KR102066871B1 - 대기질 측정 방법 및 대기질 측정 시스템 - Google Patents
대기질 측정 방법 및 대기질 측정 시스템 Download PDFInfo
- Publication number
- KR102066871B1 KR102066871B1 KR1020190102499A KR20190102499A KR102066871B1 KR 102066871 B1 KR102066871 B1 KR 102066871B1 KR 1020190102499 A KR1020190102499 A KR 1020190102499A KR 20190102499 A KR20190102499 A KR 20190102499A KR 102066871 B1 KR102066871 B1 KR 102066871B1
- Authority
- KR
- South Korea
- Prior art keywords
- measurement data
- measurement
- mobile
- fixed
- air quality
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 59
- 238000005259 measurement Methods 0.000 claims abstract description 493
- 238000000691 measurement method Methods 0.000 claims abstract description 52
- 238000012937 correction Methods 0.000 claims description 75
- 230000007613 environmental effect Effects 0.000 claims description 61
- 238000013473 artificial intelligence Methods 0.000 claims description 17
- 230000008901 benefit Effects 0.000 abstract description 13
- 239000000428 dust Substances 0.000 description 50
- 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 5
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- LSNNMFCWUKXFEE-UHFFFAOYSA-N Sulfurous acid Chemical compound OS(O)=O LSNNMFCWUKXFEE-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/1012—Calibrating particle analysers; References therefor
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
Landscapes
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Dispersion Chemistry (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은, 고정형 측정장치 기반의 대기질 측정 방식(이하, 고정형 측정 방식) 및 이동형 측정장치 기반의 대기질 측정 방식(이하, 이동형 측정 방식)의 장점만을 취하고 한계점을 균형있게 극복할 수 있는, 새로운 방식의 대기질 측정 방법을 실현하기 위한 것이다.
Description
본 발명은, 미세먼지 등과 관련된 대기질을 측정하는 기술에 관한 것으로서, 더욱 상세하게는 고해상도(높은 공간 해상도)의 대기질 데이터를 구성/제공할 수 있는 기술에 관한 것이다.
사람의 건강 보호와 쾌적한 환경 조성을 위해서는 대기질(또는, 대기환경)이 무엇보다 중요하며, 이와 같은 대기질을 정의하기 위한 항목들은 온도, 습도, 오존(O3), 미세먼지, 초미세먼지, 아황산가스, 이산화질소, 일산화탄소 등으로 구분될 수 있다.
특히, 최근에는 미세먼지, 초미세먼지에 대한 관심이 급격히 커지고 있다.
한편, 전술과 같은 대기질을 측정 및 확인을 위한 기존의 측정장치는, 고정밀의 측정 데이터를 제공할 수 있는 장점에도 불구하고, 부피가 크고 많은 비용을 필요로 하기 때문에 고정된 위치(장소)에 설치되어 운영되었으며 그 운영 개수도 만족할 만한 수준으로 설치하기 어려웠다.
이로 인해, 기존 측정장치(이하, 고정형 측정장치)의 경우 고정된 위치에서 광범위한 구역을 관측 구역으로 할 수 밖에 없는 단점이 있다.
따라서, 고정형 측정장치 기반의 대기질 측정 방식에서는, 고정형 측정장치가 갖는 단점(고정된 위치, 광범위한 관측 구역, 긴 측정 주기 등)으로 인해, 실제 생활권을 정밀하게 표현할 수 없는 낮은 공간 해상도의 대기질 데이터를 얻게 되므로 실제 사람들이 체감하는 대기질과 큰 차이가 발생할 수 밖에 없다.
한편, 기존 고정형 측정장치가 갖는 단점(고정된 위치, 광범위한 관측 구역, 긴 측정 주기 등)으로 인한 대기질 측정 방식의 한계점을 극복하고자, 이동형 측정장치가 등장하였다.
헌데, 이동형 측정장치의 경우, 낮은 비용, 실시간 측정 데이터, 많은 운영 개수로 인한 높은 공간 해상도의 대기질 데이터 생성 등의 장점이 있지만, 측정 데이터(측정값)의 정확도가 떨어지고 오차가 크기 때문에 이로부터 얻어지는 대기질 데이터의 신뢰성이 낮은 한계점이 있다.
이에, 본 발명에서는, 고정형 측정장치 및 이동형 측정장치를 모두 활용하여, 고정형 측정장치 기반의 대기질 측정 방식(이하, 고정형 측정 방식) 및 이동형 측정장치 기반의 대기질 측정 방식(이하, 이동형 측정 방식)의 장점만을 취하고 한계점을 균형있게 극복할 수 있는, 새로운 방식의 대기질 측정 방법을 제안하고자 한다.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 고정형 측정장치 기반의 대기질 측정 방식(이하, 고정형 측정 방식) 및 이동형 측정장치 기반의 대기질 측정 방식(이하, 이동형 측정 방식)의 장점만을 취하고 한계점을 균형있게 극복할 수 있는, 새로운 방식의 대기질 측정 방법을 실현하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 관점에 따른 대기질 측정 방법은, 측정구역 내 고정형 측정 장치로부터 대기질에 대한 고정형 측정 데이터를 획득하는 단계; 상기 측정구역 내를 이동하는 이동체에 설치된 이동형 측정 장치로부터 대기질에 대한 이동형 측정 데이터를 획득하는 단계; 상기 이동형 측정 데이터에 대하여 외부 환경요인을 고려한 편차 보정을 수행하는 보정단계; 상기 고정형 측정 데이터 및 상기 보정 수행된 이동형 측정 데이터를 연계하여, 상기 측정구역 내 대기질이 미 측정된 지점의 측정 데이터를 계산하여 추정하는 추정단계; 및 상기 고정형 측정 데이터와 상기 보정 수행된 이동형 측정 데이터 및 상기 추정한 측정 데이터를 반영하여, 상기 측정구역에 대한 대기질 데이터를 생성하는 단계를 포함한다.
구체적으로, 상기 외부 환경요인은, 이동형 측정 장치가 설치된 이동체가 이동하는 이동속도, 이동 지점의 습도 등 기상정보, 이동 경로의 교통량 등을 포함할 수 있다.
구체적으로, 상기 보정단계는, 특정 이동형 측정 장치로부터 획득한 이동형 측정 데이터에, 상기 특정 이동형 측정 장치와 관련하여 기 설정된 외부 환경요인 별 영향도를 이용하여 계산되는 보정수치를 반영하여, 상기 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다.
구체적으로, 상기 외부 환경요인 별 영향도는, 고정형 측정 데이터 및 이동형 측정 데이터가 겹치는 구간에서 수집 및 누적한 외부 환경요인 별 요인값을 기준으로, 고정형 측정 데이터 및 이동형 측정 데이터 간 상관관계 분석을 통해 설정될 수 있다.
구체적으로, 상기 보정단계는, 이동형 측정 데이터, 고정형 측정 데이터 및 외부 환경요인 별 요인값을 기반으로 학습되는 인공지능 모델을 이용하여, 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다.
구체적으로, 상기 인공지능 모델은, 이동형 측정 장치가 설치된 이동체가 이동하는 이동 경로에서 고정형 측정 장치가 존재하는 지점 별로, 상기 지점에서 수집되는 이동형 측정 데이터 및 외부 환경요인 별 요인값을 입력값으로 하여 상기 지점에서 수집되는 고정형 측정 데이터를 정답값으로 출력하도록 학습 및 구성되는 모델일 수 있다.
구체적으로, 상기 추정단계는, 상기 측정구역 내 대기질이 미 측정된 특정 지점을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 획득한 고정형 측정 데이터를 확인하고, 상기 특정 지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터에 대해 보정 수행된 이동형 측정 데이터를 확인하고, 상기 확인한 고정형 측정 데이터 및 이동형 측정 데이터를 이용하여 상기 특정 지점의 측정 데이터를 계산할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 관점에 따른 대기질 측정 시스템은, 측정구역 내 고정형 측정 장치로부터 대기질에 대한 고정형 측정 데이터를 획득하고, 상기 측정구역 내를 이동하는 이동체에 설치된 이동형 측정 장치로부터 대기질에 대한 이동형 측정 데이터를 획득하는 데이터획득부; 상기 이동형 측정 데이터에 대하여 외부 환경요인을 고려한 편차 보정을 수행하는 보정부; 상기 고정형 측정 데이터 및 상기 보정 수행된 이동형 측정 데이터를 연계하여, 상기 측정구역 내 대기질이 미 측정된 지점의 측정 데이터를 계산하여 추정하는 추정부; 및 상기 고정형 측정 데이터와 상기 보정 수행된 이동형 측정 데이터 및 상기 추정한 측정 데이터를 반영하여, 상기 측정구역에 대한 대기질 데이터를 생성하는 데이터생성부를 포함한다.
구체적으로, 상기 외부 환경요인은, 이동형 측정 장치가 설치된 이동체가 이동하는 이동속도, 이동 지점의 습도, 이동 경로의 교통량을 포함할 수 있다.
구체적으로, 상기 보정부는, 특정 이동형 측정 장치로부터 획득한 이동형 측정 데이터에, 상기 특정 이동형 측정 장치와 관련하여 기 설정된 외부 환경요인 별 영향도를 이용하여 계산되는 보정수치를 반영하여, 상기 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다.
구체적으로, 상기 외부 환경요인 별 영향도는, 고정형 측정 데이터 및 이동형 측정 데이터가 겹치는 구간에서 수집 및 누적한 외부 환경요인 별 요인값을 기준으로, 고정형 측정 데이터 및 이동형 측정 데이터 간 상관관계 분석을 통해 설정될 수 있다.
구체적으로, 상기 보정부는, 이동형 측정 데이터, 고정형 측정 데이터 및 외부 환경요인 별 요인값을 기반으로 학습되는 인공지능 모델을 이용하여, 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다.
구체적으로, 상기 인공지능 모델은, 이동형 측정 장치가 설치된 이동체가 이동하는 이동 경로에서 고정형 측정 장치가 존재하는 지점 별로, 상기 지점에서 수집되는 이동형 측정 데이터 및 외부 환경요인 별 요인값을 입력값으로 하여 상기 지점에서 수집되는 고정형 측정 데이터를 정답값으로 출력하도록 학습 및 구성되는 모델일 수 있다.
구체적으로, 상기 추정부는, 상기 측정구역 내 대기질이 미 측정된 특정 지점을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 획득한 고정형 측정 데이터를 확인하고, 상기 특정 지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터에 대해 보정 수행된 이동형 측정 데이터를 확인하고, 상기 확인한 고정형 측정 데이터 및 이동형 측정 데이터를 이용하여 상기 특정 지점의 측정 데이터를 계산할 수 있다.
이에, 본 발명에 의하면, 고정형 측정장치 기반의 대기질 측정 방식(이하, 고정형 측정 방식) 및 이동형 측정장치 기반의 대기질 측정 방식(이하, 이동형 측정 방식)의 장점만을 취하고 한계점을 균형있게 극복할 수 있는, 새로운 방식의 대기질 측정 방법을 구현할 수 있다.
이로 인해, 본 발명에 따르면, 고정밀/정확도를 보장하면서도 높은 공간 해상도를 만족하는 대기질 데이터를 도출하여 얻을 수 있는 효과를 기대할 수 있다.
도 1은 본 발명의 실시예에 따른 대기질 측정 방법을 적용하는 경우, 기존 고정형 측정장치, 추가될 고정형 측정장치, 이동형 측정장치의 설치 및 운영 예시를 보여주는 예시도.
도 2는 본 발명의 실시예에 따른 대기질 측정 시스템의 구성을 보여주는 블록 예시도.
도 3은 본 발명의 실시예에 따른 인공지능 모델 기반의 이동형 측정 데이터 보정 방식을 개념적으로 도식하고 있는 예시도.
도 4는 본 발명의 실시예에 따른 측정 데이터의 추정 방식을 개념적으로 도식하고 있는 예시도.
도 5는 본 발명의 실시예에 따른 대기질 측정 방법에 개선/향상되는 공간 해상도 결과를 보여주는 예시도.
도 6은 본 발명의 실시예에 따른 대기질 측정 방법의 동작 흐름을 보여주는 예시도.
도 2는 본 발명의 실시예에 따른 대기질 측정 시스템의 구성을 보여주는 블록 예시도.
도 3은 본 발명의 실시예에 따른 인공지능 모델 기반의 이동형 측정 데이터 보정 방식을 개념적으로 도식하고 있는 예시도.
도 4는 본 발명의 실시예에 따른 측정 데이터의 추정 방식을 개념적으로 도식하고 있는 예시도.
도 5는 본 발명의 실시예에 따른 대기질 측정 방법에 개선/향상되는 공간 해상도 결과를 보여주는 예시도.
도 6은 본 발명의 실시예에 따른 대기질 측정 방법의 동작 흐름을 보여주는 예시도.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 대하여 설명한다.
본 발명은, 국민 생활권 내 환경 분야 중 미세먼지(1차 생성물, 2차 생성물)와 관련하여 IoT 기반 이동형 측정을 실시하고, 고정형과 이동형 측정을 연계하여 보정하는 방법을 제안함으로써 고해상도 대기질 정보(대기질 데이터)를 제공함에 목적을 두고 있다.
사람의 건강 보호와 쾌적한 환경 조성을 위해서는 대기질(또는, 대기환경)이 무엇보다 중요하며, 이와 같은 대기질을 정의하기 위한 항목들은 온도, 습도, 오존(O3), 미세먼지, 초미세먼지, 아황산가스, 이산화질소, 일산화탄소 등으로 구분될 수 있다.
특히, 최근에는 미세먼지, 초미세먼지에 대한 관심이 급격히 커지고 있다.
한편, 전술과 같은 대기질을 측정 및 확인을 위한 기존의 측정장치는, 고정밀의 측정 데이터를 제공할 수 있는 장점에도 불구하고, 부피가 크고 많은 비용을 필요로 하기 때문에 고정된 위치(장소)에 설치되어 운영되었으며 그 운영 개수도 만족할 만한 수준으로 설치하기 어려웠다.
이로 인해, 기존 측정장치(이하, 고정형 측정장치)의 경우 고정된 위치에서 광범위한 구역을 관측 구역으로 할 수 밖에 없는 단점이 있다.
따라서, 고정형 측정장치 기반의 대기질 측정 방식에서는, 고정형 측정장치가 갖는 단점(고정된 위치, 광범위한 관측 구역, 긴 측정 주기 등)으로 인해, 실제 생활권을 정밀하게 표현할 수 없는 낮은 공간 해상도의 대기질 데이터를 얻게 되므로 실제 사람들이 체감하는 대기질과 큰 차이가 발생할 수 밖에 없다.
한편, 기존 고정형 측정장치가 갖는 단점(고정된 위치, 광범위한 관측 구역, 긴 측정 주기 등)으로 인한 대기질 측정 방식의 한계점을 극복하고자, 이동형 측정장치가 등장하였다.
헌데, 이동형 측정장치의 경우, 낮은 비용, 실시간 측정 데이터, 많은 운영 개수로 인한 높은 공간 해상도의 대기질 데이터 생성 등의 장점이 있지만, 측정 데이터(측정값)의 정확도가 떨어지고 오차가 크기 때문에 이로부터 얻어지는 대기질 데이터의 신뢰성이 낮은 한계점이 있다.
이에, 본 발명에서는, 고정형 측정장치 및 이동형 측정장치를 모두 활용하여, 고정형 측정장치 기반의 대기질 측정 방식(이하, 고정형 측정 방식) 및 이동형 측정장치 기반의 대기질 측정 방식(이하, 이동형 측정 방식)의 장점만을 취하고 한계점을 균형있게 극복할 수 있는, 새로운 방식의 대기질 측정 방법을 제안하고자 한다.
구체적으로, 본 발명에서는, 기존에 각 지자체에서 사용하는 광범위한 고정형 측정 방식과 병행하여, IoT 기반 이동형 측정 방식을 실시함으로써, 지역 특성을 반영한 실시간 현장정보 수집이 가능하고, 고정형과 이동형 측정이 중첩되는 구간을 중심으로 측정 데이터에 대한 보정 방법을 제안한다.
이를 통해 국민 생활권 내의 정밀한 대기질 정보를 수집하고 고해상도 데이터 기반 정밀 분석으로 정책반영을 위한 의사결정 기반자료를 확보할 수 있다.
또한 본 발명은, 미세먼지 외에도 이산화질소, 오존, 일산화탄소, 아황산가스 등과 같은 각종 대기질 측정에 활용할 수 있다는 장점이 있으며, 더 나아가 국민의 쾌적한 삶을 지원하는 대기질 감시 시스템으로의 적용이 가능하다.
그리고 기존에는 고정밀의 고정형 측정 장치를 활용하여 광범위한 지역의 미세먼지를 측정하였다면, 본 발명에서는 고정형 측정 장치와 병행하여 이동형 측정 장치를 활용함으로써 국민 생활권 내의 상세 구역(건물 및 도로 단위)을 포함하는 고해상도의 대기질 측정 방법을 제공한다.
또한 본 발명에서는 고정형 측정 데이터와 이동형 측정 데이터를 연계하여 이동형 측정 장치에 대한 보정을 수행함으로써, 보정된 데이터(보정된 이동형 측정 데이터)와 고정밀 데이터(고정형 측정 데이터)가 통합된 정밀한 대기질 분석 및 확산 예측이 가능하다.
기존 대기질 측정 방법들은 고정형 또는 이동형을 독립적으로 활용하여 미세먼지 측정 및 분석을 실시하였다.
본 발명에서는, 전술과 같이 고정형과 이동형을 연계함으로써 고정형 및 이동형의 장점을 모두 포함하되 단점을 개선한 형태의 미세먼지 측정 데이터를 확보할 수 있다.
그리고, 본 발명의 실시예에 따른 대기질 측정 방법을 사용할 경우, 기존 국가망/민간망 보다 공간 해상도가 향상된 매우 상세한 범위에 대한 고품질 데이터를 확보할 수 있다.
본 발명의 실시예에 따른 대기질 측정 방법은, 크게 고정형 측정, 이동형 측정, 보정, 연계(결합)의 4단계로 구분할 수 있다.
고정형 측정 : 기존 국가 관측망(측정망) 외에 IoT 기반 보급형(고정형/이동형 측정 장치)을 활용하여, 추가적인 측정소를 확보한다. 국민 생활권 내에 속하면서 버스 측정과의 데이터 보정(검증) 및 연계 측면에서 유리한 버스정류장(ex. 버스와 정류장이 만나는 지점) 등을 선정할 수 있다.
이동형 측정 : 버스 등에 IoT 기반 보급형 장비(이동형 측정 장치)를 활용하여 광범위한 지역을 촘촘하게 측정할 수 있는 실시간 미세먼지 측정 데이터를 확보할 수 있다.
보정 : 이동형 데이터(이동형 측정 데이터)에 대한 편차 보정을 실시(ex. 고정형과 가장 가까운 지점의 값)하여 고품질의 데이터를 확보할 수 있다.
연계(결합) : 고정형/이동형 측정 데이터를 결합하여 고해상도 데이터를 생성(구축)한다. 즉, 고정형/이동형 측정 데이터를 연계하여 실제로 측정되지 않은 미 측정된 구역(지점)의 측정 데이터를 추가 계산하고, 이를 고정형/이동형 측정 데이터와 함께 반영하여 높은 공간 해상도의 대기질 데이터를 생성할 수 있다.
이와 같이, 본 발명에서는, IoT 기반의 보급형 즉 IoT 기반의 이동형 측정 장치를 버스, 청소차량 등 이동형 차량(이하, 이동체)에 설치하여 이동 경로에 따른 측정 데이터(이하, 이동형 측정 데이터)를 확보할 수 있다.
아울러, 본 발명에서는, IoT 기반의 보급형 예컨대 IoT 기반의 고정형/이동형 측정 장치를 버스정류장, 건물 등에 고정형으로 설치함으로써, 추가적인 측정소에서의 고정형 측정 데이터를 더 확보할 수 있다.
도 1은 본 발명의 실시예에 따른 대기질 측정 방법을 적용하는 경우, 기존 고정형 측정장치, 추가될 고정형 측정장치, 이동형 측정장치의 설치 및 운영 예시를 보여주고 있다.
도 1에 도시된 바와 같이, 본 발명은, 기존에 설치/운영되고 있는 고정밀의 고정형 측정 장치로 확보되는 측정 데이터(현재), 그리고 이동체(예: 차량)에 설치/운영되며 대기질에 대해 측정한 이동형 측정 데이터를 IoT 기반의 전송을 통해 송신하는 이동형 측정 장치로부터 확보되는 측정 데이터(이동체 측정), 더 나아가 고정형으로 활용하기 위한 IoT 기반의 보급형(고정형/이동형 측정 장치)를 추가 고정형으로 설치/운영하여 확보되는 측정 데이터(추가)를 기반으로, 본 발명의 대기질 측정 방법을 수행할 수 있다.
도 2는, 본 발명의 대기질 측정 방법을 실현하는 시스템(대기질 측정 시스템)의 일 실시예에 따른 구성을 보여주고 있다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 대기질 측정 시스템(100)은, 데이터획득부(110), 보정부(120), 추정부(130) 및 데이터생성부(140)를 포함할 수 있다.
그리고, 본 발명의 실시예에 따른 대기질 측정 시스템(100)은, 전술한 구성 이외에, 고정형 측정 장치(10), 이동형 측정 장치(20)를 비롯한 외부 디바이스(30) 등과의 실질적인 통신 기능을 담당하는 통신부(150)의 구성을 더 포함할 수 있다.
여기서, 통신부(150)는 예컨대, 안테나 시스템, RF 송수신기, 하나 이상의 증폭기, 튜너, 하나 이상의 발진기, 디지털 신호 처리기, 코덱(CODEC) 칩셋, 및 메모리 등을 포함하지만 이에 제한되지는 않으며, 이 기능을 수행하는 공지의 회로는 모두 포함할 수 있다.
이러한 대기질 측정 시스템(100)의 구성 전체 내지는 적어도 일부는 하드웨어 모듈 형태 또는 소프트웨어 모듈 형태로 구현되거나, 하드웨어 모듈과 소프트웨어 모듈이 조합된 형태로도 구현될 수 있다.
여기서, 소프트웨어 모듈이란, 예컨대 대기질 측정 시스템(100) 내에서 연산을 제어하는 프로세서에 의해 실행되는 명령어로 이해될 수 있으며, 이러한 명령어는 대기질 측정 시스템(100) 내 메모리에 탑재된 형태를 가질 수 있을 것이다.
결국, 본 발명의 실시예에 따른 대기질 측정 시스템(100)은, 전술한 구성을 통해, 본 발명에서 제안하는 대기질 측정 기법을 실현하며, 이하에서는 이를 실현하기 위한 대기질 측정 시스템(100) 내 각 구성에 대해 보다 구체적으로 설명하기로 한다.
데이터획득부(110)는, 측정구역 내 고정형 측정 장치로부터 대기질에 대한 고정형 측정 데이터를 획득하고, 상기 측정구역 내를 이동하는 이동체에 설치된 이동형 측정 장치로부터 대기질에 대한 이동형 측정 데이터를 획득하는 기능을 담당한다.
이하에서는 설명의 편의 상 대기질에 대한 다양한 지표(예: 미세먼지, 초미세먼지, 이산화질소 농도 등) 중에서 미세먼지를 언급하여 설명하겠다.
즉, 데이터획득부(110)는, 측정구역 내 고정형 측정 장치(10)로부터 대기질 예컨대 미세먼지에 대한 고정형 측정 데이터를 획득할 수 있다.
이때 고정형 측정 장치(10)는, 측정구역 내 고정 설치된 적어도 하나 이상의 측정 장치로서, 기존에 설치/운영되는 고정밀의 고정형 측정 장치(도 1의 "현재") 및 추가로 설치/운영하는 고정형 측정 장치(도 1의 "추가")를 의미한다.
이처럼, 본원 발명에서는, 고정형 측정 데이터 획득을 위해, 기존 관측망(측정망) 외에 IoT 기반 보급형 장비(이동형/고정형 측정 장치)을 추가로 활용하여, 추가적인 측정소(도 1의 추가)를 확보할 수 있다.
일 예에 따르면, 국민 생활권 내에 속하면서 버스 측정과의 데이터 보정(검증) 및 연계 측면에서 유리한 버스정류장(ex. 이동체인 버스와 정류장이 만나는 지점) 등을, 추가 설치/운영하는 측정소(고정형 측정 장치)의 위치로 선정할 수 있다.
아울러, 데이터획득부(110)는, 동일한 측정구역 내를 이동하는 이동체(2)에 설치된 이동형 측정 장치(20)로부터 대기질 예컨대 미세먼지에 대한 이동형 측정 데이터를 획득할 수 있다.
이때 이동형 측정 장치(20)는, 고정형 측정 장치(10)가 설치/운영되는 측정구역 내를 이동하는 버스, 청소 차량 등 이동형 차량 즉 이동체(2)에 설치/운영되는 적어도 하나 이상의 측정 장치로서, IoT 기반의 이동형 측정 장치(도 1의 "이동체 측정")일 수 있다.
이처럼, 본원 발명에서는, 버스 등 이동체(2)에 IoT 기반 보급형 장비(이동형 측정장치)를 활용하여, 광범위한 지역(구역)을 촘촘하게 측정할 수 있는 이동형 측정 데이터 즉 실시간 미세먼지 측정 데이터를 확보할 수 있다.
이로써, 데이터획득부(110)는, 측정구역 내 고정형 측정 장치(10)로부터 대기질 예컨대 미세먼지에 대한 고정형 측정 데이터를 획득하며, 이와 병행하여 동일한 측정구역 내를 이동하는 이동체(2)에 설치된 이동형 측정 장치(20)로부터 미세먼지에 대한 이동형 측정 데이터를 획득할 수 있다.
이와 같은 방식으로, 데이터획득부(110)는, 다수의 측정구역 별로, 해당 측정구역의 고정형 측정 데이터 및 이동형 측정 데이터를 획득할 수 있을 것이다.
보정부(120)는, 데이터획득부(110)에서 획득한 이동형 측정 데이터에 대하여 외부 환경요인을 고려한 편차 보정을 수행하는 기능을 담당한다.
즉, 보정부(120)는, 동일한 측정구역에서 획득한 고정형 측정 데이터와 이동형 측정 데이터를 연계하여 이동형 측정 장치(20)에 대한 보정, 보다 구체적으로 이동형 측정 장치(20)의 이동형 측정 데이터에 대한 보정을 수행하는 것이다.
이와 같이 본 발명에서 보정부(120)에 의해 수행되는 이동형 측정 데이터에 대한 편차 보정은, 전술의 대기질 측정 방법을 크게 구분한 4단계 중 보정 단계에 해당된다.
이하에서는, 본 발명에서 수행하는, 이동형 측정 데이터에 대한 보정 방식을 구체적으로 설명하겠다.
보급형 장비(이동형 측정 장치)의 이동형 측정 데이터를 사용함으로써 미세먼지 측정 데이터의 실시간성을 보장할 수 있는 만큼, 이처럼 확보한 실시간 미세먼지 측정 데이터의 품질을 보장하는 것이 매우 중요할 것이다.
이동형 측정 장치의 경우 다양한 주변 환경요인에 의해 측정 데이터에 편차가 발생하는데, 본 발명에서는, 편차를 발생시키는 주요 원인인 외부 환경요인들을 고려하여, 이동형 측정 장치에서 초기 측정한 이동형 측정 데이터에 대한 편차 보정을 수행하는 방식으로 측정 데이터의 품질을 보장하는 것이다.
구체적으로, 이동형 측정 데이터에 대한 편차 보정 시 이용하는 외부 환경요인은, 이동형 측정 장치(20)가 설치된 이동체(2)가 이동하는 이동속도, 이동 지점의 습도 등 기상정보, 이동 경로의 교통량 등을 포함할 수 있다.
즉, 보정부(120)는, 데이터획득부(110)에서 획득한 이동형 측정 데이터에 대하여 대표적인 외부 환경요인 즉 이동속도, 습도, 교통량을 고려한 편차 보정을 수행할 수 있다.
다음 표 1은, 본 발명에서, 외부 환경요인 즉 이동속도(운행속도), 습도, 교통량에 따른 편차 보정 시 반영 방식을 정의하고 있다.
| 고려할 환경요인 | 고려사항 | 반영 방법 |
| 측정차량의 운행속도 | 상대적으로 고속으로 운행할 때 미세먼지 흡입량이 많은 상황을 고려 | 운행속도를 고려하여 운행속도가 높을 경우 측정치를 낮추는 방향으로 반영 |
| 습도 | 광학 측정 방식의 경우, 습도가 높을 때 측정 수치가 높게 발생함을 고려 | 습도에 따른 영향도를 계산하여 습도가 높을 경우 측정치를 낮추는 방향으로 반영 |
| 교통량 | 교통량이 많은 경우 인접 차량에 의한 영향이 높게 발생함을 고려 | 교통량이 많을 경우 영향도를 계산하여 측정치를 낮추는 방향으로 반영 |
본 발명에서는, 외부 환경요인을 고려한 이동형 측정 데이터의 편차 보정 방식을, 수치모델을 이용하는 방식과 인공지능을 이용하는 방식으로 구분할 수 있다.
먼저, 수치모델을 이용하는 제 1실시예에 따른 방식을 설명하면, 다음과 같다.
보정부(120)는, 특정 이동형 측정 장치로부터 획득한 이동형 측정 데이터에, 상기 특정 이동형 측정 장치와 관련하여 기 설정된 외부 환경요인 별 영향도를 이용하여 계산되는 보정수치를 반영하여, 상기 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다.
이때, 전술의 외부 환경요인 별 영향도는, 고정형 측정 데이터 및 이동형 측정 데이터가 겹치는 구간에서 수집 및 누적한 외부 환경요인 별 요인값을 기준으로, 고정형 측정 데이터 및 이동형 측정 데이터 간 상관관계 분석을 통해 설정될 수 있다.
구체적으로, 본 발명에서는, 특정 이동형 측정 장치(20)가 설치된 이동체(2)의 이동 경로 상에서 일정 거리 이내에 설치되어 특정 이동형 측정 장치(20)의 이동형 측정 데이터와 측정 데이터가 겹치게 되는 고정형 측정 장치(10)를 식별하고, 이처럼 식별한 고정형 측정 장치(10)와 일정 거리 이내로 근접하게 접근한 시점에 해당 구간(즉, 겹치는 구간)에서 측정된 고정형 측정 장치(10)의 고정형 측정 데이터 및 특정 이동형 측정 장치(20)의 이동형 측정 데이터를 수집하며, 이 시점의 외부 환경요인 별 요인값 즉 이동체(2)의 이동속도값(운행속도값), 습도값, 교통량값을 수집할 수 있다.
그리고, 본 발명에서는, 고정형 측정 데이터 및 이동형 측정 데이터가 겹치는 구간에서 전술과 같이 수집 및 누적한 외부 환경요인 별 요인값을 기준으로, 고정형 측정 데이터 및 이동형 측정 데이터 간 상관관계를 분석하여, 외부 환경요인 별 영향도(이동속도 영향도/습도 영향도/교통량 영향도)를 산출 및 설정할 수 있다.
이에, 보정부(120)는, 특정 이동형 측정 장치(20)로부터 획득한 이동형 측정 데이터(초기 측정값)에, 특정 이동형 측정 장치(20)와 관련하여 전술과 같이 산출 및 설정한 외부 환경요인 별 요인값을 이용하여 계산되는 보정 수치를 반영하여, 다음 수학식 1에 따라서 편차 보정을 수행할 수 있다.
여기서, 보정 수치는 다음의 수학식 2에 따라 계산될 수 있다.
이와 같이, 보정부(120)는, 각 이동형 측정 장치와 관련하여 수치모델을 통해 분석/설정된 외부 환경요인 별 영향도 기반의 보정 수치를 이용하여, 각 이동형 측정 장치로부터 획득한 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다.
다음, 인공지능을 이용하는 제 2실시예에 따른 방식을 설명하면, 다음과 같다.
보정부(120)는, 이동형 측정 데이터, 고정형 측정 데이터 및 외부 환경요인 별 요인값을 기반으로 학습되는 인공지능 모델을 이용하여, 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다.
이때, 전술의 인공지능 모델은, 이동형 측정 장치가 설치된 이동체가 이동하는 이동 경로에서 고정형 측정 장치가 존재하는 지점 별로, 상기 지점에서 수집되는 이동형 측정 데이터 및 외부 환경요인 별 요인값을 입력값으로 하여 상기 지점에서 수집되는 고정형 측정 데이터를 정답값으로 출력하도록 학습 및 구성되는 모델일 수 있다.
도 3은 본 발명의 실시예에 따른 인공지능 모델 기반의 이동형 측정 데이터 보정 방식을 개념적으로 도식하고 있다.
구체적으로 본 발명에서는, IoT 기반 이동형 측정 장치들을 이용하여 이동형 측정 데이터(초기 측정값)를 측정 및 수집하고 각 측정 시점의 외부 환경요인의 요인값(이동속도값, 습도값, 교통량값)도 함께 수집한다(①).
아울러, 본 발명에서는, 전술의 ① 과정을 수행한 중, 이동형 측정 장치가 설치된 이동체의 이동 경로에서 고정형 측정 장치 보다 구체적으로 고정밀의 고정형 측정 장치가 존재하는 경우, 해당 고정형 측정 장치의 고정형 측정 데이터를 정답값으로 기록한다(②).
이에, 본 발명에서는, 전술의 ① 과정에서 수집한 초기 측정값, 외부 환경요인의 요인값(이동속도값, 습도값, 교통량값) 각각을 입력값으로 하여, 전술의 ②과정에서 기록한 정답값(고정형 측정 데이터)을 출력하도록 하는 인공지능 모델을 학습할 수 있다.
그리고 전술과 같이 학습된 인공지능 모델은, 입력 변수와 출력 변수의 값을 이용하여 내부적으로 변수 가중치인 W를 자동으로 학습하고, 이를 기반으로 최종적인 인공지능 기반 편차(오차) 보정 값을 계산하여 구성될 수 있다.
이처럼, 본 발명에서는, 이동형 측정 장치가 설치된 이동체가 이동하는 이동 경로에서 (고정밀) 고정형 측정 장치가 존재하는 지점 별로, 해당 지점에서 수집되는 이동형 측정 데이터 및 외부 환경요인 별 요인값을 입력값으로 하여 해당 지점에서 수집되는 고정형 측정 데이터를 정답값으로 출력하도록 학습하여, 인공지능 모델을 구성할 수 있다.
이에, 보정부(120)는, 특정 이동형 측정 장치(20)로부터 획득한 이동형 측정 데이터(초기 측정값)와 실시간 측정 시점에 특정 이동형 측정 장치(20)와 관련된 실시간 외부 환경요인(이동속도값, 습도값, 교통량값)을 입력값으로 하여, 전술의 인공지능 모델에서 출력되는 출력값을 편차 보정된 이동형 측정 데이터로 얻을 수 있다.
전술의 제1 및 제2실시예에 따라 편차 보정된 이동형 측정 데이터는, 고정밀의 고정형 측정 수준까지 정확도 품질을 보장하지는 못하겠지만, 이동형 측정 장치의 초기 측정값 보다는 충분히 개선되어 최소한의 정확도/신뢰도 품질을 보장할 수 있다.
추정부(130)는, 상기 고정형 측정 데이터 및 상기 보정 수행된 이동형 측정 데이터를 연계하여, 상기 측정구역 내 대기질이 미 측정된 지점의 측정 데이터를 계산하여 추정하는 기능을 담당한다.
즉, 본 발명에서는, 고정형 측정 장치(10), 이동형 측정 장치(20)를 통해서도 측정 데이터가 획득/확보되지 못하는 미 측정의 지점에 대해서, 추정 방식으로 계산하여 얻은 측정 데이터를 확보하는 것이다.
이와 같이 본 발명에서 추정부(130)에 의해 수행되는 고정형/이동형 측정 데이터의 연계(결합) 기반의 측정 데이터 추정은, 전술의 대기질 측정 방법을 크게 구분한 4단계 중 연계(결합) 단계에 해당된다.
구체적으로 설명하면, 추정부(130)는, 측정구역 내 대기질 예컨대 미세먼지가 미 측정된 특정 지점을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 획득한 고정형 측정 데이터를 확인하고, 특정 지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터에 대해 보정 수행된 이동형 측정 데이터를 확인할 수 있다.
그리고, 추정부(130)는, 전술의 확인한 고정형 측정 데이터 및 보정 수행된 이동형 측정 데이터를 이용하여 특정 지점의 측정 데이터를 계산하여, 미 측정의 특정 지점에 대한 측정 데이터를 추정해낼 수 있다.
일 실시예를 설명하면, 추정부(130)는, 측정 데이터 추정을 위해, 고정형 측정 데이터(도 1의 "현재", "추가") 및 보정부(120)에서 편차 보정이 수행된 이동형 측정 데이터를 기본 값으로 활용한다.
그리고, 측정구역 내 대기질 예컨대 미세먼지가 미 측정된 특정 지점은, 본 발명의 대기질 측정 시스템에서 목표로 하는 해상도에 따른 다수 지점 중 실측의 측정 데이터가 없는 각 지점을 의미한다.
도 4는 본 발명에 따른 측정 데이터의 추정 방식을 개념적으로 도식하고 있으며, 미 측정된 특정 지점으로서 추정지점을 지시하고 있다.
이하에서는, 설명의 편의를 위해 도 4를 참조하여 설명하겠다.
추정부(130)는, 측정구역 내 대기질 예컨대 미세먼지가 미 측정된 특정 지점(이하, 추정지점)을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 획득한 고정형 측정 데이터를 확인하고, 특정 지점 즉 추정지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터에 대해 보정 수행된 이동형 측정 데이터를 확인한다.
도 4를 참조하여 설명하면, 추정부(130)는, 추정지점을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 고정형 측정 데이터1,3,4를 확인할 수 있고, 추정지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터2를 확인할 수 있다. 이때 이동형 측정 데이터2는 전술과 같은 편차 보정이 수행된 측정 데이터이다.
이후, 추정부(130)는, 전술의 확인한 고정형 측정 데이터1,3,4 및 보정 수행된 이동형 측정 데이터2를 이용하여 특정 지점 즉 추정지점의 측정 데이터를 계산하여 추정할 수 있다.
이때, 고정형 측정 데이터1,3,4 및 보정 수행된 이동형 측정 데이터2를 이용하여 추정지점의 측정 데이터를 계산/추정하는 추정 알고리즘은, 기존의 데이터 및 지점 간 거리를 기반으로 데이터를 추정해내는 형태의 다양한 알고리즘 중 하나를 채택하여 사용할 수 있으므로, 구체적인 계산/추정 과정에 대한 설명은 생략하도록 한다.
데이터생성부(140)는, 고정형 측정 데이터와 보정 수행된 이동형 측정 데이터, 및 전술의 추정한 측정 데이터를 반영하여, 측정구역에 대한 대기질 데이터를 생성하는 기능을 담당한다.
즉, 데이터생성부(140)는, 측정구역에 대하여, 측정구역에 설치/운영되는 고정형 측정 장치(10)로부터 획득한 고정형 측정 데이터와 측정구역 내를 이동하는 이동체(2)에 설치된 이동형 측정 장치(20)로부터 획득한 후 편차 보정한 이동형 측정 데이터, 그리고 측정구역 내 실측 측정 데이터가 없는 미 측정의 특정 지점에 대해 추정해낸 추정 측정 데이터를 모두 반영하여, 대기질 데이터(예: 미세먼지 데이터)를 생성할 수 있다.
이처럼 본 발명에서 생성되는 대기질 데이터는, 도 5를 참조하면 알 수 있듯이, 고정형 측정 데이터, 이동형 측정 데이터, 그리고 고정형/이동형 측정 데이터를 연계(결합)하여 추정한 측정 데이터가 모두 반영되기 때문에, 공간 해상도 결과 측면에서 월등하게 개선/향상될 수 있다.
본 발명의 대기질 측정 시스템(100)에서 생성된 고 해상도의 대기질 데이터(예: 미세먼지 데이터)는, 접근 권한이 있는 외부 디바이스(30)에 의해 다양한 분야에서 활용될 수 있다.
본 발명의 대기질 측정 시스템(100)에서 생성된 고 해상도의 대기질 데이터(예: 미세먼지 데이터)는, 대표적으로 고해상도 실시간 미세먼지 맵 생성과 주요 시계열 분석 등 다양한 분야에 활용 가능하다.
이 외에도, 본 발명의 대기질 측정 시스템(100)에서 생성된 고 해상도의 대기질 데이터(예: 미세먼지 데이터)는, 예를 들면 고해상도 미세먼지 맵 구축, 측정항목별 시계열 분석 및 미세먼지 현황 정보 제공, 정책시행 효과 검증, 측정항목별 분포현황 분석 등에 활용되어, 다양한 결과물을 다양한 형태의 UI로서 제공하는데 근거가 될 수 있다.
이상 설명한 바와 같이, 본 발명에 의하면, 고정형 측정 데이터, 이동형 측정 데이터, 그리고 고정형/이동형 측정 데이터를 연계(결합)하여 추정한 측정 데이터를 모두 반영하여 대기질 데이터를 생성하는 방식으로, 고정형 측정장치 기반의 대기질 측정 방식(이하, 고정형 측정 방식) 및 이동형 측정장치 기반의 대기질 측정 방식(이하, 이동형 측정 방식)의 장점만을 취하고 한계점을 균형있게 극복할 수 있는 새로운 대기질 측정 방법을 구현해내고 있다.
이로 인해, 본 발명에 따르면, 고정밀/정확도를 보장하면서도 높은 공간 해상도를 만족하는 대기질 데이터를 도출하여 얻을 수 있는 효과를 기대할 수 있다.
그리고, 본 발명의 대기질 측정 방법에 따르면, 다음의 신규성, 진보성, 시장성을 얻을 수 있다.
<신규성> 고정형 고정밀 미세먼지 측정장치를 이용하여 간이측정(제작형/보급형) 장치의 데이터를 보정하고, 보정된 데이터와 고정밀 데이터를 상호 연계하여 통합 활용한다는 측면에서 신규성을 갖는다.
<진보성> 고정형 장치의 권역별(시도별/동별) 측정을 넘어서서 국민 생활권 내 고해상도 미세먼지 측정(버스, 청소차량 및 살수차 등)을 가능하게 함으로써 국민 모두가 체감할 수 있는 미세먼지 모니터링 경보발령, 취약계층보호 및 고정밀 확산 예측까지 확대할 수 있다는 점에서 큰 진보성을 갖는다.
<시장성> 환경부 역사상 최대 증액 미세먼지 예산(약1.5조)으로 정부의 방향과 함께 대국민 관심사로 집중되고 있어 본 제안으로 신규 가치창출에도 크게 이바지 할 수 있다.
이하에서는, 도 6을 참조하여 본 발명의 실시예에 따른 대기질 측정 방법의 동작 흐름을 설명하겠다.
설명의 편의를 위해, 본 발명의 대기질 측정 방법이 수행되는 대기질 측정 시스템(100)을 주체로 언급하여 각 동작 흐름을 설명하겠다.
본 발명의 대기질 측정 방법에서 시스템(100)은, 측정구역 내 고정형 측정 장치로부터 대기질에 대한 고정형 측정 데이터를 획득한다(S10).
이하에서는 설명의 편의 상 대기질에 대한 다양한 지표(예: 미세먼지, 초미세먼지, 이산화질소 농도 등) 중에서 미세먼지를 언급하여 설명하겠다.
즉, 시스템(100)은, 측정구역 내 고정형 측정 장치(10)로부터 대기질 예컨대 미세먼지에 대한 고정형 측정 데이터를 획득할 수 있다.
이때 고정형 측정 장치(10)는, 측정구역 내 고정 설치된 적어도 하나 이상의 측정 장치로서, 기존에 설치/운영되는 고정밀의 고정형 측정 장치(도 1의 "현재") 및 추가로 설치/운영하는 고정형 측정 장치(도 1의 "추가")를 의미한다.
아울러, 본 발명의 대기질 측정 방법에서 시스템(100)은, 동일한 측정구역 내를 이동하는 이동체(2)에 설치된 이동형 측정 장치(20)로부터 대기질 예컨대 미세먼지에 대한 이동형 측정 데이터를 획득할 수 있다.
이때 이동형 측정 장치(20)는, 고정형 측정 장치(10)가 설치/운영되는 측정구역 내를 이동하는 버스, 청소 차량 등 이동형 차량 즉 이동체(2)에 설치/운영되는 적어도 하나 이상의 측정 장치로서, IoT 기반의 이동형 측정 장치(도 1의 "이동체 측정")일 수 있다.
이로써, 본 발명의 대기질 측정 방법에서는, 측정구역 내 고정형 측정 장치(10)로부터 대기질 예컨대 미세먼지에 대한 고정형 측정 데이터를 획득하며, 이와 병행하여 동일한 측정구역 내를 이동하는 이동체(2)에 설치된 이동형 측정 장치(20)로부터 미세먼지에 대한 이동형 측정 데이터를 획득할 수 있다.
본 발명의 대기질 측정 방법에서 시스템(100)은, S20단계에서 획득한 이동형 측정 데이터에 대하여 외부 환경요인을 고려한 편차 보정을 수행한다(S30).
즉, 시스템(100)은, 동일한 측정구역에서 획득한 고정형 측정 데이터와 이동형 측정 데이터를 연계하여 이동형 측정 장치(20)의 이동형 측정 데이터에 대한 보정을 수행하는 것이다.
먼저, 수치모델을 이용하는 제 1실시예에 따른 방식을 설명하면, 다음과 같다.
본 발명의 대기질 측정 방법에서 시스템(100)은, 특정 이동형 측정 장치(20)가 설치된 이동체(2)의 이동 경로 상에서 일정 거리 이내에 설치되어 특정 이동형 측정 장치(20)의 이동형 측정 데이터와 측정 데이터가 겹치게 되는 고정형 측정 장치(10)를 식별하고, 이처럼 식별한 고정형 측정 장치(10)와 일정 거리 이내로 근접하게 접근한 시점에 해당 구간(즉, 겹치는 구간)에서 측정된 고정형 측정 장치(10)의 고정형 측정 데이터 및 특정 이동형 측정 장치(20)의 이동형 측정 데이터를 수집하며, 이 시점의 외부 환경요인 별 요인값 즉 이동체(2)의 이동속도값(운행속도값), 습도값, 교통량값을 수집할 수 있다.
그리고, 본 발명의 대기질 측정 방법에서 시스템(100)은, 고정형 측정 데이터 및 이동형 측정 데이터가 겹치는 구간에서 전술과 같이 수집 및 누적한 외부 환경요인 별 요인값을 기준으로, 고정형 측정 데이터 및 이동형 측정 데이터 간 상관관계를 분석하여, 외부 환경요인 별 영향도(이동속도 영향도/습도 영향도/교통량 영향도)를 산출 및 설정할 수 있다.
이에, 본 발명의 대기질 측정 방법에서 시스템(100)은, 특정 이동형 측정 장치(20)로부터 획득한 이동형 측정 데이터(초기 측정값)에, 특정 이동형 측정 장치(20)와 관련하여 전술과 같이 산출 및 설정한 외부 환경요인 별 요인값을 이용하여 계산되는 보정 수치를 반영하여, 수학식 1에 따라서 편차 보정을 수행할 수 있다.
여기서, 보정 수치는 수학식 2에 따라 계산될 수 있다.
이와 같이, 본 발명의 대기질 측정 방법에서 시스템(100)은, 각 이동형 측정 장치와 관련하여 수치모델을 통해 분석/설정된 외부 환경요인 별 영향도 기반의 보정 수치를 이용하여, 각 이동형 측정 장치로부터 획득한 이동형 측정 데이터에 대한 편차 보정을 수행할 수 있다(S30).
다음, 인공지능을 이용하는 제 2실시예에 따른 방식을 설명하면, 다음과 같다.
본 발명의 대기질 측정 방법에서 시스템(100)은, IoT 기반 이동형 측정 장치들을 이용하여 이동형 측정 데이터(초기 측정값)를 측정 및 수집하고 각 측정 시점의 외부 환경요인의 요인값(이동속도값, 습도값, 교통량값)도 함께 수집한다(①).
아울러, 본 발명의 대기질 측정 방법에서 시스템(100)은, 전술의 ① 과정을 수행한 중, 이동형 측정 장치가 설치된 이동체의 이동 경로에서 고정형 측정 장치 보다 구체적으로 고정밀의 고정형 측정 장치가 존재하는 경우, 해당 고정형 측정 장치의 고정형 측정 데이터를 정답값으로 기록한다(②).
이에, 본 발명의 대기질 측정 방법에서 시스템(100)은, 전술의 ① 과정에서 수집한 초기 측정값, 외부 환경요인의 요인값(이동속도값, 습도값, 교통량값) 각각을 입력값으로 하여, 전술의 ②과정에서 기록한 정답값(고정형 측정 데이터)을 출력하도록 하는 인공지능 모델을 학습할 수 있다.
그리고 전술과 같이 학습된 인공지능 모델은, 입력 변수와 출력 변수의 값을 이용하여 내부적으로 변수 가중치인 W를 자동으로 학습하고, 이를 기반으로 최종적인 인공지능 기반 편차(오차) 보정 값을 계산하여 구성될 수 있다.
이처럼, 본 발명에서는, 이동형 측정 장치가 설치된 이동체가 이동하는 이동 경로에서 (고정밀) 고정형 측정 장치가 존재하는 지점 별로, 해당 지점에서 수집되는 이동형 측정 데이터 및 외부 환경요인 별 요인값을 입력값으로 하여 해당 지점에서 수집되는 고정형 측정 데이터를 정답값으로 출력하도록 학습하여, 인공지능 모델을 구성할 수 있다.
이에, 본 발명의 대기질 측정 방법에서 시스템(100)은, 특정 이동형 측정 장치(20)로부터 획득한 이동형 측정 데이터(초기 측정값)와 실시간 측정 시점에 특정 이동형 측정 장치(20)와 관련된 실시간 외부 환경요인(이동속도값, 습도값, 교통량값)을 입력값으로 하여, 전술의 인공지능 모델에서 출력되는 출력값을 편차 보정된 이동형 측정 데이터로 얻을 수 있다(S30).
전술의 제1 및 제2실시예에 따라 편차 보정된 이동형 측정 데이터는, 고정밀의 고정형 측정 수준까지 정확도 품질을 보장하지는 못하겠지만, 이동형 측정 장치의 초기 측정값 보다는 충분히 개선되어 최소한의 정확도/신뢰도 품질을 보장할 수 있다.
그리고, 본 발명의 대기질 측정 방법에서 시스템(100)은, 고정형 측정 데이터 및 보정 수행된 이동형 측정 데이터를 연계하여, 측정구역 내 대기질이 미 측정된 지점의 측정 데이터를 계산하여 추정할 수 있다(S40).
구체적으로 설명하면, 본 발명의 대기질 측정 방법에서 시스템(100)은, 측정 데이터 추정을 위해, S10단계에서 획득한 고정형 측정 데이터(도 1의 "현재", "추가") 및 S30단계에서 편차 보정이 수행된 이동형 측정 데이터를 기본 값으로 활용한다.
그리고, 측정구역 내 대기질 예컨대 미세먼지가 미 측정된 특정 지점은, 본 발명의 대기질 측정 시스템에서 목표로 하는 해상도에 따른 다수 지점 중 실측의 측정 데이터가 없는 각 지점을 의미한다.
도 4는 본 발명에 따른 측정 데이터의 추정 방식을 개념적으로 도식하고 있으며, 미 측정된 특정 지점으로서 추정지점을 지시하고 있다.
이하에서는, 설명의 편의를 위해 도 4를 참조하여 설명하겠다.
본 발명의 대기질 측정 방법에서 시스템(100)은, 측정구역 내 대기질 예컨대 미세먼지가 미 측정된 특정 지점(이하, 추정지점)을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 획득한 고정형 측정 데이터를 확인하고, 특정 지점 즉 추정지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터에 대해 보정 수행된 이동형 측정 데이터를 확인한다.
도 4를 참조하여 설명하면, 본 발명의 대기질 측정 방법에서 시스템(100)은, 추정지점을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 고정형 측정 데이터1,3,4를 확인할 수 있고, 추정지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터2를 확인할 수 있다. 이때 이동형 측정 데이터2는 전술과 같은 편차 보정이 수행된 측정 데이터이다.
이후, 본 발명의 대기질 측정 방법에서 시스템(100)은, 전술의 확인한 고정형 측정 데이터1,3,4 및 보정 수행된 이동형 측정 데이터2를 이용하여 특정 지점 즉 추정지점의 측정 데이터를 계산하여 추정할 수 있다(S40).
이에, 본 발명의 대기질 측정 방법에서 시스템(100)은, 고정형 측정 데이터와 보정 수행된 이동형 측정 데이터, 및 전술의 추정한 측정 데이터를 반영하여, 측정구역에 대한 대기질 데이터를 생성한다(S50).
즉, 본 발명의 대기질 측정 방법에서 시스템(100)은, 측정구역에 대하여, 측정구역에 설치/운영되는 고정형 측정 장치(10)로부터 획득한 고정형 측정 데이터와 측정구역 내를 이동하는 이동체(2)에 설치된 이동형 측정 장치(20)로부터 획득한 후 편차 보정한 이동형 측정 데이터, 그리고 측정구역 내 실측 측정 데이터가 없는 미 측정의 특정 지점에 대해 추정해낸 추정 측정 데이터를 모두 반영하여, 대기질 데이터(예: 미세먼지 데이터)를 생성할 수 있다.
이처럼 본 발명에서 생성되는 대기질 데이터는, 도 5를 참조하면 알 수 있듯이, 고정형 측정 데이터, 이동형 측정 데이터, 그리고 고정형/이동형 측정 데이터를 연계(결합)하여 추정한 측정 데이터가 모두 반영되기 때문에, 공간 해상도 결과 측면에서 월등하게 개선/향상될 수 있다.
이상 설명한 바와 같이, 본 발명의 대기질 측정 방법에 따르면, 고정형 측정장치 기반의 대기질 측정 방식(이하, 고정형 측정 방식) 및 이동형 측정장치 기반의 대기질 측정 방식(이하, 이동형 측정 방식)의 장점만을 취하고 한계점을 균형있게 극복할 수 있는, 새로운 방식의 대기질 측정 방법을 구현할 수 있다.
이로 인해, 본 발명에 따르면, 고정밀/정확도를 보장하면서도 높은 공간 해상도를 만족하는 대기질 데이터를 도출하여 얻을 수 있는 효과를 기대할 수 있다.
위 설명한 본 발명의 일 실시예에 따른 대기질 측정 방법(기술)은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.
본 발명의 대기질 측정 방법(기술)에 따르면, 고정밀/정확도를 보장하면서도 높은 공간 해상도를 만족하는 대기질 데이터를 도출할 수 있는 점에서, 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
100 : 대기질 측정 시스템
110 : 데이터획득부 120 : 보정부
130 : 추정부 140 : 데이터생성부
110 : 데이터획득부 120 : 보정부
130 : 추정부 140 : 데이터생성부
Claims (14)
- 측정구역 내 고정형 측정 장치로부터 대기질에 대한 고정형 측정 데이터를 획득하는 단계;
상기 측정구역 내를 이동하는 이동체에 설치된 이동형 측정 장치로부터 대기질에 대한 이동형 측정 데이터를 획득하는 단계;
상기 이동형 측정 데이터에 대하여 외부 환경요인을 고려한 편차 보정을 수행하는 보정단계;
상기 고정형 측정 데이터 및 상기 보정 수행된 이동형 측정 데이터를 연계하여, 상기 측정구역 내 대기질이 미 측정된 지점의 측정 데이터를 계산하여 추정하는 추정단계; 및
상기 고정형 측정 데이터와 상기 보정 수행된 이동형 측정 데이터 및 상기 추정한 측정 데이터를 반영하여, 상기 측정구역에 대한 대기질 데이터를 생성하는 단계를 포함하며,
상기 보정단계는,
특정 이동형 측정 장치의 이동형 측정 데이터와 측정 데이터가 겹치게 되는 특정 고정형 측정 장치를 식별하고,
상기 특정 이동형 측정 장치의 이동형 측정 데이터와 상기 특정 고정형 측정 장치의 고정형 측정 데이터가 겹치는 구간에서 상기 특정 이동형 측정 장치의 이동형 측정 데이터와 상기 특정 고정형 측정 장치의 고정형 측정 데이터를 수집하고,
상기 겹치는 구간에서 외부 환경요인 별 요인값을 수집하며,
상기 겹치는 구간에서 수집된 외부 환경요인 별 요인값을 기준으로 상기 특정 이동형 측정 장치의 이동형 측정 데이터와 상기 특정 고정형 측정 장치의 고정형 측정 데이터 간 상관관계를 분석하여 외부 환경요인 별 영향도를 설정하며,
상기 특정 이동형 측정 장치의 이동형 측정 데이터에 상기 외부 환경요인 별 영향도를 이용하여 계산되는 보정수치를 반영하여 상기 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행하는 것을 특징으로 하는 대기질 측정 방법. - 제 1 항에 있어서,
상기 외부 환경요인은,
이동형 측정 장치가 설치된 이동체가 이동하는 이동속도, 이동 지점의 습도가 포함된 기상정보, 이동 경로의 교통량을 포함하는 것을 특징으로 하는 대기질 측정 방법. - 삭제
- 삭제
- 제 1 항에 있어서,
상기 보정단계는,
이동형 측정 데이터, 고정형 측정 데이터 및 외부 환경요인 별 요인값을 기반으로 학습되는 인공지능 모델을 이용하여,
특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행하는 것을 특징으로 하는 대기질 측정 방법. - 제 5 항에 있어서,
상기 인공지능 모델은,
이동형 측정 장치가 설치된 이동체가 이동하는 이동 경로에서 고정형 측정 장치가 존재하는 지점 별로, 상기 지점에서 수집되는 이동형 측정 데이터 및 외부 환경요인 별 요인값을 입력값으로 하여 상기 지점에서 수집되는 고정형 측정 데이터를 정답값으로 출력하도록 학습 및 구성되는 모델인 것을 특징으로 하는 대기질 측정 방법. - 제 1 항에 있어서,
상기 추정단계는,
상기 측정구역 내 대기질이 미 측정된 특정 지점을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 획득한 고정형 측정 데이터를 확인하고, 상기 특정 지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터에 대해 보정 수행된 이동형 측정 데이터를 확인하고,
상기 확인한 고정형 측정 데이터 및 이동형 측정 데이터를 이용하여 상기 특정 지점의 측정 데이터를 계산하는 것을 특징으로 하는 대기질 측정 방법. - 측정구역 내 고정형 측정 장치로부터 대기질에 대한 고정형 측정 데이터를 획득하고, 상기 측정구역 내를 이동하는 이동체에 설치된 이동형 측정 장치로부터 대기질에 대한 이동형 측정 데이터를 획득하는 데이터획득부;
상기 이동형 측정 데이터에 대하여 외부 환경요인을 고려한 편차 보정을 수행하는 보정부;
상기 고정형 측정 데이터 및 상기 보정 수행된 이동형 측정 데이터를 연계하여, 상기 측정구역 내 대기질이 미 측정된 지점의 측정 데이터를 계산하여 추정하는 추정부; 및
상기 고정형 측정 데이터와 상기 보정 수행된 이동형 측정 데이터 및 상기 추정한 측정 데이터를 반영하여, 상기 측정구역에 대한 대기질 데이터를 생성하는 데이터생성부를 포함하며,
상기 보정부는,
특정 이동형 측정 장치의 이동형 측정 데이터와 측정 데이터가 겹치게 되는 특정 고정형 측정 장치를 식별하고,
상기 특정 이동형 측정 장치의 이동형 측정 데이터와 상기 특정 고정형 측정 장치의 고정형 측정 데이터가 겹치는 구간에서 상기 특정 이동형 측정 장치의 이동형 측정 데이터와 상기 특정 고정형 측정 장치의 고정형 측정 데이터를 수집하고,
상기 겹치는 구간에서 외부 환경요인 별 요인값을 수집하며,
상기 겹치는 구간에서 수집된 외부 환경요인 별 요인값을 기준으로 상기 특정 이동형 측정 장치의 이동형 측정 데이터와 상기 특정 고정형 측정 장치의 고정형 측정 데이터 간 상관관계를 분석하여 외부 환경요인 별 영향도를 설정하며,
상기 특정 이동형 측정 장치의 이동형 측정 데이터에 상기 외부 환경요인 별 영향도를 이용하여 계산되는 보정수치를 반영하여 상기 특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행하는 것을 특징으로 하는 대기질 측정 시스템. - 제 8 항에 있어서,
상기 외부 환경요인은,
이동형 측정 장치가 설치된 이동체가 이동하는 이동속도, 이동 지점의 습도가 포함된 기상정보, 이동 경로의 교통량을 포함하는 것을 특징으로 하는 대기질 측정 시스템. - 삭제
- 삭제
- 제 8 항에 있어서,
상기 보정부는,
이동형 측정 데이터, 고정형 측정 데이터 및 외부 환경요인 별 요인값을 기반으로 학습되는 인공지능 모델을 이용하여,
특정 이동형 측정 장치의 이동형 측정 데이터에 대한 편차 보정을 수행하는 것을 특징으로 하는 대기질 측정 시스템. - 제 12 항에 있어서,
상기 인공지능 모델은,
이동형 측정 장치가 설치된 이동체가 이동하는 이동 경로에서 고정형 측정 장치가 존재하는 지점 별로, 상기 지점에서 수집되는 이동형 측정 데이터 및 외부 환경요인 별 요인값을 입력값으로 하여 상기 지점에서 수집되는 고정형 측정 데이터를 정답값으로 출력하도록 학습 및 구성되는 모델인 것을 특징으로 하는 대기질 측정 시스템. - 제 8 항에 있어서,
상기 추정부는,
상기 측정구역 내 대기질이 미 측정된 특정 지점을 기준으로, 기 정의된 거리 이내의 고정형 측정 장치로부터 획득한 고정형 측정 데이터를 확인하고, 상기 특정 지점과 가장 가까운 거리의 지점에서 획득된 이동형 측정 데이터에 대해 보정 수행된 이동형 측정 데이터를 확인하고,
상기 확인한 고정형 측정 데이터 및 이동형 측정 데이터를 이용하여 상기 특정 지점의 측정 데이터를 계산하는 것을 특징으로 하는 대기질 측정 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20190085254 | 2019-07-15 | ||
| KR1020190085254 | 2019-07-15 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102066871B1 true KR102066871B1 (ko) | 2020-01-16 |
Family
ID=69369014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190102499A KR102066871B1 (ko) | 2019-07-15 | 2019-08-21 | 대기질 측정 방법 및 대기질 측정 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102066871B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210069913A (ko) * | 2019-12-04 | 2021-06-14 | 강릉원주대학교산학협력단 | 위치 정보 기반 미세먼지 흡입량 정보 측정 시스템, 방법 및 프로그램 |
| KR20210106825A (ko) * | 2020-02-21 | 2021-08-31 | 서울대학교산학협력단 | 보급형 먼지센서를 위한 보정 장치 |
| KR102357871B1 (ko) * | 2020-11-27 | 2022-02-07 | 경희대학교 산학협력단 | 인공지능을 이용하여 손실 데이터를 보정함에 따라 환기 장치를 제어하는 환기 제어 장치 및 방법 |
| KR102366084B1 (ko) | 2021-08-13 | 2022-02-23 | 방기석 | 기상 권역을 기반으로 하는 공기질 측정 시스템 및 공기질 측정 방법 |
| KR20230081327A (ko) | 2021-11-30 | 2023-06-07 | 주식회사 비아 | 버스 위치 정보를 이용한 실시간 대기 환경 정보 제공 시스템 및 그 방법 |
| KR102594820B1 (ko) * | 2023-01-02 | 2023-10-27 | 서울특별시 | 인공지능을 이용한 미세먼지 예측시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101418262B1 (ko) * | 2012-11-05 | 2014-07-16 | 안산시 | 환경 모니터링 시스템 |
| KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
| KR20160078920A (ko) * | 2014-12-24 | 2016-07-05 | 오씨아이 주식회사 | 목표 지점의 일사량 계산 방법 및 장치 |
| KR101865072B1 (ko) * | 2016-10-17 | 2018-06-07 | 주식회사에스에이티 | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 |
| KR101988317B1 (ko) * | 2018-08-06 | 2019-06-12 | 주식회사 디에이피 | 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 |
-
2019
- 2019-08-21 KR KR1020190102499A patent/KR102066871B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101418262B1 (ko) * | 2012-11-05 | 2014-07-16 | 안산시 | 환경 모니터링 시스템 |
| KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
| KR101653280B1 (ko) * | 2014-08-18 | 2016-09-01 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
| KR20160078920A (ko) * | 2014-12-24 | 2016-07-05 | 오씨아이 주식회사 | 목표 지점의 일사량 계산 방법 및 장치 |
| KR101865072B1 (ko) * | 2016-10-17 | 2018-06-07 | 주식회사에스에이티 | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 |
| KR101988317B1 (ko) * | 2018-08-06 | 2019-06-12 | 주식회사 디에이피 | 인공지능에 기반하여 비산먼지를 측정하고 예측하는 장치 및 그 방법 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210069913A (ko) * | 2019-12-04 | 2021-06-14 | 강릉원주대학교산학협력단 | 위치 정보 기반 미세먼지 흡입량 정보 측정 시스템, 방법 및 프로그램 |
| KR102284697B1 (ko) | 2019-12-04 | 2021-08-02 | 강릉원주대학교 산학협력단 | 위치 정보 기반 미세먼지 흡입량 정보 측정 시스템, 방법 및 프로그램 |
| KR20210106825A (ko) * | 2020-02-21 | 2021-08-31 | 서울대학교산학협력단 | 보급형 먼지센서를 위한 보정 장치 |
| KR102333050B1 (ko) | 2020-02-21 | 2021-12-01 | 서울대학교산학협력단 | 보급형 먼지센서를 위한 보정 장치 |
| KR102357871B1 (ko) * | 2020-11-27 | 2022-02-07 | 경희대학교 산학협력단 | 인공지능을 이용하여 손실 데이터를 보정함에 따라 환기 장치를 제어하는 환기 제어 장치 및 방법 |
| KR102366084B1 (ko) | 2021-08-13 | 2022-02-23 | 방기석 | 기상 권역을 기반으로 하는 공기질 측정 시스템 및 공기질 측정 방법 |
| KR102366086B1 (ko) | 2021-08-13 | 2022-02-23 | 방기석 | 공기질 측정 시스템 및 공기질 측정 방법 |
| KR20230081327A (ko) | 2021-11-30 | 2023-06-07 | 주식회사 비아 | 버스 위치 정보를 이용한 실시간 대기 환경 정보 제공 시스템 및 그 방법 |
| KR102594820B1 (ko) * | 2023-01-02 | 2023-10-27 | 서울특별시 | 인공지능을 이용한 미세먼지 예측시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102066871B1 (ko) | 대기질 측정 방법 및 대기질 측정 시스템 | |
| Zhao et al. | Road profile estimation, and its numerical and experimental validation, by smartphone measurement of the dynamic responses of an ordinary vehicle | |
| EP3136128B1 (en) | Trajectory matching using peripheral signal | |
| Kim et al. | Compound Gamma representation for modeling travel time variability in a traffic network | |
| US9824580B2 (en) | Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index | |
| Guo et al. | An extreme value theory based approach for calibration of microsimulation models for safety analysis | |
| US10222448B2 (en) | Method for fingerprint based localization of mobile devices | |
| JP7217754B2 (ja) | センサーの較正 | |
| Mathisen et al. | A comparative analysis of Indoor WiFi Positioning at a large building complex | |
| Yang et al. | Vehicle path reconstruction using automatic vehicle identification data: An integrated particle filter and path flow estimator | |
| CN111126713B (zh) | 基于卡口数据的时空热点预测方法、装置及控制器 | |
| Daraghmi et al. | Crowdsourcing-based road surface evaluation and indexing | |
| Gómez et al. | Evaluation of trade-offs between two data sources for the accurate estimation of origin–destination matrices | |
| Asensio et al. | Estimation of the noise emissions generated by a single vehicle while driving | |
| Gozalo et al. | Variability in sound power levels: Implications for static and dynamic traffic models | |
| KR102628998B1 (ko) | 크라우드 소싱 기반의 핑거프린트 데이터베이스 업데이트 방법 및 이를 위한 장치 | |
| Du et al. | A lifelong framework for data quality monitoring of roadside sensors in cooperative vehicle-infrastructure systems | |
| US11823571B2 (en) | Device and method for predicting traffic information | |
| AU2009236035A1 (en) | Method for Dynamically Integrating Traffic Data | |
| WO2021219259A1 (en) | System, method and computer program for determining estimated sensor data | |
| JP2017156983A (ja) | 移動経路推定装置、及び移動経路推定方法 | |
| CN112071073A (zh) | 一种噪声地图系统的道路噪声自动修正方法 | |
| Wang et al. | An indoor Wi-Fi positioning approach optimized by virtual node | |
| Qiao et al. | Neural network modeling of in-vehicle noises with different roadway roughness | |
| Tosi et al. | Vehicular traffic predictions from cellular network data—A real world case study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |