KR102101001B1 - 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 - Google Patents
공기질 데이터의 보정 로직을 생성하는 장치 및 방법 Download PDFInfo
- Publication number
- KR102101001B1 KR102101001B1 KR1020180076707A KR20180076707A KR102101001B1 KR 102101001 B1 KR102101001 B1 KR 102101001B1 KR 1020180076707 A KR1020180076707 A KR 1020180076707A KR 20180076707 A KR20180076707 A KR 20180076707A KR 102101001 B1 KR102101001 B1 KR 102101001B1
- Authority
- KR
- South Korea
- Prior art keywords
- air quality
- quality data
- data measured
- data
- measuring devices
- Prior art date
Links
- 238000012937 correction Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 238000003062 neural network model Methods 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims 2
- 238000002203 pretreatment Methods 0.000 claims 2
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000009434 installation Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 239000000428 dust Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010012438 Dermatitis atopic Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 201000008937 atopic dermatitis Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q50/26—Government or public services
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Sampling And Sample Adjustment (AREA)
- Air Conditioning Control Device (AREA)
Abstract
상대적으로 측정 정확도가 높은 기준 측정기의 공기질 데이터를 기반으로 상대적으로 측정 정확도가 낮은 간이 측정기의 공기질 데이터를 보정할 수 있는 보정 로직을 생성하기 위한 장치 및 방법이 개시된다. 일 측면에 따른 간이 측정기의 공기질 데이터에 대한 보정 로직을 생성하는 장치는, 기준 측정기에서 측정된 공기질 데이터와, 복수의 간이 측정기 각각에서 측정된 공기질 데이터를 수집하는 수집부; 상기 복수의 간이 측정기에서 측정된 공기질 데이터 중 이상 데이터를 제거하는 전처리를 수행하는 전처리부; 상기 복수의 간이 측정기 중에서 상기 기준 측정기를 기준으로 임계 거리 내에 위치하는 간이 측정기들을 선별하는 선별부; 및 상기 기준 측정기에서 측정된 공기질 데이터와 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터를 신경망 모델에 입력하여 보정 로직을 산출하는 산출부를 포함한다.
Description
본 발명은 간이 측정기에서 측정한 공기질 데이터에 대한 보정 로직을 생성하는 장치 및 방법에 관한 것이다.
최근 국내는 공기 중 부유하는 미세먼지의 농도가 크게 증가하고 있는 추세이다. 이러한 미세먼지는 인체로 흡입될 경우에 호흡 및 심혈관계 질환의 원인이 될 뿐만 아니라, 천식 및 아토피성 피부염 등의 알레르기성 질환을 악화시킨다. 이에 따라, 근래에는 정부에서 미세먼지 등의 공기질을 측정하여 일반에 공개하고 있다.
정부에서는 고가의 공기질 측정기를 이용하여 공기질을 측정한다. 정부에서 운영하는 측정기는 시 또는 구 단위로 설치되어, 시간당 공기질 데이터를 공개하고 있다. 그런데, 고층 건물이 밀집되고 유동 인구 및 교통량의 변화가 큰 대도시에서는 공기 흐름 및 미세먼지의 확산 양상이 매우 복잡함에 따라 서로 인접한 지역 간에도 미세먼지의 농도 편차가 크다. 따라서 정부에서 제공하는 공기질 데이터는 측정기가 설치된 곳에서 먼 지역일수록 부정확하다. 그렇다고 고가의 공기질 측정기를 촘촘히 설치할 경우 비용이 많이 들어간다.
이에 대표적으로 KT는 Air map Korea 사업을 통해 전국에 측정기를 설치하고 공기질을 측정하는 서비스를 진행 중인데 이때 활용되는 측정기는 광산란법을 이용하는 간이 측정기로서 환경부 인증을 받은 정부에서 이용하는 중량포진법 측정기와는 측정 결과에서 오차가 많이 발생하는 단점이 있다.
도 1은 KT의 간이 측정기와 정부에서 사용하는 측정기의 공기질 데이터를 비교한 그래프로서, 도 1에 도시된 바와 같이, 공기질이 나쁠수록 간이 측정기의 측정 결과는 정확도가 떨어진다. 예를 들어, 정부의 측정기에서 측정한 공기질의 최대 수치는 210인 반면, KT의 간이 측정기의 공기질의 최대 수치는 330을 넘는다. 또한 도 1에 도시된 바와 같이, 간이 측정기의 값의 스케일(Scale)이 정부에서 사용하는 측정기와 다르다. 평균적으로 정부의 측정기가 40일 때, 간이 측정기는 60 정도의 수준을 보이면서 과다하게 측정되는 현상을 보인다.
본 발명은 상기와 같은 문제점을 해결하기 위해 제안된 것으로, 상대적으로 측정 정확도가 높은 기준 측정기의 공기질 데이터를 기반으로 상대적으로 측정 정확도가 낮은 간이 측정기의 공기질 데이터를 보정할 수 있는 보정 로직을 생성하기 위한 장치 및 방법을 제공하는데 목적이 있다.
일 측면에 따른 간이 측정기의 공기질 데이터에 대한 보정 로직을 생성하는 장치는, 기준 측정기에서 측정된 공기질 데이터와, 복수의 간이 측정기 각각에서 측정된 공기질 데이터를 수집하는 수집부; 상기 복수의 간이 측정기에서 측정된 공기질 데이터 중 이상 데이터를 제거하는 전처리를 수행하는 전처리부; 상기 복수의 간이 측정기 중에서 상기 기준 측정기를 기준으로 임계 거리 내에 위치하는 간이 측정기들을 선별하는 선별부; 및 상기 기준 측정기에서 측정된 공기질 데이터와 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터를 신경망 모델에 입력하여 보정 로직을 산출하는 산출부를 포함한다.
상기 전처리부는, 상기 복수의 간이 측정기에서 측정된 공기질 데이터에 대해 이상 데이터를 제거하고 무빙 평균화(moving average)를 수행할 수 있다.
상기 전처리부는, 상기 무빙 평균화로서, 특정 시간의 공기질 데이터가 소정의 조건을 만족하는 경우, 해당 특정 시간의 공기질 데이터를 해당 특정 시간을 기준으로 한 이전의 소정의 시간 동안의 공기질 데이터의 평균 값으로 대체할 수 있다.
상기 산출부는, 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터의 시간 단위를 상기 기준 측정기에서 측정된 공기질 데이터의 시간 단위로 변환하여 상기 신경망 모델에 입력할 수 있다.
상기 산출부는, 상기 선별된 간이 측정기들의 공기질 데이터를 공기질 수준에 따라 복수의 그룹으로 분류하고, 각 그룹마다 개별적인 신경망 모델을 통해 보정 로직을 산출할 수 있다.
상기 수집부는, 상기 간이 측정기에서 공기질 데이터를 측정하는데 영향을 주는 외부 변수 데이터를 더 수집하고, 상기 산출부는, 상기 외부 변수 데이터를 상기 신경망 모델에 더 입력할 수 있다.
상기 외부 변수 데이터는, 온도 데이터 및 습도 데이터를 포함할 수 있다.
다른 측면에 따른 공기질 데이터 보정 로직 생성 장치에서 공기질 데이터에 대한 보정 로직을 생성하는 방법은, 기준 측정기에서 측정된 공기질 데이터를 수집하는 단계; 복수의 간이 측정기 각각에서 측정된 공기질 데이터를 수집하는 단계; 상기 복수의 간이 측정기에서 측정된 공기질 데이터 중 이상 데이터를 제거하는 전처리를 수행하는 단계; 상기 복수의 간이 측정기 중에서 상기 기준 측정기를 기준으로 임계 거리 내에 위치하는 간이 측정기들을 선별하는 단계; 및 상기 기준 측정기에서 측정된 공기질 데이터와 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터를 신경망 모델에 입력하여 보정 로직을 산출하는 단계를 포함한다.
상기 전처리를 수행하는 단계는, 상기 복수의 간이 측정기에서 측정된 공기질 데이터에 대해 이상 데이터를 제거하고 무빙 평균화(moving average)를 수행할 수 있다.
상기 전처리를 수행하는 단계는, 상기 무빙 평균화로서, 특정 시간의 공기질 데이터가 소정의 조건을 만족하는 경우, 해당 특정 시간의 공기질 데이터를 해당 특정 시간을 기준으로 한 이전의 소정의 시간 동안의 공기질 데이터의 평균 값으로 대체하는 것을 포함할 수 있다.
상기 산출하는 단계는, 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터의 시간 단위를 상기 기준 측정기에서 측정된 공기질 데이터의 시간 단위로 변환하여 상기 신경망 모델에 입력할 수 있다.
상기 산출하는 단계는, 상기 선별된 간이 측정기들의 공기질 데이터를 공기질 수준에 따라 복수의 그룹으로 분류하고, 각 그룹마다 개별적인 신경망 모델을 통해 보정 로직을 산출할 수 있다.
상기 방법은, 상기 간이 측정기에서 공기질 데이터를 측정하는데 영향을 주는 외부 변수 데이터를 수집하는 단계를 더 포함하고, 상기 산출하는 단계는, 상기 외부 변수 데이터를 상기 신경망 모델에 더 입력할 수 있다. 이때, 상기 외부 변수 데이터는, 온도 데이터 및 습도 데이터를 포함할 수 있다.
본 발명에 따르면, 간이 측정기의 공기질 데이터의 정확도를 정부에서 사용하는 측정기의 수준으로 높임으로써, 보다 저렴한 비용으로 좁은 지역 단위로 정밀한 공기질 데이터를 제공할 수 있도록 한다.
도 1은 KT의 간이 측정기와 정부에서 사용하는 측정기의 공기질 데이터를 비교한 그래프이다.
도 2는 본 발명의 일 실시예에 따른 공기질 데이터 보정 시스템을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 어느 한 간이 측정기의 공기질 데이터에 대해 무빙 평균화를 수행하는 과정을 설명하는 그래프이다.
도 4는 본 발명의 일 실시예에 따른 공기질이 '좋음'일 때의 습도와 간이 측정기의 공기질의 관계를 나타낸 그래프이다.
도 5는 본 발명의 일 실시예에 따른 공기질이 '매우 나쁨'일 때의 습도와 간이 측정기의 공기질의 관계를 나타낸 그래프이다.
도 6은 본 발명의 일 실시예에 따른 인공신경망 모델을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 간이 측정기들의 보정 후 공기질 데이터와 기준 측정기의 공기질 데이터를 비교한 그래프이다.
도 8은 본 발명의 일 실시예에 따른 공기질 데이터의 보정 로직을 생성하는 방법을 설명하는 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 공기질 데이터 보정 시스템을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 어느 한 간이 측정기의 공기질 데이터에 대해 무빙 평균화를 수행하는 과정을 설명하는 그래프이다.
도 4는 본 발명의 일 실시예에 따른 공기질이 '좋음'일 때의 습도와 간이 측정기의 공기질의 관계를 나타낸 그래프이다.
도 5는 본 발명의 일 실시예에 따른 공기질이 '매우 나쁨'일 때의 습도와 간이 측정기의 공기질의 관계를 나타낸 그래프이다.
도 6은 본 발명의 일 실시예에 따른 인공신경망 모델을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 간이 측정기들의 보정 후 공기질 데이터와 기준 측정기의 공기질 데이터를 비교한 그래프이다.
도 8은 본 발명의 일 실시예에 따른 공기질 데이터의 보정 로직을 생성하는 방법을 설명하는 흐름도이다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일 실시예를 상세히 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 공기질 데이터 보정 시스템을 나타낸 도면이다.
도 2를 참조하면, 공기질 데이터 보정 시스템은, 기준 측정기(210), 공기질 데이터 보정 로직 생성 장치(220), 복수의 간이 측정기(230), 허브 시스템(240) 및 외부 시스템(250)을 포함한다.
기준 측정기(210)는 간이 측정기(230)와 비교하여 상대적으로 측정된 공기질 데이터의 정확도가 높은 측정기로서, 예를 들어 정부에서 운영하는 환경부 인증을 받은 중량포진법 측정기일 수 있다. 본 실시예에서 기준 측정기(210)는 1시간 단위로 공기질을 측정한다.
간이 측정기(230)는 상기 기준 측정기(210)보다 상대적으로 측정된 공기질 데이터의 정확도가 낮은 측정기로서, 예를 들어 광산란법을 이용하는 측정기일 수 있다. 기준 측정기(210)는 상대적으로 고가이기 때문에 대도시의 구 단위로 설치되어 운영되는 반면, 간이 측정기(230)는 상대적으로 저가이기 때문에 기준 측정기(210)보다는 좁은 지역 단위로 설치된다.
허브 시스템(240)은 복수의 간이 측정기(230)에서 측정되는 공기질 데이터, 온도 데이터, 습도 데이터를 간이 측정기들(230)로부터 수신하여 공기질 데이터 보정 로직 생성 장치(220)로 제공하고, 또한 GIS 시스템 등과 같이 공기질 데이터를 일반에 공개하는 외부 시스템으로 제공한다. 허브 시스템(240)은, 공기질 데이터 보정 로직 생성 장치(220)로부터 공기질 데이터를 보정하기 위한 보정 로직을 수신하면 그 보정 로직을 이용하여 간이 측정기들(230)로부터 수신되는 공기질 데이터를 보정하여 외부 시스템(250)으로 제공한다.
공기질 데이터 보정 로직 생성 장치(220)는, 기준 측정기(210)의 공기질 데이터를 수집하고, 또한 간이 측정기들(230)에서 측정되는 공기질 데이터, 온도 데이터, 습도 데이터를 수집한다. 공기질 데이터 보정 로직 생성 장치(220)는, 기준 측정기(210)로부터 수집된 데이터를 기준으로 하여 간이 측정기들(230)로부터 수집된 데이터를 이용하여 간이 측정기들(230)에서 측정된 공기질 데이터를 보정할 수 있는 보정 로직을 산출하여 허브 시스템(240)으로 제공한다.
공기질 데이터 보정 로직 생성 장치(220)는, 메모리, 메모리 제어기, 하나 이상의 프로세서(CPU), 주변 인터페이스, 입출력(I/O) 서브시스템, 디스플레이 장치, 입력 장치 및 통신 회로를 포함할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 통하여 통신한다. 이러한 여러 구성요소는 하나 이상의 신호 처리 및/또는 애플리케이션 전용 집적 회로(application specific integrated circuit)를 포함하여, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어 둘의 조합으로 구현될 수 있다.
메모리는 고속 랜덤 액세스 메모리를 포함할 수 있고, 또한 하나 이상의 자기 디스크 저장 장치, 플래시 메모리 장치와 같은 불휘발성 메모리, 또는 다른 불휘발성 반도체 메모리 장치를 포함할 수 있다. 일부 실시예에서, 메모리는 하나 이상의 프로세서로부터 멀리 떨어져 위치하는 저장 장치, 예를 들어 RF 회로와, 인터넷, 인트라넷, LAN(Local Area Network), WLAN(Wide LAN), SAN(Storage Area Network) 등, 또는 이들의 적절한 조합과 같은 통신 네트워크(도시하지 않음)를 통하여 액세스되는 네트워크 부착형(attached) 저장 장치를 더 포함할 수 있다. 프로세서 및 주변 인터페이스와 같은 장치의 다른 구성요소에 의한 메모리로의 액세스는 메모리 제어기에 의하여 제어될 수 있다.
주변 인터페이스는 장치의 입출력 주변 장치를 프로세서 및 메모리와 연결한다. 하나 이상의 프로세서는 다양한 소프트웨어 프로그램 및/또는 메모리에 저장되어 있는 명령어 세트를 실행하여 시스템을 위한 여러 기능을 수행하고 데이터를 처리한다. 일부 실시예에서, 주변 인터페이스, 프로세서 및 메모리 제어기는 칩과 같은 단일 칩 상에서 구현될 수 있다. 일부 다른 실시예에서, 이들은 별개의 칩으로 구현될 수 있다.
I/O 서브시스템은 디스플레이 장치, 입력 장치와 같은 장치의 입출력 주변장치와 주변 인터페이스 사이에 인터페이스를 제공한다. 디스플레이 장치는 LCD(liquid crystal display) 기술 또는 LPD(light emitting polymer display) 기술을 사용할 수 있고, 이러한 디스플레이 장치는 용량형, 저항형, 적외선형 등의 터치 디스플레이일 수 있다. 터치 디스플레이는 시스템과 사용자 사이에 출력 인터페이스 및 입력 인터페이스를 제공한다.
프로세서는 시스템에 연관된 동작을 수행하고 명령어들을 수행하도록 구성된 프로세서로서, 예를 들어, 메모리로부터 검색된 명령어들을 이용하여, 시스템의 컴포넌트 간의 입력 및 출력 데이터의 수신과 조작을 제어할 수 있다. 일부 실시예에서, 소프트웨어 구성요소는 운영 체제, 그래픽 모듈(명령어 세트), 본 발명을 위한 동작을 수행하기 위한 프로그램이 탑재(설치)된다. 운영 체제는, 예를 들어, 다윈(Darwin), RTXC, LINUX, UNIX, OSX, WINDOWS 또는 VxWorks, 안드로이드, iOS 등과 같은 내장 운영체제일 수 있고, 일반적인 시스템 태스크(task)(예를 들어, 메모리 관리, 저장 장치 제어, 전력 관리 등)를 제어 및 관리하는 다양한 소프트웨어 구성요소 및/또는 장치를 포함하고, 다양한 하드웨어와 소프트웨어 구성요소 사이의 통신을 촉진시킨다.
통신 회로는 이더넷 통신 회로 및 RF 회로를 포함할 수 있다. 이더넷 통신 회로는 유선 통신을 수행하고, RF 회로는 전자파를 송수신한다. RF 회로는 전기 신호를 전자파로 또는 그 반대로 변환하며 이 전자파를 통하여 통신 네트워크, 다른 이동형 게이트웨이 및 통신 장치와 통신한다. RF 회로는 예를 들어 안테나 시스템, RF 트랜시버, 하나 이상의 증폭기, 튜너, 하나 이상의 오실레이터, 디지털 신호 처리기, CODEC 칩셋, 메모리 등을 포함하지만 이에 한정되지 않는 이러한 기능을 수행하기 위한 주지의 회로를 포함할 수 있다. RF 회로는 셀룰러 전화 네트워크, 무선 LAN 및/또는 MAN(metropolitan area network)와 같은 무선 네트워크, 그리고 근거리 무선 통신에 의하여 다른 장치와 통신할 수 있다.
도 2에 도시된 바와 같이, 공기질 데이터 보정 로직 생성 장치(220)는 수집부(221), 저장부(222), 전처리부(223), 선별부(224), 보정 로직 산출부(225) 및 보정 로직 적용부(226)를 포함한다. 저장부(222)는 상술한 메모리일 수 있고 또는 별도의 데이터베이스 서버일 수도 있다. 수집부(221), 저장부(222), 전처리부(223), 선별부(224), 보정 로직 산출부(225) 및 보정 로직 적용부(226)은 프로그램으로 구현되어 메모리에 저장된 후 프로세서에 의해 실행될 수 있고, 또는 하드웨어와 소프트웨어의 조합으로 구현될 수도 있다.
수집부(221)는, 기준 측정기(210)에서 측정된 공기질 데이터를 수집한다. 예를 들어, 수집부(221)는 기상청 웹 사이트에서 스크롤링 등을 통해 지역별 공기질 데이터를 수집할 수 있고, 또는 관리자로부터 입력받을 수 있다. 본 실시예에서 기준 측정기(210)에서 측정된 공기질 데이터는 1시간 단위의 값이다. 또한 수집부(221)는 공기질 데이터를 수집하면서 기준 측정기(210)의 설치 위치 좌표도 함께 수집한다.
또한 수집부(221)는 복수의 간이 측정기(230)에서 측정된 공기질 데이터와 온도 데이터 및 습도 데이터를 수집한다. 도 2를 참조하면, 수집부(221)는 허브 시스템(240)을 통해 복수의 간이 측정기(230)에서 측정된 공기질 데이터와 온도 데이터 및 습도 데이터를 수집한다. 본 실시예에서 간이 측정기(230)에서 측정된 공기질 데이터, 온도 데이터 및 습도 데이터는 1분 단위의 값이다. 또한 수집부(221)는 허브 시스템(240)을 통해 각 간이 측정기(230)의 설치 위치 좌표도 수집한다. 또는 수집부(221)는 관리자로부터 데이터를 입력받을 수 있다.
저장부(222)는 상기 수집부(221)에서 수집된 데이터를 저장한다.
전처리부(223)는 수집되어 상기 저장부(222)에 저장된 간이 측정기(230)들의 공기질 원시 데이터의 정제를 수행한다. 예를 들어 1분에 1개의 공기질 데이터가 수집되어야 하는데 1분에 2개 이상의 공기질 데이터가 수신되는 경우 전처리부(223)는 해당 시간의 간이 측정기(230)의 공기질 데이터에 대해 널(null) 값 처리를 한다. 또는 공기질 데이터 자체가 수신되지 않거나 음(-)의 값의 공기질 데이터가 수신되는 경우에도 전처리부(223)는 해당 시간의 간이 측정기(230)의 공기질 데이터에 대해 널 값 처리를 한다.
또한, 전처리부(223)는 정제된 간이 측정기(230)들의 공기질 데이터에 대해 무빙 평균화(moving average)를 수행한다. 즉, 전처리부(223)는 특정 시간의 공기질 데이터의 값이 소정의 조건을 만족하는 경우, 해당 시간의 공기질 데이터의 값을 해당 시간을 기준으로 한 이전의 소정의 시간 동안의 공기질 데이터의 값의 평균 값으로 대체하는 보정을 행한다. 예를 들어, 특정 시간의 공기질 데이터의 값이 특정 범위를 벗어나는 경우에, 해당 특정 시간을 기준으로 한 이전의 소정의 시간 동안, 예를 들어 이전 20분 동안의 20개의 공기질 데이터의 값의 평균 값으로 대체한다.
도 3은 본 발명의 일 실시예에 따른 어느 한 간이 측정기(230)의 공기질 데이터에 대해 무빙 평균화를 수행하는 과정을 설명하는 그래프이다. 도 3을 참조하면, 공기질 데이터는 1분 단위로 발생한다. 도 3에서는 2018년 3월 8일 02시 55분부터 2018년 3월 8일 03시 36분까지의 공기질 데이터를 나타낸다. 도 3에서 2018년 3월 8일 03시 08분의 공기질 데이터의 값은 101이고, 인접한 시간대의 공기질 데이터의 값에 비해 과도하게 높다. 즉 상기 (조건 1)에 해당한다. 따라서 해당 2018년 3월 8일 03시 08분의 공기질 데이터의 값은 101에서 그 이전의 15분 동안의 공기질 데이터의 평균 값(M15)으로 변경된다.
선별부(224)는, 복수의 간이 측정기(230) 중에서 기준 측정기(210)로부터 소정의 임계 반경 내에 위치하는 간이 측정기(230)들을 선별한다. 구체적으로, 선별부(224)는 복수의 간이 측정기(230) 각각의 설치 위치 좌표와 기준 측정기(210)의 설치 위치 좌표를 비교하여, 복수의 간이 측정기(230) 중에서 기준 측정기(210)로부터 소정의 임계 반경 내에 위치하는 간이 측정기(230)들을 선별한다. 예를 들어, 기준 측정기(210)로부터 3km 이내에 위치하는 간이 측정기(230)들을 선별한다. 기준 측정기(210)로부터 상대적으로 멀리 떨어진 간이 측정기(230)들의 공기질 데이터를 이용하면 보정에 오차가 많이 발생하기 때문에, 기준 측정기(210)에 상대적으로 가까운 간이 측정기(230)들의 공기질 데이터만을 이용하기 위함이다.
보정 로직 산출부(225)는, 상기 선별부(224)에서 선별된 간이 측정기(230)들의 공기질 데이터와, 공기질 데이터에 영향을 주는 외부 요인 데이터를 변수 X로 하여 인공신경망 모델을 통해 보정 로직을 산출한다. 여기서 상기 선별된 간이 측정기(230)들의 공기질 데이터는 상기 전처리부(223)에서 전처리된 공기질 데이터로서 과거 시간별 공기질 데이터이다. 또한 상기 외부 요인 데이터는 공기질 데이터에 영향을 주는 인자로서 본 실시예에서는 상기 공기질 데이터의 시간대와 동일한 시간별 온도 데이터, 습도 데이터이나 여기에 제한되는 것은 아니며 다른 요인 데이터도 변수로서 포함될 수 있다. 또한, 인공신경망 모델의 비교 대상인 Y 값은 동일 시간의 기준 측정기(210)의 공기질 데이터이다.
보정 로직 산출부(225)는, 상기 선별된 간이 측정기(230)들의 공기질 데이터를 공기질 수준에 따라 복수의 그룹으로 분류하고, 각 그룹마다 개별적인 인공신경망 모델을 통해 보정 로직을 산출한다. 여기서 공기질 수준은, '좋음', '보통', '나쁨', 매우 나쁨'이다. 이와 같이 공기질 수준에 따라 복수의 그룹으로 분류하고 각 그룹마다 개별적인 인공신경망 모델을 적용하는 이유는, 공기질 수준에 따라 온도, 습도 등의 X 변수가 간이 측정기(230)의 공기질 데이터에 영향을 주는 정도가 다르기 때문이다. 보정 로직 산출부(225)에서 산출되는 보정 로직은, 각 인공신경망 모델에서의 각 레이어에 입력되는 변수에 적용되는 가중치일 수 있다.
보정 로직 산출부(225)는 인공신경망 모델에 변수의 값을 입력할 때, 간이 측정기(230)들의 공기질 데이터의 시간 단위를 기준 측정기(210)의 시간 단위로 변환한다. 본 발명의 실시예에서 간이 측정기(230)들의 공기질 데이터는 1분 단위의 값이고, 기준 측정기(210)의 공기질 데이터는 1시간 단위의 값이다. 따라서 보정 로직 산출부(225)는, 간이 측정기(230)들의 1분 단위의 공기질 데이터를 60분 단위로 평균하여 1시간 단위의 공기질 데이터로 변환한다.
도 4는 본 발명의 일 실시예에 따른 공기질이 '좋음'일 때의 습도와 간이 측정기(230)의 공기질의 관계를 나타낸 그래프이고, 도 5는 본 발명의 일 실시예에 따른 공기질이 '매우 나쁨'일 때의 습도와 간이 측정기(230)의 공기질의 관계를 나타낸 그래프이다. 도 4 및 도 5를 참조하면, 공기질이 '좋음'일 때 간이 측정기(230)의 공기질에 '습도'가 크게 영향을 주지 않는 반면, 공기질이 '매우 나쁨'일 때 간이 측정기(230)의 공기질에 '습도'가 상대적으로 큰 영향을 주는 것을 알 수 있다.
보정 로직 산출부(225)에서 이용하는 인공신경망 모델은 입력과 출력 사이에 다중의 히든 레이어(Hidden layer)를 포함한다. 도 6은 본 발명의 일 실시예에 따른 인공신경망 모델을 나타낸 도면으로서, 공기질이 '좋음'일 때의 인공신경망 모델이다. 도 6에 도시된 바와 같이, 입력 변수 X는 간이 측정기(230)의 공기질 데이터, 온도, 습도, 측정 시간이다. 출력 레이어에서 나온 결과와, 기준 측정기(210)의 공기질 데이터가 비교되는 과정 속에서 각 노드로 입력되는 변수에 대한 가중치가 결정된다. 공기질이 '좋음'일 때의 히든 레이어 1에는 노드가 4개이고, 히든 레이어 2에는 노드가 1개로 구성된다. 이러한 레이어의 개수와 노드의 개수는 공기질 수준에 따른 각 그룹별로 최적화 알고리즘을 통해 자동으로 선정된다.
보정 로직 적용부(226)는, 상기 보정 로직 산출부(225)에서 산출된 공기 수준에 따른 각 그룹의 보정 로직을 간이 측정기(230)들의 데이터를 수집하여 일반 사용자 등의 외부에 제공하는 허브 시스템(240)에 전송한다. 따라서, 허브 시스템(240)은, 간이 측정기(230)들에서 수집되는 공기질 데이터에 대해 보정 로직을 적용하여 보정하고 보정 후의 공기질 데이터를 GIS 시스템 등에 제공할 수 있다. 공기질 수준에 따라 보정 로직이 상이하므로, 허브 시스템(240)은 간이 측정기(230)에서 수신되는 공기질 데이터의 공기질 수준에 맞는 보정 로직을 이용하여 공기질 데이터를 보정한다.
도 7은 본 발명의 일 실시예에 따른 간이 측정기(230)들의 보정 후 공기질 데이터와 기준 측정기(210)의 공기질 데이터를 비교한 그래프이다. 도 7에 도시된 바와 같이, 간이 측정기(230)의 보정 후 공기질 데이터와 기준 측정기(210)의 공기질 데이터는 선형 관계를 보이며 공기질 수준이 안 좋을 때 간이 측정기(230)의 공기질 데이터의 정확도가 떨어졌던 문제가 개선되었다.
간이 측정기(230)들의 보정 전 공기질 데이터와 보정 후 공기질 데이터를 MAE(Mean Absolute Error)로서 비교하면 다음 표1과 같다. MAE는 아래 수학식1과 같이 측정 데이터별 에러를 합산한 후 전체 데이터 수로 나눈 값으로 평균적으로 수치가 몇 정도 차이가 나는지를 알려주는 지표이다. 이 수치 차이가 작을수록 좋은 모델이다. 아래 표1과 같이 보정 전에는 MAE는 27 정도이나, 보정 후에는 MAE가 13 정도로서, 보정 전과 비교하여 보정 후에 약 50% 정도의 개선이 이루어진 것을 알 수 있다.
(수학식 1)
| 보정 전 MAE | 보정 후 MAE |
| 27.00794 | 13.04441 |
도 8은 본 발명의 일 실시예에 따른 공기질 데이터의 보정 로직을 생성하는 방법을 설명하는 흐름도이다.
도 8을 참조하면, 공기질 보정 로직 생성 장치(220)는, 기준 측정기(210)에서 측정된 공기질 데이터를 수집한다(S801). 예를 들어, 공기질 보정 로직 생성 장치(220)는 기상청 웹 사이트에서 스크롤링 등을 통해 지역별 공기질 데이터를 수집할 수 있고, 또는 관리자로부터 입력받을 수 있다. 본 실시예에서 기준 측정기(210)에서 측정된 공기질 데이터는 1시간 단위의 값이다. 또한 공기질 보정 로직 생성 장치(220)는 공기질 데이터를 수집하면서 기준 측정기(210)의 설치 위치 좌표도 함께 수집한다.
또한 공기질 보정 로직 생성 장치(220)는 복수의 간이 측정기(230)에서 측정된 공기질 데이터와 온도 데이터 및 습도 데이터를 수집한다(S802). 공기질 보정 로직 생성 장치(220)는 허브 시스템(240)을 통해 복수의 간이 측정기(230)에서 측정된 공기질 데이터와 온도 데이터 및 습도 데이터를 수집할 수 있고, 또는 관리자로부터 데이터를 입력받을 수 있다. 본 실시예에서 간이 측정기(230)에서 측정된 공기질 데이터, 온도 데이터 및 습도 데이터는 1분 단위의 값이다. 또한 공기질 보정 로직 생성 장치(220)는 허브 시스템(240)을 통해 각 간이 측정기(230)의 설치 위치 좌표도 수집한다.
공기질 보정 로직 생성 장치(220)는 상기 수집된 간이 측정기(230)들의 공기질 원시 데이터를 전처리한다(S803). 여기서 전처리는 정제 및 무빙 평균화를 포함한다. 정제는 예를 들어 1분에 1개의 공기질 데이터가 수집되어야 하는데 1분에 2개 이상의 공기질 데이터가 수신되는 경우 해당 시간의 간이 측정기(230)의 공기질 데이터에 대해 널(null) 값 처리를 하는 것, 또는 공기질 데이터 자체가 수신되지 않거나 음(-)의 값의 공기질 데이터가 수신되는 경우에도 해당 시간의 간이 측정기(230)의 공기질 데이터에 대해 널 값 처리를 하는 것 등을 포함한다. 무빙 평균화는 특정 시간의 공기질 데이터의 값이 소정의 조건을 만족하는 경우, 해당 시간의 공기질 데이터의 값을 해당 시간을 기준으로 한 이전의 소정의 시간 동안의 공기질 데이터의 값의 평균 값으로 대체하는 것을 의미한다.
공기질 보정 로직 생성 장치(220)는 복수의 간이 측정기(230) 중에서 기준 측정기(210)로부터 소정의 임계 반경 내에 위치하는 간이 측정기(230)들을 선별한다(S804). 구체적으로, 공기질 보정 로직 생성 장치(220)는 복수의 간이 측정기(230) 각각의 설치 위치 좌표와 기준 측정기(210)의 설치 위치 좌표를 비교하여, 복수의 간이 측정기(230) 중에서 기준 측정기(210)로부터 소정의 임계 반경 내에 위치하는 간이 측정기(230)들을 선별한다. 예를 들어, 기준 측정기(210)로부터 3km 이내에 위치하는 간이 측정기(230)들을 선별한다. 기준 측정기(210)로부터 상대적으로 멀리 떨어진 간이 측정기(230)들의 공기질 데이터를 이용하면 보정에 오차가 많이 발생하기 때문에, 기준 측정기(210)에 상대적으로 가까운 간이 측정기(230)들의 공기질 데이터만을 이용하기 위함이다.
공기질 보정 로직 생성 장치(220)는 선별된 간이 측정기(230)들의 공기질 데이터를 공기질 수준에 따라 복수의 그룹으로 분류한다(S805). 여기서 공기질 수준은, '좋음', '보통', '나쁨', 매우 나쁨'이다.
공기질 보정 로직 생성 장치(220)는 각 그룹별로 공기질 데이터와, 공기질 데이터에 영향을 주는 외부 요인 데이터를 변수 X로 하여 인공신경망 모델을 통해 보정 로직을 산출한다(S806). 여기서 상기 선별된 간이 측정기(230)들의 공기질 데이터는 전처리된 공기질 데이터로서 과거 시간별 공기질 데이터이다. 또한 상기 외부 요인 데이터는 공기질 데이터에 영향을 주는 인자로서 본 실시예에서는 상기 공기질 데이터의 시간대와 동일한 시간별 온도 데이터, 습도 데이터이나 여기에 제한되는 것은 아니며 다른 요인 데이터도 변수로서 포함될 수 있다. 또한, 인공신경망 모델의 비교 대상인 Y 값은 동일 시간의 기준 측정기(210)의 공기질 데이터이다. 산출되는 보정 로직은, 각 인공신경망 모델에서의 각 레이어에 입력되는 변수에 적용되는 가중치일 수 있다. 공기질 보정 로직 생성 장치(220)는, 인공신경망 모델에 변수의 값을 입력할 때, 간이 측정기(230)들의 공기질 데이터의 시간 단위를 기준 측정기(210)의 시간 단위로 변환한다. 본 발명의 실시예에서 간이 측정기(230)들의 공기질 데이터는 1분 단위의 값이고, 기준 측정기(210)의 공기질 데이터는 1시간 단위의 값이다. 따라서 공기질 보정 로직 생성 장치(220)는, 간이 측정기(230)들의 1분 단위의 공기질 데이터를 60분 단위로 평균하여 1시간 단위의 공기질 데이터로 변환한다.
공기질 보정 로직 생성 장치(220)는, 산출된 공기 수준에 따른 각 그룹의 보정 로직을 간이 측정기(230)들의 데이터를 수집하여 일반 사용자 등의 외부에 제공하는 허브 시스템(240)에 제공한다(S807). 따라서, 허브 시스템(240)은, 간이 측정기(230)들에서 수집되는 공기질 데이터에 대해 보정 로직을 적용하여 보정하고 보정 후의 공기질 데이터를 GIS 시스템 등에 제공할 수 있다. 공기질 수준에 따라 보정 로직이 상이하므로, 허브 시스템(240)은 간이 측정기(230)에서 수신되는 공기질 데이터의 공기질 수준에 맞는 보정 로직을 이용하여 공기질 데이터를 보정한다.
본 명세서는 많은 특징을 포함하는 반면, 그러한 특징은 본 발명의 범위 또는 특허청구범위를 제한하는 것으로 해석되어서는 안 된다. 또한, 본 명세서에서 개별적인 실시예에서 설명된 특징들은 단일 실시예에서 결합되어 구현될 수 있다. 반대로, 본 명세서에서 단일 실시예에서 설명된 다양한 특징들은 개별적으로 다양한 실시예에서 구현되거나, 적절히 결합되어 구현될 수 있다.
도면에서 동작들이 특정한 순서로 설명되었으나, 그러한 동작들이 도시된 바와 같은 특정한 순서로 수행되는 것으로, 또는 일련의 연속된 순서, 또는 원하는 결과를 얻기 위해 모든 설명된 동작이 수행되는 것으로 이해되어서는 안 된다. 특정 환경에서 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 아울러, 상술한 실시예에서 다양한 시스템 구성요소의 구분은 모든 실시예에서 그러한 구분을 요구하지 않는 것으로 이해되어야 한다. 상술한 프로그램 구성요소 및 시스템은 일반적으로 단일 소프트웨어 제품 또는 멀티플 소프트웨어 제품에 패키지로 구현될 수 있다.
상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(시디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다. 이러한 과정은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있으므로 더 이상 상세히 설명하지 않기로 한다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
210 : 기준 측정기
220 : 공기질 데이터 보정 로직 생성 장치
230 : 간이 측정기
240 : 허브 시스템
250 : 외부 시스템
221 : 수집부
222 : 저장부
223 : 전처리부
224 : 선별부
225 : 보정 로직 산출부
226 : 보정 로직 적용부
220 : 공기질 데이터 보정 로직 생성 장치
230 : 간이 측정기
240 : 허브 시스템
250 : 외부 시스템
221 : 수집부
222 : 저장부
223 : 전처리부
224 : 선별부
225 : 보정 로직 산출부
226 : 보정 로직 적용부
Claims (15)
- 공기질을 측정하는 기준 측정기를 이용하여, 상기 기준 측정기보다 상대적으로 정확도가 낮게 공기질을 측정하는 간이 측정기의 공기질 데이터에 대한 보정 로직을 생성하는 장치에 있어서,
상기 기준 측정기에서 측정된 공기질 데이터와, 복수의 간이 측정기 각각에서 측정된 공기질 데이터를 통신 네트워크를 통해 수집하는 수집부;
상기 복수의 간이 측정기에서 측정된 공기질 데이터 중 이상 데이터를 제거하는 전처리를 수행하는 전처리부;
상기 복수의 간이 측정기 중에서 상기 기준 측정기를 기준으로 임계 거리 내에 위치하는 간이 측정기들을 선별하는 선별부; 및
상기 기준 측정기에서 측정된 공기질 데이터와 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터를 신경망 모델의 다중 레이어에 입력하되, 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터의 시간 단위를 상기 기준 측정기에서 측정된 공기질 데이터의 시간 단위로 변환하여 입력하고, 상기 신경망 모델이 상기 기준 측정기에서 측정된 공기질 데이터와 상기 선별된 간이 측정기들에서 측정된 공기질 데이터를 비교하는 과정에서 결정되는 상기 다중 레이어의 가중치를 보정 로직으로서 산출하는 산출부를 포함하고,
상기 산출부는,
상기 선별된 간이 측정기들의 공기질 데이터를 공기질 수준에 따라 복수의 그룹으로 분류하고, 각 그룹마다 개별적인 신경망 모델을 통해 상기 보정 로직을 산출하는 것을 특징으로 하는 장치. - 제 1 항에 있어서,
상기 전처리부는,
상기 복수의 간이 측정기에서 측정된 공기질 데이터에 대해 이상 데이터를 제거하고 무빙 평균화(moving average)를 수행하는 것을 특징으로 하는 장치. - 제 2 항에 있어서,
상기 전처리부는,
상기 무빙 평균화로서, 특정 시간의 공기질 데이터가 소정의 조건을 만족하는 경우, 해당 특정 시간의 공기질 데이터를 해당 특정 시간을 기준으로 한 이전의 소정의 시간 동안의 공기질 데이터의 평균 값으로 대체하는 것을 특징으로 하는 장치. - 삭제
- 삭제
- 제 1 항에 있어서,
상기 수집부는,
상기 간이 측정기에서 공기질 데이터를 측정하는데 영향을 주는 외부 변수 데이터를 더 수집하고,
상기 산출부는, 상기 외부 변수 데이터를 상기 신경망 모델에 더 입력하는 것을 특징으로 하는 장치. - 제 6 항에 있어서,
상기 외부 변수 데이터는, 온도 데이터 및 습도 데이터를 포함하는 것을 특징으로 하는 장치. - 공기질 데이터 보정 로직 생성 장치에서, 공기질을 측정하는 기준 측정기를 이용하여, 상기 기준 측정기보다 상대적으로 정확도가 낮게 공기질을 측정하는 간이 측정기의 공기질 데이터에 대한 보정 로직을 생성하는 방법에 있어서,
기준 측정기에서 측정된 공기질 데이터를 통신 네트워크를 통해 수집하는 단계;
복수의 간이 측정기 각각에서 측정된 공기질 데이터를 통신 네트워크를 통해 수집하는 단계;
상기 복수의 간이 측정기에서 측정된 공기질 데이터 중 이상 데이터를 제거하는 전처리를 수행하는 단계;
상기 복수의 간이 측정기 중에서 상기 기준 측정기를 기준으로 임계 거리 내에 위치하는 간이 측정기들을 선별하는 단계; 및
상기 기준 측정기에서 측정된 공기질 데이터와 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터를 신경망 모델의 다중 레이어에 입력하되, 상기 선별된 간이 측정기들에서 측정되어 상기 전처리된 공기질 데이터의 시간 단위를 상기 기준 측정기에서 측정된 공기질 데이터의 시간 단위로 변환하여 입력하고, 상기 신경망 모델이 상기 기준 측정기에서 측정된 공기질 데이터와 상기 선별된 간이 측정기들에서 측정된 공기질 데이터를 비교하는 과정에서 결정되는 상기 다중 레이어의 가중치를 보정 로직으로서 산출하는 단계를 포함하고,
상기 산출하는 단계는,
상기 선별된 간이 측정기들의 공기질 데이터를 공기질 수준에 따라 복수의 그룹으로 분류하고, 각 그룹마다 개별적인 신경망 모델을 통해 상기 보정 로직을 산출하는 방법. - 제 8 항에 있어서,
상기 전처리를 수행하는 단계는,
상기 복수의 간이 측정기에서 측정된 공기질 데이터에 대해 이상 데이터를 제거하고 무빙 평균화(moving average)를 수행하는 것을 특징으로 하는 방법. - 제 9 항에 있어서,
상기 전처리를 수행하는 단계는,
상기 무빙 평균화로서, 특정 시간의 공기질 데이터가 소정의 조건을 만족하는 경우, 해당 특정 시간의 공기질 데이터를 해당 특정 시간을 기준으로 한 이전의 소정의 시간 동안의 공기질 데이터의 평균 값으로 대체하는 것을 특징으로 하는 방법. - 삭제
- 삭제
- 제 8 항에 있어서,
상기 간이 측정기에서 공기질 데이터를 측정하는데 영향을 주는 외부 변수 데이터를 수집하는 단계를 더 포함하고,
상기 산출하는 단계는, 상기 외부 변수 데이터를 상기 신경망 모델에 더 입력하는 것을 특징으로 하는 방법. - 제 13 항에 있어서,
상기 외부 변수 데이터는, 온도 데이터 및 습도 데이터를 포함하는 것을 특징으로 하는 방법. - 제 8 항 내지 제 10 항, 제13항, 제14항 중 어느 한 항에 따른 방법을 컴퓨터 시스템을 통해 실행하는 컴퓨터 프로그램으로서 기록매체에 기록된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180076707A KR102101001B1 (ko) | 2018-07-02 | 2018-07-02 | 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180076707A KR102101001B1 (ko) | 2018-07-02 | 2018-07-02 | 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200003664A KR20200003664A (ko) | 2020-01-10 |
| KR102101001B1 true KR102101001B1 (ko) | 2020-04-14 |
Family
ID=69158380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180076707A KR102101001B1 (ko) | 2018-07-02 | 2018-07-02 | 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102101001B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102328762B1 (ko) | 2021-07-05 | 2021-11-22 | 한국과학기술정보연구원 | 인공지능 기반 미세먼지 예측 방법, 그리고 이를 구현하기 위한 장치 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102218734B1 (ko) * | 2020-05-20 | 2021-02-24 | 켐아이넷(주) | 인공지능 기반 환경유해인자 고해상도 데이터 보간방법 |
| KR102185579B1 (ko) * | 2020-05-27 | 2020-12-02 | 김학목 | 미세먼지 측정 및 정보 제공 장치 |
| KR102408444B1 (ko) * | 2020-11-19 | 2022-06-13 | 전남대학교산학협력단 | 인공신경망을 이용한 실내공기질 가상 모니터링 방법 및 시스템 |
| KR102238123B1 (ko) * | 2020-12-14 | 2021-04-08 | 한재진 | 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 |
| KR102493719B1 (ko) * | 2022-05-16 | 2023-02-06 | 주식회사 에어콕 | 통합 공기질 예측 시스템 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101202783B1 (ko) * | 2010-05-03 | 2012-11-19 | 건국대학교 산학협력단 | 미세입자 측정 데이터 보정 시스템 |
| KR20160120361A (ko) * | 2015-04-07 | 2016-10-18 | 경희대학교 산학협력단 | 먼지의 종류를 판별하는 방법 및 장치 |
| KR101865072B1 (ko) * | 2016-10-17 | 2018-06-07 | 주식회사에스에이티 | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 |
-
2018
- 2018-07-02 KR KR1020180076707A patent/KR102101001B1/ko active IP Right Grant
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102328762B1 (ko) | 2021-07-05 | 2021-11-22 | 한국과학기술정보연구원 | 인공지능 기반 미세먼지 예측 방법, 그리고 이를 구현하기 위한 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200003664A (ko) | 2020-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102101001B1 (ko) | 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 | |
| CN108597617B (zh) | 流行病分级预测方法及装置、计算机装置和可读存储介质 | |
| Russo et al. | Neural network forecast of daily pollution concentration using optimal meteorological data at synoptic and local scales | |
| JP4886322B2 (ja) | 風力発電出力予測方法、風力発電出力予測装置およびプログラム | |
| CN109543353B (zh) | 三维水汽反演方法、装置、设备和计算机可读存储介质 | |
| CN110472762A (zh) | 一种网格化降水的订正方法及系统 | |
| KR20150124396A (ko) | 크라우드소싱을 이용한 위치 결정, 매핑 및 데이터 관리 시스템 및 방법 | |
| Barceló et al. | Robustness and computational efficiency of Kalman filter estimator of time-dependent origin–destination matrices: Exploiting traffic measurements from information and communications technologies | |
| CN107063955B (zh) | 空气颗粒物检测仪校准方法及管理系统 | |
| CN113723716B (zh) | 一种客流分级预警异常告警方法、设备及存储介质 | |
| CN112347705B (zh) | 一种建立变电站厂界噪声模型的方法和系统 | |
| KR101291980B1 (ko) | 기상레이더 반사도 자료의 통합품질지수 생성 방법 | |
| CN112308281A (zh) | 一种温度信息预测方法及装置 | |
| CN113159362A (zh) | 一种森林火灾等级的预测方法及装置 | |
| KR20200046905A (ko) | IoT 기상환경 수집 데이터의 안정성 확보 방법 | |
| JP2020134300A (ja) | 予測方法、予測プログラム及び情報処理装置 | |
| Wen et al. | Applying an artificial neural network to simulate and predict Chinese fir (Cunninghamia lanceolata) plantation carbon flux in subtropical China | |
| Cui et al. | Indoor Wi-Fi positioning algorithm based on location fingerprint | |
| CN116485174B (zh) | 一种臭氧污染对作物减产风险评估方法和装置 | |
| CN114691661B (zh) | 一种基于同化的云导风、温湿廓线预处理分析方法及系统 | |
| CN115034159A (zh) | 一种海上风电场的功率预测方法、装置、存储介质及系统 | |
| CN112567241A (zh) | 环境传感器协同校准方法 | |
| CN106384205B (zh) | 用于采集作业投入时长的建模方法和装置 | |
| CN110727590B (zh) | 异常试验方案的确定方法、设备及计算机可读存储介质 | |
| EP3955587A1 (en) | Machine learning device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |