ZEMCH 2019 International Conference Proceedings April.2020 | Page 166

1. Introduction 
There has been an increasing demand for indoor comfort control to raise occupant satisfaction and 
work efficiency by ensuring comfort levels [1,2]. The most widely used method utilizes the thermal 
environment indicator Fanger PMV (Predicted Mean Vote) [3]. However, there is a limit to measuring 
the  accurate  TSV  (Thermal  Sensation  Vote)  through  the  Fanger  PMV  derived  through  chamber 
experiments [4]. Various studies carried out to improve the prediction capacity of Fanger PMV [5‐7]. 
Besides the thermal environment, indoor air quality is also an important factor which affects the 
comfort levels in a room. If the indoor air quality is not secured, the occupant may feel that it is difficult 
to breathe or suffer from harmful health effects [8,9]. The PMV comfort control method does not take 
into account such air quality aspects and considers only the thermal environment, limiting its capacity 
to satisfy occupant comfort. Previous studies have looked at the correlation between PMV and carbon 
dioxide  levels—a  representative  indicator  of  air  quality.  Lee  et  al.  have  shown  that  PMV  value  and 
carbon dioxide concentration have a high correlation in an office setting with mechanical ventilation 
[10].  Kim  et al.  showed that  when developing a  PMV  prediction model  using ANN,  adding  carbon 
dioxide  as  a  variable  reduced  the  errors  although  the  difference  was  slight  [11].  As  such,  previous 
studies have looked at the relations between indoor air quality and the thermal environment, but an 
index that considers both the conditions is yet to be developed. Hence, as an initial step to develop a 
comfort indicator that integrates indoor air quality and the thermal environment, this study analyzed 
the impact of carbon dioxide concentration on TSV by taking measurements of the indoor environment 
and collecting TSV data. 
2. Methods 
2.1. Measurement 
The target space in this study was reading room #4 at S university located in Seoul, South Korea. 
where an individual air conditioning system is used without separate ventilation facilities. The room is 
open  from  6  to  12  am,  as  well  as  being  open  for  24  h  every  other  day.  The  reading  room  uses  an 
individual  HVAC  system,  which  operates  continuously,  with  no  dedicated  mechanical  ventilation 
system. As the set‐point temperature is set at the discretion of the room manager, we were unable to 
collect data regarding the set‐point temperature of the air conditioner. A reading room of a university 
library has diverse occupant density and carbon dioxide levels according to time, making it an adequate 
location to carry out the study. 
Four  physical  indicators  were  collected  as  seen  in  Table  1  to  calculate  the  PMV.  A  thermal 
environment measurement devices were installed in the center of the room to measure the mean radiant 
temperature, indoor air temperature, and indoor relative humidity, and two additional measurement 
devices were installed to measure the temperature and humidity near the windows. The metabolic rate 
and  clo  levels  were  set  at  1.0  met  and  0.75  clo,  and  the  air  velocity  was  assumed  to  be  0.1  m/s.  To 
measure from the actual location where the occupants breathe sitting in their chairs, the carbon dioxide 
concentration  measurement  devices  were  installed  at  two  locations  at  the  center  of  the  room  at  the 
height of 1 m. The number of occupants was collected hourly using the library app, and the collected 
data was used to analyze its correlation with carbon dioxide levels. 
Table 1. Measurement Overview 
Location  S university library reading room 
(Capacity: 264) 
Term  2019/03/22~2019/04/30 
(3/22~4/7: Non Examination, 4/8~4/30: Examination) 
Elements & Instruments 
155
Wet bulb globe Temp. 
FPA805GTS 
ZEMCH 2019 International Conference l Seoul, Korea