분을 이용하여 설계한 회귀모형 ······························ 43

그림 5.3 심박수와 페달 밟는 힘을 고려한 회귀모형의 수정된 결정계수 ····· 46

그림 5.4 에너지 소비량 예측값과 측정값의 Bland-Altman plot ····················· 50

그림 차례

- v -

표 3.1 고정식 자전거 실험을 수행한 피험자들의 신체적 특성 ······················· 13

표 3.2 측정도구 및 용도 ··························································································· 15

표 3.3 각종 센서들의 사양 ························································································ 19

표 3.4 점증적 최대부하운동 ····················································································· 23

표 4.1 각 부위의 가속도 성분과 에너지 소비량의 상관관계 ··························· 34

표 4.2 에너지 소비량과 변수들의 상관관계 ························································· 35

표 4.3 신체의 가속도 성분을 이용하여 설계한 회귀모형 ································· 36

표 4.4 심박수와 에너지 소비량의 상관관계 ························································· 37

표 4.5 심박수를 추가한 회귀모형 ··········································································· 38

표 4.6 페달 밟는 힘과 에너지 소비량의 상관관계 ············································· 38

표 4.7 페달 밟는 힘을 고려한 회귀모형 ································································ 39

표 4.8 심박수와 페달 밟는 힘을 고려한 회귀모형 ············································· 39

표 5.1 최종 회귀모형의 선형회귀 계수 ································································· 49

표 차례

- vi -

국문 요약



에너지 소비량을 추정하는 기존 연구들은 주로 일상생활이나 트레드밀, 달리기

등에 관하여 진행되어왔다. 정확도가 높은 에너지 소비량 측정 방법인 직접열량측

정법, 간접열량측정법 등이 가지는 공간의 제한성이나 사용의 불편성을 제거하기

위하여 다양한 측정 장비를 이용한 추정 방법을 제안했다. 따라서 본 연구에서는

자전거 운동 중 에너지 소비량을 추정하기 위한 측정 방법을 제안한다.

자전거 운동의 에너지 소비량을 추정하기 위한 실험으로 자전거 페달의 회전수

와 뒷바퀴에 인가되는 부하를 증가시키는 점증적 최대부하운동을 이용하였다. 에

너지 소비량을 추정하기 위하여 기존 연구에서 일반적으로 사용해온 가속도 센서,

심박 센서와 페달 밟는 힘을 고려하기 위한 페달 센서를 제작하였다. 이 멀티 센

서(가속도 센서, 가속도+심박 센서, 페달 센서)를 이용하여 가속도, 심박수, 페달

밟는 힘을 측정하였다. 자전거 운동의 특성에 따른 최적의 가속도 측정 부위를 찾

기 위하여 여러 신체 부위의 가속도와 에너지 소비량과의 통계분석을 실시하여

최적의 가속도 측정 부위로 가슴과 허벅지를 제안하였다. 또한 심박수와 페달 밟

는 힘도 에너지 소비량과 유의성을 가짐을 상관관계 분석을 통하여 관찰하였다.

본 연구에서 제안하는 에너지 소비량의 회귀방정식은 시간, BMI, 가슴 가속도, 허

벅지 가속도, 심박수, 페달 밟는 힘을 이용하여 도출했다. 도출한 회귀방정식의 예

측값과 가스 분석기의 측정값을 이용하여 검증한 결과, 설계한 회귀모형이 유의하

며 높은 정확성을 가짐을 알 수 있었다.

- vii -

따라서 본 연구에서 멀티 센서를 기반으로 측정한 데이터를 이용하여 에너지 소

비량의 측정 방법을 제안하였고 이 제안한 측정 방법은 자전거 운동 중 에너지

소비량을 추정하는데 유효함을 확인하였다.

핵심 되는 말 : 에너지 소비량, 가속도, 심박수, 페달 밟는 힘, 회귀모형

- 1 -

제 1 장 서 론

현대 사회는 산업의 발달에 따른 경제수준의 향상과 의료기술 개발에 따른

평균 수명의 증가로 인해 건강에 대한 현대인들의 관심이 증가하고 있다. 건강

에 영향을 미치는 요소로 식단조절과 신체적 활동 그리고 운동 등을 보고했다.

특히, 현대 사회 구성원들은 경제적 여유로 인해 건강을 유지하는 방법으로 운

동을 즐기는 것을 선호하며, 운동은 건강과 주요한 관련이 있는 요소이다.

규칙적이고 체계적인 운동은 심혈관질환, 당뇨병, 암과 같은 죽음과 관련이

있는 위험 요소의 발병을 예방하며, 골무기질 밀도의 손실을 막고 골 건강을

유지하여 골다공증의 위험을 피하는데 도움을 준다[15]. 또한, 건강한 사람은

운동을 통해 적절한 체중 유지하며, 신체 작업능력, 심폐기능 그리고 대사과정

이 향상된다[3]. 노인들에게서 많이 발생하는 우울증에 대해 꾸준한 운동은 효

과적인 치료의 방법으로 알려져 있다[5]. 그리고 건강한 정신 배양과 심신의 안

정을 가져와 삶의 질을 향상시키는 이점이 있다.

위와 같은 이유로 많은 사람들이 다양한 운동에 참여하여 운동의 효과를 얻

고 있다. 여러 운동 중, 자전거 운동은 정부와 지역단체들에 의한 홍보와 사회

적 지원으로 활성화되고 있으므로 건강과 다이어트 등을 목적으로 자전거 운

동을 즐기는 사람의 수가 증가하고 있다.

자전거 운동을 통한 건강유지와 다이어트의 효과를 객관적으로 확인하기 위

하여 운동량을 확인해야 한다. 운동량은 신체 움직임의 양을 의미하고 신체의

움직임은 에너지의 소비를 일으키므로[11] 운동량을 관찰하기 위한 지표로써

에너지 소비량을 이용할 수 있다.

- 2 -

에너지 소비량을 추정하는 연구들은 오래 전부터 진행되어 왔으며, 지금도 더

정확하고 객관적인 측정을 하기 위해 여러 움직임에 대한 실험이 이뤄지고 있

다. 기존의 연구들은 일상생활에서의 신체활동, 트레드밀과 에르고미터를 이용

한 운동 등에서 발생하는 에너지 소비량을 추정해왔다. 그러나 자전거 운동에

관련한 소비된 에너지를 추정하는 연구는 다소 부족하다. 그러므로 자전거 운

동 시 발생하는 에너지 소비량을 추정하여 본인이 수행한 운동량을 확인하여

운동의 효과를 보는데 도움이 되고자 한다.

에너지 소비량을 측정하는 방법 중에 높은 정밀도와 정확도를 보이는 방법으

로 직접열량측정법과 중수소법 그리고 간접열량측정법이 있다[1][19]. 이 중 호

흡가스교환을 이용하여 신진대사 동안에 소모되는 산소량을 측정하는 간접열

량측정법은 다른 측정방식에 비해 훨씬 측정이 간단하면서도 높은 정확도를

보이는 장점이 있다. 이 방식을 적용하여 제작된 호흡가스 분석기는 에너지 소

비량을 추정하고자 새로운 방법 및 알고리즘을 제시하는 다수의 연구에서 기

준이 되는 참조장비로 이용되고 있다.

그러나 호흡가스 분석기는 사용 준비과정이 다소 오래 걸리며, 장비착용의 무

게감으로 사용자에게 불편함을 주고, 장비 이용 가격과 시간 면에서 많은 제약

이 따른다. 이러한 단점을 보완하고 실시간으로 측정하며, 측정방법이 간단한

정량적 에너지 소비량 측정 장비의 개발이 관심을 받아 왔다. 기존에 개발된

센서로는 가속도 센서, 심박 센서, 가속도와 심박수를 결합한 센서 등이 있으

며, 이 센서들을 사용하여 에너지 소비량 추정을 하는 연구들이 진행되고 있

다.

에너지 소비량을 추정하는 연구에서 비침습적이며 휴대성이 우수하고 측정이

간편한 이점이 있는 장비로 가속도 센서가 이용되고 있다. 또한, 가속도 센서

는 수 십 년 동안 많은 수의 사람들을 대상으로 한 실험을 통하여 여러 신체

활동에서 움직임을 대변하는 데 유용하다는 결과를 이끌어 냈다[8][23][30]. 일

- 3 -

반적으로 가속도 센서는 허리, 엉덩이, 가슴 등에 부착하여 가속도 성분을 측

정한다. 그러나 자전거 운동은 운동 특성상 에너지 소비량을 대변하는 가속도

측정 부위가 기존 연구들과는 다를 것이다. 따라서 자전거 운동과 밀접한 연관

이 있는 가속도 측정 부위를 찾아야할 필요가 있다.

심박수는 산소 섭취와 직접적으로 관련이 있는 생리학적 변수로써, 에너지 소

비량과 선형의 관계를 가지는 신진대사율의 지표로 제안했다[7]. 그러나 심박수

는 저강도의 신체 활동에서는 에너지 소비량을 반영하는데 제한점이 있다[20].

이를 보완하기 위해 많은 연구에서 가속도와 심박수를 결합하여 에너지 소비

량을 추정하였고, 각 성분을 별개로 추정하는 것보다 더 정밀한 추정이 가능하

다는 결과를 제안했다[9][14][30][31].

자전거 운동 중 지면의 기울기나 상태에 따라 사람이 페달을 밟는 힘의 크기

가 증가하거나 감소하며 페달을 밟는 방법에 따라 페달에 가해지는 힘의 크기

도 달라진다. 페달을 밟는 힘은 근육이 에너지를 소모하여 수축하는 근력을 의

미한다. 그러므로 페달을 밟는 힘의 크기에 따라 소비되는 에너지양도 다르다.

동일한 가속도 운동에서 페달에 가해지는 힘이 변화할 때, 가속도 센서는 동일

한 값을 측정하기 때문에 페달에 가해지는 힘을 반영할 수 없다. 이러한 이유

로 에너지를 소비하는 페달 밟는 힘을 측정할 수 있는 새로운 센서 개발이 필

요하다.

따라서 본 연구에서는 자전거 운동 시 발생하는 움직임을 대변하는 최적의

가속도 부위를 조사하고 이를 측정하기 위한 가속도 센서, 생리학적 성분인 심

박수를 측정하는 가속도+심박 센서 그리고 페달을 밟는 물리적인 힘을 측정하

기 위한 페달(가속도+로드셀) 센서, 즉 멀티센서(가속도 센서, 가속도+심박 센

서, 페달 센서)를 기반으로 하여 정량적이며, 객관적인 에너지 소비량을 추정하

고 평가하고자 한다.

- 4 -

본 논문에서는 다음과 같은 약어를 사용함에 따라 약어의 뜻을 아래의 표기한다.

BMI : Body Mass Index

EE : Energy Expenditure

HR : Heart Rate

LC : Force measured by Load Cell

RPM : Revolutions per Minute

SVM : Signal Vector Magnitude

- 5 -

제 2 장 이론적 배경

2.1 운동과 에너지 소비량

일반적으로 에너지 소비량(energy expenditure)은 신체 활동(physical activity)

을 대상으로 한 연구에서 사용이 되는 용어이다. 신체활동은 운동과 다른 개념

을 설명하지만, 뚜렷하게 구별이 되지 않아 종종 혼용되어 사용된다. 따라서

운동과 에너지 소비량에 대해 알기 전에 신체 활동과 운동을 구별하기 위한

개념을 이해할 필요가 있다.

1) 신체 활동(physical activity)

신체 활동은 생명을 유지하기 위하여 에너지를 소비하며 근육을 이용한 모든

신체적인 움직임으로 정의된다. 신체활동에는 옷을 입거나 밥을 먹는 일상적인

행동뿐만 아니라 운동 등이 포함된다. 그리고 활동의 기초가 되는 신체적 능력

인 체력(physical fitness)과 양의 상관관계이다.

2) 운동(exercise)

운동도 위의 신체 활동과 같은 의미를 내포하지만, 운동은 신체 활동의 하위

범주이다. 엄밀히 말하면, 운동은 체력을 유지하거나 향상시키기 위한 계획적

이고 조직적이며 반복적이고 목적이 있는 신체 활동을 말한다[11]. 운동은 근육

과 심혈관계의 강화, 운동 능력 향상, 체중 감소 및 유지, 작업 능력 향상 그리

고 즐거움을 준다[3].

3) 에너지 소비량(energy expenditure)

인체는 음식물로부터 섭취된 에너지를 이용하여 신체의 움직임을 표현하는

기계적인 일과 세포막을 통한 물질이동, 소화효소나 호르몬의 분비 그리고 모

- 6 -

든 종류의 근수축 등의 생리적인 일을 수행한다[4]. 신체 활동이나 운동은 인체

의 기계적인 일을 의미하므로, 에너지를 소비하며 움직임이 일어난다. 그리고

신체 활동과 운동에 의한 에너지 소비량은 인체의 에너지 균형(energy

balance)에 있어서 에너지 조절(energy regulation)에 영향을 미친다. 에너지 소

비량은 섭취 에너지와 비교하여 체중과 체성분의 평형을 유지하는 에너지 조

절을 통제하는 근원적인 구조에 영향을 준다[25].

- 7 -

2.2 에너지 소비량 측정 방법

에너지 소비량을 측정하기 위한 다수의 연구가 오래도록 진행되어 왔으며, 다

양한 방법이 시도되어 왔다. 다음은 지금까지 사용되어왔던 대표적인 에너지

소비량 측정 방법이다.

1) 직접열량측정법(direct calorimetry)

직접열량측정법은 1793년 Lavoisier에 의해 처음 고안되었으며, 1891년

Rubner가 산소와 음식으로부터의 열 소실과 에너지 생성을 비교한 결과 신체

내에서 에너지 보존의 법칙이 성립됨을 검증한 이 후로 직접열량측정법은 다

시 주목받기 시작하였다[6].

직접열량측정법은 인체 내의 열 조절 반응을 평가할 목적으로 주로 사용되며,

열 생성을 측정하지 않고 인체로부터 소실되는 열의 방사량을 측정한다[1]. 이

때, 열손실은 피부를 통한 수증기 손실, 호흡계 그리고 땀샘에 의해 발산하는

열 변환을 포함하며, 변환된 열의 복사, 대류 그리고 전도 현상을 이용하여 측

정한다. 동작하는 원리에 의해 Isothermal Principle과 Gradient-Layer System

으로 나뉜다. 두 방식 모두 절연된 방에 피험자가 들어가 활동을 하며, 이 때

발생하는 열을 직접 측정한다. Isothermal Principle는 Atwater과 Benedict에 의

해 1905년에 확립된 것으로 열교환기(heat exchange)가 피험자가 생산하는 열

을 추출한다. 또 다른 방법은 방 내부에 온도를 일정하게 유지하기 위한 보상

히터(compensatory heater)를 설치하고 방 내부에 주입된 상대적으로 낮은 온

도의 공기가 피험자와 보상 히터에서 발생하는 열에 의해 데워지는 원리를 이

용한다. Gradient-Layer 시스템은 낮은 열적 관성(thermal inertia)과 짧은 반응

시간의 장점을 지니며, Gradient Layer 표면의 내부와 외부의 온도 기울기를

측정함으로써 피험자의 열 생산량을 얻는다[16].

- 8 -

오랫동안 지속적인 에너지 소비량 측정이 가능하나, 신뢰성 있는 측정값을 얻

기 위해 준비가 오래 걸리고 인체에서 방사되는 열을 에너지로 바꾸는 열량계

의 반응이 매우 느리기 때문에 운동의 빠른 에너지 소비량의 변화를 추적하기

가 다소 어렵다[28].

2) 간접열량측정법(indirect calorimetry)

간접적으로 측정하는 방법은 1849년 Regnault와 Reiset에 의해 소개되어 직접

측정 방식보다 저렴하고 편리한 이유로 널리 사용되었다[28]. 휴식 에너지 소모

량, 호흡률, 음식의 열 생성, 신체 활동으로 소모되는 에너지를 측정하는데 가

장 좋은 방법이다. 환기후드(ventilated hood)를 이용하거나 호흡실에서 측정한

다. 최근에는 후드를 사용하지 않고 측정하는 간이 간접열량측정기도 소개되고

있다[1].

간접열량측정법은 신체 조직과 장기에서 실제적으로 소모되는 산소량과 관련

이 있는 산소 소비량과 이산화탄소 생산량을 이용하여 호흡 산소 교환법으로

측정한다[1]. 모든 산소는 영양소를 산화시키는데 사용되고 그렇게 함으로써 모

든 이산화탄소가 회복되는 것을 전제로 하여 생성된 에너지양을 계산한다. 이

때, 에너지 생성은 생리학적으로 영양소의 자유에너지가 ATP 화학적 에너지로

의 변환과 산화 과정 중에 에너지의 손실의 합이다. 에너지 소비량은 산소 1

ℓ가 소비될 때 3.9 ㎉, 이산화탄소 1 ℓ가 생산될 때 1.1 ㎉가 생성되는 점을

이용한 Abbreviated Weir Formula으로 계산된다[22].

× × ×

VO2 = 산소 소비량(㎖/min)

VCO2 = 이산화탄소 생산량(㎖/min)

EE = 에너지 소비량(㎉/min)

(식 2.1)

간접열량측정법은 개방회로와 폐쇄회로 시스템으로 구분된다. 개방회로는 피

- 9 -

험자가 특수한 방에 들어가서 산소 호흡기로부터 제공되는 공기로 숨을 쉬고

내쉬어진 공기는 가스 추출 시스템에서 측정한다. 반면에 폐쇄회로 방식은 휴

대성을 갖는 더글라스 백(douglas bag)등의 장치를 이용하여 측정하며, 개방회

로 방식보다 설계가 단순하고 비용이 적게 든다[12]. 그리고 이 방식은 에너지

소비량 측정에 있어서 높은 정확도를 가지고 장소에 제한이 없어 지금까지 여

러 신체 활동 연구에서 참조장비로 널리 이용되고 있다.

3) 이중표식수법(doubly labeled water technique)

이중표식수법은 CO2 생성률을 측정하기 위해 체액에서의 2H와 18O의 희석도

차이를 이용한다. 이 측정 방법은 신체에서 18O는 체내에서 흐르는 물뿐만 아

니라 흡입된 산소와 배출된 이산화탄소에 영향을 받아 H218O와 CO18O로 전환

되는 점과 2H는 오직 체내에서 흐르는 물에 영향을 받아 2H2O로만 전환되는

점을 기반으로 한다[1][28]. 일반적으로 에너지 소비량을 측정하기 위해 CO2 생

성률을 1~3주에 걸쳐 측정한 후, 하루당 에너지 소비량으로 평균을 구하여 사

용한다[19]. 측정 방법은 다음과 같다. 우선 피험자의 CO2 생성률을 측정하기

위하여 DLW(Doubly Labeled Water)를 투여한 후 바로 첫 번째 표본(Ei)을 추

출하고 몇 시간이 지난 후에 두 번째 표본(Ef)을 추출하여 기초 동위원소 수준

(Eb)을 초과한 양인 소실률(k)을 계산한다.

(식 2.2)

여기서 구한 체액(N) 내에서 변화되는 18O(ko)와 2H(kd)의 소실률을 이용하여

CO2 생성률(rCO2)을 다음의 간단한 공식으로 구할 수 있다.

×

(식 2.3)

- 10 -

에너지 소비량은 호흡계수(respiratory quotient)를 이용하여 계산한다.

4) 가속도 센서를 이용한 측정

가속도 센서는 비침습적이며 사용법이 간단하고 휴대성이 뛰어난 이유로 오

래전부터 신체 활동이나 운동을 하는 동안 소비되는 에너지를 측정하는 여러

연구에서 다양하게 개발되었고 데이터 처리 방식에 대해 많은 제안이 있었다.

1960년에 Brouha가 그리고 1978년에 Reswick가 신체 활동의 에너지 소비량과

신체 가속도 계수의 적분 사이에는 선형 관계가 성립됨을 발표했다. 이 후로

가속도는 신체 활동에 대한 연구에서 널리 수용되어왔다[8].

질량 중심의 움직임이 몸 전체의 움직임을 반영하기 때문에 일반적으로 신체

의 질량 중심에 가까운 허리나 엉덩이 윗부분에 가속도 센서를 부착한다. 그러

나 움직임의 특성에 따라 움직임을 밀접하게 반영하는 부위가 다르므로 움직

임이 가장 많은 신체 부위에 가속도 센서를 부착할 것을 제안했다[8].

가속도는 일반적으로 단축과 3축의 가속도 센서를 이용하여 측정해왔다. 단축

가속도 센서로 단축의 Activity Monitor(Actigraph Co., USA)가 있다. 이 센서

를 이용한 다양한 연구들은 단축의 가속도 데이터를 더한 카운트 값을 통해

일상생활에서의 에너지 소비량을 측정한다[12][13]. 그러나 단축의 경우는 수직

평면에 대한 움직임과 속도의 변화만을 측정하므로 인체의 움직임을 반영하는

데 있어서 제한점이 있다. 반면에 상용 3축 가속도 센서인 RT3(Stayhealthy

Inc., USA)를 이용한 다양한 연구에서는 3평면의 가속도 값을 SVM(signal

vector magnitude; )으로 변환한다[20]. 이 가속도 데이터

로 에너지 소비량의 예측 결과를 비교한 결과, 단축만을 이용한 경우보다 상관

계수가 더 높다는 보고가 있었다[18]. 이런 이유로 최근에는 3축 가속도 센서를

이용한 SVM방식이 널리 이용되고 있다.

5) 가속도와 심박 센서를 이용한 측정

- 11 -

몇 십 년 전부터 심박수는 에너지 소비량을 예측하는 잠재적인 파라미터로

여겨져 왔다. 1950년에 Berggren과 Christensen은 심박수와 에너지 소비량 사

이의 선형관계를 기반으로 신진대사율의 지표로 심박수를 제안했다[31].

심박수는 산소 섭취와 직접적인 관련이 있는 생리적인 변수이지만[14], 이 성

분만을 이용한 에너지 소비량 측정법은 여러 제한점이 있다. 심박수는 낮은 강

도에서의 에너지 소비량의 구별이 어렵다. 또한 심박수와 에너지 소비량의 관

계는 나이, 성별, 정신적인 스트레스, 산소 포화도 등의 피험자 특성에 따라 영

향을 받는다[9][29].

대조적으로 가속도만을 이용한 측정법은 정적인 작업, 외부의 힘에 대항한 움

직임을 포착하기에는 한계를 지니고 있다[31].

따라서 이러한 단점을 보완하고자 여러 연구에서 가속도와 심박수를 결합한

에너지 소비량 측정 연구가 진행되었으며. 각각 따로 측정한 경우보다 정확도

가 상승함을 보고하였다[10][26][30].

- 12 -

제 3 장 연구 방법

3.1 연구 방향

에너지 소비량 추정에 관한 기존의 연구들은 주로 일상생활이나 트레드밀 등

에 대하여 진행되어왔지만 이에 비해 자전거 운동에 대한 연구의 수는 부족하

다. 따라서 자전거 운동 중 에너지 소비량 추정에 관한 연구가 필요하다.

자전거 운동은 야외에서 이루어지므로 간단하게 에너지 소비량을 측정하는

것이 중요하다. 기존 연구에서 휴대성과 간편하게 측정할 수 있다는 이점으로

일반적으로 가속도와 심박을 측정하는 장비를 통한 측정 방법을 사용하였다.

그러나 기존 연구를 바탕으로 자전거 운동에 이 측정 방법을 적용하기에는 자

전거 특성에 따른 요인이 다르기 때문에 부적합하다. 따라서 자전거 특성에 따

른 인체 외부의 움직임을 반영하는 물리적인 성분과 인체 내부의 신진 대사와

연관이 있는 생리적인 성분을 찾아 분석하였다.

이를 위하여 자전거 운동 중의 에너지 소비량과 밀접한 관련이 있는 각각의

성분을 멀티 센서(가속도 센서, 가속도+심박 센서, 페달 센서)로 측정하고 조합

하여 정량적이고 객관적이며 정확성이 높은 자전거 운동 에너지 소비량 추정

방법을 제시하고 실용 가능성을 평가하고자 한다.

- 13 -

3.2 연구 대상

본 연구에 동원된 피험자들은 실험에 앞서 미국 대학 스포츠 의학회(ACSM,

American College of Sports Medicine)에서 보고한 ‘ACSM 위험분류 척도’를

이용한 설문지 조사를 진행하여 실험으로 인한 부작용의 위험성을 지닌 피험

자를 사전에 배제하였으며[29], 저 위험군에 해당하는 20, 30대의 정신적ㆍ신체

적으로 건강하며 본 실험의 운동 프로토콜을 수행하는 데 있어서 무리가 있는

심폐질환 등의 병적 사유가 없고 실험에 자발적으로 참여하길 희망한 21명의

20, 30대 성인 남성을 대상으로 실험을 진행하였다. 다음의 <표 3.1>은 실험에

참여한 피험자의 신체적 특성이다.

표 3.1 점증적 최대부하운동을 수행한 피험자들의 신체적 특성 (mean ± s.d.)

ParametersAll participants

(N = 21)

Age (years) 25.0 ± 2.1

Height (㎝) 174.2 ± 5.7

Body Mass (㎏) 75.0 ± 11.0

BMI (㎏/㎡) 24.7 ± 3.2

Abbreviation : BMI = Body Mass Index

- 14 -

3.3 연구방법 및 실험과정

본 연구에서는 자전거 운동 중에 소모되는 에너지양을 추정하기에 적합한 성

분을 조사하기 위한 실험실 환경 내에서 실험을 실시하였다. 실험을 진행하는

동안 가속도 센서, 가속도+심박 센서, 페달 센서(가속도+로드셀)를 부착하여 동

시에 각 성분을 측정하며, 호흡가스 분석기를 사용하여 측정된 에너지 소비량

을 기준으로 하였다.

모든 피험자는 실험 결과에 영향을 미칠 수 있는 과도한 운동을 하는 것을

최소 하루 전부터 금하였고, 실험 진행에 앞서 연세대학교 원주캠퍼스 임상시

험심사위원회(IRB, Institutional Review Board; 승인번호 : 2012-8)로부터 승인

된 ‘연구참여 동의서’를 작성했다. 또한 에너지 소비량과 밀접한 연관이 있는

신체적 데이터를 개별 설문지에 작성하였다.

- 15 -

1) 측정 도구

본 연구에서 자전거 운동 중의 에너지 소비량 추정을 위하여 이용한 측정도

구와 그 용도는 <표 3.2>와 같다.

표 3.2 측정도구 및 용도

MeasurementEquipment

Model(manufacturer)

Use

가스 분석기MetaMax 3X

(Cortex)

운동 중의 호흡 가스 분석을 통한에너지 소비량 측정

신장계알루미늄 신장계

(삼화 계기)신장 측정

체중계HE-2

(CAS)체중 측정

가속도 센서 자체 제작운동 중의 신체 부위의 움직임에 따른 3축

가속도 측정

심박 센서 자체 제작 운동 중의 심박수 측정

로드셀NMNC-200L

(CAS)운동 중의 페달에 가해지는 힘 측정

자전거XC-10

(Cello)자전거 운동

자전거 트레이너RDA80

(Minoura))

운동 중의 자전거를 고정시키며,

자전거에 인가하는 부하 크기를 조정

메트로놈 Application

페달의 일정한 RPM(Revolution per

Minute)을 유지하도록 BPM(Beats per

Minute)에 맞춰 소리가 발생

- 16 -

2) 무선 통신이 가능한 가속도 센서 제작

본 연구에서는 운동 중의 신체 부위의 움직임을 3축 데이터로 측정하고, 측정

데이터를 저장하기 위한 PC와 무선 통신이 가능한 센서를 설계하고 제작하였

다. 측정 장비의 소형화와 경량화를 위해 가속도 측정의 기본 기능만 동작하도

록 가속도 측정 장치, 컨트롤러, 블루투스 통신장치 그리고 전원장치로 구성하

였다.

신체 부위의 움직임을 측정하기 위한 3축 가속도계는 높은 감도를 지니는

MMA7361L(Freescale Semiconductor Co., USA)을 민감도 200㎷/g을 갖도록

±6g로 설정하여 이용하였고 저전력인 STM32F103C8(STMicroelectronics Co.,

USA)으로 센서의 전체 시스템을 제어하였다. 또한 무선 통신을 위하여 블루투

스 모듈인 F1E21(F1Media Co, Ltd., Korea)과 충전 방식의 소형 리튬폴리머 전

지(3.7V, 85㎃h)를 사용하여 운동하는데 있어서 센서로 인한 불편함을 최소화하

고자 하였다.

그림 3.1 제작한 가속도 센서

- 17 -

3) 무선 통신이 가능한 가속도+심박 센서 제작

심박수를 측정하기 위한 센서는 가슴에 부착하며, 이와 동시에 가슴의 움직임

을 측정하기 위한 가속도 센서가 필요하기 때문에 가속도와 심박을 모두 측정

할 수 있는 센서를 제작하였다. 위에 언급된 가속도 센서에 심박수 측정 장치

를 추가로 포함하였다.

위와 동일하게 3축 가속도계는 민감도 200㎷/g을 갖도록 ±6g로 설정하여 이

용하였다. 운동 중의 불필요한 영향을 제거하고 간편하게 심박수를 측정하기

위하여 200배의 증폭과 40㎐ 저역통과필터를 가지는 2 채널 ECG를 설계하였

고 충전 방식의 소형 리튬폴리머 전지(3.7V, 85㎃h)를 사용하여 크기를 최소화

하였다.

그림 3.2 제작한 가속도+심박 센서

- 18 -

4) 무선 통신이 가능한 페달 센서(가속도 + 로드셀) 제작

신체의 움직임뿐만 아니라 실제로 사람이 힘을 이용하여 자전거의 동력의 시

발점이 되는 페달의 물리적 성분은 에너지 소비량 추정에 있어 매우 중요한

지표라 할 수 있다. 자전거 페달의 회전량은 신체 부위의 움직임과 밀접한 파

라미터이다. 또한 지면의 기울기나 상태 그리고 사람의 페달을 밟는 방식도 에

너지를 사용하는데 주요한 요인이다. 따라서 페달의 회전량을 측정하는 가속도

장치와 페달을 밟는 힘을 측정하기 위한 로드셀을 결합하여 센서를 제작하였

다. 위에 언급된 가속도 센서에 로드셀의 출력을 수집하는 장치를 추가로 포함

하였다.

위와 동일하게 3축 가속도계는 민감도 200㎷/g을 갖도록 ±6g로 설정하여 이

용하였다. 로드셀은 200㎏까지 측정 가능한 NMNC-200L(CAS Co, Ltd., Korea)

을 사용하였으며, 출력된 전압은 차동전압증폭기를 통하여 증폭한 후, 측정하

여 페달 밟는 힘을 고려하였다. 전원은 리튬폴리머 전지(3.7V, 1500㎃h)로 공급

하였다.

그림 3.3 제작한 페달 센서

- 19 -

(A) 가속도 센서

(B) 가속도+심박 센서

(C) 페달 센서

그림 3.4 멀티 센서 블록다이어그램

표 3.3 각종 센서들의 사양

SensorSize

(Width(㎜) × Length(㎜) × Height(㎜))Weigh

(g)

가속도 센서 36.7 × 20.8 × 9.5 7.35

가속도+심박 센서 65.0 × 25.3 × 11.3 12.34

페달 센서 95.1 × 71.2 × 62.2 577

- 20 -

5) 실험 방법 및 과정

본 연구의 실험은 자전거의 운동 강도 및 운동 시간에 따른 에너지 소비량을

추정하기 위하여 운동하는 동안 가스 분석기에 의해 호흡 분석 및 에너지 소

비량 측정이 이루어지도록 하였다.

그림 3.5 실험 환경 및 실험 진행 모습

실험에 앞서 피험자에게 연구 목적 및 실험 프로토콜에 관한 상세한 설명과

실험으로 인해 발생할 수 있는 부작용에 대해 언급을 하고 실험 동의를 얻은

후 진행 되었으며, 실험은 피험자의 안전을 위하여 시작부터 종료 시까지 실험

자가 피험자의 상태를 확인하였다.

실험에서 에너지 소비량을 추정하기 위한 각종 센서들은 <그림 3.5>와 같이

부착하여 사용되었다. 가속도 센서는 상완, 손목, 허리, 허벅지, 발목에 부착하

였고 가속도+심박 센서는 가슴에 부착하였으며 1개의 페달 센서와 이 페달 센

서와 같은 크기로 제작한 페달 1개를 자전거의 크랭크 암에 한쪽씩 달아 진행

- 21 -

하였다.

그림 3.6 각종 센서들의 부착위치

- 22 -

본 연구에서 사용한 점증적 최대부하운동은 자전거 페달의 분당 회전수와 뒷

바퀴에 가해지는 부하 크기를 조절하여 진행되었다. 분당 회전수는 메트로놈의

박자에 맞춰 피험자 본인이 조절하도록 하였고 부하 크기는 자전거 트레이너

를 이용하여 조절하였다.

실험을 임하는 자세를 고정하여 모든 피험자들이 동일한 조건하에서 운동을

하도록 하였다. 자전거 운동 자세는 핸들을 두 손으로 붙잡고 엉덩이를 안장에

붙인 조건 하에서 자전거 안장의 높이를 피험자가 직접 조절하여 본인에게 가

장 편안한 운동 자세로 실험을 수행하도록 하였다.

실험 프로토콜은 피험자가 자전거 운동에 익숙해지고 안정적인 심신의 상태

를 갖추기 위한 5분간의 준비운동과 3분간의 점증적 부하단계 그리고 운동으

로 인한 근육의 뭉침 현상을 방지하고 심장의 부담을 덜기위한 5분간의 정리

운동 순으로 진행하였다. 또한 피험자의 안전을 위하여 운동부하 실험 도중 실

험자가 더 이상 운동을 수행하기에 무리가 있다고 판단하거나 피험자 본인이

운동 수행이 불가능하다고 표시한 경우에는 정리운동을 실시한 후에 실험을

종료하였다.

- 23 -

본 실험에서 이용한 점증적 최대부하운동은 아래와 같은 단계를 가진다.

그림 3.7 점증적 최대부하운동

표 3.4 점증적 최대부하운동

Stage Time(min) RPM(rpm) Strength

준비운동 5 Free 0

1 3 50 1

2 3 60 2

3 3 70 3

4 3 80 4

5 3 90 5

⋮ ⋮ ⋮ ⋮

정리운동 5 50 1

Abbreviation : RPM = Revolutions per Minute

- 24 -

6) 가스 분석기를 이용한 에너지 소비량 측정

본 연구에서 사용한 가스 분석기는 피험자의 호흡 중에 산소 섭취량(VO2)과

이산화탄소 생산량(VCO2)을 측정하여 10초마다 PC의 소프트웨어 프로그램으

로 전송한다. 소프트웨어 프로그램에서 수집된 가스 데이터를 이용하여 10초

동안의 에너지 소비량을 분석하고 저장한다.

그림 3.8 가스 분석기의 출력 데이터

- 25 -

7) 무선 통신을 이용한 데이터 수집

피험자의 신체에 부착된 각종 센서로부터 측정되는 데이터는 무선 통신(블루

투스)을 통하여 PC의 윈도우 프로그램인 LabVIEW 2011(National Instruments

Co., USA)와 통신한다. 직접 코딩한 Labview 프로그램은 수집된 측정 데이터

의 ADC(Analog-to-Digital Converter)값을 실시간으로 표시하며, 텍스트 파일로

변환하여 저장을 한다.

그림 3.9 측정 데이터를 수집중인 Labview 프로그램

가속도 센서와 페달 센서는 50㎐의 샘플링으로 동작하고 가속도+심박 센서는

가속도 성분을 50㎐로 ECG를 1㎑의 샘플링으로 설정하여 동작하며, 각 샘플링

마다 데이터를 전송한다.

- 26 -

8) 가속도 데이터의 SVM 변환

본 연구에서 각 측정 부위로부터의 가속도 성분은 3축(x, y, z축)에 대하여 50

㎐의 샘플링으로 측정되었다. 측정된 가속도 성분은 3축의 가속도 크기를 반영

하는 SVM으로 변환되어 에너지 소비량 추정의 변수로써 이용되며, 가스 분석

기가 매 10초마다의 에너지 소비량을 분석하므로 10초를 단위 시간으로 하는

SVM으로 변환되었다.

가속도 신호를 SVM으로 변환하기 위한 전처리 과정은 기존 연구를 참조하여

각 축의 가속도 데이터에 0.5 ~ 20㎐의 3차 Butterworth 대역통과필터를 취하

여 기저선 및 잡음을 제거하였다[2]. 가속도의 변화를 모두 고려하기 위하여 필

터 처리된 데이터에 절대값을 취하였고 x, y, z축의 절대값을 SVM으로 변환하

였다. 그리고 변환된 SVM을 10초 간격으로 합산하였다.

- 27 -

운동이 시작된 시점

운동이 종료된 시점

(A) 가속도 측정 데이터

(B) 대역통과필터 처리

(C) 절대값 변환

(D) SVM 변환

그림 3.10 가속도 데이터의 SVM 변환 과정

- 28 -

9) ECG 데이터의 심박수 검출

본 연구에서 2 채널 ECG로부터 측정된 심전도 데이터는 1㎑의 샘플링으로

획득하여 전송되었다. 측정된 심전도 성분은 R peak 검출을 통하여 매 10초

동안의 평균 심박수로 계산되어 에너지 소비량 추정의 변수로써 이용되었다.

매 10초 간격의 심박수 검출을 위하여 센서로부터 획득된 심전도 신호에 대

한 전처리 과정으로 5 ~ 11㎐의 2차 Butterworth 대역통과필터를 취하여 기저

선 및 잡음을 제거한 후, 1차 미분을 하고 제곱을 하였다. 그리고 window의

너비가 150㎳인 MWI(Moving Window Integration) 과정을 거쳤다. MWI 처리

된 신호를 대상으로 Tompkins Algorithm을 적용하여 R peak사이의 간격을 의

미하는 RR-Interval을 획득하였고 심박수를 계산하였다.



그림 3.11 검출된 심박수

- 29 -

10) 로드셀 데이터의 합산

본 연구에서 페달의 로드셀로부터 측정된 페달 밟는 힘은 50㎐의 샘플링으로

측정되었다. 측정된 로드셀 데이터는 힘의 크기의 변화를 의미하는 단위 시간

당 합으로 계산되어 에너지 소비량 추정의 변수로써 이용되었다. 단위 시간은

가스 분석기의 10초마다 분석하는 특성에 의해 10초로 설정하였다.

로드셀 데이터로부터 측정된 힘의 합을 구하기 위한 전처리 과정으로 0.5 ~

20㎐의 3차 Butterworth 대역통과필터를 취하여 기저선 및 잡음을 제거하였다

[2]. 힘의 변화를 모두 고려하기 위하여 필터 처리된 데이터는 절대값으로 변환

되었고 매 10초 동안의 데이터를 추출하여 합산하였다.

- 30 -



(A) 로드셀 측정 데이터

(B) 대역통과필터 처리

(C) 절대값 변환

(D) 합산값

그림 3.12 로드셀 데이터의 합산 과정

- 31 -

3.4 통계분석

본 연구를 위한 통계 자료의 분석은 SPSS 18.0(IBM Co., USA)를 이용하였으

며, 모든 통계적 유의 수준은 p<0.05로 설정하였다.

에너지 소비량 추정에 관한 통계 분석을 위해 총 피험자 21명의 데이터를 이

용하여 회귀방정식을 도출하고 도출된 회귀방정식의 유효성을 평가하였다.

1) 측정된 여러 데이터를 이용한 상관관계분석

멀티 센서로부터 측정된 여러 데이터(가속도, 심박수, 페달 밟는 힘, 시간, 신

장, 몸무게, BMI)와 가스 분석기로부터 측정된 에너지 소비량 사이의 상관관계

분석을 실시하였다.

상관관계 분석은 두 변수간의 직접적인 선형관계를 알아보는 단순상관분석을

이용하였으며, 유의성 검증을 양쪽으로 설정 한 후, Pearson Correlation을 구

하였다. Pearson Correlation은 상관계수 R로 표현된다.

2) 측정된 여러 데이터를 이용한 회귀분석

회귀분석 방법은 다수의 독립변수를 이용하는 다중회귀모형의 선형회귀분석

을 이용하였다.

에너지 소비량을 종속변수로 설정하고 멀티 센서로부터 측정된 여러 데이터

(가속도, 심박수, 페달 밟는 힘, 시간, 신장, 몸무게, BMI)들을 독립변수로 입력

하여 회귀분석을 실시하였다. 회귀 분석 결과로 설계된 모형의 상관계수(R), 결

정계수(R2), 수정된 결정계수(adjusted R2) 그리고 추정의 표준오차가 표시된다.

- 32 -

3) 회귀방정식 도출 및 평가

위 통계분석을 통하여 본 연구에서 자전거 운동 중 에너지 소비량을 추정하

는 최적의 회귀모형을 설계하고 회귀방정식을 도출하기 위하여 선형회귀 계수

를 구하였다.

도출된 회귀방정식의 타당성을 검증하고자 피험자 21명의 데이터를 통한 에

너지 소비량 예측값과 측정값을 Bland-Altman plot으로 표현하여 예측값의 정

확성 및 신뢰도를 분석하였다.

- 33 -

제 4 장 실험 결과

4.1 에너지 소비량과 가속도 성분의 상관관계

자전거 운동으로 인한 신체 부위의 움직임은 에너지 소비량과 관련이 있으며,

특정 신체에서 높은 상관관계를 가질 것이라는 가정 하에 신체 6부위(가슴, 상

완, 손목, 허리, 허벅지, 발목)과 페달의 가속도 성분과 에너지 소비량 사이의

상관관계를 분석하여 에너지 소비량과 밀접한 선형관계를 보이는 부위를 알아

보고자 하였다.

에너지 소비량을 기준으로 하여 각 부위의 가속도에 대한 Pearson

Correlation과 유의확률(양쪽) 그리고 분석에 참고한 변수의 개수를 분석한 결

과는 <표 4.1>과 같다.

- 34 -

표 4.1 각 부위의 가속도 성분과 에너지 소비량의 상관관계

SVM Parameters

Acc_Chest

Pearson Correlation

sig. (2-tailed)

N

.837

.000

1896

*

Acc_Upper Arm

Pearson Correlation

sig. (2-tailed)

N

.815

.000

1896

*

Acc_Wrist

Pearson Correlation

sig. (2-tailed)

N

.758

.000

1896

*

Acc_Waist

Pearson Correlation

sig. (2-tailed)

N

.807

.000

1896

*

Acc_Thigh

Pearson Correlation

sig. (2-tailed)

N

.856

.000

.1896

*

Acc_Ankle

Pearson Correlation

sig. (2-tailed)

N

.868

.000

1896

*

Acc_Pedal

Pearson Correlation

sig. (2-tailed)

N

.873

.000

1896

*

*p<0.05

- 35 -

4.2 가속도 성분을 이용한 회귀모형

신체의 가속도 성분이 자전거 운동 에너지 소비량에 미치는 영향을 살펴보기

위하여 각 가속도 성분을 다양하게 조합하여 회귀모형을 설계하였다. 변수입력

은 단계입력 방식을 이용하여 설명력이 높은 변수들로 에너지 소비량 회귀모

형을 구성하였다. 회귀모형의 수정된 결정계수를 통해 최적의 회귀모형과 가속

도 측정부위를 살피고자 하였다.

운동을 지속한 시간과 피험자의 신체적 특징인 신장, 몸무게, BMI는 에너지

소비량 추정에서 중요한 변수이고 회귀모형을 설계할 때 고려할 필요성이 있

다. 따라서 가속도 성분을 고려하기에 앞서 이 변수들의 상관계수를 분석하였

다. 시간, 신장, 몸무게, BMI의 에너지 소비량과의 상관계수는 <표 4.2>와 같

다.

표 4.2 에너지 소비량과 변수들의 상관관계

Variables Parameters

Time

Pearson Correlation

sig. (2-tailed)

N

.897

.000

1896

*

Height

Pearson Correlation

sig. (2-tailed)

N

.082

.000

1896

*

Weight

Pearson Correlation

sig. (2-tailed)

N

.153

.000

1896

*

BMI

Pearson Correlation

sig. (2-tailed)

N

.136

.000

1896

*

*p<0.05

위의 변수들과 가속도 성분을 조합하여 설계된 회귀모형의 특성은 <표 4.3>과

- 36 -

같다.

표 4.3 신체의 가속도 성분을 이용하여 설계한 회귀모형

Input Variable R R2 AdjustedR2

Std. Error ofthe Estimate

Time .897 .805 .805 .18640

Time + BMI .909 .826 .826 .17631

Time + BMI + Acc_Chest .911 .831 .830 .17399

Time + BMI + Acc_Chest + Acc_Thigh .912 .832 .832 .17332

Time + BMI + Acc_Chest + Acc_Thigh +

Ankle.913 .834 .833 .17236


Ankle + Waist.914 .835 .834 .17198

*p<0.05

Dependent Variable: Energy Expenditure

- 37 -

4.3 심박수와 페달 밟는 힘을 추가한 회귀모형

가속도 성분을 이용하여 에너지 소비량을 회귀분석 한 결과, 가속도 성분이

다양하게 조합된 회귀모형을 얻을 수 있었다. 이 설계된 회귀모형들을 기준으

로 심박수와 페달 밟는 힘을 추가하여 새로운 회귀모형의 수정된 결정계수를

비교하고자 한다.

우선, 심박수에 대한 통계분석을 고려하여 심박수와 에너지 소비량과의

Pearson Correlation을 구하였다.

표 4.4 심박수와 에너지 소비량의 상관관계

Input Variable Parameters

HR

Pearson Correlation

sig. (2-tailed)

N

.723

.000

1896

*

*p<0.05

Abbreviation : HR = Heart Rate

앞서 설계된 회귀모형 중 가속도 성분이 고려되고 비교적 수정된 결정계수가

높은 3개의 회귀모형(Time+BMI+Acc_Chest+Acc_Thigh, Time+BMI+Acc_Chest

+Acc_Thigh+Acc_Ankle, Time+BMI+Acc_Chest+Acc_Thigh+Acc_Ankle+Acc_

Waist)에 심박수를 추가하여 새로운 회귀모형을 설계하였고 그 특성은 <표

4.5>와 같다.

- 38 -

표 4.5 심박수를 추가한 회귀모형




HR.912 .832 .832 .17312


Acc_Ankle + HR.913 .834 .834 .17210


Acc_Ankle + Waist + HR.914 .835 .835 .17178

*p<0.05

Dependent Variable : Energy Expenditure

페달 밟는 힘(LC)과 에너지 소비량의 관련 여부를 알아보기 위해 이 두 변수

의 상관계수를 분석하였다. 상관계수는 Pearson Correlation이며, <표 4.6>에

표시되었다.

표 4.6 페달 밟는 힘과 에너지 소비량의 상관관계

Input Variable Parameters

LC

Pearson Correlation

sig. (2-tailed)

N

.686

.000

1896

*

*p<0.05

Abbreviation : LC = Force measured by Load Cell

심박수와 마찬가지로 3개의 회귀모형(Time+BMI+Acc_Chest+Acc_Thigh,

Time+BMI+Acc_Chest+Acc_Thigh+Ankle, Time+BMI+Acc_Chest+Acc_Thigh+

Acc_Ankle+Acc_Waist)에 페달 밟는 힘을 추가하여 새로운 회귀모형을 설계하

였다.

- 39 -

표 4.7 페달 밟는 힘을 고려한 회귀모형




LC.913 .834 .834 .17218


Acc_Ankle + LC.915 .837 .836 .17083


Acc_Ankle + Acc_Waist + LC.915 .838 .837 .17041

*p<0.05


3개의 회귀모형(Time+BMI+Acc_Chest+Acc_Thigh, Time+BMI+Acc_Chest+Acc

_Thigh+Acc_Ankle, Time+BMI+Acc_Chest+Acc_Thigh+Acc_Ankle+Acc_Waist)

에 심박수와 페달 밟는 힘을 모두 추가하여 새로운 회귀모형을 설계하였다.

표 4.8 심박수와 페달 밟는 힘을 고려한 회귀모형




HR + LC.914 .835 .834 .17194


Acc_Ankle + HR + LC.915 .838 .837 .17050


Acc_Ankle + Acc_Waist + HR + LC.916 .838 .838 .17016

*p<0.05


- 40 -

제 5 장 고 찰

5.1 자전거 운동 중 최적의 가속도 측정 부위 선정

에너지 소비량과 신체 부위(가슴, 상완, 손목, 허리, 허벅지, 발목)와 페달의 가

속도 성분 사이의 Pearson Correlation을 분석한 결과, 페달의 가속도 성분은

.873(p<0.05)의 상관계수를 나타내며, 에너지 소비량과의 가장 높은 선형관계를

갖는다는 것을 확인할 수 있었다. 따라서 자전거 운동에 있어서 직접적으로 관

여하고 가장 많은 움직임을 보이는 페달의 회전 운동이 에너지 소비량의 중요

한 지표임을 알 수 있었다. 반면에 손목의 가속도 성분의 상관계수는 .758

(p<0.05)으로 가장 낮았다.

- 41 -

<그림 5.1>은 6개의 신체 부위와 페달의 가속도 성분과 에너지 소비량 사이의

상관계수를 나타낸다.

그림 5.1 에너지 소비량과 가속도 성분들의 상관관계

각 부위의 상관계수를 비교한 결과, 상체 가속도 성분의 상관계수는 .837(가슴

의 가속도, p<0.05), .815(상완의 가속도, p<0.05), .758(손목의 가속도, p<0.05),

.807(허리의 가속도, p<0.05)이며, 하체 가속도 성분의 상관계수는 .856(허벅지의

가속도, p<0.05), .868(발목의 가속도, p<0.05), .873(페달의 가속도, p<0.05)으로

나타났다. 하체의 가속도가 상체의 가속도보다 상관계수가 더 높은 점으로 보

아 자전거 운동에 있어서 하체의 움직임이 밀접한 관련이 있음을 객관적인 분

석으로 확인하였다.

위 분석의 결과를 기반으로 가속도 성분을 이용한 에너지 소비량 추정은 상

관계수가 가장 높은 페달의 가속도 성분을 우선적으로 고려하여 분석하는 것

- 42 -

이 중요하며, 더 높은 정확도를 지니는 회귀모형을 설계하기 위하여 하체의 가

속도 성분을 이용하거나 여러 부위의 가속도 성분을 조합하여 고려해야 할 것

으로 사료된다.

상관관계 분석을 통하여 에너지 소비량을 추정하는 데 적합한 성분으로 페달

의 가속도 성분이 예상되나, 가속도 성분을 다양하게 조합하여 실제 에너지 소

비량에 가장 근접한 회귀모형을 설계하고자 하였다.

가속도 성분을 이용하기에 앞서 시간, 신장, 몸무게, BMI의 고려여부를 판단

하고자, 이 4개의 변수들과 에너지 소비량 사이의 상관관계를 분석한 결과, 시

간의 상관계수는 .897(p<0.05)이고 신장, 몸무게, BMI의 상관계수는 .897

(p<0.05), .082(p<0.05), .136(p<0.05)으로 나타났다. 시간의 변수가 에너지 소비

량과 매우 밀접한 선형관계이고 회귀모형 설계에 있어서 고려되어야 할 변수

로 인식된다. 또한, 신체적 특징을 나타내는 변수들은 피험자간의 개인 차이를

줄이고 회귀모형의 정확도에 기여할 가능성이 있으므로 자전거 운동 중 에너

지 소비량 추정에 고려하여 본 연구에 적용하기에 적합한 변수를 찾아야한다.

- 43 -

신체의 가속도 성분들과 위 4개의 변수들을 이용하여 단계입력 방식으로 선

형회귀분석을 실행하여 회귀모형들을 얻었다.

a. Time b. Time+BMI

c. Time+BMI+Acc_Chest d. Time+BMI+Acc_Chest+Acc_Thigh

e.Time+BMI+Acc_Chest+Acc_Thigh

+Acc_Anklef.

Time+BMI+Acc_Chest+Acc_Thigh

+Acc_Ankle+Acc_Waist

그림 5.2 신체의 가속도 성분을 이용하여 설계한 회귀모형

단계입력 방식에 의해 설명력이 높은 변수들로 구성되어 Time+BMI+Acc_

Chest +Acc_Thigh+Acc_Ankle+Acc_Waist를 이용한 회귀모형(그림 5.2의 f)의

수정된 결정계수가 .834(p<0.05)로 가장 높게 나타났다. Time+BMI+Acc_Chest+

Acc_Thigh+Acc_Ankle을 이용한 회귀모형(그림 5.2의 e)은 .833(p<0.05)의 수정

계수를 가진다. 이 두 회귀모형의 수정된 결정계수는 비교적 높으나 요구되는

가속도 센서의 개수가 각각 4개 또는 3개가 필요하여 착용의 간편성이 떨어진

다. 또한 측정을 위하여 요구되는 가속도 센서의 개수에 비해 수정된 결정계수

- 44 -

의 증가는 미미하여 이 두 회귀모형을 에너지 소비량 추정에 고려하는 것은

비효율적이다.

가속도 측정 부위를 선정하는 분석에서는 본 연구의 취지인 착용의 간편성을

우선시하여 에너지 소비량을 추정하는 측정 장비의 수를 줄이고자 하였다. 앞

서 말했듯이 발목과 허리의 가속도 성분 측정은 센서의 개수 증가에 비하여

수정된 결정계수가 .832(그림 5.2의 d)에서 .834(그림 5.2의 f)의 적은 증가를 보

이는 비효율적인 측정 부위로 인식하였다. 반면에 허벅지는 자전거 운동 특성

인 하체 중심의 움직임을 반영하는 하체를 대표하는 부위이고 가슴은 하체의

움직임에 저항하여 자전거 운동 중 상체의 떨리는 움직임을 가장 잘 반영하는

부위일 것으로 사료된다. 이 두 성분을 이용한 회귀모형의 수정된 결정계수는

.832(그림 5.2의 d)로서 이 두 성분을 제외한 회귀모형(그림 5.2의 b)의 수정된

결정계수(adjusted R2 = .826)보다 증가한 결과를 나타냈다.

따라서 자전거 운동 중 에너지 소비량을 추정하는 가속도 측정 부위로서 하

체의 허벅지와 상체의 가슴을 제안한다.

- 45 -

5.2 심박수와 페달 밟는 힘의 고려 여부

신체의 생리적인 지표를 반영하는 심박수와 지표면의 상태나 페달 밟는 방법

에 따른 물리적인 힘을 반영하는 페달 밟는 힘의 에너지 소비량 추정하는데

있어서 유의성과 앞에서 설계한 회귀모형의 정확도 향상에 기여 여부를 확인

하고자 하였다.

Pearson Correlation을 통하여 분석한 심박수의 상관계수는 .723(p<0.05)이고

페달 밟는 힘의 상관계수는 .686(p<0.05)로 에너지 소비량과의 유의한 선형관계

를 보임을 알 수 있다. 기존 연구에서 에너지 소비량과 관련이 있다고 보고된

심박수는 자전거 운동에서도 동일한 작용을 하고 연구에 앞서 가정하였던 페

달 밟는 힘의 에너지 소비량과의 관련성 여부에 대해서도 서로 밀접한 관련이

있다는 객관적인 근거를 얻었다.

에너지 소비량과 유의한 두 성분을 시간, BMI 그리고 가슴과 허벅지의 가속

도 성분으로 이루어진 회귀모형에 적용한 결과는 <그림 5.3>과 같다.

- 46 -

a. Time+BMI+Acc_Chest+Acc_Thigh b. Time+BMI+Acc_Chest+Acc_Thigh

+HR

c. Time+BMI+Acc_Chest+Acc_Thigh

+Acc_LC

d. Time+BMI+Acc_Chest+Acc_Thigh

+HR+LC

그림 5.3 심박수와 페달 밟는 힘을 고려한 회귀모형의 수정된 결정계수

심박수를 추가한 회귀모형의 분석결과는 다음과 같다. Time+BMI+Acc_Chest

+Acc_Thigh로 설계한 회귀모형(그림 5.3의 a)에 심박수만을 추가한 회귀모형

(그림 5.3의 b)의 경우 .832(p<0.05)의 수정된 결정계수를 가져 <그림 5.3>의 회

귀모형 a의 수정된 결정계수와 값의 크기가 동일하지만 추정의 표준오차는

.17332(그림 5.3의 a)에서 .17312(그림 5.3의 b)로 감소하였다. 또한

Time+BMI+Acc_Chest+Acc_Thigh+LC로 설계한 회귀모형(그림 5.3의 c)에 심박

수를 추가한 경우(그림 5.3의 d)와 심박수 추가여부와 상관없이 .834(p<0.05)의

동일한 값을 가지며 추정의 표준 오차는 .17218(그림 5.3의 c)에서 .17194(그림

5.3의 d)로 감소하였다. 비록 심박수가 본 연구의 실험에서 소비된 에너지양을

추정하는 회귀모형의 정확도를 향상시키는 역할은 못하지만, 기존 연구에서 심

박수는 에너지 소비량과 관련이 있는 산소 섭취량과 신진 대사를 대변하는 변

- 47 -

수로서 에너지 소비량을 추정하는 경우에 고려해야할 중요한 변수로 보고했으

므로[7][17][24] 본 연구에서는 심박수를 고려하였다.

페달 밟는 힘을 추가한 회귀모형의 분석결과는 다음과 같다. Time+BMI

+Acc_Chest+Acc_Thigh로 설계한 회귀모형(그림 5.3의 a)에 페달 밟는 힘을 추

가하여 얻은 회귀모형(그림 5.3의 c)은 .834(p<0.05)의 수정된 결정계수를 가지

며 <그림 5.3>의 회귀모형 a의 정확도(.832, p<0.05)보다 크고 추정의 표준 오

차는 .17218로 감소되었다. 또한 Time+BMI+Acc_Chest+Acc_Thigh+HR로 설계

한 회귀모형(그림 5.3의 b)에 페달 밟는 힘을 추가하여 얻은 회귀모형(그림 5.3

의 d)은 .834(p<0.05)의 수정된 결정계수를 가지며 <그림 5.3>의 회귀모형 b의

정확도(.832, p<0.05)보다 크고 추정의 표준 오차는 .17194로 감소되었다. 이와

같이 페달 밟는 힘은 에너지 소비량을 추정에 대하여 가속도 센서나 심박 센

서가 측정할 수 없지만 에너지 소비량과 연관이 있는 변수를 반영하여 회귀모

형의 정확도를 향상시키는 역할을 한다.

따라서 심박수와 페달 밟는 힘에 추가에 따른 회귀모형의 정확도 향상에 대

한 분석 결과에 의해 에너지 소비량 회귀방정식 도출에 심박수와 페달 밟는

힘 모두 추가되어야 한다.

- 48 -

5.3 최종 회귀모형 설계 및 검증

본 연구의 취지에 따라 자전거 운동 중 에너지 소비량을 추정하기 위한 최적

의 가속도 측정부위로 자전거 운동하는 동안, 가장 많은 움직임을 보이는 상체

인 가슴과 하체인 허벅지를 제안하며, 심박수와 페달 밟는 힘의 유의성과 회귀

모형의 정확도 향상에 기여한 점을 고려하여 회귀방정식을 도출하였다.

운동 지속 시간은 .897(p<0.05)의 상관계수를 지녀 에너지 소비량과 밀접한 관

련이 있으나, 개인의 신체적 특징인 신장, 몸무게, BMI는 고정된 상수로서

.082, .153, .136의 낮은 상관계수를 지녀 개인 한 명의 에너지 소비량 추정에

있어서 필요성이 미미하다. 하지만, 본 연구에서는 누구나 적용 가능한 다수가

대상인 에너지 소비량 추정을 목표로 하기 때문에 이 개인의 신체적 특징은

개인 간의 차이점을 줄이는 중요한 요소일 것이라는 가정을 세웠고 회귀모형

분석결과, 회귀모형의 수정된 결정계수를 향상시킨 다는 점에서 이 가정의 타

당성을 밝혔다.

따라서 이 모든 성분들(Time+BMI+Acc_Chest+Acc_Thigh+HR+LC)을 고려한

회귀모형은 회귀분석을 통하여 .834(p<0.05)의 수정된 결정계수를 가지며, 본

연구에서 제시한 방법 중에서 센서의 개수가 적어 간편성이 뛰어나다. 가속도+

심박 센서, 허벅지 가속도 센서, 페달 센서의 3개만이 필요하다. 즉, 본 연구에

서 정확도가 높으며 측정 방법이 간단한 회귀방정식을 도출하기 위하여

Time+BMI+Acc_Chest+Acc_Thigh+HR+LC을 이용한 회귀모형을 따라야 한다.

따라서 회귀방정식을 도출하기 위한 선형회귀 계수를 구하였고 그 결과는

<표 5.1>과 같다.

- 49 -

표 5.1 최종 회귀모형의 선형회귀 계수

Model Unstandardized coefficient Standardizedcoefficient

B Standard Error Beta t p-value

Constant -.070 .037 -1.868 .062

Time 1.316E-3 .000 .857 28.589 .000

BMI 1.497E-2 .001 .114 11.221 .000

Acc_Chest 1.924E-4 .000 .208 8.025 .000

Acc_Thigh -4.046E-5 .000 -.169 -4.774 .000

HR -5.319E-4 .000 .073 5.197 .000

LCSum 2.502E-6 .000 -.040 -2.477 .013

*p<0.05


선형회귀 계수들을 이용하여 다음과 같은 최종 회귀방정식을 도출하였다.

× ×

× ×

× ×EE(㎉/10sec)

Time(sec)

BMI(㎏/㎡)

(식 5.1)

피험자 21명의 데이터를 이용하여 도출된 회귀방정식의 정확성 및 유효성 그

리고 신뢰성을 평가하기 위해 회귀방정식에 적용하여 획득한 에너지 소비량의

예측값과 가스 분석기를 이용한 에너지 소비량의 측정값 사이의 차이를 관찰

하여 설계된 회귀모형의 유효성을 평가할 수 있다.

도출된 회귀방정식의 에너지 소비량 예측값과 측정값 사이의 차이를 <그림

5.4>와 같이 Bland and Altman plot으로 도식화하였다. Bland and Altman

- 50 -

plot은 측정값에서 예측값을 감산한 수치를 이용하여 표시한다.

Mean = -0.00004(㎉/10sec) Upper line = 0.3363(㎉/10sec) Lower line = -0.3363(㎉/10sec)

그림 5.4 에너지 소비량 예측값과 측정값의 Bland and Altman plot

차이값의 평균은 -0.00004(㎉/10sec), 표준편차는 0.1716(㎉/10sec), limits of

agreement는 0.3363(㎉/10sec)와 –0.3363(㎉/10sec)로 나타났다. 예측값은 측정

값과 동일한 선상에 위치하며, limits of agreement 내에 위치하는 예측값과 측

정값 사이의 차이값이 94.62%로 나타나 일치성이 높다는 것을 알 수 있다.

따라서 본 연구에서 도출한 에너지 소비량 추정식은 예측값과 측정값의 차이

가 일정한 간격을 두고 분포하고 오차의 평균이 0과 매우 유사하기 때문에 가

스 분석기를 통한 에너지 소비량과 유의하고 일치도가 우수하다는 것을 알 수

있다.

따라서 자전거 운동 중 에너지 소비량을 추정하는데 있어서 가슴과 허벅지의

가속도 성분이 신체의 움직임을 잘 반영하고 심박수와 페달 밟는 힘이 가속도

성분의 한계를 보완하여 높은 정확성과 신뢰성을 지니는 이 회귀모형의 유효

성을 제안한다.

- 51 -

제 6 장 결 론

본 연구에서는 에너지 소비량과 관련된 기존 연구가 일상생활이나 트레드밀

등을 중점적으로 이루어진 점과 자전거 운동에 대한 관심도에 비해 부족한 연

구를 착안하여 자전거 운동 중의 에너지 소비량을 추정하고 평가하는 것을 목

표로 하였다.

다수의 기존 연구에서 신체의 움직임을 측정하는 가속도 성분이 에너지 소비

량과 매우 유의한 변수일 뿐만 아니라, 비침습적이고 측정 장비의 휴대성과 간

편성이 뛰어나 에너지 소비량을 추정하는 데 가속도 센서를 사용해오고 있다.

자전거 운동의 특성에 따른 최적의 가속도 측정 부위를 찾기 위하여 여러 신

체 부위의 가속도를 측정하여 에너지 소비량과의 상관관계 분석과 회귀모형

설계를 하였다. 가슴의 가속도(r = .837, p<0.05)와 허벅지의 가속도(r = .856,

p<0.05)가 에너지 소비량을 대변하는데 효율적이기 때문에 가속도 측정 부위로

이 두 신체 부위를 제안한다.

또한 심박수와 페달 밟는 힘의 추가 여부에 대한 통계분석을 통하여 신체의

생리적 변수인 심박수(r = .723, p<0.05)는 회귀모형의 정확도 향상에는 기여하

지 않지만, 에너지 소비량을 계산하는 산소 섭취량과 선형의 관계를 보이는 생

리적 변수이므로[7][17][24] 에너지 소비량을 추정할 때, 고려해야할 중요한 변

수이다. 또한, 자전거 운동의 물리적 변수인 페달 밟는 힘(r = .686, p<0.05)은

가속도 성분으로 감지할 수 없는 성분을 측정하여 회귀모형의 정확도를 향상

시켰다. 따라서 두 성분은 에너지 소비량을 추정할 때, 고려되어야 할 변수로

밝혀졌다.

본 연구에서 제시하는 최적의 회귀모형의 요구되는 변수는 시간, BMI, 가슴의

가속도, 허벅지의 가속도, 심박수, 페달 밟는 힘이며, 이 회귀모형은 .834

- 52 -

(p<0.05)의 수정된 결정계수를 가지는 매우 유의한 에너지 소비량 추정 방법이

며, 도출된 회귀방정식을 통계분석으로 평가하여 자전거 운동 중 에너지 소비

량을 추정하는데 유효한 방법임을 검증하였다.

따라서 본 연구에서 제시한 가슴과 허벅지에 가속도 센서를 부착하고 심박수

와 페달 밟는 힘을 같이 고려하여 멀티센서(가속도 센서, 심박 센서, 페달 센

서)로 간편하게 에너지 소비량을 추정한다. 이 에너지 소비량 추정 방법은 유

의하고 정확한 에너지 소비량 예측값을 얻으므로 기존의 정확도가 높지만 일

반인이 사용하기엔 제한점이 많은 측정 장비들을 대안할 수 있을 것이라고 사

료된다. 이를 통하여 자전거 운동을 즐기는 사람들은 본인이 수행한 운동량을

확인하여 건강관리나 심적인 만족감을 얻는데 도움이 되고자 한다.

그러나 에너지 소비량 추정에 관한 기존 연구(S Brage et al, 2005; Cheryl A.

H. et al, 2009)에서 제안한 추정 방법의 정확도(R2 = .896, p<0.001; R2 = .834,

p<0.001)는 본 연구의 정확도(adjusted R2 = .834, p<0.05)보다 높으며, 오차의

표준편차는 ±0.1716(㎉/10sec)이고 최대오차는 0.7140(㎉/10sec)을 보였다. 따라

서 기존의 에너지 소비량 측정 장비를 완벽히 대체하기에는 정확성이 부족하

다. 또한 본 연구에서는 자전거 운동을 특정 실험 환경에서 진행하였기 때문

에, 야외에서 즐기는 자전거 운동의 특성으로 인해 야외에서 자전거를 이용할

때 소모되는 에너지양을 측정하여 평가할 필요가 있다.

따라서 향후 과제는 다음과 같다.

야외에서 움직이는 자전거 운동의 특성에 의해 야외에서 자전거 운동을 할

때, 본 연구에서 제안한 추정 방식의 정확도 및 유효성을 검증하는 연구가 본

연구 목적에 가장 근접한 차기 연구 과제가 될 것이다. 또한 오르막이나 내리

막, 평지와 같은 기울기 또는 저속이나 고속 주행에 따라 운동이 되는 부위와

운동 방법이 다르므로 에너지 소비량에 미치는 성분들의 관여도가 다르며, 각

- 53 -

경우에 대한 최적의 에너지 소비량 회귀모형도 달라질 것이다. 따라서 다양한

자전거 운동패턴의 분류를 이용한 에너지 소비량 추정 연구가 필요하며, 패턴

의 분류를 통한 정확도 향상 여부를 조사할 필요가 있다.

또한 본 연구에서 제안한 방법으로 에너지 소비량을 일반인들이 측정하기에

는 불편하며 실용적이지 못하다. 따라서 일반인들이 자전거 운동 중 에너지 소

비량을 측정하는 데 대한 실용성을 초점으로 하여 센서의 착용에 따른 불편함

을 줄이는 방법을 모색해야 하며, 실생활에서 자주 이용하는 핸드폰과 같은 기

기와의 무선 통신을 통한 에너지 소비량의 디스플레이에 관한 연구가 필요할

것으로 사료된다.

- 54 -

[1] 김성수, “에너지소모량의 임상 적용”, 대한비만학회, 32, 188-191, 2010

[2] 김주한, 이전, 이희영, 김영호, 이경중, “비고정식 가속도계를 이용한 운동 중 에너지소비 추정”, 전자공학회, 48, 319-326, 2011

[3] 양윤준, “운동평가와 운동처방”, Hanyang Medical Reviews, 29, 20-26,

2009

[4] 정일균, 윤진환, “휴먼 퍼포먼스와 운동생리학”, 대경북스, 2006

[5] Andrea D., Helena M., Camila F., Heloisa V., Heitor S., Raphael M.,

Fernando A., Evandro S., Jerson L., “Exercise and Mental Health: Many

Reasons to Move”, Neuropsychobiology, 59, 191-198, 2009

[6] Benzinger T. H., Kitzinger C., “Direct Calorimetry by Means of the

Gradient Principle”, Review of Scientific Instruments, 20, 849-860, 1949

[7] Berggren, Hohwu C. E., “Heart rate and body temperature as indices of

metabolic rate during work”, Arbeitsphysiologie, 14, 255-260, 1950

[8] Bouten C. V. C., Sauren A. A. H. J., Verduin M., Janssen J. D., “Effects

of placement and orientation of body-fixed accelerometers on the

assessment of energy expenditure during walking”, Medical & Biolgical

Engineering & Computing, 35, 50-56, 1997

[9] Brage S., Brage N., Franks P. W., Ekelund U., Wong M. Y., Andersen L.

B., Froberg K., Wareham N. J., “Branched equation modeling of

simultaneous accelerometry and heart rate monitoring improves estimate

of directly measured physical activity energy expenditure”, Jounal of

Applied Physiology, 96, 343-351, 2004

[10] Brage S., Brage N., Franks P. W., Ekelund U., Wareham N. J.,

“Reliability and validity of the combined heart rate and movement

sensor Actiheart”, European Journal of Clinical Nutrition, 59, 561-570,

2005

참고 문헌

- 55 -

[11] Carl J. C., Kenneth E. P., Gregory M. C., “Physical Activity, Exercise,

and Physical Fitness: Definitions and Distinctions for Health-related

Research”, Public health Reports, 100, 126-130, 1985

[12] Crouter S. E., Churilla J. R., Bassett D. R., “Estimating energy

expenditure using accelerometers”, European Journal of Applied

Physiology , 98, 601-612, 2006

[13] Crouter S. E., Clowers K. G., Bassett D. R., “A novel method for using

accelerometer data to predict energy expenditure”, Jounal of Applied

Physiology, 100, 1324-1331, 2006

[14] Crouter S., Churilla J. Bassett D., “Accuracy of the Actiheart for the

assessment of energy expenditure in adults” European Journal of

Clinical Nutrition, 62, 704-711, 2008

[15] Darren E.R., Warburton, Crystal Whitney Nicol, Shannon S.D. Bredin,

“Health benefits of physical activity: the evidence”, Canadian Medical

Association Journal, 801-809, 2006

[16] Eric J., “Human Whole Body Direct Calorimetry”, Engineering in

Medicine and Biology Magazine, IEEE, 86, 12-14, 1986

[17] Hiilloskorpi H. K., Pasanen M. E., Fogelholm M. G., Laukkanen R. M.,

Manttari A. T., “Use of Heart Rate to Predict Energy Expenditure from

Low to High Activity Levels”, International Journal of Sports Medicine,

24, 332-336, 2003

[18] Howe C. A., Staudenmayer J. W. Freedson P. S., “Accelerometer

Prediction of Energy Expenditure: Vector Magnitude Versus Vertical

Axis”, Medicine and science in sports and exercise, 41, 2199-2206, 2009

[19] James L. S., William V. R., Joan M. C., Carolyn W. M., “Comparison of

doubly labeled water, intake-balance, and direct-and indirect-calorimetry

methods for measuring energy expenditure in adult men”, American

Society for Clinical Nutrition, 52, 66-71, 1990

[20] Iannotti R. J., Claytor R. P., Horn T. S., Chen R., “Heart rate

monitoring as a measure of physical activity in children”, Medicine and

science in sports and exercise, 36, 1964-1971, 2004

- 56 -

[21] Maddison R., Jiang Y., Hoorn S. V., Mhurchu C. N., Lawes C.,

“Estimating Energy Expenditure With the RT3 Triaxial Accelerometer”,

Research Quarterly for Exercise and Sport, 80, 249-256, 2009

[22] Matarese L. E., “Indirect calorimetry: Technical aspects”, Journal of the

American Dietetic Association, 97, 154-160, 1997

[23] Mathie M. J., Coster A. C. F., Lovell N. H., Celler B. G., “Detection of

daily physical activities using a triaxial accelerometer”, Medical &

Biolgical Engineering & Computing, 41, 296-301, 2003

[24] Montgomert P. G., Green D. J., Etxemarria N., Pyne D.B., Saunders P.

U., Minahan C. L., “Validation of heart rate monitor-based predictions

of oxygen uptake and energy expenditure”, Journal of Strength and

Conditioning Research, 23, 1489-1495, 2009

[25] Pan J. Tompkins W. J.,, “A Real-Time QRS Detection Algorithm”,

Biomedical Engineering, IEEE, BME-32, 230-236, 1985

[26] Rennie K., Rowsell T., “A combined heart rate and movement sensor:

proof of concept and preliminary testing study”, European Journal of

Clinical Nutrition, 54(5), 409-414, 2000

[27] Saltzman E., Roberts S. B., “The role of energy expenditure in energy

regulation: Findings from a decade of research”, Nutrition Reviews, 53,

209-220, 1995

[28] Speakman. J. R, “The history and theory of the doubly labeled water

technique”, The American Journal of Clinical Nutrition, 68, 932-938, 1998

[29] Swain D. P., Leutholtz B. C., “EXERCISE PRESCRIPTION: A Case Study

Approach to the ACSM Guidelines”, Human Kinetics Publishers, 2002

[30] William L. H., Martin C. Y., Anthony E., Pamela J. I., “Simultaneous

measurement of heart rate and body motion to quantitate physical

activity”, American College of Sports Medicine, 25, 109-115, 1993

- 57 -

[31] Zakeri I., Adolph L. A., Puyau M. R., Vohra F. A., Butte N. F.,

“Application of cross-sectional time series modeling for the prediction of

energy expenditure from heart rate and accelerometry”, Jounal of

Applied Physiology, 1665-1673, 104, 2008

- 58 -

ABSTRACT

Research for Energy Expenditure Assessment based on

Multi-Sensor during Cycle Exercise

Young-Il, Eom

Department of Biomedical Engineering

The Graduate School

Yonsei University

Existing studies to estimate energy expenditure have been limited to everyday

life, a treadmill, running. Estimation methods, using different measurement

equipments, were proposed to eliminate spatial limitation or inconvenience of

usage of high accuracy energy expenditure measurement methods such as

direct calorimetry, indirect calorimetry. This study, proposes a measurement

method to estimate energy expenditure during cycling.

Maximal graded exercise test was applied to increase pedal revolutions and

the load applied to a rear wheel, as an experiment to estimate energy

expenditure during cycle exercise. As consistent with previous studies,

acceleration sensor, heart rate sensor and pedal sensor, to measure pedal

power, was manufactured and applied in the system to estimate energy

expenditure. Acceleration, heart rate and pedal power were measured using

this multi-sensor(acceleration sensor, acceleration+heart rate sensor, pedal

- 59 -

sensor). To find the optimal acceleration parts according to the characteristics

of cycle exercise, statistical analysis has been implemented between body part

acceleration and energy expenditure. Chest thigh were suggested as the optimal

parts of acceleration measurement. Significance between heart rate and

pedalling power and energy expenditure was observed based on correlation

analysis. The proposed regression equation of energy expenditure was derived

from time, BMI, chest acceleration, thigh acceleration, heart rate, pedalling

power. Values from gas analyzer and the estimated data from proposed

regression equation has proven that the designed regression model is

significant and accurate.

In this study, measurement method of energy expenditure using the measured

data based on multi-sensor was proposed and verified significance of the

proposed measurement method for estimation of energy expenditure during

cycle exercise.

Documents

연세대학교 대학원 의 공 학 과 엄 영 일€¦ · 운동 에너지 소비량 에너지 소비량 측정 방법 직접열량측정법 ! " # 간접열량측정법 $ ! "