KR102238123B1 - 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 - Google Patents
비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 Download PDFInfo
- Publication number
- KR102238123B1 KR102238123B1 KR1020200174869A KR20200174869A KR102238123B1 KR 102238123 B1 KR102238123 B1 KR 102238123B1 KR 1020200174869 A KR1020200174869 A KR 1020200174869A KR 20200174869 A KR20200174869 A KR 20200174869A KR 102238123 B1 KR102238123 B1 KR 102238123B1
- Authority
- KR
- South Korea
- Prior art keywords
- air quality
- data
- user terminal
- service providing
- measurement data
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title description 5
- 238000005259 measurement Methods 0.000 claims abstract description 121
- 238000010835 comparative analysis Methods 0.000 claims abstract description 30
- 238000003860 storage Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 46
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 6
- 238000009423 ventilation Methods 0.000 claims description 5
- 230000007717 exclusion Effects 0.000 claims description 4
- 239000000428 dust Substances 0.000 description 17
- 238000004891 communication Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000000149 argon plasma sintering Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000003915 air pollution Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000005250 beta ray Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 241000269821 Scombridae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000010410 dusting Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 235000020640 mackerel Nutrition 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템이 제공되며, 유무선 네트워크를 통하여 공기질을 측정한 측정 데이터를 전송하는 적어도 하나의 공기질 측정장치, 사용자 단말에서 입력한 위치 또는 사용자 단말의 현위치를 기준으로 적어도 하나의 공기질 측정장치에서 수집한 측정 데이터를 출력하는 사용자 단말 및 적어도 하나의 공기질 측정장치를 등록하는 등록부, 적어도 하나의 공기질 측정장치로부터 수집된 측정 데이터를 데이터베이스화하는 저장부, 사용자 단말에서 입력한 위치 또는 현위치를 기준으로 측정 데이터를 추출하여 사용자 단말로 전송하는 전송부를 포함하는 통계 서비스 제공 서버를 포함한다.
Description
본 발명은 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템에 관한 것으로, 분류ID를 부여하여 동일모델별로 다수의 측정장비로부터 수집된 데이터를 비교분석할 수 있도록 제공할 수 있는 플랫폼을 제공한다.
전국의 대기오염실태를 파악하여 대기보전정책의 기초 자료를 확보하기 위하여 환경부는 전국의 대기오염측정망에 대한 설치·운영 지침을 수립하여 운용하고 있다. 국가의 대기오염측정망 기본계획이 개정되고, 수도권 대기환경 개선을 위한 중장기 계획이 수립되는 등 국내적으로 대기오염과 관련 하여 정책 및 기술적으로 많은 변화가 있다. 4차 산업혁명시대의 기술인 사물인터넷(IoT, Internet of Things) 빅데이터 분야가 발전함에 따라 이를 활용한 실시간 공기질 측정 및 데이터 수집, 빅데이터를 활용한 체계적인 공기질 분석이 가능하게 되었다. 사물인터넷 기반 간이 공기질 측정기나 사용자가 보유한 공기질 측정기기의 공기질 측정 정보를 이용하여 데이터를 수집, 분석, 활용하는 플랫폼을 구축하고 모바일 애플리케이션 등을 통해 실시간으로 측정된 공기질 데이터 정보 및 관련 생활 정보를 제공하고 있다.
이때, IoT 기반으로 각 사용자가 보유한 공기질 측정기에서 측정한 결과로 데이터베이스를 구축하여 위치 기반으로 공기질을 알려주는 플랫폼이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2018-0017366호(2018년02월21일 공개) 및 한국공개특허 제2018-0114385호(2018년10월18일 공개)에는, 실내 공기질을 측정하여 개방형 네트워크를 통해 송신하는 복수의 공기질 USN 노드를 이용하여 데이터베이스를 구축하고, 실내 공기질 분석 정보를 생성하며 사용자 단말로 전송하는 구성과, 실내 공기질을 측정하고, 실외 기상정보 및 실외 공기질 정보를 수집하며, 각각의 공기질의 정보에 대응하는 대응정보를 제공하고, 각각의 공기질의 정보 및 대응정보를 수신받는 사용자 단말기의 구성이 각각 개시되어 있다.
다만, 상술한 구성은 사용자 단말이 위치한 위치 기반으로 하나의 장비에서 측정된 결과만을 알려줄 뿐, 그 통계 데이터는 전혀 알 수 없다. 즉, 각 가정이나 기관에서 측정하는 공기질 측정기의 성능, 스펙 및 환경이 전혀 다름에도 불구하고 오차범위를 볼 수 있거나 다른 가정이나 기관에 설치된 공기질 측정기의 데이터를 비교할 수 있는 플랫폼이 존재하지 않는다. 단순한 측정결과를 보여주는 기능만으로는 통계처리된 결과분석자료와 비교 결과를 보여준다고 볼 수 없으며 사용자에게 유의미한 2차 데이터를 제공할 수 없다. 최근 공기질 측정 오차율이 90%에 육박하고 있지만 신뢰도 있는 데이터를 제공하는 플랫폼은 존재하지 않다. 이에, 각 사용자 단말로부터 수집한 공기질 측정 데이터를 비교분석할 수 있으면서도 오차범위를 고려하여 상대적인 오염도 추이를 알려주는 플랫폼의 연구 및 개발이 요구된다.
본 발명의 일 실시예는, 사용자 단말로부터 공기질 측정장치를 등록받을 때 제조모델이나 제조번호와 같은 장치를 식별가능한 분류ID를 등록받고, 공기질 측정장치의 비휘발성 메모리 내에 서버로 접속가능한 주소를 저장하여 세팅을 한 후, 공기질 측정장치와 유무선 네트워크가 연동되도록 SSID로 연결하여 실시간 또는 주기적으로 측정 데이터를 서버로 분류ID와 함께 전송하도록 하며, 공기질 측정장치의 측정 데이터를 출력할 때 사용자가 등록한 공기질 측정장치 뿐만 아니라, 동종의 공기질 측정장치를 분류ID를 기준으로 추출한 후 비교결과를 제공함으로써 동일한 모델인 조건을 통제변인으로 설정하여 전국에 분산된 복수의 측정 데이터와 비교하도록 하고, 각 공기질 측정장치의 오차범위가 크다는 점을 고려하여 상대적인 오염도 추이를 파악할 수 있도록 시간에 따른 상대수치를 알려줄 수 있는, 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템이 제공되며, 유무선 네트워크를 통하여 공기질을 측정한 측정 데이터를 전송하는 적어도 하나의 공기질 측정장치, 사용자 단말에서 입력한 위치 또는 사용자 단말의 현위치를 기준으로 적어도 하나의 공기질 측정장치에서 수집한 측정 데이터를 출력하는 사용자 단말 및 적어도 하나의 공기질 측정장치를 등록하는 등록부, 적어도 하나의 공기질 측정장치로부터 수집된 측정 데이터를 데이터베이스화하는 저장부, 사용자 단말에서 입력한 위치 또는 현위치를 기준으로 측정 데이터를 추출하여 사용자 단말로 전송하는 전송부를 포함하는 통계 서비스 제공 서버를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 사용자 단말로부터 공기질 측정장치를 등록받을 때 제조모델이나 제조번호와 같은 장치를 식별가능한 분류ID를 등록받고, 공기질 측정장치의 비휘발성 메모리 내에 서버로 접속가능한 주소를 저장하여 세팅을 한 후, 공기질 측정장치와 유무선 네트워크가 연동되도록 SSID로 연결하여 실시간 또는 주기적으로 측정 데이터를 서버로 분류ID와 함께 전송하도록 하며, 공기질 측정장치의 측정 데이터를 출력할 때 사용자가 등록한 공기질 측정장치 뿐만 아니라, 동종의 공기질 측정장치를 분류ID를 기준으로 추출한 후 비교결과를 제공함으로써 동일한 모델인 조건을 통제변인으로 설정하여 전국에 분산된 복수의 측정 데이터와 비교하도록 하고, 각 공기질 측정장치의 오차범위가 크다는 점을 고려하여 상대적인 오염도 추이를 파악할 수 있도록 시간에 따른 상대수치를 알려줄 수 있다.
도 1은 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 통계 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
도 2는 도 1의 시스템에 포함된 통계 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 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.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 통계 서비스 제공 서버(300), 적어도 하나의 공기질 측정장치(400)를 포함할 수 있다. 다만, 이러한 도 1의 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.
이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 통계 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 통계 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 공기질 측정장치(400)와 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
적어도 하나의 사용자 단말(100)은, 비교분석을 이용한 공기질 데이터 통계 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 공기질 측정장치(400)를 등록하고, 사용자가 보유한 공기질 측정장치(400)와 동종의 다른 사용자가 보유한 모델에서 측정된 측정 데이터와, 사용자의 공기질 측정장치(400)의 측정 데이터를 비교분석한 결과를 출력하는 단말일 수 있다.
여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
통계 서비스 제공 서버(300)는, 비교분석을 이용한 공기질 데이터 통계 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 통계 서비스 제공 서버(300)는, 사용자 단말(100)로부터 공기질 측정기(400)를 분류ID를 기준으로 등록받고, 유무선 네트워크에 공기질 측정장치(400)가 연동되어 통계 서비스 제공 서버(300)로 측정 데이터를 실시간으로 전송하도록 하는 서버일 수 있다. 이를 위하여, 통계 서비스 제공 서버(300)는 공기질 측정장치(400)의 비휘발성 메모리 내에 통계 서비스 제공 서버(300)의 접속 주소를 저장시키고, 측정 데이터를 전송할 때 분류ID를 함께 삽입하여 전송하도록 하는 서버일 수 있다. 또한, 통계 서비스 제공 서버(300)는 유무선 네트워크의 IP 주소를 이용하여 각 위치나 지역을 파악하거나, 사용자 단말(100)로부터 입력된 주소지를 기준으로 [주소지-측정 데이터-분류ID-측정 시간]을 매핑하여 저장하는 서버일 수 있다. 만약, 동종의 공기질 측정장치(400)라도 오차범위가 크게 발생하는 경우에는, 통계 서비스 제공 서버(300)는 댁 내의 특수상황에 의한 것인지를 확인한 후 임펄스에 대응하는 측정 데이터를 무시할 수도 있고, 상대적인 수치만을 제공함으로써 오염도의 추이를 파악하도록 하는 서버일 수 있다.
여기서, 통계 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.
적어도 하나의 공기질 측정장치(400)는, 비교분석을 이용한 공기질 데이터 통계 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하거나 이용하지 않고 공기질을 측정한 측정 데이터를 통계 서비스 제공 서버(300)로 측정 데이터를 전송하는 장치일 수 있다.
여기서, 적어도 하나의 공기질 측정장치(400)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 공기질 측정장치(400)는, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 공기질 측정장치(400)는, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
도 2는 도 1의 시스템에 포함된 통계 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 통계 서비스 제공 서버(300)는, 등록부(310), 저장부(320), 전송부(330), 세팅부(340), 설정부(350), 비교부(360), 오류배제부(370), 알람부(380), 추이제공부(390) 및 공유부(391)를 포함할 수 있다.
본 발명의 일 실시예에 따른 통계 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 공기질 측정장치(400)로 비교분석을 이용한 공기질 데이터 통계 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 공기질 측정장치(400)는, 비교분석을 이용한 공기질 데이터 통계 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 공기질 측정장치(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.
도 2를 참조하면, 등록부(310)는, 적어도 하나의 공기질 측정장치(400)를 등록할 수 있다. 이때, 공기질 측정장치(400)는 QR 코드나 별도의 URL 등을 이용하여 사용자 단말(100)에 의해 등록부(310)에 등록되게 된다. 이에 대한 상세한 설명은 후술하기로 한다.
저장부(320)는, 적어도 하나의 공기질 측정장치(400)로부터 수집된 측정 데이터를 데이터베이스화할 수 있다. 적어도 하나의 공기질 측정장치(400)는, 유무선 네트워크를 통하여 공기질을 측정한 측정 데이터를 전송할 수 있다.
전송부(330)는, 사용자 단말(100)에서 입력한 위치 또는 현위치를 기준으로 측정 데이터를 추출하여 사용자 단말(100)로 전송할 수 있다. 사용자 단말(100)은, 사용자 단말(100)에서 입력한 위치 또는 사용자 단말(100)의 현위치를 기준으로 적어도 하나의 공기질 측정장치(400)에서 수집한 측정 데이터를 출력할 수 있다. 이때, 본 발명의 일 실시예에서는, A 사용자가 등록한 B 모델의 측정 데이터 뿐만 아니라, C 내지 Z 사용자가 등록한 B 모델의 측정 데이터를 함께 보여줄 수 있다. 예를 들어, A 사용자가 역삼1동에 거주하고 B 모델의 공기청정기를 IoT 기반으로 와이파이에 등록했다고 가정하자. 이때, A 사용자는 자신의 B 모델 공기청정기에서 측정한 공기질 측정 데이터 뿐만 아니라, 역삼1동에서 B 모델을 사용하는 C 내지 Z 사용자의 공기질 측정 데이터도 함께 보여주는 것이다.
이렇게 같은 행정구역 단위로 측정 데이터를 얻다보면 더욱 촘촘한 데이터를 얻을 수 있게 된다. 예를 들어, 환경부나 기타 정부 기관에서 설치한 공기질 측정기 1 대가 커버하는 영역이 X 였다면, 각 개인의 공기청정기와 같은 공기질 측정 데이터를 얻는 경우, X 보다 더 작은 Y 영역으로 마이크로매니징이 가능하게 된다. 예를 들어, 10m2 당 1 대였다면, 각 개인의 데이터를 얻는 경우 5m2 당 1 대가 될 수도 있다. 이때, 같은 모델을 분류ID로 지정하여 데이터를 얻는 이유는 각 공기질 측정기(400)가 동종모델이 아닌 경우 오차범위가 많게는 90%까지 나기 때문이다.
즉, 만 원대 휴대용 측정기부터 수 백 만원까지 가격이 30배까지 차이가 나며, 각 가정에서 구비한 측정기의 스펙트럼이 넓어 천차만별이고, 가정용 측정기의 실험결과 오차율이 51% 내지 90%에 육박하고 있다. 실험 결과 국책연구기관이 공정시험기준으로 꼽는 중량법과 비교했을 때, 이들 제품의 오차율이 51~90%에 달했는데, 예를 들어 미세먼지(PM10) 농도가 100㎍/m³라면 간이측정기가 10㎍/m³에서 190㎍/m³(오차율 90% 일 경우)를 가리킬 수 있다. 같은 조건에서 미세먼지 '좋음' 수준의 10㎍/m³와 '매우 나쁨'(150㎍/m³초과)이 나올 수 있다니 오차가 너무 크게 발생한다.
시중에 판매되고 있는 간이 측정기들은 대부분 광산란 방식을 사용하는데 개량을 하고 있다곤 하나 지금도 오차율이 높기 때문에 실측을 할 때는 사용하지 않는다. 간접 측정인 광산란 방식의 문제인데, 가장 정확한 방식은 중량식이다. 환경기준이 공기 중 1㎥ 내부에 존재하는 미세먼지의 질량농도를 표시하게 돼 있기 때문에 무게를 재는 게 가장 확실하다. 필터에 공기 중 먼지를 약 24시간 포집해서 저울로 필터의 무게 변화로 먼지의 양을 측정하지만, 약 100년 전 기술로 측정에 시간이 오래 걸려 실시간 측정이 어렵다는 게 최대 단점이다.
그 다음에 나온 것이 방사선을 이용한 베타선 방식인데, 필터에 포집된 방사능의 투과 정도를 이용해 간접적으로 먼지의 양을 측정하는 식이다. 베타선(β) 방사선의 투과력이 필터에 포집된 미세먼지의 양과 상관관계가 있는 것을 이용한 것이다. 현재 우리가 받아보는 실시간 미세먼지 수치는 정부가 전국에 설치한 380여개 베타선 측정기가 집계하고 있다. 실시간으로 대응할 수 있지만, 가격이 비싼 것이 단점이다. 기기값만 2천 5백만 원이 넘어가며 야외에 설치되기 때문에 보호용 구조물까지 포함하면 가격이 억대까지 치솟게 된다.
마지막이 광산란 방식이다. LED 등 반도체 기술이 발전하면서 등장한 기술인데, LED나 레이저로 빛을 비췄을 때 미세먼지에서 산란되는 빛의 양을 이용해 측정하는 것이다. 이 방식은 산란광의 크기로 입자의 크기를 결정하고 평균적인 밀도를 가정해 농도로 변환하는 2 번의 단위변환이 필요해 오차가 커진다. 따라서, 광산란 방식은 온도나 습도, 바람의 영향 등에 민감한 특성이 있기 때문에 실내용에 한정해 사용해야 하며, 오차 범위가 넓어서 수치를 인용하기에는 바람직하지 않다.
다만, 광산란 방식이라 하더라도 바람과 온도 등 외부 변수가 적은 실내 공기를 측정할 때는 효과가 있다. 특히 공기 중 미세먼지 농도 변화를 가늠하는 데 효과적이라고 하는데 환경부 실태조사에서도 오염도 추이는 비교적 일치하는 편이다. 측정된 미세먼지의 농도가 갑자기 높아지거나 평상시보다 높게 나타나면 환기를 하거나 그 공간에서 벗어나는 등 적절한 조치가 필요한데, 실내 공간에 한정해 간이 측정기를 사용하되 일정한 간격을 두고 한 장소에서 미세먼지 수치가 갑자기 높아지면 상대적으로 공기가 나쁜 것을 참고할 수 있을 정도이다. 공기청정기도 마찬가지인데, 비용 문제로 시중에 판매되고 있는 공기청정기도 이런 광산란 방식의 미세먼지 센서를 사용하고 있기 때문이다.
이에, 후술할 오류배제부(370) 및 추이제공부(390)에서도 갑자기 임펄스가 나타나는 경우 이러한 수치를 무시할 것인지 또는 반영할 것인지, 또 오차를 감안하여 절대수치가 아닌 상대수치를 알려주어 추이만 파악하도록 하는 구성 등을 더 부가하는 것이다. 예를 들어, A 댁 내에서 고등어를 굽거나 담배를 피운 경우 또는 강아지의 털을 자른 경우에는 공기중 산란입자가 많아지게 되므로 임펄스와 같이 갑자기 치솟는 그래프가 그려질 수 있는데, 이를 반영하게 되면 오류를 정상 데이터에 반영하는 것이므로 배제하도록 변수를 제거하는 것이다. 따라서, 전송부(330)는 동일모델로만 한정하여 비교 데이터를 전송하며, 위치는 동 단위로 제공하거나 또는 사용자의 GPS를 기준으로 기 설정된 반경 내 위치한 동일모델의 측정 데이터만을 제공함으로써 통제변인을 동일모델로 한정하고 최대한 오류가 발생할 수 있는 환경이나 상황을 배제하도록 한다.
세팅부(340)는, 사용자 단말(100)에서 적어도 하나의 공기질 측정장치(400)의 제품번호에 대응하는 분류ID를 입력하는 경우, 적어도 하나의 공기질 측정장치(400)를 사용자 단말(100)과 매핑하여 등록할 때, 적어도 하나의 공기질 측정장치(400)의 비휘발성 메모리에 통계 서비스 제공 서버(300)의 주소를 저장시킬 수 있다.
설정부(350)는, 유무선 네트워크의 SSID(Service Set IDentifier)에 적어도 하나의 공기질 측정장치(400)를 연결시키고, 적어도 하나의 공기질 측정장치(400)에서 측정한 측정 데이터를 적어도 하나의 공기질 측정장치(400)의 분류ID를 포함하여 업로드하도록 설정할 수 있다.
비교부(360)는, 사용자 단말(100)과 매핑되어 등록된 적어도 하나의 공기질 측정장치(400)의 측정 데이터를 사용자 단말(100)에서 출력할 때, 사용자 단말(100)에서 입력한 분류ID와 동일한 분류ID를 가지는 적어도 하나의 공기질 측정장치(400)의 측정 데이터를 추출하여 사용자 단말(100)에서 비교 데이터로 출력할 수 있다.
오류배제부(370)는, 적어도 하나의 공기질 측정장치(400)로부터 수집된 측정 데이터를 시계열 데이터로 그래프화하고, 그래프화된 그래프에 기 설정된 임계값을 초과하는 임펄스(Impulse)가 발생하는 경우 기 설정된 오차범위 이외의 값으로 반영하지 않을 수 있다. 이때, 오차범위 이외의 값으로 반영을 해야 하는지 또는 반영하지 말아야 하는지에 대하여 딥러닝 모델의 지도학습모델(Supervised Model) 또는 비지도학습모델(Unsupervised Model)을 이용하여 판단을 맡길 수 있다.
지도학습은, 과거 데이터와 그 때의 센서 상태를 맵핑하여 라벨링된 데이터(Labeled Data)을 생성할 수 있는 경우, 지도학습(Supervised Learning) 방식의 다양한 알고리즘을 사용할 수 있다. 라벨링된 데이터는 센서 데이터와 센서상태(정상/비정상)가 쌍으로 구성된 데이터로 센서 상태에 따른 측정값의 변화 패턴을 나타낸다. 딥러닝 모델은 입력 값이 여러 개의 레이어를 거치면서 결과값과 맵핑되도록 네트워크 내의 파라미터를 학습하는 것이다. 입력 값과 결과값 사이의 비선형적 대응 관계를 학습하기 위해 파라미터로 구성된 레이어를 쌓은 네트워크 구조를 가진다.
예를 들어, AlexNet, VGG, GoogleNet, ResNet 등이 있다. 딥러닝 모델은 레이어가 많아질수록 파라미터 최적화에 사용되는 그래디언트(Gradient)가 사라져 학습이 제대로 되지 않는 문제(Vanishing Gradient)가 악화되는 경향이 있다. 따라서 적정한 수의 레이어를 갖도록 모델 구조를 설계하는 것이 매우 중요한 문제가 된다. 이때, DenseNet구조를 이용하여 수십개의 레이어를 쌓더라도 초기 레이어의 정보를 유지하는 방법을 이용할 수도 있다. 각 레이어에서 계산된 값을 이후 레이어의 결과값과 Concatenate하는 방식을 도입할 수 있고, 이 구조를 통해 기존 방법들 대비 분류 정확도가 더 높은 모델을 학습할 수 있다.
비지도학습(Unsupervised Model)은, 센서 설치 초기 단계이거나 과거 운영내역이 데이터화되지 않은 경우에는 지도학습 방식을 사용할 수 없다. 이 경우에는 별도의 라벨링된 데이터(Labeled Data) 없이 센서의 상태를 모니터링할 수 있는 비지도 학습(Unsupervised Learning) 방식을 사용해야 한다. 예를 들어, 전체 데이터 중 모델이 올바르게 진단한 데이터의 비율, 모델이 비정상으로 감지한 것 중 실제 비정상의 비율 및 실제 비정상인 것 중 모델이 비정상으로 감지한 비율을 기반으로 할 수 있다.
비지도 학습 방식은 센서고장 등 비정상 상태에 대한 이력 정보가 없더라도 센서가 측정 데이터만으로 비정상 상태(Anomaly)를 판단하는 것이다. 일반적인 비지도 학습 방식의 Anomaly Detection 알고리즘은 주어진 데이터가 정상적인 데이터와 어느 정도 유사한지를 스코어로 계산하고, 일정 기준값(Threshold) 이상일 때를 이상으로 판단하는 원리이다. 예를 들어, LSTM(Long Short-Term Memory)을 이용한 알고리즘을 이용하는 경우, 센서데이터와 같이 시계열 데이터를 모델링 하는데 적합한 딥러닝 모델로, t시점의 데이터 값을 예측하기 위해 과거 t-n, t-n+1, ..., t-1 시점의 데이터를 입력으로 사용하는 구조이다. 시계열 데이터가 가지고 있는 자기상관관계(Auto-Correlation)을 모델링 하는데 적합하며, ARIMA와 같은 전통적인 시계열 모델과 달리 Stationarity를 가정하지 않아도 된다.
또는, 센서에서 수집된 데이터로 LSTM을 학습한 후, 학습된 모델을 이용해 현재 시점의 센서 측정값을 추정하도록 할 수 있다. 정상상태의 센서일 경우 LSTM 모델이 추정한 값과 실제 측정값 사이의 편차(Residual Error)가 거의 차이가 없을 것이지만, 센서 고장, 측정환경의 원치 않는 변화 등 계통적 오류가 발생할 경우 추정값과 실제값 사이의 편차가 커지게 된다. 이러한 편차(Residual Error)를 이용해 잦은 Anomaly Point를 감지할 수 있다. 실제 IoT센서 데이터에 적용하더라도, LSTM을 이용한 이상감지는 주로 갑작스러운 값의 변화를 비교적 잘 감지하게 된다.
두번째로는, 주기적 패턴을 기준으로 비정상 패턴을 감지하는 방법이다. 대부분의 센서 데이터는 일정 주기마다 비슷한 패턴이 반복되는 주기적인 변화 패턴을 가지고 있다. Generative Model을 사용하면 반복적으로 변화하는 패턴을 입력으로 하여 한 주기 동안의 데이터가 생성된 과정을 확률분포 형태로 학습할 수 있다. GAN(Generative Adversarial Network)과 VAE(Variational Auto-Encoder)는 대표적인 Generative Model로 입력데이터의 패턴을 학습하여 이와 유사한 패턴을 가진 새로운 데이터를 생성할 수 있다. 두 모델 모두 일반적인 센서 데이터 패턴을 학습시켜 유사한 패턴의 센서 데이터를 인공적으로 생성하도록 한다. 정상상태의 센서일 경우 Generative Model이 생성한 데이터와 실제 측정값이 거의 유사할 것이지만, 비정상상태의 센서일 경우에는 서로 다른 패턴을 갖게 된다.
측정값의 변화 패턴과 Generative Model이 생성한 패턴 간의 차이를 이상징후점수(Anomaly Score)로 정량화하고, 어떤 식으로 셀 상태(Cell State)를 업데이트할지 결정하고, Output Gate는 어떤 값들을 반영하여 출력을 내보낼지 결정한다. 비정상 상태일 가능성이 클수록 이상징후 점수가 높아지도록 하여 운영자가 직관적으로 센서 상태를 확인할 수 있다. 예를 들어, GAN을 이용하여 센서 데이터의 오류나 이상치를 찾아내는 방법은, 크게 학습과 추론단계로 구성될 수 있고, 먼저 학습 단계에서는 정상 상태의 센서 데이터로 GAN 모델을 학습한다. 추론 단계에서는 새로운 센서 데이터(공기질 측정 데이터)가 입력되었을 때, GAN 모델은 입력 센서 데이터와 가장 유사한 인공적인 센서 데이터를 생성하도록 한다. GAN은 정상데이터로만 학습되었기 때문에 생성한 인공 센서 데이터는 이상이 없는 정상적인 이미지로 가정하고 이 정상 이미지와 입력 이미지간의 유사도를 계산하여 Anomaly Score를 계산하는 것이다.
비지도 학습 방식에서는 모델이 특정 센서 데이터에 과적합(Overfitting) 되지 않고, 일반적인 정상 패턴을 잘 학습하는 것이 매우 중요하다. 이를 입력데이터에 랜덤한 미싱밸류(Missing Value)를 추가하고 이 값들은 손실함수(Loss Function)에 기여하지 못하도록 변형된 Loss Function(modified ELBO)을 사용할 수도 있다.
알람부(380)는, 사용자 단말(100)과 연결된 적어도 하나의 IoT 기기의 구동 상태를 확인하고, 기 설정된 종류의 IoT 기기의 구동이 확인되는 경우 사용자 단말(100)로 IoT 기기의 구동에 따른 측정 데이터를 경고하면서 환기를 요청하는 메세지를 전송할 수 있다. 예를 들어 상술한 오류배제부(370)에서 갑자기 임펄스를 감지하여 오류를 배제하였는데, 이를 확실히 하기 위해 예를 들어, WIFI에 연결된 로봇청소기가 구동중이거나, IoT로 연결된 가스밸브가 열려 있고 현재 점화상태라거나 하는 경우에는 로봇청소기로 인하여 먼지가 발생하거나 요리중이어서 오염물질농도가 증가한 상태로 볼 수 있다. 이때에는 오류를 배제하기 위해 무시를 해야 하지만, 한편으로는 사용자에게 알려주어야 사용자가 환기를 시키거나 적절한 조치를 취할 수 있게 된다. 이에 따라, IoT 또는 WiFi로 연결된 각 기기들의 구동상태를 확인하고 환기를 시키도록 알람을 울릴 수도 있다.
추이제공부(390)는, 적어도 하나의 공기질 측정장치(400)로부터 수집된 측정 데이터를 시계열 데이터로 그래프화하고, 오염도의 상대적인 추이를 나타내는 상대 수치를 안내할 수 있다. 상술한 바와 같이 공기질 측정장치(400)는 산업용이나 고가의 장비가 아닌 경우 그 편차나 오차가 심해서 동일한 환경에서도 어느 한 기기는 매우 좋음인데, 어느 다른 기기는 동종모델임에도 불구하고 나쁨으로 표시되는 경우가 존재한다. 이에 따라, 사용자가 상대적인 수치만을 알 수 있도록, 또 오염도의 추이만을 파악할 수 있도록 시간도메인에서 오염물질의 농도, 즉 측정 데이터를 그래프화할 수 있다. 예를 들어, A 사용자의 B 모델의 측정범위가 1 내지 50이고, 1-10까지는 매우 좋음, 11-20은 좋음, 21-30 보통, 31-40 나쁨, 41-50은 매우 나쁨이라고 가정하자. 이때, 사용자 A의 집에서는 31부터 50까지의 수치만 측정되고 있다면, 사용자는 매일 나쁨 또는 매우 나쁨이라는 것만을 인지하고 있을 것이다.
매우 나쁨이나 나쁨이 차이가 없어서 식별력이 없으므로, 31-50까지의 수치를 "1" 내지 "5"로 구간을 나누고, 그 상대적인 수치만을 알려주도록 함으로써 오염도의 추이를 파악하도록 할 수 있다. 물론 절대적인 수치를 알려주는 것도 가능하고, 기상청이나 환경부에서 측정한 대기오염농도와 비교하여 오차범위를 넘는 데이터가 존재하는 경우에는 각 센서의 캘리브레이션을 진행할 수도 있다. 다만, 캘리브레이션을 진행할 때에는 각 댁 내에서 요리를 하거나 먼지를 털거나 하는 등 변수가 없어야 한다. 따라서, 사용자에게 이를 인지시켜주고 환기를 모두 시킨 상태에서 진행을 하도록 가이드라인을 줄 수 있다.
공유부(391)는, 적어도 하나의 공기질 측정장치(400)로부터 수집된 측정 데이터를 공유할 수 있다. 이때, 각 모델별(분류ID)로 수집된 데이터를 이용하여 히트맵과 같은 지도를 만들 수도 있고, 각 모델별 편차를 이용하여 데이터를 전처리 및 조정한 결과를 반영하고, 모든 모델별 수집된 데이터에 기반하여 전국적으로 히트맵 방식으로 오염지도를 만들 수도 있다. 또한, 공유부(391)는 사용자가 휴대용 측정기를 지니고 있다면, 사용자가 가는 곳마다 얼마만큼의 미세먼지를 마셨는지 등을 계산해줄 수도 있다. 예를 들어, 성인 기준으로 한 사람의 호흡당 마시는 공기의 양과, 1 분당 호흡 수, 또 대기 내 미세먼지농도를 반영한다면 성인 기준 대략적으로 폐에 누적되었을 미세먼지의 양을 계산해줄 수도 있다.
이하, 상술한 도 2의 통계 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.
도 3을 참조하면, (a) 사용자 단말(100)은 공기질 측정장치(400)의 QR 코드를 스캔하거나 모델명으로 검색하여 분류ID를 검색한 후, 통계 서비스 제공 서버(300)로 등록신청을 한다. 이때, (b) 통계 서비스 제공 서버(300)는 공유기와 같은 AP의 SSID를 이용하여 공기질 측정장치(400)와 공유기를 연동시켜 공기질 측정장치(400)에서 측정된 측정 데이터가 통계 서비스 제공 서버(300)로 지속적으로 업로드되도록 설정한다. 이때, 통계 서비스 제공 서버(300)는 공기질 측정장치(400)의 비휘발성 메모리 내에 통계 서비스 제공 서버(300)로 접속가능한 주소를 저장하고, 통계 서비스 제공 서버(300)로 측정 데이터를 보낼 때 분류ID를 함께 보내도록 설정하여 초기 세팅을 마치게 된다.
그리고 나서, (c) 통계 서비스 제공 서버(300)는 분류ID와 측정 데이터를 매핑하여 저장하고, (d) 사용자 단말(100)에서 공기질 측정 데이터를 조회하면 자신의 공기질 측정장치(400)의 측정 데이터 뿐만 아니라, 동일한 모델을 보유한 타인의 공기질 측정장치(400)의 측정 데이터까지 볼 수 있게 된다.
도 4를 참조하면, (a) 통계 서비스 제공 서버(300)는 오차가 크다는 점을 이용하여 A 모델의 측정 결과를 상대수치로 변환하여 제공할 수도 있고, (b) 임펄스가 (c)와 같이 발생한 경우에는 IoT로 연결된 각종 기기의 상태를 조회하여 기 설정된 장치가 구동중인 경우 환기를 요청하는 메세지를 사용자 단말(100)로 제공하며 해당 임펄스에 대응하는 측정 데이터는 무시하게 된다.
사용자의 측면에서 공기질 측정장치의 측정결과를 확인할 수 있는 방법으로는 제품의 자체 LCD를 통해 확인하는 방법과, 기기-웹앱-서비스의 연동을 통한 모바일 애플리케이션, 앱 페이지 또는 웹 페이지에서 확인하는 방법으로 크게 두 가지 방법이 있다. 자체 LCD를 통한 측정결과를 확인하는 경우 기기 자체의 UI를 활용한 방법으로 측정결과 정보를 확인하는 데에 어려움이 없으나, 측정결과를 공유 및 저장하는데 제약이 있다. 기기-웹앱-서비스를 연동하여 모바일 및 PC를 통해서 측정결과를 확인하는 방법의 경우 측정데이터를 단순하게 확인하는 것 외에도 측정데이터를 공유 및 저장가능하고, 사용자로 하여금 2차 혹은 3차 자료로의 활용을 가능하게 한다는 이점이 있다.
본 발명의 일 실시예는 기기-웹앱-서비스에서 사용자로 하여금 보유한 공기질 측정기기의 측정 데이터를 확인할 뿐만 아니라, 집단 혹은 전체 사용자로 범주를 확대하여 보다 상세한 측정결과를 확보 할 수 있도록 하는데 그 의미가 있다. 예를 들어, 전체 집단의 평균치, 백분위, 표본집단 등의 2차 자료로의 활용이 가능한 통계 자료는 전체 사용자를 구분 가능할 때 확보될 수 있는 수치이며, 종래기술에서의 측정기기의 측정 결과를 단순히 확인하는 방법으로는 확인이 어려운 자료들이다. 이는, 사용자 본인과 전체 사용자의 공기질 측정 결과 자료에 대한 통계분석 및 비교가 가능하다는 점과, 전체 사용자의 측정 결과 자료에 대한 백분위를 확인할 수 있고, 측정된 정보를 표본집단으로 구분하여 활용 가능하다는 것을 의미한다. 표본집단의 활용과 같은 경우는 동일 지역에 거주하는 전체 사용자의 측정 데이터 결과를 구분하여 확인하는 등의 방법으로 2 차 자료로의 활용할 수 있음을 의미한다.
이와 같은 도 2 내지 도 4의 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5는 본 발명의 일 실시예에 따른 도 1의 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.
도 5를 참조하면, 통계 서비스 제공 서버는, 적어도 하나의 공기질 측정장치를 등록한다(S5100).
또, 통계 서비스 제공 서버는, 적어도 하나의 공기질 측정장치로부터 수집된 측정 데이터를 데이터베이스화 한다(S5200).
통계 서비스 제공 서버는, 사용자 단말에서 입력한 위치 또는 현위치를 기준으로 측정 데이터를 추출하여 사용자 단말로 전송한다(S5300).
상술한 단계들(S5100~S5300)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5300)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 5의 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5를 통해 설명된 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 비교분석을 이용한 공기질 데이터 통계 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (8)
- 유무선 네트워크를 통하여 공기질을 측정한 측정 데이터를 전송하는 적어도 하나의 공기질 측정장치;
사용자 단말에서 입력한 위치 또는 상기 사용자 단말의 현위치를 기준으로 상기 적어도 하나의 공기질 측정장치에서 수집한 측정 데이터를 출력하는 사용자 단말; 및
상기 적어도 하나의 공기질 측정장치를 등록하는 등록부, 상기 적어도 하나의 공기질 측정장치로부터 수집된 측정 데이터를 데이터베이스화하는 저장부, 상기 사용자 단말에서 입력한 위치 또는 현위치를 기준으로 상기 측정 데이터를 추출하여 상기 사용자 단말로 전송하는 전송부, 상기 사용자 단말에서 상기 적어도 하나의 공기질 측정장치의 제품번호에 대응하는 분류ID를 입력하는 경우, 상기 적어도 하나의 공기질 측정장치를 상기 사용자 단말과 매핑하여 등록할 때, 상기 적어도 하나의 공기질 측정장치의 비휘발성 메모리에 통계 서비스 제공 서버의 주소를 저장시키는 세팅부, 상기 사용자 단말과 매핑되어 등록된 적어도 하나의 공기질 측정장치의 측정 데이터를 상기 사용자 단말에서 출력할 때, 상기 사용자 단말에서 입력한 분류ID와 동일한 분류ID를 가지는 적어도 하나의 공기질 측정장치의 측정 데이터를 추출하여 상기 사용자 단말에서 비교 데이터로 출력하는 비교부를 포함하는 통계 서비스 제공 서버;
를 포함하는 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템.
- 삭제
- 제 1 항에 있어서,
상기 통계 서비스 제공 서버는,
상기 유무선 네트워크의 SSID(Service Set IDentifier)에 상기 적어도 하나의 공기질 측정장치를 연결시키고, 상기 적어도 하나의 공기질 측정장치에서 측정한 측정 데이터를 상기 적어도 하나의 공기질 측정장치의 상기 분류ID를 포함하여 업로드하도록 설정하는 설정부;
를 더 포함하는 것을 특징으로 하는 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템.
- 삭제
- 제 1 항에 있어서,
상기 통계 서비스 제공 서버는,
상기 적어도 하나의 공기질 측정장치로부터 수집된 측정 데이터를 시계열 데이터로 그래프화하고, 상기 그래프화된 그래프에 기 설정된 임계값을 초과하는 임펄스(Impulse)가 발생하는 경우 기 설정된 오차범위 이외의 값으로 반영하지 않는 오류배제부;
를 더 포함하는 것을 특징으로 하는 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템.
- 제 5 항에 있어서,
상기 통계 서비스 제공 서버는,
상기 사용자 단말과 연결된 적어도 하나의 IoT 기기의 구동 상태를 확인하고, 기 설정된 종류의 IoT 기기의 구동이 확인되는 경우 상기 사용자 단말로 상기 IoT 기기의 구동에 따른 측정 데이터를 경고하면서 환기를 요청하는 메세지를 전송하는 알람부;
를 더 포함하는 것을 특징으로 하는 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 통계 서비스 제공 서버는,
상기 적어도 하나의 공기질 측정장치로부터 수집된 측정 데이터를 시계열 데이터로 그래프화하고, 오염도의 상대적인 추이를 나타내는 상대 수치를 안내하는 추이제공부;
를 더 포함하는 것을 특징으로 하는 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 통계 서비스 제공 서버는,
상기 적어도 하나의 공기질 측정장치로부터 수집된 측정 데이터를 공유하는 공유부;
더 포함하는 것을 특징으로 하는 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200174869A KR102238123B1 (ko) | 2020-12-14 | 2020-12-14 | 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200174869A KR102238123B1 (ko) | 2020-12-14 | 2020-12-14 | 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102238123B1 true KR102238123B1 (ko) | 2021-04-08 |
Family
ID=75480560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200174869A KR102238123B1 (ko) | 2020-12-14 | 2020-12-14 | 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102238123B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114414731A (zh) * | 2021-12-08 | 2022-04-29 | 南通大学 | 一种基于移动端定位服务的空气质量采集设备及采集方法 |
| US20230195183A1 (en) * | 2021-12-22 | 2023-06-22 | Synaptics Incorporated | Method and system for registering devices |
| KR20240020334A (ko) * | 2022-08-04 | 2024-02-15 | 경기도 부천시 | 빅데이터 기반의 미세먼지 대응 서비스 제공 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180003750A (ko) * | 2016-07-01 | 2018-01-10 | 우연정 | 근거리 무선통신을 이용한 미세먼지 측정 시스템 |
| KR20190097911A (ko) * | 2018-02-13 | 2019-08-21 | (주)포인트엔지니어링 | 공기청정도 데이터 공유 서비스 시스템 및 공기청정도 데이터를 표시하는 모바일 전자기기 |
| KR20200003664A (ko) * | 2018-07-02 | 2020-01-10 | 주식회사 케이티 | 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 |
| KR20200063328A (ko) * | 2018-11-21 | 2020-06-05 | 주식회사 트리톤넷 | 사물인터넷과 클라우드를 기반으로 하는 실내 공기질 개선 시스템 |
-
2020
- 2020-12-14 KR KR1020200174869A patent/KR102238123B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180003750A (ko) * | 2016-07-01 | 2018-01-10 | 우연정 | 근거리 무선통신을 이용한 미세먼지 측정 시스템 |
| KR20190097911A (ko) * | 2018-02-13 | 2019-08-21 | (주)포인트엔지니어링 | 공기청정도 데이터 공유 서비스 시스템 및 공기청정도 데이터를 표시하는 모바일 전자기기 |
| KR20200003664A (ko) * | 2018-07-02 | 2020-01-10 | 주식회사 케이티 | 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 |
| KR20200063328A (ko) * | 2018-11-21 | 2020-06-05 | 주식회사 트리톤넷 | 사물인터넷과 클라우드를 기반으로 하는 실내 공기질 개선 시스템 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114414731A (zh) * | 2021-12-08 | 2022-04-29 | 南通大学 | 一种基于移动端定位服务的空气质量采集设备及采集方法 |
| US20230195183A1 (en) * | 2021-12-22 | 2023-06-22 | Synaptics Incorporated | Method and system for registering devices |
| KR20240020334A (ko) * | 2022-08-04 | 2024-02-15 | 경기도 부천시 | 빅데이터 기반의 미세먼지 대응 서비스 제공 시스템 |
| KR102636578B1 (ko) | 2022-08-04 | 2024-02-16 | 경기도 부천시 | 빅데이터 기반의 미세먼지 대응 서비스 제공 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102238123B1 (ko) | 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 | |
| Munir et al. | Analysing the performance of low-cost air quality sensors, their drivers, relative benefits and calibration in cities—A case study in Sheffield | |
| Arsiwala et al. | Digital twin with Machine learning for predictive monitoring of CO2 equivalent from existing buildings | |
| Pérez-Padillo et al. | Design and implementation of a pressure monitoring system based on iot for water supply networks | |
| US20120297028A1 (en) | Integrated remote pollution monitoring and indexing system and method thereof | |
| KR102540257B1 (ko) | Ｅｓｇ 경영을 위한 인공지능 기반 환경설비 및 산업플랜트 관리 서비스 시스템 | |
| Song et al. | Assessing local resilience to typhoon disasters: A case study in Nansha, Guangzhou | |
| KR102483784B1 (ko) | 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법 | |
| Lorenzo-Sáez et al. | Energy efficiency and GHG emissions mapping of buildings for decision-making processes against climate change at the local level | |
| Aguilera et al. | Prediction of indoor air temperature using weather data and simple building descriptors | |
| Rastogi et al. | Context-aware monitoring and control of ventilation rate in indoor environments using internet of things | |
| Schilt et al. | Low-Cost sensor node for air quality monitoring: Field tests and validation of particulate matter measurements | |
| Spyropoulos et al. | Performance of aether low-cost sensor device for air pollution measurements in urban environments. accuracy evaluation applying the air quality index (aqi) | |
| Villa et al. | Machine learning framework for the sustainable maintenance of building facilities | |
| Filho et al. | Nodepm: a remote monitoring alert system for energy consumption using probabilistic techniques | |
| Veiga et al. | From a low-cost air quality sensor network to decision support services: Steps towards data calibration and service development | |
| Mehbodniya et al. | Data reinforcement control technique-based monitoring and controlling of environmental factors for IoT applications | |
| Ramesh et al. | Machine Learning Approach for Smart Distribution Transformers Load Monitoring and Management System | |
| Aljohani et al. | A smart framework for managing natural disasters based on the iot and ml | |
| Nazir et al. | Early fire detection: a new indoor laboratory dataset and data distribution analysis | |
| Zhou | Prediction of CO2 adsorption on different activated carbons by hybrid group method of data-handling networks and LSSVM | |
| Barthwal | A Markov chain–based IoT system for monitoring and analysis of urban air quality | |
| Abdalgader et al. | IoT-based system to measure thermal insulation efficiency | |
| Zubair et al. | Characterizing IoT data and its quality for use | |
| Yin | Practice of air environment quality monitoring data visualization technology based on adaptive wireless sensor networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |