KR101591735B1 - Method for providing Information Pollution of Indoor Air Quality in Large Building - Google Patents
Method for providing Information Pollution of Indoor Air Quality in Large Building Download PDFInfo
- Publication number
- KR101591735B1 KR101591735B1 KR1020150075689A KR20150075689A KR101591735B1 KR 101591735 B1 KR101591735 B1 KR 101591735B1 KR 1020150075689 A KR1020150075689 A KR 1020150075689A KR 20150075689 A KR20150075689 A KR 20150075689A KR 101591735 B1 KR101591735 B1 KR 101591735B1
- Authority
- KR
- South Korea
- Prior art keywords
- indoor air
- air quality
- pollution
- prediction
- indoor
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004887 air purification Methods 0.000 claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 27
- 231100000719 pollutant Toxicity 0.000 claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000003905 indoor air pollution Methods 0.000 claims abstract description 23
- 238000009423 ventilation Methods 0.000 claims abstract description 16
- 238000011109 contamination Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012731 temporal analysis Methods 0.000 claims description 4
- 238000000700 time series analysis Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 238000001179 sorption measurement Methods 0.000 claims description 3
- 238000010790 dilution Methods 0.000 claims description 2
- 239000012895 dilution Substances 0.000 claims description 2
- 206010073310 Occupational exposures Diseases 0.000 claims 1
- 230000002500 effect on skin Effects 0.000 claims 1
- 231100000675 occupational exposure Toxicity 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000011161 development Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000005399 mechanical ventilation Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000003326 Quality management system Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F24F11/02—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
- G01N21/61—Non-dispersive gas analysers
Landscapes
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Human Resources & Organizations (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
Description
본 발명은 실내공기질의 예측을 통한 오염 정보 제공 방법에 관한 것으로, 보다 상세하게는 대형 건물의 곳곳에 설치된 센서 장치의 측정 데이터를 활용하여 실내공기질의 오염 상태를 예측하며, 공기정화에 필요한 사물들의 공기정화 능력치를 적용하여 공기정화 예측 정보를 제공함으로써 쾌적한 환경질을 확보하도록 하는 실내공기질의 예측을 통한 오염 정보 제공 방법에 관한 것이다.The present invention relates to a method of providing pollution information by predicting indoor air quality, more particularly, to a method of predicting a pollution state of an indoor air quality by using measurement data of a sensor device installed in a large building, The present invention relates to a method of providing pollution information by predicting indoor air quality that provides air purification prediction information by applying air purification ability values to ensure a pleasant environmental quality.
대부분의 도시민은 건축물 내에서 하루의 대부분을 보내기 때문에, 실내공기질은 도시민의 건강에 직접적인 영향을 줄 수 있다. 즉, 한정된 공간 속에서 인공적인 설비를 통하여 계속적으로 순환되는 오염된 공기에 노출되거나, 환기설비가 없는 밀폐된 공간에서 오랫동안 생활함으로써 각종 인체 유해 오염물질들을 흡입하게 됨으로써 각종 호흡기 관련 질환에 시달리고 있는 현대인이 증가하고 있다. Indoor air quality can have a direct impact on the health of the urban population, since most urbanites spend most of their day in buildings. In other words, it is exposed to the polluted air continuously circulating through the artificial facility in the confined space, or by living in the closed space without the ventilation equipment for a long time, it sucks harmful pollutants of various human body, Is increasing.
최근 실내 환경문제가 국민건강의 주요 이슈로 부각되면서 주요 오염물질에 대한 실시간 관리의 필요성이 대두되고 있다. 특히, 최근 경제적 수준과 과학의 발달에 따라 복잡하고 다양한 생활용품, 건축 내장재 등으로부터 다양한 오염물질이 방출되는 등 실내공간에서 생활하는 거주자들로부터 빌딩 증후군 증상을 호소하는 사례가 증가하고 있다. Recently, indoor environmental problems are becoming a major issue of public health, and there is a need for real - time management of major pollutants. Especially, recently, according to the economic level and the development of science, there are increasing cases in which the building syndrome symptoms are appealed from the residents living in the indoor space, such as various pollutants released from complicated and various household goods and interior materials.
실내공기질 관리법에 포함되는 법적 대상 시설인 주요 다중이용시설을 대상으로 2006년부터 국립환경과학원과 한국환경 공단에서 실내공기질 자동측정망(TMS)을 운영하여 측정결과를 실시간으로 제공하고 있다. 그러나 대형건물에서 오염도를 측정할 수 있는 지점 한정되어 있으며, 실내공기질을 예측할 수 있는 프로그램 등이 마련되어 있지 않고 있는 실정이다. Since 2006, the National Environmental Science Institute and the Korea Environment Corporation have been operating the indoor air quality monitoring system (TMS) for major multi-use facilities, which are included in the indoor air quality management law, and provide measurement results in real time. However, it is limited to the point where the pollution degree can be measured in a large building, and there is no program for predicting indoor air quality.
또한, 실내공기질의 개선을 통하여 다중시설을 이용하는 국민에게 쾌적한 실내 환경을 제공하기 위해서 제정된 "다중이용시설 등의 실내공기질관리법"이 실질적인 효과를 거두기 위해서는 다중시설의 실내공기질에 대한 기초자료를 과학적이고 체계적으로 축적하여야 한다. 과학적이고 효율적인 실내공기질 관리를 위해서는 다양한 실내공간의 공기질에 대한 기초자료의 확보가 선행되어야 한다. In order to achieve the practical effect of the "indoor air quality control law of multi-use facilities", which was established to provide a pleasant indoor environment to the people using multiple facilities through improvement of indoor air quality, basic data on indoor air quality of multi- And accumulate systematically. For scientific and efficient indoor air quality management, it is necessary to acquire basic data on air quality of various indoor spaces.
하지만, 실내공기질은 시간에 따른 편차가 심하기 때문에 간헐적인 시료 채취 및 분석을 통해서는 의미 있는 자료의 축적에 많은 인력과 시간이 요구된다. 이는 시설에 따라서 시설을 이용하는 사람의 수가 시간별, 계절별로 차이가 있기 때문이다. 이러한 간헐적인 수동 측정의 단점을 극복하고 효과적인 자료의 수집을 위해서는 실시간 정보수집 체제의 구축이 필요하며, 측정된 데이터를 바탕으로 능동적인 대처할 수 있도록 실내 오염도 정보를 예측하고 제공해주는 시스템의 필요성이 대두되고 있다.However, since the indoor air quality fluctuates with time, it requires a lot of manpower and time to accumulate meaningful data through intermittent sampling and analysis. This is because there are differences in the number of people who use the facility depending on the facility and the time and season. In order to overcome the disadvantages of this intermittent manual measurement and to collect effective data, it is necessary to construct a real-time information collection system, and the necessity of a system to forecast and provide indoor pollution information to actively cope with the measured data is needed .
종래에 실내 공기의 오염도를 평가하는 에어 체크(Air check) 프로그램이 제공되었으며, 에어 체크 프로그램은 실내 공기 오염에 대한 전문적인 지식이 부족한 설계자나 시공자가 내장재 및 거주 사항 등을 손쉽게 입력하여 실내 공기 오염 농도를 간이적으로 예측하는 것이다.An air check program has been provided to evaluate indoor air pollution degree. The air check program is designed to prevent indoor air pollution by designers or constructors who have insufficient knowledge about indoor air pollution. The concentration is predicted simply.
이러한 에어 체크 프로그램은 일반인들의 실내공기 오염 문제에 대해 인식을 높이고 거주 공간에 대하여 손쉽게 실내공기 오염 정도를 파악하며, 이에 대한 저감 대책을 수립할 수 있는 정보 환경을 제공해줄 수 있지만, 다수의 실내 공간으로 구획되는 대형 건물에 대한 실내공기 오염 예측이 불가능하다는 문제점이 있다. Such an air check program can provide an information environment for raising awareness of the indoor air pollution problem of the general public, easily grasping the degree of indoor air pollution in a residence space, and establishing measures for reducing the indoor air pollution. However, It is impossible to predict the indoor air pollution in a large building partitioned by the indoor air.
또한, 대부분의 에어 체크 프로그램은 사용 대상에 따라 일반인용 및 전문가용으로 구분되어 있어 일반인과 전문가에게 제공되는 프로그램이 차이가 있으며, 일반인의 경우에 전문적인 실내공기질의 진단 및 평가가 불가능하다는 문제점이 있다.'In addition, most air check programs are divided into general users and experts according to their use, so there is a difference between the programs provided to the general public and the experts, and the problem that the public can not diagnose and evaluate the indoor air quality professionally have.'
또한, 에어 체크 프로그램은 실내 공기 오염에 대한 전문적인 지식이 부족한 사용자의 건축자재 및 실 정보 등의 입력 정보에 따라 실내 오염물질 거동을 간략 모델로 해석하고, 실내공기 오염 물질의 표준화된 측정 및 평가법, 측정 장비의 미비, 관련 기준 및 제도의 미흡 등으로 인하여 정밀도가 낮은 실내 공기질의 평가가 이루어질 수밖에 없고, 그로 인해 실내공기질 개선에 정확한 자료로 사용될 수 없다는 문제점이 있다.In addition, the Air Check program interprets indoor pollutant behavior as a simple model according to input information such as user's building materials and room information, which lacks expert knowledge on indoor air pollution, and provides a standardized measurement and evaluation method of indoor air pollutants , The lack of measuring equipment, the lack of relevant standards and systems, and so on, it is inevitable to evaluate the indoor air quality with a low precision, and as a result, it can not be used as accurate data for improving indoor air quality.
본 발명은 다양한 유형의 오염원에 따라 오염물질을 측정하는 센서 장치로부터 발생되는 측정 데이터를 기초로 하여 오염물질의 농도를 예측하여 정보를 제공하고, 대형 건물에 설치된 공기정화장치의 공기정화 능력치를 현재 실내공기질의 오염 상태에 적용할 경우에 예상되는 공기정화 예측 정보를 제공함으로써 능동적으로 대형건물의 실내공기질을 관리할 수 있는 실내공기질의 예측을 통한 오염 정보 제공 방법을 제공한다. The present invention provides information by predicting the concentration of pollutants based on measurement data generated from a sensor device for measuring pollutants in accordance with various types of pollutants, The present invention provides a method of providing pollution information by predicting indoor air quality that can actively manage the indoor air quality of large buildings by providing predicted air purification prediction information when applied to the polluted state of indoor air quality.
실시예들 중에서, 실내공기질의 예측을 통한 오염 정보 제공 방법은, 대형 건물의 실내에 설치되어 실내공기질 또는 온열 환경을 측정하는 다수의 센서 장치를 통해 측정 데이터를 수집하여 실내공기 오염 상태를 분석하는 모니터링 서버에 의해 수행되는 실내공기질의 예측을 통한 오염정보 제공 방법에 있어서, 상기 측정 데이터에 기초하여 실내 공기 오염 상태를 실시간으로 모델링하여 실내 공기질의 오염을 예측하여 오염 예측지수를 산출하는 단계; 상기 오염 예측지수를 이용하여 실내공기질에 대한 오염 등급을 산출하고, 사물 인터넷을 통해 공기정화에 필요한 사물들의 공기정화 능력치를 산출하는 단계; 및 상기 오염 등급과 공기정화 능력치에 기초하여 실내공기질의 공기정화 상태를 예측하여 공기정화 예측정보를 산출하는 단계를 포함하는 것을 특징으로 한다.Among the embodiments, a method for providing pollution information through prediction of indoor air quality includes collecting measurement data through a plurality of sensor devices installed in a room of a large building and measuring indoor air quality or a warm environment, and analyzing the indoor air pollution state A method for providing pollution information through prediction of indoor air quality performed by a monitoring server, the method comprising: modeling indoor air pollution state based on the measurement data in real time to predict pollution of indoor air quality; Calculating a pollution degree for the indoor air quality by using the pollution prediction index and calculating air purification ability values of objects necessary for the air purification through the object Internet; And estimating the air purification state of the indoor air quality based on the pollution degree and the air cleaning ability value to calculate air purification prediction information.
상기 대형 건물에 설치된 적어도 하나 이상의 디스플레이 장치를 통해 상기 실내공기질의 오염 등급, 상기 공기정화 능력치 또는 상기 공기정화 예측 정보를 표시하는 단계를 더 포함하는 것을 특징으로 한다.And displaying the pollution degree, the air purification capability value or the air purification prediction information of the indoor air quality through at least one display device installed in the large building.
상기 다수의 센서 장치는, 온도 센서, 습도 센서, 실내공기질 측정기 중 적어도 하나 이상을 포함하는 것을 특징으로 한다.The plurality of sensor devices may include at least one of a temperature sensor, a humidity sensor, and an indoor air quality measuring device.
상기 측정 데이터에 기초하여 실내 공기 오염 상태를 실시간으로 모델링하여 실내 공기질의 오염을 예측하여 오염 예측지수를 산출하는 단계는, 실내공간의 오염물질의 방출, 희석, 제거, 노출의 일련 과정에 따라 방출 모델과 IAQ(Indoor Air Quality) 모델, 재실자의 오염물질에 대한 노출 정도와 개개인의 오염물질 반응도를 해석하는 노출 모델과 위해도 모델로 분류되어 실시간 실내공기 오염 상태를 모델링하는 모델링 단계; 및 실내 환경 조건에서 시간 경과에 따라 관측되는 측정 데이터들 간의 상관관계를 이용하여 관측값을 산출하고, 상기 관측값을 이용하여 상기 실내공기질의 모델을 식별한 후 상기 식별한 모델의 통계적 영향인자를 추정하여 실내공기질의 오염을 예측하여 오염 예측지수를 산출하는 예측 단계를 포함하는 것을 특징으로 한다.The step of modeling the indoor air pollution state based on the measurement data in real time to predict the pollution of the indoor air quality and calculating the pollution forecasting index may include calculating a pollution prediction index based on the indoor air pollution, Modeling the indoor air pollution condition by classifying it as an exposure model and a risk model for analyzing the model, the IAQ (Indoor Air Quality) model, the occupant exposure to the pollutant and the individual pollutant reactivity; And an indoor air quality modeling unit that calculates an observation value by using a correlation between measurement data observed over time in indoor environment conditions, identifies the indoor air quality model using the observation value, And a prediction step of estimating a contamination prediction index by predicting contamination of the indoor air quality.
상기 모델링 단계에서, 상기 방출 모델은 방출원의 방출 특성인 시간에 다른 방출량의 변화를 예측하고, 상기 IAQ 모델은 환기, 흡착, 재방출 효과(Skin effect), 방출 특성을 고려하여 실내 오염 농도를 예측하며, 상기 노출 모델은 재실자의 재실율, 행동 패턴을 반영하여 재실자가 노출되는 오염물질의 농도를 예측하고, 상기 위해도 모델은 흡입률, 재실자의 오염물질 반응도를 고려하여 위해도를 평가하는 것을 특징으로 한다.In the modeling step, the emission model predicts a change in another emission amount in time that is the emission characteristic of the emission source, and the IAQ model calculates the indoor pollution concentration in consideration of ventilation, adsorption, re- And the exposure model predicts the concentration of the pollutant exposed to the occupant by reflecting the occupancy rate and behavior pattern of the occupant, and the risk model evaluates the risk by considering the inhalation rate and the pollutant response of the occupant .
상기 오염 예측지수를 이용하여 실내공기질에 대한 오염 등급을 산출하고, 사물 인터넷을 통해 공기정화에 필요한 사물들의 공기정화 능력치를 산출하는 단계는, 상기 대형 건물의 실내공간에 설치된 사물별로 환기량, 공기청정량 또는 냉난방량을 수집하고, 상기 환기량, 공기청정량 또는 냉난방량에 공기정화 기여도에 따라 서로 다른 가중치를 부여한 값들을 합산하여 공기정화 능력치를 산출하는 것을 특징으로 한다.The step of calculating the pollution degree for the indoor air quality by using the pollution prediction index and calculating the air purification ability value of the objects necessary for the air purification through the object Internet may include calculating the air pollution level by the object installed in the indoor space of the large building, The air purification capability value is calculated by collecting the quantities or the cooling and heating amounts and summing the values of the ventilation amount, the air purifying amount or the cooling / heating amount given different weights according to the air purifying contribution.
상기 예측 단계는, 다중선형회귀분석 방식, 인공신경망 방식, 순환 인공신경망(Recurrent Neural Network) 방식, 시계열 분석 방식 중 어느 하나의 방식을 적용하는 것을 특징으로 한다.The prediction step may be implemented by any one of a polynomial linear regression analysis method, an artificial neural network method, a recurrent neural network method, and a time series analysis method.
본 발명은 실시간 예측 프로그램 기술 개발, 위해성을 고려한 예측 프로그램 개발, 환기를 고려한 실내공기질 예측기술 개발 등을 수행함으로써, 실내공기질의 실시간 자료를 이용한 실내공기질 관리 방안, 실내외에서 유입 또는 발생한 오염물질을 효과적으로 제거하는 기술의 평가 및 적용기법, 자연환기 및 기계환기 시스템 계획 및 적용방안 등 실내공기질에 대한 다각적 측면에서 활용될 수 있는 효과가 있다. The present invention relates to an indoor air quality management method using real-time data of indoor air quality by developing real-time prediction program technology, developing a prediction program considering risks, and developing indoor air quality prediction technology considering ventilation, And the ventilation system of the natural ventilation system and the application plan of the indoor air quality can be utilized in various aspects.
또한, 본 발명은 대형건물의 오염 예측지수를 통해 현재 오염 등급을 확인할 수 있고, 미래의 오염도 특성 변화를 반영한 예측정보를 제공함으로써 공기정화 능력치에 대한 환기시설 조절 등을 통해 항상 쾌적한 실내공기질을 유지시킬 수 있는 효과가 있다. In addition, the present invention can confirm the current pollution level through the pollution prediction index of a large building and provide predictive information reflecting changes in the pollution degree of the future, thereby maintaining a pleasant indoor air quality by controlling the ventilation facility against the air cleaning ability value There is an effect that can be made.
본 발명은 유비쿼터스 기술, 실내공기질 제어 및 관리 기술이 실시간 실내공기질을 모니터링 할 수 있는 대형건물의 통합관리 시스템과 상호 보완적으로 운영되어 오염원 부하 예측 및 유해인자 초고속 검출, 실내공기질 제어 및 관리에 더욱 효과가 크게 발휘될 수 있고, 국내의 실내공기질 대응 기술의 수준을 한층 끌어올릴 수 있는 효과가 있다. The present invention is complemented by an integrated management system of a large building capable of monitoring real-time indoor air quality, such as ubiquitous technology, indoor air quality control and management technology, so as to predict pollutant loads, detect high- The effect can be greatly exerted, and the level of domestic indoor air quality control technology can be further enhanced.
도 1은 본 발명의 일 실시예에 따른 실내공기질의 예측을 통한 오염 정보 제공 시스템을 설명하는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 실내공기질의 예측을 통한 오염 정보 제공 방법을 설명하는 순서도이다.
도 3은 도 2의 실내공기질 모델링 과정에 적용되는 모델을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 실내공기질의 예측을 통한 오염 정보 제공 방법에 따른 테스트배드 구조를 설명하는 도면이다.1 is a block diagram illustrating a contamination information providing system through prediction of indoor air quality according to an embodiment of the present invention.
2 is a flowchart illustrating pollution information providing methods by predicting indoor air quality according to an embodiment of the present invention.
3 is a view for explaining a model applied to the indoor air quality modeling process of FIG.
4 is a view for explaining a test bed structure according to a pollution information providing method through prediction of indoor air quality according to an embodiment of the present invention.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The description of the present invention is merely an example for structural or functional explanation, and the scope of the present invention should not be construed as being limited by the embodiments described in the text. That is, the embodiments are to be construed as being variously embodied and having various forms, so that the scope of the present invention should be understood to include equivalents capable of realizing technical ideas. Also, the purpose or effect of the present invention should not be construed as limiting the scope of the present invention, since it does not mean that a specific embodiment should include all or only such effect.
한편, 본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.Meanwhile, the meaning of the terms described in the present invention should be understood as follows.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.The terms "first "," second ", and the like are intended to distinguish one element from another, and the scope of the right should not be limited by these terms. For example, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.It is to be understood that when an element is referred to as being "connected" to another element, it may be directly connected to the other element, but there may be other elements in between. On the other hand, when an element is referred to as being "directly connected" to another element, it should be understood that there are no other elements in between. On the other hand, other expressions that describe the relationship between components, such as "between" and "between" or "neighboring to" and "directly adjacent to" should be interpreted as well.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.It should be understood that the singular " include "or" have "are to be construed as including a stated feature, number, step, operation, component, It is to be understood that the combination is intended to specify that it does not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.In each step, the identification code (e.g., a, b, c, etc.) is used for convenience of explanation, the identification code does not describe the order of each step, Unless otherwise stated, it may occur differently from the stated order. That is, each step may occur in the same order as described, may be performed substantially concurrently, or may be performed in reverse order.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, unless otherwise defined. Commonly used predefined terms should be interpreted to be consistent with the meanings in the context of the related art and can not be interpreted as having ideal or overly formal meaning unless explicitly defined in the present invention.
도 1은 본 발명의 일 실시예에 따른 실내공기질의 예측을 통한 오염 정보 제공 시스템을 설명하는 블록도이다.1 is a block diagram illustrating a contamination information providing system through prediction of indoor air quality according to an embodiment of the present invention.
도 1을 참고하면, 대형 건물의 실내공기질 관리 시스템은, 다수의 센서 장치(100), 모니터링 서버(200), 공기정화장치(300), 모바일 클라우드 서버(400) 및 사용자 단말기(500)를 포함한다.1, the indoor air quality management system of a large building includes a plurality of
센서 장치(100)는 대형 건물의 실내에 설치되어 실내공기질 또는 온열 환경을 측정하여 무선데이터패킷 형태의 측정 데이터를 모니터링 서버(200)로 전송한다. 센서 장치(100)는 지그비 통신 방식을 이용하여 무선데이터 패킷을 송수신하는 지그비 모듈을 포함하고, 지그비 모듈은 멀티홉 기능을 이용하여 라우터 역할을 수행한다. The
이러한 센서 장치(100)는 온도 센서(110), 습도 센서(120), 실내공기질 측정기(140) 중 적어도 하나 이상을 포함한다.The
모니터링 서버(200)는 실내오염물질과 실내환경 인자들을 실시간으로 모니터링하고, 다수의 센서장치(100)에서 수집한 측정 데이터를 기초로 실내공질에 대한 오염 등급을 산출하고, 환기장치, 냉난방 시스템, 공기청정기 등의 사물 인터넷에 연결된 사물들의 공기정화 능력치를 이용해 현재 오염 등급으로부터 개선될 수 있는 공기정화 예측 정보를 제공한다. The
즉, 모니터링 서버(200)는 무선 네트워크를 통해 다수의 센서 장치(100)의 측정 데이터를 수집하여 실내공기 오염 상태를 실시간 모델링하여 실내공기질의 오염을 예측하여 오염 예측지수를 산출하고, 오염 예측지수를 이용하여 실내공기질의 오염 등급을 산출한 후 사물 인터넷을 통해 공기정화에 필요한 사물, 즉 환기장치, 냉난방 시스템, 공기청정기 등의 공기정화장치(300)의 공기정화 능력치를 산출한다.That is, the
모니터링 서버(200)는 현재 실내공기질의 오염 등급에 공기정화 능력치를 적용할 경우에 예상되는 공기정화 예측 정보를 디스플레이 장치(도시되지 않음)에 표시하거나 사용자 단말기(500)에 제공한다. The
공기정화장치(300)는 사물인터넷을 통해 모니터링 서버(200)로 환기량, 공기청정량 또는 냉난방량에 대한 정보를 제공한다. 이때, 모니터링 서버(200)는 실내공간별로 공기정화장치(300)의 개수, 종류, 용량 등에 대한 정보를 수집하여 데이터베이스에 저장하고, 공기정화장치(300)에 대한 정보를 추가, 삭제, 수정한다. The
한편, 모니터링 서버(200)는 무선 네트워크를 통해 모바일 클라우드 서비스 제공을 위한 클라우드 어플리케이션을 저장 및 제공하는 모바일 클라우드 서버(400)와 연동될 수 있다.Meanwhile, the
모바일 클라우드 서버(400)는 모니터링 서버(200)에서 제공되는 실내공기질의 오염 등급, 공기정화 예측 정보 등의 오염 정보 관련 데이터들 또는 실내공간에 대한 공간정보 데이터를 이용하여 사용자 단말기(500)에 실내공기질 관련 서비스를 제공하기 위한 모바일 클라우드 서비스를 제공한다. 또한, 모바일 클라우드 서버(400)는 사용자 단말기(500)에 모바일 클라우드 서비스를 실행하기 위한 실내공기질 정보 제공 어플리케이션을 제공한다.The
따라서, 사용자 단말기(500)는 실내공기질 정보 제공 어플리케이션을 제공받아 실행함으로써 개별 실내공간, 그룹 실내공간, 전체 실내공간에 대한 실내공기질의 오염 등급, 공기정화장치(300)의 공기정화 능력치, 공기정화 예측 정보를 확인할 수 있다. Accordingly, the
여기서, 사용자 단말기(500)는 데스크탑 컴퓨터, 랩탑 컴퓨터, 스마트폰, PDA(Personal Digital Assistant), PMP(Portable Multimedia Player), 태블릿 PC 등의 네트워크 접속이 가능한 통신 기기일 수 있으며, 그 종류에 제한이 없다. Here, the
도 2는 도 1은 본 발명의 일 실시예에 따른 실내공기질의 예측을 통한 오염 정보 제공 방법을 설명하는 순서도이고, 도 3은 도 2의 실내공기질 모델링 과정에 적용되는 모델을 설명하는 도면이다.FIG. 2 is a flowchart for explaining a method for providing pollution information through prediction of indoor air quality according to an embodiment of the present invention, and FIG. 3 is a view for explaining a model applied to the indoor air quality modeling process of FIG.
도 2 및 도 3을 참고하면, 모니터링 서버(200)는 다수의 센서장치(100)로부터 실내공기질 또는 실내 환경 조건인 온열 상태를 측정한 측정 데이터를 수집하고, 실내공기질 모델링 알고리즘(210)을 통해 측정 데이터를 분석하여 실내공기 오염 상태를 실시간으로 모델링한다.(S1 및 S2)Referring to FIGS. 2 and 3, the
실내공기질 모델링 알고리즘(210)은 방출원의 방출 특성, 방출 특성과 환기, 흡착 또는 재방출을 고려하여 실내 오염 농도 예측, 재실자의 재실율 또는 행동 패턴을 반영하여 재실자에 의해 노출되는 오염물질 농도 예측, 흡입률 또는 재실자의 오염물질 반응도를 고려하여 위해도 평가를 수행하여 실내공기질 모델을 실시간 산출한다.The indoor air
실내공기질 모델링 알고리즘(210)은 도 3에 도시된 바와 같이, 오염물질의 방출, 희석, 제거, 노출의 일련의 과정에 따라 방출 모델(211)과 IAQ 모델(212), 재실자의 오염물질에 대한 노출 정도와 개개인의 오염물질 반응도를 해석할 수 있는 노출 모델(213)과 위해도 모델(214)로 분류될 수 있다.3, the indoor air
즉, 방출 모델(211)은 방출원의 방출 특성인 시간에 다른 방출량의 변화를 예측하고, IAQ 모델(212)은 환기, 흡착, 재방출 효과(Skin effect), 방출 특성을 고려하여 실내 오염 농도를 예측하며, 노출 모델(213)은 재실자의 재실율, 행동 패턴을 반영하여 재실자가 노출되는 오염물질의 농도를 예측하고, 위해도 모델(214)은 흡입률, 재실자의 오염물질 반응도를 고려하여 위해도를 평가한다. That is, the
실내공기질 예측 알고리즘은 실내 환경 조건에서 시간 경과에 따라 관측되는 측정 데이터들 간의 상관관계를 이용하여 관측값을 산출하고, 관측값을 이용하여 실내공기질 모델링 알고리즘(210)에서 실시간 모델링된 모델을 식별한 후 식별한 모델의 통계적 영향 인자를 추정하여 재실자 활동도 또는 외부공기질 유입에 따른 실내공기질의 오염을 예측하여 오염 예측지수를 산출한다.(S3)The indoor air quality prediction algorithm calculates the observation value using the correlation between the measurement data observed over time in the indoor environment condition and identifies the model that is modeled in real time by the indoor air
실내공기질 예측 알고리즘은 다중선형회귀분석, 인공신경망, 순환 인공신경망(Recurrent Neural Network), 시계열 분석 등의 다양한 방법을 적용하여 실내공기질의 오염을 예측한다. The indoor air quality prediction algorithm predicts indoor air pollution by applying various methods such as multiple linear regression analysis, artificial neural network, recurrent neural network, and time series analysis.
실내공기질 예측 알고리즘이 시계열 분석 방식을 적용한 경우에, 시계열(관측값)을 이용하여 적절한 모델의 형태를 식별하는 과정, 관측값을 이용하여 식별된 모델의 모수(parameter)를 추정하는 과정, 선정된 모델이 시계열 체계를 잘 설명하고 있는지를 유의성을 확인하여 유의하면 모델을 확정하고, 유의하지 않으면 모델 식별 과정으로 회귀하는 모델 진단 과정, 확정된 모델을 이용하여 미래 실내공기질의 오염에 대한 예측 결과를 생성하는 예측 과정으로 이루어진다. In the case of applying the time series analysis method to the indoor air quality prediction algorithm, a process of identifying the appropriate model type using a time series (observation value), a process of estimating a parameter of the identified model using the observation value, If the model is confirmed by confirming the significance of the model, the model is confirmed. If not, the model diagnosis process that returns to the model identification process and the predicted result of the indoor air quality contamination And a prediction process to generate the prediction result.
이와 같이, 실내공기질 예측 알고리즘은 통계적 영향 인자를 도출하고, 다변량 분석 등의 공급 통계 분석을 수행하며, 인공 신경망 등을 이용한 데이터마이닝 기법을 통해 관측값을 도출하고, 실내공기질 관리 및 제어 기능과 연동될 수 있어 외부 공기질 유입에 따른 영향을 고려하여 실내공기질의 오염에 대한 예측 결과를 산출할 수 있다. In this way, the indoor air quality prediction algorithm derives statistical influence factors, performs supply statistical analysis such as multivariate analysis, derives observation values through data mining using artificial neural network, and correlates with indoor air quality management and control functions It is possible to calculate the predicted result of the pollution of the indoor air quality in consideration of the influence due to the inflow of the external air.
모니터링 서버(200)는 실내공기질의 오염도에 대한 오염 예측 지수를 이용하여 실내공기질의 오염 등급을 산출한다.(S4) 이때, 실내공기질의 오염 등급은 예측 지수 100~80이면 쾌적, 예측 지수 80~60이면 표준, 예측 지수 60~40이면 불쾌, 예측 지수 40이하이면 위험으로 4등급을 구분될 수 있지만, 대형 건물의 실내공기질 관리 정책에 따라 세분화될 수 있다. The
모니터링 서버(200)는 실내공간의 단위 구역 또는 그룹, 층, 전체에 설치된 공기정화장치(300)에 대한 환기량, 공기청정량 또는 냉난방량에 대한 정보를 수집하고, 공기정화 기여도에 따라 환기량(V), 공기청정량(C) 또는 냉난방량(CH)에 서로 다른 가중치(
이때, 가중치(
모니터링 서버(200)는 현재 실내공기질의 오염 등급에 공기정화 능력치를 적용할 경우에 예상되는 공기정화 예측 정보를 산출하여 디스플레이장치 또는 사용자 단말기(500)에 표시한다.(S6) 현재 실내공기질의 오염 등급이 위험인 경우에 현재 실내공기질에 공기정화 능력치를 적용하여 공기정화장치를 1시간 동안 풀 가동시 위험 등급에서 표준 등급으로 실내공기질이 상향되거나, 공기정화장치를 2시간 동안 1/2 가동시 위험 등급에서 표준 등급으로 실내공기질이 상향될 수 있다고 가정한다.The
이때, 공기정화 예측 정보는 현재 실내공기질 상태 정보, 현재 실내공기질 상태에서 공기정화 능력치 적용시 개선된 실내공기질 상태 정보를 포함한다. 예를 들어, 공기정화 예측 정보는 "실내공기질 : 위험 → 표준(1시간, 공기정화 풀가동) ' 또는 '실내공기질 : 위험 → 표준(2시간, 공기정화 1/2 가동)'이 될 수 있다. At this time, the air purification prediction information includes current indoor air quality state information, and indoor air quality state information improved when applying the air purification capability value in the current indoor air quality state. For example, the air purification prediction information can be "indoor air quality: danger → standard (1 hour, air purification pool operation)" or "indoor air quality: danger → standard (2 hours, air purification 1/2 operation)" .
이때, 디스플레이장치는 디지털 사이니지 등의 전광판 등으로 대형 건물의 입구 또는 각 실내공간의 입출구 쪽에 다수 개가 설치되어 모니터링 서버(200)를 통해 전송되는 실내공기질에 대한 정보를 출력할 수 있다. At this time, a plurality of display devices are installed on the entrance of the large building or the entrance and exit of each indoor space, such as a digital signage or the like, to output information on indoor air quality transmitted through the
모니터링 서버(200)는 실내공기질에 대해 실시간 모니터링한 결과를 그래프, 그림, 텍스트 등의 보고서 형태로 출력하는 보고서 기능, 통신장애 또는 오염 등급에 따라 관리자에게 문자, 메일 등으로 통보하는 알림 서비스 기능, 모바일 클라우드 서버(400)와 연동하여 기등록된 사용자 단말기(500)의 보안 등급에 따라 실내공기질 관련 정보를 제공하는 연동 기능 등을 수행한다. The
도 4는 본 발명의 일 실시예에 따른 실내공기질의 예측을 통한 오염 정보 제공 방법에 따른 테스트배드 구조를 설명하는 도면이다.4 is a view for explaining a test bed structure according to a pollution information providing method through prediction of indoor air quality according to an embodiment of the present invention.
도 4에 도시된 바와 같이, 실내공기질 관리 시스템은 실내환경 모니터링 센서 장치(100)에서 발생한 측정 데이터를 전송하기 위한 프로토콜 규격을 작성하고, M2M 기술 및 스마트 그리드 기술을 이용하여 대형 건물의 실내공기질 통합 관리에 적합한 응용계층 프로토콜을 정의하고, 이를 적용한 테스트배드를 구축할 수 있다. As shown in FIG. 4, the indoor air quality management system creates a protocol specification for transmitting measurement data generated in the indoor environmental
또한, 실내공기질 관리 시스템은 실내 환경에서의 멀티홉 기능을 이용하여 지그비 모듈을 센서 장치(100)에 설치하고, 대형 건물의 오염물질 중 다양한 인자를 고려하기 위한 인공신경망과 고급 통계학적 기법을 적용한 데이터마이닝을 통해 실내공기질의 영향 인자를 선정하고, 공기정화장치(300)와 연계하여 외부 공기질 유입에 따른 영향을 고려하여 실내공기질을 예측할 수 있다. In addition, the indoor air quality management system includes a ZigBee module installed in the
이때, 대형 건물의 곳곳에 설치된 다수의 센서 장치(100)는 모니터링 서버(200)로 측정 데이터들을 전송하는데, 무선이 도달하기 힘든 영역에 속하는 층간이나 꺾인 곳, 주위에 전파 장애가 의심되는 곳 등으로부터 측정 데이터를 모니터링 서버(200)로 보내기 위해 센서 장치(100), 특히 실내공기질 측정기가 라우터 역할을 수행할 수 있다. At this time, a plurality of
또는 대형 건물의 매 층마다 지그비 코디네이터(150)를 설치하고, 지그비 코디네이터(150)가 센서 장치(100)와 모니터링 서버(200) 사이의 중간 노드가 될 수 있도록 한다. Or the
지그비 통신은 저전력, 저가격, 사용의 용이성을 가진 근거리 무선 센서 네트워크의 기술로서, 이러한 지그비 통신 방식을 이용할 경우에, 확장된 검출 노드 증대를 기대할 수 있고, 더욱 효율적인 전송 속도를 이용하여 더욱 신속한 측정 데이터의 취득 및 추가적인 센서의 정보 취득에도 능동적으로 대응할 수 있다. Zigbee communication is a technology of a short-range wireless sensor network with low power, low cost, and ease of use. When such a Zigbee communication method is used, an extended detection node can be expected to be increased. And can actively cope with the acquisition of additional sensor information.
이와 같이, 본 발명의 일 실시예에 따른 실내공기질의 예측을 통한 오염 정보 제공 방법은 실내공기질의 오염에 대한 예측을 통해 실시간으로 실내공기질의 오염 정도를 모니터링할 수 있고, 실내공기질의 오염 예측 결과와 공기정화장치(300)의 공기정화 능력치를 활용하여 공기정화 예측 정보를 확인할 수 있고, 그로 인해 대형 건물에서 발생 가능한 실내공기오염 문제를 사전에 대응할 수 있다. 또한, 현재 발생하고 있는 대형 건물의 실내공기오염 문제의 해결에 기여할 수 있다. As described above, the pollution information providing method by predicting indoor air quality according to an embodiment of the present invention can monitor the pollution degree of indoor air quality in real time through prediction of pollution of indoor air quality, And air purifying performance information of the
대형 건물에 설치된 각종 오염물질의 측정 데이터를 이용함으로써 실내외 공기질 유해인자인 온도, 습도, 이산화탄소, 미세먼지, 이산화질소, 일산화탄소, 부유세균, 휘발성 유기화합물 등의 실시간 현황 등을 파악할 수 있어 재실자의 위험도를 고려한 환기장치 및 오염물질 침투방지장치의 가동 등 구체적인 대응책을 수립할 수 있다. 이러한 과정을 통해 실질적인 실내공기질을 개선할 수 있어 실내 유해물질에 노출된 위험성을 줄일 수 있고 궁극적으로 국민 건강의 증진에도 크게 기여할 수 있다. By using measurement data of various pollutants installed in a large building, it is possible to know the indoor and outdoor air quality harmful factors such as temperature, humidity, carbon dioxide, fine dust, nitrogen dioxide, carbon monoxide, floating bacteria and volatile organic compounds in real time. It is possible to establish concrete countermeasures such as the operation of the ventilation device and the contaminant penetration prevention device considered. Through this process, it is possible to improve indoor indoor air quality, thereby reducing the risk of exposure to indoor harmful substances, and ultimately contributing greatly to promotion of public health.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the present invention as defined by the following claims It can be understood that
100 : 센서 장치 200 : 모니터링 서버
210 : 실내공기질 모델링 알고리즘
300 : 공기정화장치 400 : 모바일 클라우드 서버
500 : 사용자 단말기 100: Sensor device 200: Monitoring server
210: Indoor Air Quality Modeling Algorithm
300: air purifier 400: mobile cloud server
500: User terminal
Claims (7)
상기 측정 데이터에 기초하여 실내 공기 오염 상태를 실시간으로 모델링하여 실내 공기질의 오염을 예측하여 오염 예측지수를 산출하는 단계;
상기 오염 예측지수를 이용하여 실내공기질에 대한 오염 등급을 산출하고, 사물 인터넷을 통해 공기정화에 필요한 사물들의 공기정화 능력치를 산출하는 단계; 및
상기 오염 등급과 공기정화 능력치에 기초하여 실내공기질의 공기정화 상태를 예측하여 공기정화 예측정보를 산출하는 단계를 포함하는 것을 특징으로 하는 실내공기질의 예측을 통한 오염 정보 제공 방법.
A method of providing pollution information by predicting indoor air quality performed by a monitoring server installed in a large building and collecting measurement data through a plurality of sensor devices for measuring indoor air quality or a warm environment, As a result,
Estimating a contamination prediction index by predicting contamination of the indoor air quality by modeling the indoor air pollution state in real time based on the measurement data;
Calculating a pollution degree for the indoor air quality by using the pollution prediction index and calculating air purification ability values of objects necessary for the air purification through the object Internet; And
And predicting an air purification state of the indoor air quality based on the pollution degree and the air cleaning ability value to calculate air purification prediction information.
상기 대형 건물에 설치된 적어도 하나 이상의 디스플레이 장치를 통해 상기 실내공기질의 오염 등급, 상기 공기정화 능력치 또는 상기 공기정화 예측 정보를 표시하는 단계를 더 포함하는 것을 특징으로 하는 실내공기질의 예측을 통한 오염 정보 제공 방법.
The method according to claim 1,
Further comprising the step of displaying the pollution degree, the air purification capability value or the air purification prediction information of the indoor air quality through at least one or more display devices installed in the large building. Way.
상기 다수의 센서 장치는, 온도 센서, 습도 센서, 실내공기질 측정기 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 실내공기질의 예측을 통한 오염 정보 제공 방법.
The method according to claim 1,
Wherein the plurality of sensor devices include at least one of a temperature sensor, a humidity sensor, and an indoor air quality measuring device.
상기 측정 데이터에 기초하여 실내 공기 오염 상태를 실시간으로 모델링하여 실내 공기질의 오염을 예측하여 오염 예측지수를 산출하는 단계는,
실내공간의 오염물질의 방출, 희석, 제거, 노출의 일련 과정에 따라 방출 모델과 IAQ(Indoor Air Quality) 모델, 재실자의 오염물질에 대한 노출 정도와 개개인의 오염물질 반응도를 해석하는 노출 모델과 위해도 모델로 분류되어 실시간 실내공기 오염 상태를 모델링하는 모델링 단계; 및
실내 환경 조건에서 시간 경과에 따라 관측되는 측정 데이터들 간의 상관관계를 이용하여 관측값을 산출하고, 상기 관측값을 이용하여 상기 실내공기질의 모델을 식별한 후 상기 식별한 모델의 통계적 영향인자를 추정하여 실내공기질의 오염을 예측하여 오염 예측지수를 산출하는 예측 단계를 포함하는 것을 특징으로 하는 실내공기질의 예측을 통한 오염 정보 제공 방법.
The method according to claim 1,
Calculating a pollution prediction index by predicting contamination of the indoor air quality by modeling the indoor air pollution state in real time based on the measurement data,
The exposure model, the IAQ (Indoor Air Quality) model, the exposure model to interpret occupational exposure to pollutants and the individual's response to pollutants in response to a series of pollutant release, dilution, Modeling step to model real - time indoor air pollution status; And
The method of claim 1, further comprising the steps of: calculating an observation value using a correlation between measurement data observed over time in an indoor environmental condition; identifying a model of the indoor air quality using the observation value; And estimating a pollution prediction index by predicting contamination of the indoor air quality.
상기 모델링 단계에서, 상기 방출 모델은 방출원의 방출 특성인 시간에 다른 방출량의 변화를 예측하고,
상기 IAQ 모델은 환기, 흡착, 재방출 효과(Skin effect), 방출 특성을 고려하여 실내 오염 농도를 예측하며,
상기 노출 모델은 재실자의 재실율, 행동 패턴을 반영하여 재실자가 노출되는 오염물질의 농도를 예측하고,
상기 위해도 모델은 흡입률, 재실자의 오염물질 반응도를 고려하여 위해도를 평가하는 것을 특징으로 하는 실내공기질의 예측을 통한 오염 정보 제공 방법.
5. The method of claim 4,
In the modeling step, the emission model predicts a change in another emission amount in time, which is an emission characteristic of the emission source,
The IAQ model predicts indoor pollution concentration considering ventilation, adsorption, skin effect, and discharge characteristics,
The exposure model predicts the concentration of pollutants exposed by the occupant reflecting the occupancy rate and behavior pattern of the occupant,
Wherein the risk model evaluates the risk in consideration of the intake rate and the pollutant response of the occupant.
상기 오염 예측지수를 이용하여 실내공기질에 대한 오염 등급을 산출하고, 사물 인터넷을 통해 공기정화에 필요한 사물들의 공기정화 능력치를 산출하는 단계는,
상기 대형 건물의 실내공간에 설치된 사물별로 환기량, 공기청정량 또는 냉난방량을 수집하고, 상기 환기량, 공기청정량 또는 냉난방량에 공기정화 기여도에 따라 서로 다른 가중치를 부여한 값들을 합산하여 공기정화 능력치를 산출하는 것을 특징으로 하는 실내공기질의 예측을 통한 오염 정보 제공 방법.
The method according to claim 1,
Calculating a pollution degree for the indoor air quality by using the pollution prediction index and calculating an air purification ability value of objects necessary for air purification through the Internet,
Air purifying amount or cooling / heating amount is collected for each object installed in the large space of the large building and the values given different weights according to the air purifying contribution to the ventilation amount, the air purifying amount or the cooling / heating amount are summed up to calculate the air purifying ability value And estimating the indoor air quality based on the estimated indoor air quality.
상기 예측 단계는, 다중선형회귀분석 방식, 인공신경망 방식, 순환 인공신경망(Recurrent Neural Network) 방식, 시계열 분석 방식 중 어느 하나의 방식을 적용하는 것을 특징으로 하는 실내공기질의 예측을 통한 오염 정보 제공 방법.
5. The method of claim 4,
Wherein the prediction step is performed by any one of a polynomial linear regression analysis method, an artificial neural network method, a recurrent neural network method, and a time series analysis method. .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150075689A KR101591735B1 (en) | 2015-05-29 | 2015-05-29 | Method for providing Information Pollution of Indoor Air Quality in Large Building |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150075689A KR101591735B1 (en) | 2015-05-29 | 2015-05-29 | Method for providing Information Pollution of Indoor Air Quality in Large Building |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101591735B1 true KR101591735B1 (en) | 2016-02-11 |
Family
ID=55351750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150075689A KR101591735B1 (en) | 2015-05-29 | 2015-05-29 | Method for providing Information Pollution of Indoor Air Quality in Large Building |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101591735B1 (en) |
Cited By (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107023947A (en) * | 2017-04-01 | 2017-08-08 | 青岛海尔空调器有限总公司 | A kind of method and Air Quality Evaluation system for evaluating IAQ |
| WO2017142346A1 (en) * | 2016-02-17 | 2017-08-24 | 코웨이 주식회사 | System and method for managing air quality, and analysis server |
| KR101771053B1 (en) * | 2016-04-26 | 2017-08-25 | 인천대학교 산학협력단 | Method and apparatus for determining real-time comprehensive indoor air quality index |
| KR20190084911A (en) * | 2019-06-27 | 2019-07-17 | 엘지전자 주식회사 | Intelligent Air Cleaner and Control Method therof |
| KR102008388B1 (en) * | 2018-08-29 | 2019-08-07 | 한국화학연구원 | An air pollution mixture composite risk assessment apparatus, a method thereof and a recording medium thereof |
| KR20190093529A (en) * | 2019-07-22 | 2019-08-09 | 엘지전자 주식회사 | Artificial intelligence for guiding arrangement location of air cleaning device and operating method thereof |
| KR20190096310A (en) * | 2019-04-23 | 2019-08-19 | 엘지전자 주식회사 | Artificial intelligence device |
| KR102027821B1 (en) * | 2019-04-10 | 2019-10-02 | 주식회사 아이티로 | Method, apparatus and computer-readable recording medium for providing place recommendation service based on harmful fine particle analysis result and cleanning service through analyze harmful fine particle |
| KR102029994B1 (en) | 2018-12-28 | 2019-10-08 | 이종한 | System for monitoring and alarming air quality and harmful gas of indoor |
| KR102008855B1 (en) * | 2018-12-11 | 2019-10-21 | 주식회사 에어콕 | Indoor air quality measurement and ventilation control sharing platform service provision system |
| KR20200026613A (en) * | 2018-09-03 | 2020-03-11 | 재단법인 한국공기안전원 | Indoor air quality evaluation system |
| KR102100739B1 (en) * | 2019-06-19 | 2020-04-14 | 한국물환경 주식회사 | Method for predicting fine dust occurrence of target area |
| KR20200064196A (en) | 2018-11-23 | 2020-06-08 | 평택대학교 산학협력단 | AIR QUALITY MONITORING SYSTEM OF INDOOR SPACE WITH IoT BASED INDOOR GARDEN |
| EP3623712A3 (en) * | 2018-09-12 | 2020-06-24 | Lg Electronics Inc. | Artificial intelligence device and artificial intelligence system for managing indoor air condition |
| KR102130497B1 (en) * | 2019-05-17 | 2020-07-06 | 조흔우 | Air Quality Control System and Method |
| KR20200080463A (en) | 2018-12-26 | 2020-07-07 | 김도조 | Smart infil System based on Plant air purification |
| KR102166528B1 (en) | 2020-07-14 | 2020-10-15 | 한신정보 주식회사 | System for 3d-monitoring of enclosed space |
| WO2021010505A1 (en) * | 2019-07-12 | 2021-01-21 | 엘지전자 주식회사 | Intelligent air purifier, and indoor air quality control method and control device using intelligent air purifier |
| CN112417553A (en) * | 2020-11-16 | 2021-02-26 | 东南大学 | Limited sensor arrangement strategy and intelligent ventilation system of industrial building |
| KR20210049769A (en) * | 2018-12-20 | 2021-05-06 | 한국전자기술연구원 | Smart Home Airconditioner Automatic control system based on Artificial Intelligence |
| KR20210064629A (en) | 2019-11-26 | 2021-06-03 | 전남대학교산학협력단 | Method and system for predicting ventilation mode based on artificial neural network |
| EP3818309A4 (en) * | 2018-07-02 | 2021-07-07 | Telefonaktiebolaget Lm Ericsson (Publ) | Air quality control system and management |
| KR102288426B1 (en) * | 2021-01-21 | 2021-08-12 | 주식회사 리벤츠 | Air quality controllers, systems and methods for managing them |
| KR20210103016A (en) * | 2020-02-12 | 2021-08-23 | 전주대학교 산학협력단 | Outdoor air puification system |
| KR102296505B1 (en) * | 2021-01-20 | 2021-09-02 | 주식회사 워터코리아 | IoT system that can improve and manage water quality in real time and predict climate change |
| KR102338086B1 (en) * | 2021-01-21 | 2021-12-14 | 어썸레이 주식회사 | Machine learning-based air conditioner and control method thereof |
| WO2022005127A1 (en) * | 2020-06-29 | 2022-01-06 | 어썸레이 주식회사 | Machine learning-based air conditioning apparatus and control method thereof |
| KR20220068719A (en) * | 2020-11-19 | 2022-05-26 | 전남대학교산학협력단 | Method and System of virtually monitoring indoor-air-quality using Artificial Neural Network |
| KR20220093613A (en) | 2020-12-28 | 2022-07-05 | 주식회사 인그리드 | A Enclosed Space Monitoring System Based Digital Twin |
| CN115096357A (en) * | 2022-06-07 | 2022-09-23 | 大连理工大学 | Indoor environment quality prediction method based on CEEMDAN-PCA-LSTM |
| CN115238807A (en) * | 2022-07-29 | 2022-10-25 | 中用科技有限公司 | AMC detection method based on artificial intelligence |
| KR102493719B1 (en) * | 2022-05-16 | 2023-02-06 | 주식회사 에어콕 | Integrated air quality prediction system |
| CN116307911A (en) * | 2023-03-27 | 2023-06-23 | 北京市永康药业有限公司 | Injection production condition monitoring method and system |
| KR20230094480A (en) | 2021-12-21 | 2023-06-28 | 유메이 주식회사 | Measuring device for managing indoor air quality and notification method for improving air quality |
| RU2799893C1 (en) * | 2022-10-28 | 2023-07-13 | федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский университет "Высшая школа экономики" | System for predicting the spatial distribution of harmful substances in the atmospheric air |
| CN117907294A (en) * | 2024-01-04 | 2024-04-19 | 深圳市安保医疗感控科技股份有限公司 | Microorganism density detection method, microorganism density detection device, electronic device, and readable storage medium |
| KR20240062350A (en) | 2022-10-31 | 2024-05-09 | 주식회사 위고컴퍼니 | Method for managing indoor air quality based blockchain |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003030567A (en) * | 2001-07-18 | 2003-01-31 | Toda Constr Co Ltd | System and server for predicting indoor air contamination, and program therefor |
| KR100509332B1 (en) * | 2004-08-25 | 2005-08-18 | 주식회사 에어로네트 | Iaq control method based on contaminant concentration for various ventilation modes of energy saving, and network-based iaq control system |
| JP2006292209A (en) * | 2005-04-07 | 2006-10-26 | Matsushita Electric Ind Co Ltd | Ventilation device and network household electric appliance system using ventilation device |
| KR101204328B1 (en) * | 2011-11-30 | 2012-11-23 | 세종대학교산학협력단 | Smart ventilation system and method for controlling smart ventilation |
| KR101306434B1 (en) | 2012-02-28 | 2013-09-09 | 경희대학교 산학협력단 | SYSTEM AND METHOD FOR ANAYLYZING INDOOR AIR-QUALITY in consideration of health risk |
-
2015
- 2015-05-29 KR KR1020150075689A patent/KR101591735B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003030567A (en) * | 2001-07-18 | 2003-01-31 | Toda Constr Co Ltd | System and server for predicting indoor air contamination, and program therefor |
| KR100509332B1 (en) * | 2004-08-25 | 2005-08-18 | 주식회사 에어로네트 | Iaq control method based on contaminant concentration for various ventilation modes of energy saving, and network-based iaq control system |
| JP2006292209A (en) * | 2005-04-07 | 2006-10-26 | Matsushita Electric Ind Co Ltd | Ventilation device and network household electric appliance system using ventilation device |
| KR101204328B1 (en) * | 2011-11-30 | 2012-11-23 | 세종대학교산학협력단 | Smart ventilation system and method for controlling smart ventilation |
| KR101306434B1 (en) | 2012-02-28 | 2013-09-09 | 경희대학교 산학협력단 | SYSTEM AND METHOD FOR ANAYLYZING INDOOR AIR-QUALITY in consideration of health risk |
Cited By (56)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102572499B1 (en) * | 2016-02-17 | 2023-08-30 | 코웨이 주식회사 | System and method of controlling air quality, and analyzing server |
| KR20170096730A (en) * | 2016-02-17 | 2017-08-25 | 코웨이 주식회사 | System and method of controlling air quality, and analyzing server |
| JP2019510188A (en) * | 2016-02-17 | 2019-04-11 | コーウェイ カンパニー リミテッドＣｏｗａｙ Ｃｏ．， Ｌｔｄ． | Air quality management system and method, and analysis server |
| WO2017142346A1 (en) * | 2016-02-17 | 2017-08-24 | 코웨이 주식회사 | System and method for managing air quality, and analysis server |
| CN108701336A (en) * | 2016-02-17 | 2018-10-23 | 豪威株式会社 | System and method for managing air quality and Analysis server |
| US10775068B2 (en) | 2016-02-17 | 2020-09-15 | Coway Co., Ltd. | System and method for managing air quality, and analysis server |
| KR101771053B1 (en) * | 2016-04-26 | 2017-08-25 | 인천대학교 산학협력단 | Method and apparatus for determining real-time comprehensive indoor air quality index |
| CN107023947B (en) * | 2017-04-01 | 2019-12-31 | 青岛海尔空调器有限总公司 | Method for evaluating indoor air quality and air quality evaluation system |
| CN107023947A (en) * | 2017-04-01 | 2017-08-08 | 青岛海尔空调器有限总公司 | A kind of method and Air Quality Evaluation system for evaluating IAQ |
| EP3818309A4 (en) * | 2018-07-02 | 2021-07-07 | Telefonaktiebolaget Lm Ericsson (Publ) | Air quality control system and management |
| KR102008388B1 (en) * | 2018-08-29 | 2019-08-07 | 한국화학연구원 | An air pollution mixture composite risk assessment apparatus, a method thereof and a recording medium thereof |
| KR20200026613A (en) * | 2018-09-03 | 2020-03-11 | 재단법인 한국공기안전원 | Indoor air quality evaluation system |
| KR102186311B1 (en) * | 2018-09-03 | 2020-12-03 | 재단법인 한국공기안전원 | Indoor air quality evaluation system |
| US11466886B2 (en) | 2018-09-12 | 2022-10-11 | Lg Electronics Inc. | Artificial intelligence device and artificial intelligence system for managing indoor air condition |
| EP3623712A3 (en) * | 2018-09-12 | 2020-06-24 | Lg Electronics Inc. | Artificial intelligence device and artificial intelligence system for managing indoor air condition |
| KR20200064196A (en) | 2018-11-23 | 2020-06-08 | 평택대학교 산학협력단 | AIR QUALITY MONITORING SYSTEM OF INDOOR SPACE WITH IoT BASED INDOOR GARDEN |
| KR102008855B1 (en) * | 2018-12-11 | 2019-10-21 | 주식회사 에어콕 | Indoor air quality measurement and ventilation control sharing platform service provision system |
| WO2020122514A1 (en) * | 2018-12-11 | 2020-06-18 | 주식회사 에어콕 | Indoor air quality measurement and ventilation control sharing platform service provision system |
| KR102371180B1 (en) | 2018-12-20 | 2022-03-07 | 한국전자기술연구원 | Smart Home Airconditioner Automatic control system based on Artificial Intelligence |
| KR20210049769A (en) * | 2018-12-20 | 2021-05-06 | 한국전자기술연구원 | Smart Home Airconditioner Automatic control system based on Artificial Intelligence |
| KR20200080463A (en) | 2018-12-26 | 2020-07-07 | 김도조 | Smart infil System based on Plant air purification |
| KR102029994B1 (en) | 2018-12-28 | 2019-10-08 | 이종한 | System for monitoring and alarming air quality and harmful gas of indoor |
| KR102027821B1 (en) * | 2019-04-10 | 2019-10-02 | 주식회사 아이티로 | Method, apparatus and computer-readable recording medium for providing place recommendation service based on harmful fine particle analysis result and cleanning service through analyze harmful fine particle |
| KR20190096310A (en) * | 2019-04-23 | 2019-08-19 | 엘지전자 주식회사 | Artificial intelligence device |
| KR102608051B1 (en) * | 2019-04-23 | 2023-11-30 | 엘지전자 주식회사 | Artificial intelligence device |
| KR102130497B1 (en) * | 2019-05-17 | 2020-07-06 | 조흔우 | Air Quality Control System and Method |
| KR102100739B1 (en) * | 2019-06-19 | 2020-04-14 | 한국물환경 주식회사 | Method for predicting fine dust occurrence of target area |
| KR102273034B1 (en) * | 2019-06-27 | 2021-07-06 | 엘지전자 주식회사 | Intelligent Air Cleaner and Control Method therof |
| KR20190084911A (en) * | 2019-06-27 | 2019-07-17 | 엘지전자 주식회사 | Intelligent Air Cleaner and Control Method therof |
| US11402114B2 (en) | 2019-06-27 | 2022-08-02 | Lg Electronics Inc. | Smart air purifier system with first and second air purifiers and method for controlling the same |
| US11619413B2 (en) | 2019-07-12 | 2023-04-04 | Lg Electronics Inc. | Intelligent air cleaner, indoor air quality control method and control apparatus using intelligent air cleaner |
| WO2021010505A1 (en) * | 2019-07-12 | 2021-01-21 | 엘지전자 주식회사 | Intelligent air purifier, and indoor air quality control method and control device using intelligent air purifier |
| US11307593B2 (en) | 2019-07-22 | 2022-04-19 | Lg Electronics Inc. | Artificial intelligence device for guiding arrangement location of air cleaning device and operating method thereof |
| KR20190093529A (en) * | 2019-07-22 | 2019-08-09 | 엘지전자 주식회사 | Artificial intelligence for guiding arrangement location of air cleaning device and operating method thereof |
| KR102286137B1 (en) * | 2019-07-22 | 2021-08-06 | 엘지전자 주식회사 | Artificial intelligence for guiding arrangement location of air cleaning device and operating method thereof |
| KR20210064629A (en) | 2019-11-26 | 2021-06-03 | 전남대학교산학협력단 | Method and system for predicting ventilation mode based on artificial neural network |
| KR20210103016A (en) * | 2020-02-12 | 2021-08-23 | 전주대학교 산학협력단 | Outdoor air puification system |
| KR102322302B1 (en) * | 2020-02-12 | 2021-11-05 | 전주대학교 산학협력단 | Outdoor air puification system |
| WO2022005127A1 (en) * | 2020-06-29 | 2022-01-06 | 어썸레이 주식회사 | Machine learning-based air conditioning apparatus and control method thereof |
| KR102166528B1 (en) | 2020-07-14 | 2020-10-15 | 한신정보 주식회사 | System for 3d-monitoring of enclosed space |
| CN112417553A (en) * | 2020-11-16 | 2021-02-26 | 东南大学 | Limited sensor arrangement strategy and intelligent ventilation system of industrial building |
| KR20220068719A (en) * | 2020-11-19 | 2022-05-26 | 전남대학교산학협력단 | Method and System of virtually monitoring indoor-air-quality using Artificial Neural Network |
| KR102408444B1 (en) | 2020-11-19 | 2022-06-13 | 전남대학교산학협력단 | Method and System of virtually monitoring indoor-air-quality using Artificial Neural Network |
| KR20220093613A (en) | 2020-12-28 | 2022-07-05 | 주식회사 인그리드 | A Enclosed Space Monitoring System Based Digital Twin |
| KR102296505B1 (en) * | 2021-01-20 | 2021-09-02 | 주식회사 워터코리아 | IoT system that can improve and manage water quality in real time and predict climate change |
| KR102338086B1 (en) * | 2021-01-21 | 2021-12-14 | 어썸레이 주식회사 | Machine learning-based air conditioner and control method thereof |
| KR102288426B1 (en) * | 2021-01-21 | 2021-08-12 | 주식회사 리벤츠 | Air quality controllers, systems and methods for managing them |
| KR20230094480A (en) | 2021-12-21 | 2023-06-28 | 유메이 주식회사 | Measuring device for managing indoor air quality and notification method for improving air quality |
| KR102493719B1 (en) * | 2022-05-16 | 2023-02-06 | 주식회사 에어콕 | Integrated air quality prediction system |
| CN115096357A (en) * | 2022-06-07 | 2022-09-23 | 大连理工大学 | Indoor environment quality prediction method based on CEEMDAN-PCA-LSTM |
| CN115238807A (en) * | 2022-07-29 | 2022-10-25 | 中用科技有限公司 | AMC detection method based on artificial intelligence |
| CN115238807B (en) * | 2022-07-29 | 2024-02-27 | 中用科技有限公司 | AMC detection method based on artificial intelligence |
| RU2799893C1 (en) * | 2022-10-28 | 2023-07-13 | федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский университет "Высшая школа экономики" | System for predicting the spatial distribution of harmful substances in the atmospheric air |
| KR20240062350A (en) | 2022-10-31 | 2024-05-09 | 주식회사 위고컴퍼니 | Method for managing indoor air quality based blockchain |
| CN116307911A (en) * | 2023-03-27 | 2023-06-23 | 北京市永康药业有限公司 | Injection production condition monitoring method and system |
| CN117907294A (en) * | 2024-01-04 | 2024-04-19 | 深圳市安保医疗感控科技股份有限公司 | Microorganism density detection method, microorganism density detection device, electronic device, and readable storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101591735B1 (en) | Method for providing Information Pollution of Indoor Air Quality in Large Building | |
| Dong et al. | Modeling occupancy and behavior for better building design and operation—A critical review | |
| Chong et al. | Occupancy data at different spatial resolutions: Building energy performance and model calibration | |
| Balvedi et al. | A review of occupant behaviour in residential buildings | |
| Collinge et al. | Indoor environmental quality in a dynamic life cycle assessment framework for whole buildings: Focus on human health chemical impacts | |
| Cao et al. | Electrical load prediction of healthcare buildings through single and ensemble learning | |
| Kim et al. | Monitoring and prediction of indoor air quality (IAQ) in subway or metro systems using season dependent models | |
| KR101629809B1 (en) | System for providing forcast of indor air quality in large building | |
| Babaei et al. | A study and a directory of energy consumption data sets of buildings | |
| Khan et al. | Method for long-term mapping of occupancy patterns in open-plan and single office spaces by using passive-infrared (PIR) sensors mounted below desks | |
| Dutton et al. | Health and economic implications of natural ventilation in California offices | |
| Sarnat et al. | Spatiotemporally resolved air exchange rate as a modifier of acute air pollution-related morbidity in Atlanta | |
| Sofuoglu et al. | The link between symptoms of off ice building occupants and in-office air pollution: the Indoor Air Pollution Index. | |
| Moschandreas et al. | Scenario–model–parameter: a new method of cumulative risk uncertainty analysis | |
| Harmer et al. | Using calibrated energy models for building commissioning and load prediction | |
| Li et al. | Estimation of PM2. 5 infiltration factors and personal exposure factors in two megacities, China | |
| Desvars-Larrive et al. | High-risk regions and outbreak modelling of tularemia in humans | |
| Ji et al. | Quantifying improvement of building and zone level thermal resilience by cooling retrofits against summertime heat events | |
| Broitman et al. | Forecasting health effects potentially associated with the relocation of a major air pollution source | |
| Rastogi et al. | An IoT-based discrete time Markov chain model for analysis and prediction of indoor air quality index | |
| Liu et al. | Protecting a whole building from critical indoor contamination with optimal sensor network design and source identification methods | |
| Miller et al. | Estimating ambient-origin PM2. 5 exposure for epidemiology: observations, prediction, and validation using personal sampling in the Multi-Ethnic Study of Atherosclerosis | |
| Zhang et al. | Investigating the impact of filters on long-term particle concentration measurements in residences (RP-1649) | |
| Sultan | Estimates of associated outdoor particulate matter health risk and costs reductions from alternative building, ventilation and filtration scenarios | |
| Li et al. | Study on the influencing factors on indoor PM2. 5 of office buildings in Beijing based on statistical and machine learning methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20190129 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20200129 Year of fee payment: 5 |