KR102357967B1 - Apparatus and method for providing microscopic dust information - Google Patents

Apparatus and method for providing microscopic dust information Download PDF

Info

Publication number
KR102357967B1
KR102357967B1 KR1020200006168A KR20200006168A KR102357967B1 KR 102357967 B1 KR102357967 B1 KR 102357967B1 KR 1020200006168 A KR1020200006168 A KR 1020200006168A KR 20200006168 A KR20200006168 A KR 20200006168A KR 102357967 B1 KR102357967 B1 KR 102357967B1
Authority
KR
South Korea
Prior art keywords
node
uncertainty
measured value
value
correction parameter
Prior art date
Application number
KR1020200006168A
Other languages
Korean (ko)
Other versions
KR20210092594A (en
Inventor
이동준
강지석
이후창
김성중
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020200006168A priority Critical patent/KR102357967B1/en
Publication of KR20210092594A publication Critical patent/KR20210092594A/en
Application granted granted Critical
Publication of KR102357967B1 publication Critical patent/KR102357967B1/en

Links

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—Systems or methods specially adapted for 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
    • 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
    • G01N2015/0096—Investigating consistence of powders, dustability, dustiness

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Dispersion Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

본 발명의 일 실시예에 따른 미세먼지 정보 제공 장치는 미세먼지 농도를 측정하는 제1 센서 및 제2 센서를 포함하는 제1 노드 및 제2 노드 간 거리가 소정 거리 이하이면, 상기 제1 센서 및 상기 제2 센서에 의해 제1 측정 값 및 제2 측정 값을 획득하는 단계; 상기 제1 측정 값, 상기 제2 측정 값, 상기 제1 측정 값과 동일하도록 상기 제2 측정 값에 적용되는 보정 파라미터의 초기 기대 값 및 초기 불확실도를 칼만 필터(Kalman filter)에 적용하여 상기 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 생성하는 단계; 및 상기 갱신 불확실도를 출력하는 단계;를 포함하고, 상기 제1 노드 및 상기 제2 노드 중 적어도 하나는 이동 노드이다.In an apparatus for providing fine dust information according to an embodiment of the present invention, if the distance between the first node and the second node including the first sensor and the second sensor for measuring the concentration of fine dust is less than or equal to a predetermined distance, the first sensor and acquiring a first measured value and a second measured value by the second sensor; The first measured value, the second measured value, an initial expected value and an initial uncertainty of a correction parameter applied to the second measured value to be the same as the first measured value are applied to a Kalman filter to apply the correction parameter generating an update expected value and an update uncertainty of <RTI ID=0.0> and outputting the update uncertainty, wherein at least one of the first node and the second node is a mobile node.

Description

미세먼지 정보 제공 장치 및 그 방법{Apparatus and method for providing microscopic dust information}Apparatus and method for providing microscopic dust information

본 발명의 실시예들은 미세먼지 농도 측정의 정확도를 제공하는 미세먼지 정보 제공 장치 및 그 방법에 관한 것이다.Embodiments of the present invention relate to an apparatus and method for providing fine dust information providing accuracy of measuring fine dust concentration.

최근 선진국을 중심으로 도시 정량화에 대한 관심이 높아지고 있다.Recently, interest in urban quantification is increasing, especially in developed countries.

도시 정량화란 도시 내 환경과 관련된 다양한 종류의 정보를 수집 및 이용하는 것으로, 정보 수집을 위한 저가 센서의 고밀도 다량 배포 등을 특징으로 하며, 이를 통해 스마트 시티를 구현할 수 있다.Urban quantification is the collection and use of various types of information related to the urban environment, and is characterized by high-density and mass distribution of low-cost sensors for information collection, and through this, a smart city can be realized.

특히, 미세먼지에 대한 관심과 미세먼지 농도에 대한 정보의 필요성이 높아지고 있으며, 저가 센서의 낮은 정확도를 개선하는 방안이 점차 요구되고 있다.In particular, interest in fine dust and the need for information on fine dust concentration are increasing, and methods for improving the low accuracy of low-cost sensors are increasingly required.

다량 배포된 저가 센서의 측정 값과 정부 기관의 고가 센서의 측정 값의 오차로부터 발생하는 문제 역시 해결될 필요가 있다.It is also necessary to solve the problem caused by the error of the measurement value of the low-cost sensor distributed in large quantities and the measurement value of the high-priced sensor of the government agency.

나아가, 저가 센서의 측정 값을 보정하는 경우, 보정 전후의 저가 센서의 측정 값의 평가 결과를 사용자에게 알려, 사용자 편의를 제공할 필요가 있다.Furthermore, when the measurement value of the low-cost sensor is corrected, it is necessary to provide user convenience by notifying the user of the evaluation result of the measurement value of the low-cost sensor before and after the correction.

본 발명의 실시예들은 미세먼지 농도 측정의 정확도를 제공하는 미세먼지 정보 제공 장치 및 그 방법을 제공하고자 한다.SUMMARY Embodiments of the present invention provide an apparatus and method for providing fine dust information that provide accuracy in measuring the concentration of fine dust.

본 발명의 일 실시예에 따른 미세먼지 정보 제공 장치는 미세먼지 농도를 측정하는 제1 센서 및 제2 센서를 포함하는 제1 노드 및 제2 노드 간 거리가 소정 거리 이하이면, 상기 제1 센서 및 상기 제2 센서에 의해 제1 측정 값 및 제2 측정 값을 획득하는 단계; 상기 제1 측정 값, 상기 제2 측정 값, 상기 제1 측정 값과 동일하도록 상기 제2 측정 값에 적용되는 보정 파라미터의 초기 기대 값 및 초기 불확실도를 칼만 필터(Kalman filter)에 적용하여 상기 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 생성하는 단계; 및 상기 갱신 불확실도를 출력하는 단계;를 포함하고, 상기 제1 노드 및 상기 제2 노드 중 적어도 하나는 이동 노드이다.In an apparatus for providing fine dust information according to an embodiment of the present invention, if the distance between the first node and the second node including the first sensor and the second sensor for measuring the concentration of fine dust is less than or equal to a predetermined distance, the first sensor and acquiring a first measured value and a second measured value by the second sensor; The first measured value, the second measured value, an initial expected value and an initial uncertainty of a correction parameter applied to the second measured value to be the same as the first measured value are applied to a Kalman filter to apply the correction parameter generating an update expected value and an update uncertainty of <RTI ID=0.0> and outputting the update uncertainty, wherein at least one of the first node and the second node is a mobile node.

본 실시예에서, 상기 칼만 필터는 상기 보정 파라미터의 확률 분포와 상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포를 전제로 하고, 상기 보정 파라미터의 확률 분포는, 상기 보정 파라미터의 상기 초기 기대 값 및 상기 초기 불확실도의 정규 분포를 따르고, 상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포는, 상기 제2 측정 값에 상기 보정 파라미터가 적용된 값 및 상기 제1 측정 값과 상기 제2 측정 값 사이의 오차의 분산의 정규 분포를 따른다.In this embodiment, the Kalman filter assumes a probability distribution of the correction parameter and a probability distribution of the first measured value based on the correction parameter, and the probability distribution of the correction parameter is the initial expected value of the correction parameter. and a probability distribution of the first measured value based on the calibration parameter follows a normal distribution of the initial uncertainty, wherein a value to which the calibration parameter is applied to the second measured value and between the first measured value and the second measured value follows a normal distribution of variance of the error.

본 실시예에서, 소정 시간이 경과하면, 상기 소정 시간에 대응하는 지수 함수를 계수로서 이용하여 상기 보정 파라미터의 갱신 불확실도를 재갱신하는 단계;를 더 포함할 수 있다.In the present embodiment, the method may further include, when a predetermined time elapses, re-updating the update uncertainty of the correction parameter by using the exponential function corresponding to the predetermined time as a coefficient.

본 실시예에서, 상기 보정 파라미터의 상기 초기 불확실도가 소정 불확실도 이상이면, 상기 제1 노드 및 상기 제2 노드 간 거리가 상기 소정 거리 이하가 되도록 상기 이동 노드를 이동시키는 단계;를 더 포함할 수 있다.In the present embodiment, if the initial uncertainty of the correction parameter is equal to or greater than a predetermined uncertainty, moving the mobile node so that the distance between the first node and the second node is equal to or less than the predetermined distance; .

본 실시예에서, 상기 제1 측정 값, 상기 제2 측정 값, 및 상기 보정 파라미터의 상기 초기 기대 값에 기초하여 마할라노비스 거리를 산출하는 단계; 상기 마할라노비스 거리가 소정 값 이하이면, 상기 보정 파라미터의 상기 초기 불확실도가 정확하다고 판단하는 단계; 및 상기 초기 불확실도의 건전성 지표를 출력하는 단계;를 포함할 수 있다.In this embodiment, calculating a Mahalanobis distance based on the first measured value, the second measured value, and the initial expected value of the correction parameter; determining that the initial uncertainty of the correction parameter is correct when the Mahalanobis distance is equal to or less than a predetermined value; and outputting a soundness indicator of the initial uncertainty.

본 발명의 일 실시예에 따른 미세먼지 정보 제공 방법은 미세먼지 농도를 측정하는 제1 센서를 포함하는 제1 노드 및 미세먼지 농도를 측정하는 제2 센서를 포함하는 제2 노드와 통신하는 통신 인터페이스; 상기 제1 노드 및 상기 제2 노드 간 거리가 소정 거리 이하이면 상기 제1 센서 및 상기 제2 센서에 의해 제1 측정 값 및 제2 측정 값을 획득하고, 상기 제1 측정 값, 상기 제2 측정 값, 상기 제1 측정 값과 동일하도록 상기 제2 측정 값에 적용되는 보정 파라미터의 초기 기대 값 및 초기 불확실도를 칼만 필터(Kalman filter)에 적용하여 상기 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 생성하는 프로세서; 및 상기 갱신 불확실도를 출력하는 사용자 인터페이스;를 포함하고, 상기 제1 노드 및 상기 제2 노드 중 적어도 하나는 이동 노드이다.A method for providing fine dust information according to an embodiment of the present invention provides a communication interface for communicating with a first node including a first sensor for measuring a concentration of fine dust and a second node including a second sensor for measuring a concentration of fine dust ; If the distance between the first node and the second node is less than or equal to a predetermined distance, a first measurement value and a second measurement value are obtained by the first sensor and the second sensor, and the first measurement value and the second measurement value value, an initial expected value and an initial uncertainty of a correction parameter applied to the second measured value to be the same as the first measured value, to a Kalman filter to generate an updated expected value and an updated uncertainty of the correction parameter processor; and a user interface for outputting the update uncertainty, wherein at least one of the first node and the second node is a mobile node.

본 실시예에서, 상기 칼만 필터는 상기 보정 파라미터의 확률 분포 및 상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포를 전제로 하고, 상기 보정 파라미터의 확률 분포는, 상기 보정 파라미터의 상기 초기 기대 값 및 상기 초기 불확실도의 정규 분포를 따르고, 상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포는, 상기 제2 측정 값에 상기 보정 파라미터가 적용된 값 및 상기 제1 측정 값과 상기 제2 측정 값 사이의 오차의 분산의 정규 분포를 따른다.In this embodiment, the Kalman filter assumes a probability distribution of the correction parameter and a probability distribution of the first measured value based on the correction parameter, and the probability distribution of the correction parameter is the initial expected value of the correction parameter. and a probability distribution of the first measured value based on the calibration parameter follows a normal distribution of the initial uncertainty, wherein a value to which the calibration parameter is applied to the second measured value and between the first measured value and the second measured value follows a normal distribution of variance of the error.

본 실시예에서, 상기 프로세서는 소정 시간이 경과하면 상기 소정 시간에 대응하는 지수 함수를 계수로서 이용하여 상기 보정 파라미터의 갱신 불확실도를 재갱신할 수 있다.In the present embodiment, when a predetermined time elapses, the processor may re-update the update uncertainty of the correction parameter by using the exponential function corresponding to the predetermined time as a coefficient.

본 실시예에서, 상기 프로세서는 상기 보정 파라미터의 상기 초기 불확실도가 소정 불확실도 이상이면, 상기 제1 노드 및 상기 제2 노드 간 거리가 상기 소정 거리 이하가 되도록 상기 이동 노드를 이동시키는 이동 명령을 생성하고, 상기 통신 인터페이스는 상기 이동 노드에 상기 이동 명령을 전송할 수 있다.In this embodiment, if the initial uncertainty of the correction parameter is greater than or equal to a predetermined uncertainty, the processor generates a movement command for moving the mobile node so that the distance between the first node and the second node is equal to or less than the predetermined distance; , the communication interface may transmit the move command to the mobile node.

본 실시예에서, 상기 프로세서는 상기 제1 측정 값, 상기 제2 측정 값, 및 상기 보정 파라미터의 상기 초기 기대 값에 기초하여 마할라노비스 거리를 산출하고, 상기 마할라노비스 거리가 소정 값 이하이면 상기 보정 파라미터의 상기 초기 불확실도가 정확하다고 판단하고, 상기 사용자 인터페이스는 상기 초기 불확실도의 건전성 지표를 출력할 수 있다.In this embodiment, the processor calculates the Mahalanobis distance based on the first measured value, the second measured value, and the initial expected value of the correction parameter, and if the Mahalanobis distance is less than or equal to a predetermined value, When it is determined that the initial uncertainty of the calibration parameter is correct, the user interface may output a soundness indicator of the initial uncertainty.

본 실시예들에 따르면, 다량의 저가 센서를 보다 넓은 영역에 고정 설치하여 위치 별 미세먼지 농도 측정의 정확도를 향상시킬 수 있다.According to the present embodiments, it is possible to improve the accuracy of measuring the concentration of fine dust for each location by installing a large amount of low-cost sensors in a wider area.

또한, 저가 센서의 미세먼지 농도 측정의 정확도를 고가 센서의 미세먼지 농도 측정의 정확도만큼 향상시킬 수 있으므로, 보다 적은 비용으로 미세먼지 농도 측정의 정확도를 향상시킬 수 있다.In addition, since the accuracy of measuring the fine dust concentration of the low-cost sensor can be improved as much as that of the high-priced sensor, the accuracy of the fine dust concentration measurement can be improved at a lower cost.

또한, 적어도 하나의 고가 센서를 이용하여 복수의 저가 센서들의 미세먼지 농도 측정의 정확도를 향상시킬 수 있으므로, 효율적으로 미세먼지 농도 측정의 정확도를 향상시킬 수 있다.In addition, since the accuracy of the fine dust concentration measurement of the plurality of low-cost sensors can be improved by using the at least one expensive sensor, it is possible to effectively improve the accuracy of the fine dust concentration measurement.

또한, 저가 센서의 미세먼지 농도 측정 보정의 불확실도를 산출 및 개선할 수 있으므로, 미세먼지 농도 추정의 정확도를 예측 및 검증할 수 있다.In addition, since it is possible to calculate and improve the uncertainty of the fine dust concentration measurement correction of the low-cost sensor, it is possible to predict and verify the accuracy of the fine dust concentration estimation.

도 1은 본 발명의 일 실시예에 따른 미세먼지 정보 제공 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 미세먼지 정보 제공 장치의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 고정 노드의 측정 값 보정 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 고정 노드의 보정 파라미터 추정 값 및 보정 파라미터 불확실도 갱신 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 고정 노드의 보정 파라미터 불확실도 갱신 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 이동 노드의 이동 방법을 설명하기 위한 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 고정 노드의 보정 파라미터 불확실도 검증 방법을 설명하기 위한 흐름도이다.1 is a view for explaining a system for providing fine dust information according to an embodiment of the present invention.
2 is a block diagram of an apparatus for providing fine dust information according to an embodiment of the present invention.
3 is a flowchart illustrating a method of correcting a measurement value of a fixed node according to an embodiment of the present invention.
4 is a flowchart illustrating a method of updating a correction parameter estimation value and a correction parameter uncertainty of a fixed node according to an embodiment of the present invention.
5 is a flowchart illustrating a method of updating a correction parameter uncertainty of a fixed node according to an embodiment of the present invention.
6 is a flowchart illustrating a method of moving a mobile node according to an embodiment of the present invention.
7 is a flowchart illustrating a method of verifying uncertainty of a correction parameter of a fixed node according to an embodiment of the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Since the present invention can apply various transformations and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention. In describing the present invention, if it is determined that a detailed description of a related known technology may obscure the gist of the present invention, the detailed description thereof will be omitted.

이하의 실시예에서, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.In the following embodiments, terms such as first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another.

이하의 실시예에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 다수의 표현을 포함한다. 이하의 실시예에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in the following examples are used only to describe specific examples, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the following embodiments, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification is present, but one or more It is to be understood that this does not preclude the possibility of addition or presence of other features or numbers, steps, operations, components, parts, or combinations thereof.

본 발명의 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 본 발명의 실시예의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 발명의 실시예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 발명의 실시예들은 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. 매커니즘, 요소, 수단, 구성과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.Embodiments of the present invention may be represented by functional block configurations and various processing steps. These functional blocks may be implemented in any number of hardware and/or software configurations that perform specific functions. For example, embodiments of the present invention may be implemented directly, such as memory, processing, logic, look-up table, etc., capable of executing various functions by control of one or more microprocessors or other control devices. Circuit configurations may be employed. Similar to how components of an embodiment of the invention may be implemented as software programming or software elements, embodiments of the invention may include various algorithms implemented in combinations of data structures, processes, routines, or other programming constructs. , C, C++, Java, assembler, etc. may be implemented in a programming or scripting language. Functional aspects may be implemented in an algorithm running on one or more processors. In addition, embodiments of the present invention may employ conventional techniques for electronic environment setting, signal processing, and/or data processing, and the like. Terms such as mechanism, element, means, and configuration may be used broadly and are not limited to mechanical and physical configurations. The term may include the meaning of a series of routines of software in connection with a processor or the like.

도 1은 본 발명의 일 실시예에 따른 미세먼지 정보 제공 시스템을 설명하기 위한 도면이다.1 is a view for explaining a system for providing fine dust information according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 미세먼지 정보 제공 시스템은 고정 노드(10), 이동 노드(20), 중앙 서버(30), 및 클라이언트 단말(40)을 포함한다.Referring to FIG. 1 , the system for providing fine dust information according to an embodiment of the present invention includes a fixed node 10 , a mobile node 20 , a central server 30 , and a client terminal 40 .

고정 노드(10)는 소정 위치에 고정되어 이동하지 않는 노드를 의미한다.The fixed node 10 refers to a node that is fixed at a predetermined position and does not move.

고정 노드(10)는 복수일 수 있다. 예를 들어, 고정 노드(10)는 제1 내지 제n 고정 노드(10-1 내지 10-n)를 포함할 수 있다.The fixed node 10 may be plural. For example, the fixed node 10 may include first to n-th fixed nodes 10-1 to 10-n.

고정 노드(10)는 미세먼지 농도를 측정하는 센서를 포함한다. 예를 들어, 소정 영역 내에 제1 내지 제n 고정 노드(10-1 내지 10-n)를 설치함으로써 소정 영역 내의 복수의 소정 위치들 각각의 미세먼지 농도를 측정할 수 있다.The fixed node 10 includes a sensor that measures the concentration of fine dust. For example, by installing the first to n-th fixed nodes 10-1 to 10-n in a predetermined area, the concentration of fine dust at each of a plurality of predetermined positions in the predetermined area may be measured.

이동 노드(20)는 소정 영역 내에서 이동하는 노드를 의미한다. 이동 노드(20)는 경로가 미리 정해진 차량에 탑재될 수도 있고, 경로가 미리 정해지지 않은 차량에 탑재될 수도 있다. 이동 노드(20)는 중앙 서버(30) 또는 클라이언트 단말(40)의 제어에 의해 이동할 수 있으며, 이에 한정하지 않는다.The mobile node 20 refers to a node that moves within a predetermined area. The mobile node 20 may be mounted on a vehicle with a predetermined route or on a vehicle with a non-predetermined route. The mobile node 20 may move under the control of the central server 30 or the client terminal 40, but is not limited thereto.

이동 노드(20)는 적어도 하나일 수 있다.The mobile node 20 may be at least one.

이동 노드(20)는 미세먼지 농도를 측정하는 센서를 포함한다. 예를 들어, 이동 노드(20)는 소정 영역 내에서 이동하면서 복수의 소정 위치들의 각각의 미세먼지 농도를 측정할 수 있다.The mobile node 20 includes a sensor that measures the concentration of fine dust. For example, the mobile node 20 may measure the concentration of fine dust at each of a plurality of predetermined locations while moving within a predetermined area.

고정 노드(10) 및 이동 노드(20)는 온도나 습도와 같은 환경의 상태를 측정하는 센서를 포함할 수도 있으며, 이에 한정하지 않는다.The fixed node 10 and the mobile node 20 may include sensors that measure environmental conditions such as temperature or humidity, but are not limited thereto.

이하의 고정 센서는 고정 노드(10)의 미세먼지 농도를 측정하는 센서를 의미하고, 이동 센서는 이동 노드(20)의 미세먼지 농도를 측정하는 센서를 의미한다.Hereinafter, the fixed sensor refers to a sensor that measures the concentration of fine dust in the fixed node 10 , and the mobile sensor refers to a sensor that measures the concentration of fine dust in the mobile node 20 .

이하에서, 고정 센서에 의해 획득된 미세먼지 농도 측정 값을 고정 측정 값이라 하고, 이동 센서에 의해 획득된 미세먼지 농도 측정 값을 이동 측정 값이라 한다.Hereinafter, the fine dust concentration measurement value obtained by the fixed sensor is referred to as a fixed measurement value, and the fine dust concentration measurement value obtained by the movement sensor is referred to as a movement measurement value.

이동 측정 값의 정확도가 고정 측정 값의 정확도보다 높을 수 있다.The accuracy of the moving measurements may be higher than the accuracy of the stationary measurements.

중앙 서버(30)는 고정 노드(10) 및 이동 노드(20)와 통신할 수 있다.The central server 30 may communicate with the fixed node 10 and the mobile node 20 .

중앙 서버(30)는 고정 노드(10) 및 이동 노드(20)로부터 고정 측정 값 및 이동 측정 값을 수신하고, 보정 파라미터를 이용하여 고정 측정 값을 이동 측정 값과 동일하게 보정할 수 있다.The central server 30 may receive the fixed measurement value and the movement measurement value from the fixed node 10 and the mobile node 20 , and correct the fixed measurement value to be the same as the movement measurement value by using a correction parameter.

예를 들어, 중앙 서버(30)는 단일 변량 선형 회귀 모델을 이용하여 고정 측정 값을 보정할 수 있으며, 이에 한정하지 않는다.For example, the central server 30 may use a univariate linear regression model to correct a fixed measured value, but is not limited thereto.

한편, 중앙 서버(30)는 보정 파라미터의 기대 값 및 불확실도를 갱신함으로써 보정에 의한 고정 측정 값의 정확도를 유지하거나 상승시킬 수 있다.Meanwhile, the central server 30 may maintain or increase the accuracy of the fixed measurement value by correction by updating the expected value and uncertainty of the correction parameter.

예컨대, 중앙 서버(30)는 고정 노드(10) 및 이동 노드(20) 간 거리가 소정 거리 이하가 될 때마다 보정 파라미터의 기대 값 및 불확실도를 갱신할 수 있다.For example, the central server 30 may update the expected value and uncertainty of the correction parameter whenever the distance between the fixed node 10 and the mobile node 20 is less than or equal to a predetermined distance.

예컨대, 중앙 서버(30)는 소정 시간이 경과할 때마다 보정 파라미터의 불확실도를 갱신할 수 있다.For example, the central server 30 may update the uncertainty of the correction parameter every time a predetermined time elapses.

중앙 서버(30)는 고정 노드(10)의 보정 파라미터의 불확실도가 소정 불확실도 이상인지 여부를 지속적으로 또는 주기적으로 체크할 수 있다. 예를 들어, 제1 고정 노드(10-1)의 보정 파라미터의 불확실도가 소정 불확실도보다 크게 감지된 경우, 중앙 서버(30)는 이동 노드(20)가 제1 고정 노드(10-1)를 향하도록 제어할 수 있다.The central server 30 may continuously or periodically check whether the uncertainty of the correction parameter of the fixed node 10 is equal to or greater than a predetermined uncertainty. For example, when it is sensed that the uncertainty of the correction parameter of the first fixed node 10-1 is greater than the predetermined uncertainty, the central server 30 directs the mobile node 20 to the first fixed node 10-1. can be controlled to do so.

중앙 서버(30)는 클라이언트 단말(40)에 고정 노드(10)의 고정 측정 값, 고정 측정 값의 보정 값, 보정의 불확실도, 보정의 불확실도의 정확성, 보정의 불확실도가 갱신된 정도 등을 포함하는 정보를 전송할 수 있다.The central server 30 includes, to the client terminal 40, the fixed measurement value of the fixed node 10, the correction value of the fixed measurement value, the uncertainty of the correction, the accuracy of the uncertainty of the correction, the degree to which the uncertainty of the correction is updated, and the like. information can be transmitted.

중앙 서버(30)는 클라이언트 단말(40)로부터 전송된 명령에 따라 이동 노드(20)가 고정 노드(10)를 향하도록 제어할 수 있다.The central server 30 may control the mobile node 20 to face the fixed node 10 according to a command transmitted from the client terminal 40 .

클라이언트 단말(40)은 중앙 서버(30)로부터 전송된 고정 노드(10)의 고정 측정 값, 고정 측정 값의 보정 값, 보정의 불확실도, 보정의 불확실도의 정확성, 보정의 불확실도가 갱신된 정도 등을 포함하는 정보를 출력할 수 있다.The client terminal 40 transmits the fixed measurement value of the fixed node 10, the correction value of the fixed measurement value, the uncertainty of the correction, the accuracy of the uncertainty of the correction, the degree to which the uncertainty of the correction is updated, etc. transmitted from the central server 30 Information can be printed out.

클라이언트 단말(40)은 고정 노드(10) 및 이동 노드(20)의 동작에 대한 명령을 중앙 서버(30)에 전송할 수 있다.The client terminal 40 may transmit commands for the operation of the fixed node 10 and the mobile node 20 to the central server 30 .

한편, 고정 노드(10)가 중앙 서버(30)의 일 동작을 수행할 수 있다.Meanwhile, the fixed node 10 may perform one operation of the central server 30 .

예를 들어, 고정 노드(10)는 고정 측정 값을 획득하고, 이동 노드(20)로부터 이동 측정 값을 수신하고, 보정 파라미터를 이용하여 고정 측정 값을 이동 측정 값과 동일하게 보정할 수 있다.For example, the fixed node 10 may obtain a fixed measurement value, receive the movement measurement value from the mobile node 20 , and correct the fixed measurement value to be the same as the movement measurement value by using a correction parameter.

예를 들어, 고정 노드(10)는 보정 파라미터의 기대 값 및 불확실도를 갱신함으로써 보정에 의한 고정 측정 값의 정확도를 유지하거나 상승시킬 수 있다.For example, the fixed node 10 may maintain or increase the accuracy of fixed measured values by calibration by updating the expected values and uncertainties of the calibration parameters.

본 실시예들에 따르면, 다량의 저가 센서를 보다 넓은 영역에 고정 설치하여 위치 별 미세먼지 농도 측정의 정확도를 향상시킬 수 있다.According to the present embodiments, it is possible to improve the accuracy of measuring the concentration of fine dust for each location by installing a large amount of low-cost sensors in a wider area.

본 실시예들에 따르면, 저가 센서의 미세먼지 농도 측정의 정확도를 고가 센서의 미세먼지 농도 측정의 정확도만큼 향상시킬 수 있으므로, 보다 적은 비용으로 미세먼지 농도 측정의 정확도를 향상시킬 수 있다.According to the present embodiments, since the accuracy of measuring the fine dust concentration of a low-priced sensor can be improved as much as that of the high-priced sensor, the accuracy of measuring the fine dust concentration can be improved at a lower cost.

본 실시예들에 따르면, 적어도 하나의 고가 센서를 이용하여 복수의 저가 센서들의 미세먼지 농도 측정의 정확도를 향상시킬 수 있으므로, 효율적으로 미세먼지 농도 측정의 정확도를 향상시킬 수 있다.도 2는 본 발명의 일 실시예에 따른 미세먼지 정보 제공 장치의 구성도이다.According to the present embodiments, since the accuracy of measuring the fine dust concentration of a plurality of low-cost sensors can be improved by using at least one expensive sensor, it is possible to effectively improve the accuracy of measuring the fine dust concentration. It is a block diagram of an apparatus for providing fine dust information according to an embodiment of the present invention.

도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 미세먼지 정보 제공 장치(100)는 통신 인터페이스(110), 프로세서(130), 사용자 인터페이스(150), 및 메모리(170)를 포함한다.1 and 2 , the apparatus 100 for providing fine dust information according to an embodiment of the present invention includes a communication interface 110 , a processor 130 , a user interface 150 , and a memory 170 . do.

통신 인터페이스(110)는 고정 노드(10), 이동 노드(20), 중앙 서버(30), 및 클라이언트 단말(40) 중 적어도 하나와 통신할 수 있다.The communication interface 110 may communicate with at least one of the fixed node 10 , the mobile node 20 , the central server 30 , and the client terminal 40 .

예를 들어, 통신 인터페이스(110)는 미세먼지 농도를 측정하는 제1 센서를 포함하는 제1 노드 및 미세먼지 농도를 측정하는 제2 센서를 포함하는 제2 노드와 통신할 수 있다.For example, the communication interface 110 may communicate with a first node including a first sensor for measuring the concentration of fine dust and a second node including a second sensor for measuring the concentration of fine dust.

이하에서, 제1 노드 및 제1 센서는 이동 노드(20) 및 이동 센서일 수 있고, 제2 노드 및 제2 센서는 고정 노드(10) 및 고정 센서일 수 있으며, 이에 한정하지 않는다.Hereinafter, the first node and the first sensor may be the mobile node 20 and the mobile sensor, and the second node and the second sensor may be the fixed node 10 and the fixed sensor, but are not limited thereto.

통신 인터페이스(110)는 이동 노드(20)에 이동 명령을 전송할 수 있다.The communication interface 110 may transmit a move command to the mobile node 20 .

프로세서(130)는 제1 노드 및 제2 노드 간 거리가 소정 거리 이하이면 제1 센서 및 제2 센서에 의해 제1 측정 값 및 제2 측정 값을 획득하고, 제1 측정 값, 제2 측정 값, 제1 측정 값과 동일하도록 제2 측정 값에 적용되는 보정 파라미터의 초기 기대 값 및 초기 불확실도를 칼만 필터(Kalman filter)에 적용하여 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 생성한다.If the distance between the first node and the second node is less than or equal to a predetermined distance, the processor 130 obtains the first measured value and the second measured value by the first sensor and the second sensor, and the first measured value and the second measured value , an initial expected value and initial uncertainty of the correction parameter applied to the second measured value to be the same as the first measured value is applied to a Kalman filter to generate an updated expected value and updated uncertainty of the correction parameter.

이하에서, 수학식 1 내지 수학식 8을 이용하여 프로세서(130)의 보정 파라미터 갱신 동작에 대하여 설명한다.Hereinafter, a correction parameter update operation of the processor 130 will be described using Equations 1 to 8. FIG.

Figure 112020005289752-pat00001
Figure 112020005289752-pat00001

n은 횟수,

Figure 112020005289752-pat00002
은 제1 측정 값,
Figure 112020005289752-pat00003
은 실제 값을 나타낸다.n is the number of times,
Figure 112020005289752-pat00002
is the first measured value,
Figure 112020005289752-pat00003
represents the actual value.

수학식 1에 따르면, 제1 센서의 제1 측정 값이 실제 값으로 간주될 수 있다.According to Equation 1, the first measured value of the first sensor may be regarded as an actual value.

수학식 2는 단일 변량 선형 회귀 모델을 나타낸다.Equation 2 represents a univariate linear regression model.

Figure 112020005289752-pat00004
Figure 112020005289752-pat00004

n은 횟수,

Figure 112020005289752-pat00005
은 실제 값,
Figure 112020005289752-pat00006
과
Figure 112020005289752-pat00007
은 보정 파라미터,
Figure 112020005289752-pat00008
은 제2 센서의 제2 측정 값을 나타낸다.n is the number of times,
Figure 112020005289752-pat00005
is the actual value,
Figure 112020005289752-pat00006
class
Figure 112020005289752-pat00007
is the calibration parameter,
Figure 112020005289752-pat00008
denotes a second measurement value of the second sensor.

수학식 2에 따르면, 보정 파라미터가 적용됨으로써 제2 센서의 제2 측정 값이 실제 값으로 보정될 수 있다.According to Equation 2, the second measured value of the second sensor may be corrected to an actual value by applying the correction parameter.

Figure 112020005289752-pat00009
Figure 112020005289752-pat00009

수학식 3의

Figure 112020005289752-pat00010
은 보정 파라미터,
Figure 112020005289752-pat00011
은 보정 파라미터의 초기 기대 값,
Figure 112020005289752-pat00012
은 보정 파라미터의 초기 공분산으로서 초기 불확실도를 나타낸다.of Equation 3
Figure 112020005289752-pat00010
is the calibration parameter,
Figure 112020005289752-pat00011
is the initial expected value of the calibration parameter,
Figure 112020005289752-pat00012
denotes the initial uncertainty as the initial covariance of the calibration parameters.

Figure 112020005289752-pat00013
Figure 112020005289752-pat00013

수학식 4는 보정 파라미터의 정규 분포를 나타낸다.Equation 4 represents the normal distribution of the correction parameters.

수학식 4는 확률 변수로서의 보정 파라미터가 보정 파라미터의 초기 기대 값 및 초기 불확실도의 정규 분포를 따름을 나타낸다.Equation 4 shows that the calibration parameter as a random variable follows a normal distribution of the initial expected value of the calibration parameter and the initial uncertainty.

Figure 112020005289752-pat00014
Figure 112020005289752-pat00014

수학식 5의

Figure 112020005289752-pat00015
은 보정 파라미터에 기반한 제1 측정 값의 조건부 확률 변수,
Figure 112020005289752-pat00016
은 제1 측정 값과 제2 측정 값 사이의 오차의 분산을 나타낸다.of Equation 5
Figure 112020005289752-pat00015
is a conditional random variable of the first measured value based on the calibration parameter,
Figure 112020005289752-pat00016
represents the variance of the error between the first measured value and the second measured value.

수학식 5는 조건부 확률 변수로서의 보정 파라미터에 기반한 제1 측정 값이 제2 측정 값에 보정 파라미터가 적용된 값 및 제1 측정 값과 제2 측정 값 사이의 오차의 분산의 정규 분포를 따름을 나타낸다.Equation 5 indicates that the first measured value based on the correction parameter as a conditional random variable follows a normal distribution of the value to which the correction parameter is applied to the second measured value and the variance of the error between the first measured value and the second measured value.

Figure 112020005289752-pat00017
Figure 112020005289752-pat00017

수학식 6은 베이즈 정리(Bayes' theorem)를 나타낸 것이다.Equation 6 represents Bayes' theorem.

수학식 6의

Figure 112020005289752-pat00018
은 제1 측정 값에 기반한 보정 파라미터의 조건부 확률 변수를 나타낸다.of Equation 6
Figure 112020005289752-pat00018
denotes a conditional random variable of the correction parameter based on the first measured value.

수학식 6의

Figure 112020005289752-pat00019
은 제1 측정 값에 기반한 보정 파라미터의 확률 분포를 나타낸다.of Equation 6
Figure 112020005289752-pat00019
denotes a probability distribution of the correction parameter based on the first measured value.

수학식 6에 따르면, 베이즈 정리는 보정 파라미터의 확률 분포와 보정 파라미터에 기반한 제1 측정 값의 확률 분포를 전제로 한다.According to Equation 6, Bayes' theorem is premised on the probability distribution of the correction parameter and the probability distribution of the first measured value based on the correction parameter.

프로세서(130)는 수학식 6으로부터 제1 측정 값에 기반한 보정 파라미터의 확률 분포를 산출할 수 있다.The processor 130 may calculate a probability distribution of the correction parameter based on the first measurement value from Equation (6).

수학식 4 및 수학식 5를 수학식 6에 적용한 결과는 수학식 7과 같다.Equation (7) is the result of applying Equation (4) and Equation (5) to Equation (6).

Figure 112020005289752-pat00020
Figure 112020005289752-pat00020

수학식 7에 따르면, 조건부 확률 변수로서의 제1 측정 값에 기반한 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 수학식 8과 같이 나타낼 수 있다.According to Equation 7, the update expected value and update uncertainty of the correction parameter based on the first measured value as the conditional random variable can be expressed as Equation 8.

Figure 112020005289752-pat00021
Figure 112020005289752-pat00021

수학식 8의

Figure 112020005289752-pat00022
는 보정 파라미터의 갱신 기대 값,
Figure 112020005289752-pat00023
는 보정 파라미터의 갱신 불확실도를 나타낸다.of Equation 8
Figure 112020005289752-pat00022
is the update expected value of the calibration parameter,
Figure 112020005289752-pat00023
is the update uncertainty of the calibration parameter.

즉, 프로세서(130)는 수학식 1 내지 수학식 8과 같이 제1 측정 값에 기반하여 보정 파라미터의 기대 값 및 불확실도를 갱신할 수 있다.That is, the processor 130 may update the expected value and uncertainty of the correction parameter based on the first measured value as shown in Equations 1 to 8.

다시 말해, 프로세서(130)는 수학식 1 및 수학식 2의 모델을 수학식 3 내지 수학식 8로 구현된 칼만 필터(Kalman filter)에 적용함으로써, 보정 파라미터의 기대 값 및 불확실도를 갱신할 수 있다.In other words, the processor 130 may update the expected value and uncertainty of the correction parameter by applying the models of Equations 1 and 2 to the Kalman filter implemented with Equations 3 to 8. .

한편, 프로세서(130)는 보정 파라미터의 갱신 기대 값에 기초하여 보정 파라미터를 갱신할 수 있으며, 이에 따라 고정 노드(10)의 고정 측정 값의 정확도를 유지하거나 상승시킬 수 있다.Meanwhile, the processor 130 may update the correction parameter based on the expected update value of the correction parameter, thereby maintaining or increasing the accuracy of the fixed measurement value of the fixed node 10 .

한편, 프로세서(130)는 보정 파라미터의 초기 불확실도가 소정 불확실도 이상이면, 제1 노드 및 제2 노드 간 거리가 소정 거리 이하가 되도록 제1 노드의 이동을 제어할 수 있다. 이에 따라, 제1 노드 및 제2 노드 간 거리가 소정 거리 이하가 되면, 프로세서(130)는 수학식 1 내지 수학식 8을 이용하여 보정 파라미터의 초기 불확실도를 갱신할 수 있다.Meanwhile, if the initial uncertainty of the correction parameter is equal to or greater than the predetermined uncertainty, the processor 130 may control the movement of the first node so that the distance between the first node and the second node is less than or equal to the predetermined distance. Accordingly, when the distance between the first node and the second node is equal to or less than a predetermined distance, the processor 130 may update the initial uncertainty of the correction parameter using Equations 1 to 8.

본 실시예에 따르면, 적어도 하나의 제1 노드를 이용하여 소정 영역 내에 설치된 복수의 제2 노드들의 보정 파라미터의 불확실도를 관리할 수 있다.According to the present embodiment, uncertainty of correction parameters of a plurality of second nodes installed in a predetermined area may be managed using at least one first node.

다시 말해, 보다 적은 개수의 제1 노드들을 이용하여 소정 영역 내에 설치된 보다 많은 개수의 제2 노드들의 보정 파라미터의 불확실도를 관리할 수 있다.In other words, the uncertainty of the correction parameter of the greater number of second nodes installed in a predetermined area may be managed using a smaller number of first nodes.

또한, 미세먼지 농도 측정의 보정의 불확실도를 산출 및 개선함으로써, 미세먼지 농도 추정의 정확도를 예측 및 검증할 수 있다.In addition, by calculating and improving the uncertainty of the correction of the fine dust concentration measurement, it is possible to predict and verify the accuracy of the fine dust concentration estimation.

한편, 프로세서(130)는 보정 파라미터의 불확실도를 사용자에게 제공할 수 있고, 보정 파라미터의 초기 불확실도 및 갱신 불확실도를 사용자에게 제공함으로써, 보정에 따른 불확실도 개선의 정도를 사용자에게 알릴 수 있다.Meanwhile, the processor 130 may provide the user with the uncertainty of the correction parameter, and may inform the user of the degree of uncertainty improvement according to the correction by providing the user with the initial uncertainty and the update uncertainty of the correction parameter.

사용자는 본 발명의 일 실시예에 따른 미세먼지 정보 제공 장치(100)가 제공하는 정보에 기초하여 고정 노드(10)의 설치 필요성이나 교체 시기 등을 결정할 수 있으며, 이에 한정하지 않는다.The user may determine the need to install the fixed node 10 or the replacement time, etc. based on the information provided by the fine dust information providing apparatus 100 according to an embodiment of the present invention, but is not limited thereto.

한편, 프로세서(130)는 수학식 9를 이용하여 소정 시간이 경과한 후 보정 파라미터의 불확실도를 갱신할 수 있다.Meanwhile, the processor 130 may update the uncertainty of the correction parameter after a predetermined time has elapsed using Equation (9).

Figure 112020005289752-pat00024
Figure 112020005289752-pat00024

수학식 9의

Figure 112020005289752-pat00025
는 n번째 보정 파라미터의 갱신 불확실도,
Figure 112020005289752-pat00026
는 n+1번째 보정 파라미터의 초기 불확실도, t는 시간, K는 소정 값을 가지는 상수를 나타낸다.of Equation 9
Figure 112020005289752-pat00025
is the update uncertainty of the nth calibration parameter,
Figure 112020005289752-pat00026
denotes the initial uncertainty of the n+1th correction parameter, t denotes time, and K denotes a constant having a predetermined value.

수학식 9에 따르면, n번째 보정 파라미터의 갱신 불확실도를 소정 시간 경과에 대응하는 지수 함수를 계수로서 적용하여 재갱신함으로써 n+1번째 보정 파라미터의 초기 불확실도를 생성할 수 있다.According to Equation 9, the initial uncertainty of the n+1th correction parameter can be generated by re-updating the update uncertainty of the n-th correction parameter by applying an exponential function corresponding to the lapse of a predetermined time as a coefficient.

한편, 프로세서(130)는 제1 측정 값, 제2 측정 값, 및 보정 파라미터의 초기 기대 값에 기초하여 마할라노비스 거리를 산출하고, 마할라노비스 거리가 소정 값 이하이면 보정 파라미터의 초기 불확실도가 정확하다고 판단하고, 마할라노비스 거리가 소정 값을 초과하면 보정 파라미터의 초기 불확실도가 부정확하다고 판단할 수 있다.Meanwhile, the processor 130 calculates the Mahalanobis distance based on the first measured value, the second measured value, and the initial expected value of the correction parameter, and when the Mahalanobis distance is less than or equal to a predetermined value, the initial uncertainty of the correction parameter is If it is determined to be accurate and the Mahalanobis distance exceeds a predetermined value, it may be determined that the initial uncertainty of the correction parameter is inaccurate.

보정 파라미터의 초기 불확실도가 정확하다는 판단은 수학식 1 내지 수학식 9의 보정 파라미터 갱신 동작이 정상이라는 판단을 의미할 수 있다.Determining that the initial uncertainty of the correction parameter is correct may mean determining that the correction parameter update operation of Equations 1 to 9 is normal.

보정 파라미터의 초기 불확실도가 부정확하다는 판단은 수학식 1 내지 수학식 9의 보정 파라미터 갱신 동작이 비정상이라는 판단을 의미할 수 있다.Determining that the initial uncertainty of the correction parameter is incorrect may mean determining that the correction parameter update operation of Equations 1 to 9 is abnormal.

즉, 프로세서(130)는 보정 파라미터의 초기 불확실도의 건전성(sanity)을 사용자에게 제공함으로써 미세먼지 정보 제공 장치(100)의 동작의 안정성을 사용자에게 알릴 수 있다. 건전성은 보정 파라미터의 불확실도의 산출 및 개선의 정도가 올바름을 나타내는 지표일 수 있다.That is, the processor 130 may notify the user of the stability of the operation of the fine dust information providing apparatus 100 by providing the user with the sanity of the initial uncertainty of the correction parameter. The soundness may be an indicator indicating that the degree of calculation and improvement of uncertainty of the correction parameter is correct.

사용자 인터페이스(150)는 초기 불확실도, 갱신 불확실도, 초기 불확실도의 건전성 지표를 출력할 수 있다.The user interface 150 may output initial uncertainty, update uncertainty, and health indicators of initial uncertainty.

메모리(170)는 통신 인터페이스(110)를 통해 전송 및 수신된 데이터, 프로세서(130)를 통해 생성된 데이터 등을 저장할 수 있다.The memory 170 may store data transmitted and received through the communication interface 110 , data generated through the processor 130 , and the like.

메모리(170)는 초기 데이터와 갱신 데이터를 매칭하여 저장할 수 있다.The memory 170 may match and store initial data and update data.

도 3은 본 발명의 일 실시예에 따른 고정 노드의 측정 값 보정 방법을 설명하기 위한 흐름도이다.3 is a flowchart illustrating a method of correcting a measurement value of a fixed node according to an embodiment of the present invention.

도 2 및 도 3을 참조하면, 프로세서(130)는 미세먼지 농도를 측정하는 제1 센서 및 제2 센서를 포함하는 제1 노드 및 제2 노드 간 거리가 소정 거리 이하인지 여부를 판단한다(S301).2 and 3 , the processor 130 determines whether the distance between the first node and the second node including the first sensor and the second sensor for measuring the concentration of fine dust is less than or equal to a predetermined distance (S301) ).

제1 노드 및 제2 노드 간 거리가 소정 거리 이하이면, 프로세서(130)는 통신 인터페이스(110)를 통해 제1 센서 및 제2 센서로부터 제1 측정 값 및 제2 측정 값을 획득한다(S303).If the distance between the first node and the second node is less than or equal to a predetermined distance, the processor 130 obtains a first measurement value and a second measurement value from the first sensor and the second sensor through the communication interface 110 (S303) .

이어서, 프로세서(130)는 제1 측정 값과 동일하도록 제2 측정 값을 보정한다(S305).Then, the processor 130 corrects the second measured value to be the same as the first measured value (S305).

프로세서(130)는 수학식 1 및 수학식 2를 이용하여 S305의 동작을 수행할 수 있다.The processor 130 may perform the operation of S305 using Equations 1 and 2.

본 실시예에 따르면, 예를 들어, 저가의 고정 센서의 미세먼지 농도 측정 값을 고가의 이동 센서의 미세먼지 농도 측정 값에 의해 보정할 수 있으므로, 미세먼지 농도 측정의 정확도를 경제적이고 효율적으로 유지하거나 상승시킬 수 있다.According to this embodiment, for example, since the fine dust concentration measurement value of a low-cost fixed sensor can be corrected by the fine dust concentration measurement value of an expensive moving sensor, the accuracy of the fine dust concentration measurement is economically and efficiently maintained. or it can be raised.

도 4는 본 발명의 일 실시예에 따른 고정 노드의 보정 파라미터 추정 값 및 보정 파라미터 불확실도 갱신 방법을 설명하기 위한 흐름도이다.4 is a flowchart illustrating a method of updating a correction parameter estimation value and a correction parameter uncertainty of a fixed node according to an embodiment of the present invention.

도 2 및 도 4를 참조하면, 프로세서(130)는 미세먼지 농도를 측정하는 제1 센서 및 제2 센서를 포함하는 제1 노드 및 제2 노드 간 거리가 소정 거리 이하인지 여부를 판단한다(S401).2 and 4 , the processor 130 determines whether the distance between the first node and the second node including the first sensor and the second sensor for measuring the concentration of fine dust is less than or equal to a predetermined distance (S401) ).

제1 노드 및 제2 노드 중 적어도 하나는 이동 노드일 수 있다.At least one of the first node and the second node may be a mobile node.

제1 노드 및 제2 노드 간 거리가 소정 거리 이하이면, 프로세서(130)는 제1 측정 값, 제2 측정 값, 제1 측정 값과 동일하도록 제2 측정 값에 적용되는 보정 파라미터의 초기 기대 값 및 초기 불확실도를 칼만 필터(Kalman filter)에 적용하여 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 생성한다(S403).If the distance between the first node and the second node is equal to or less than a predetermined distance, the processor 130 may configure the first measured value, the second measured value, and the initial expected value of the correction parameter applied to the second measured value to be the same as the first measured value. and applying the initial uncertainty to a Kalman filter to generate an update expected value of the correction parameter and an update uncertainty ( S403 ).

프로세서(130)는 수학식 1 내지 수학식 8을 이용하여 S403의 동작을 수행할 수 있다.The processor 130 may perform the operation of S403 using Equations 1 to 8.

이때, 칼만 필터는 보정 파라미터의 확률 분포와 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포를 전제로 하고, 보정 파라미터의 확률 분포는 보정 파라미터의 초기 기대 값 및 초기 불확실도의 정규 분포를 따르고, 보정 파라미터에 기반한 제1 측정 값의 확률 분포는 제2 측정 값에 보정 파라미터가 적용된 값 및 제1 측정 값과 상기 제2 측정 값 사이의 오차의 분산의 정규 분포를 따를 수 있다.In this case, the Kalman filter assumes the probability distribution of the correction parameter and the probability distribution of the first measured value based on the correction parameter, and the probability distribution of the correction parameter follows the normal distribution of the initial expected value of the correction parameter and the initial uncertainty, The probability distribution of the first measured value based on the parameter may follow a normal distribution of a value to which a correction parameter is applied to the second measured value and a variance of an error between the first measured value and the second measured value.

이어서, 프로세서(130)는 사용자 인터페이스(150)를 통해 보정 파라미터의 초기 불확실도 및/또는 갱신 불확실도를 출력한다(S405).Subsequently, the processor 130 outputs the initial uncertainty and/or the update uncertainty of the correction parameter through the user interface 150 ( S405 ).

본 실시예에 따르면, 예를 들어, 고가의 이동 센서의 미세먼지 농도 측정 값에 따라 저가의 고정 센서의 미세먼지 농도 측정 값을 보정한 경우, 보정에 사용된 보정 파라미터의 불확실도를 갱신하고, 보정 파라미터의 불확실도의 갱신 폭을 사용자에게 알림으로써, 사용자 편의를 제공할 수 있다.According to the present embodiment, for example, when the fine dust concentration measurement value of a low-priced fixed sensor is corrected according to the fine dust concentration measurement value of an expensive moving sensor, the uncertainty of the correction parameter used for correction is updated and corrected By notifying the user of the update width of the uncertainty of the parameter, user convenience can be provided.

도 5는 본 발명의 일 실시예에 따른 고정 노드의 보정 파라미터 불확실도 갱신 방법을 설명하기 위한 흐름도이다.5 is a flowchart illustrating a method of updating a correction parameter uncertainty of a fixed node according to an embodiment of the present invention.

도 2 및 도 5를 참조하면, 소정 시간이 경과하면(S501) 프로세서(130)는 소정 시간에 대응하는 지수 함수를 계수로서 이용하여 보정 파라미터의 갱신 불확실도를 재갱신한다(S503).2 and 5 , when a predetermined time elapses ( S501 ), the processor 130 re-updates the update uncertainty of the correction parameter by using the exponential function corresponding to the predetermined time as a coefficient ( S503 ).

프로세서(130)는 수학식 9를 이용하여 S503의 동작을 수행할 수 있다.The processor 130 may perform the operation of S503 using Equation (9).

이어서, 프로세서(130)는 사용자 인터페이스(150)를 통해 보정 파라미터의 재갱신 불확실도를 출력한다(S505).Next, the processor 130 outputs the uncertainty of re-updating the correction parameter through the user interface 150 ( S505 ).

본 실시예에 따르면, 예를 들어, 시간의 흐름에 따른 저가의 고정 센서의 미세먼지 농도 측정 값 보정 파라미터의 불확실도 저하를 방지할 수 있다.According to the present embodiment, for example, it is possible to prevent a decrease in uncertainty of a correction parameter of a fine dust concentration measurement value of an inexpensive fixed sensor over time.

도 6은 본 발명의 일 실시예에 따른 이동 노드의 이동 방법을 설명하기 위한 흐름도이다.6 is a flowchart illustrating a method of moving a mobile node according to an embodiment of the present invention.

도 2 및 도 6을 참조하면, 프로세서(130)는 메모리(170)로부터 복수의 제2 노드들 각각의 보정 파라미터의 초기 불확실도를 획득한다(S601).2 and 6 , the processor 130 obtains an initial uncertainty of a correction parameter of each of the plurality of second nodes from the memory 170 ( S601 ).

이어서, 보정 파라미터의 초기 불확실도가 소정 불확실도 이상인 제2 노드가 감지되면(S603), 프로세서(130)는 제1 노드 및 보정 파라미터의 초기 불확실도가 소정 불확실도 이상인 제2 노드 간 거리가 도 3의 소정 거리 이하가 되도록 제1 노드를 이동시킨다(S605).Next, when the second node having the initial uncertainty of the correction parameter equal to or greater than the predetermined uncertainty is detected ( S603 ), the processor 130 determines that the distance between the first node and the second node having the initial uncertainty of the correction parameter equal to or greater than the predetermined uncertainty is the predetermined distance of FIG. 3 . The first node is moved as follows (S605).

본 실시예에 따르면, 소정 영역의 복수의 제2 노드들 각각의 보정 파라미터의 불확실도를 적어도 하나의 제1 노드의 이동으로 제어할 수 있다.According to the present embodiment, the uncertainty of the correction parameter of each of the plurality of second nodes in the predetermined region may be controlled by the movement of the at least one first node.

도 7은 본 발명의 일 실시예에 따른 고정 노드의 보정 파라미터 불확실도 검증 방법을 설명하기 위한 흐름도이다.7 is a flowchart illustrating a method of verifying uncertainty of a correction parameter of a fixed node according to an embodiment of the present invention.

도 2 및 도 7을 참조하면, 프로세서(130)는 도 4의 S403에서 획득한 제1 측정 값, 제2 측정 값, 및 보정 파라미터의 초기 기대 값에 기초하여 마할라노비스 거리를 산출한다(S701).2 and 7 , the processor 130 calculates the Mahalanobis distance based on the first measured value obtained in S403 of FIG. 4 , the second measured value, and the initial expected value of the correction parameter ( S701 ) ).

마할라노비스 거리가 소정 값 이하이면(S703), 프로세서(130)는 보정 파라미터의 초기 불확실도가 건전하다고 판단하고(S705), 마할라노비스 거리가 소정 값을 초과하면(S703), 프로세서(130)는 보정 파라미터의 초기 불확실도가 불건전하다고 판단한다(S707).If the Mahalanobis distance is equal to or less than a predetermined value (S703), the processor 130 determines that the initial uncertainty of the correction parameter is sound (S705), and if the Mahalanobis distance exceeds a predetermined value (S703), the processor 130 determines that the initial uncertainty of the correction parameter is unsound (S707).

본 실시예에 따르면, 미세먼지 정보 제공 장치(100)의 도 4의 동작의 안정성을 사용자에게 알릴 수 있다.According to the present embodiment, the stability of the operation of FIG. 4 of the apparatus 100 for providing fine dust information may be notified to the user.

이제까지 본 발명에 대하여 바람직한 실시예를 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명을 구현할 수 있음을 이해할 것이다.So far, the present invention has been focused on preferred embodiments. Those of ordinary skill in the art to which the present invention pertains will understand that the present invention can be implemented in modified forms without departing from the essential characteristics of the present invention.

그러므로 상기 개시된 실시예는 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 특허청구범위에 의해 청구된 발명 및 청구된 발명과 균등한 발명들은 본 발명에 포함된 것으로 해석되어야 한다.Therefore, the disclosed embodiments are to be considered in an illustrative rather than a restrictive sense. The scope of the present invention is indicated in the claims rather than the above description, and the invention claimed by the claims and inventions equivalent to the claimed invention should be construed as being included in the present invention.

10: 고정 노드
10-1: 제1 고정 노드
10-n: 제n 고정 노드
20: 이동 노드
30: 중앙 서버
40: 클라이언트 단말10: fixed node
10-1: first fixed node
10-n: nth fixed node
20: mobile node
30: central server
40: client terminal

Claims (14)

미세먼지 농도를 측정하는 제1 센서 및 제2 센서를 포함하는 제1 노드 및 제2 노드 간 거리가 소정 거리 이하이면, 상기 제1 센서 및 상기 제2 센서에 의해 제1 측정 값 및 제2 측정 값을 획득하는 단계; 및
상기 제1 측정 값, 상기 제2 측정 값, 상기 제1 측정 값과 동일하도록 상기 제2 측정 값에 적용되는 보정 파라미터의 초기 기대 값 및 초기 불확실도를 칼만 필터(Kalman filter)에 적용하여 상기 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 생성하는 단계; 및
상기 보정 파라미터의 상기 초기 불확실도, 상기 갱신 불확실도, 및 상기 초기 불확실도의 건전성 지표를 출력하는 단계;를 포함하고,
상기 칼만 필터는 상기 보정 파라미터의 확률 분포와 상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포를 전제로 하고,
상기 보정 파라미터의 확률 분포는, 상기 보정 파라미터의 상기 초기 기대 값 및 상기 초기 불확실도의 정규 분포를 따르고,
상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포는, 상기 제2 측정 값에 상기 보정 파라미터가 적용된 값 및 상기 제1 측정 값과 상기 제2 측정 값 사이의 오차의 분산의 정규 분포를 따르는, 미세먼지 정보 제공 방법.If the distance between the first node and the second node including the first sensor and the second sensor for measuring the fine dust concentration is less than or equal to a predetermined distance, the first measured value and the second measured by the first sensor and the second sensor obtaining a value; and
The first measured value, the second measured value, an initial expected value and an initial uncertainty of a correction parameter applied to the second measured value to be the same as the first measured value are applied to a Kalman filter to apply the correction parameter generating an update expected value and an update uncertainty of <RTI ID=0.0> and
outputting the initial uncertainty of the calibration parameter, the update uncertainty, and a health indicator of the initial uncertainty;
The Kalman filter assumes a probability distribution of the correction parameter and a probability distribution of the first measurement value based on the correction parameter,
the probability distribution of the calibration parameter follows a normal distribution of the initial expected value of the calibration parameter and the initial uncertainty;
the probability distribution of the first measured value based on the calibration parameter follows a normal distribution of a value to which the calibration parameter is applied to the second measured value and a variance of an error between the first measured value and the second measured value; How to provide fine dust information. 삭제delete 청구항 1에 있어서,
상기 제1 노드 및 상기 제2 노드 중 적어도 하나는 이동 노드인, 미세먼지 정보 제공 방법.The method according to claim 1,
At least one of the first node and the second node is a mobile node. 삭제delete 청구항 1에 있어서,
소정 시간이 경과하면, 상기 소정 시간에 대응하는 지수 함수를 계수로서 이용하여 상기 보정 파라미터의 갱신 불확실도를 재갱신하는 단계;를 더 포함하는, 미세먼지 정보 제공 방법.The method according to claim 1,
When a predetermined time elapses, re-updating the update uncertainty of the correction parameter by using the exponential function corresponding to the predetermined time as a coefficient. 청구항 1에 있어서,
상기 보정 파라미터의 상기 초기 불확실도가 소정 불확실도 이상이면, 상기 제1 노드 및 상기 제2 노드 간 거리가 상기 소정 거리 이하가 되도록 상기 제1 노드 및 상기 제2 노드 중 적어도 하나를 이동시키는 단계;를 더 포함하는, 미세먼지 정보 제공 방법.The method according to claim 1,
If the initial uncertainty of the correction parameter is greater than or equal to a predetermined uncertainty, moving at least one of the first node and the second node so that the distance between the first node and the second node is equal to or less than the predetermined distance; Including, a method of providing fine dust information. 청구항 1에 있어서,
상기 제1 측정 값, 상기 제2 측정 값, 및 상기 보정 파라미터의 상기 초기 기대 값에 기초하여 마할라노비스 거리를 산출하는 단계;
상기 마할라노비스 거리가 소정 값 이하이면, 상기 보정 파라미터의 상기 초기 불확실도가 정확하다고 판단하는 단계; 및
상기 초기 불확실도의 건전성 지표를 출력하는 단계;를 포함하는, 미세먼지 정보 제공 방법.The method according to claim 1,
calculating a Mahalanobis distance based on the first measured value, the second measured value, and the initial expected value of the calibration parameter;
determining that the initial uncertainty of the correction parameter is correct when the Mahalanobis distance is equal to or less than a predetermined value; and
The method of providing fine dust information, including; outputting a soundness indicator of the initial uncertainty. 미세먼지 농도를 측정하는 제1 센서를 포함하는 제1 노드 및 미세먼지 농도를 측정하는 제2 센서를 포함하는 제2 노드와 통신하는 통신 인터페이스; 및
상기 제1 노드 및 상기 제2 노드 간 거리가 소정 거리 이하이면 상기 제1 센서 및 상기 제2 센서에 의해 제1 측정 값 및 제2 측정 값을 획득하고, 상기 제1 측정 값, 상기 제2 측정 값, 상기 제1 측정 값과 동일하도록 상기 제2 측정 값에 적용되는 보정 파라미터의 초기 기대 값 및 초기 불확실도를 칼만 필터(Kalman filter)에 적용하여 상기 보정 파라미터의 갱신 기대 값 및 갱신 불확실도를 생성하는 프로세서; 및
상기 보정 파라미터의 상기 초기 불확실도, 상기 갱신 불확실도, 및 상기 초기 불확실도의 건전성 지표를 출력하는 사용자 인터페이스;를 포함하고,
상기 칼만 필터는 상기 보정 파라미터의 확률 분포 및 상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포를 전제로 하고,
상기 보정 파라미터의 확률 분포는, 상기 보정 파라미터의 상기 초기 기대 값 및 상기 초기 불확실도의 정규 분포를 따르고,
상기 보정 파라미터에 기반한 상기 제1 측정 값의 확률 분포는, 상기 제2 측정 값에 상기 보정 파라미터가 적용된 값 및 상기 제1 측정 값과 상기 제2 측정 값 사이의 오차의 분산의 정규 분포를 따르는, 미세먼지 정보 제공 장치.a communication interface for communicating with a first node including a first sensor for measuring fine dust concentration and a second node including a second sensor for measuring fine dust concentration; and
If the distance between the first node and the second node is less than or equal to a predetermined distance, a first measurement value and a second measurement value are obtained by the first sensor and the second sensor, and the first measurement value and the second measurement value value, an initial expected value and initial uncertainty of a correction parameter applied to the second measured value to be the same as the first measured value, to a Kalman filter to generate an updated expected value and updated uncertainty of the correction parameter processor; and
a user interface for outputting the initial uncertainty of the calibration parameter, the update uncertainty, and a health indicator of the initial uncertainty;
The Kalman filter assumes a probability distribution of the correction parameter and a probability distribution of the first measurement value based on the correction parameter,
the probability distribution of the calibration parameter follows a normal distribution of the initial expected value of the calibration parameter and the initial uncertainty;
the probability distribution of the first measured value based on the calibration parameter follows a normal distribution of a value to which the calibration parameter is applied to the second measured value and a variance of an error between the first measured value and the second measured value; Fine dust information providing device. 삭제delete 청구항 8에 있어서,
상기 제1 노드 및 상기 제2 노드 중 적어도 하나는 이동 노드인, 미세먼지 정보 제공 장치.9. The method of claim 8,
At least one of the first node and the second node is a mobile node. 삭제delete 청구항 8에 있어서,
상기 프로세서는 소정 시간이 경과하면 상기 소정 시간에 대응하는 지수 함수를 계수로서 이용하여 상기 보정 파라미터의 갱신 불확실도를 재갱신하는, 미세먼지 정보 제공 장치.9. The method of claim 8,
When a predetermined time elapses, the processor re-updates the update uncertainty of the correction parameter by using an exponential function corresponding to the predetermined time as a coefficient. 청구항 8에 있어서,
상기 프로세서는 상기 보정 파라미터의 상기 초기 불확실도가 소정 불확실도 이상이면, 상기 제1 노드 및 상기 제2 노드 간 거리가 상기 소정 거리 이하가 되도록 상기 제1 노드 및 상기 제2 노드 중 적어도 하나를 이동시키는 이동 명령을 생성하고,
상기 통신 인터페이스는 상기 제1 노드 및 상기 제2 노드 중 적어도 하나에 상기 이동 명령을 전송하는, 미세먼지 정보 제공 장치.9. The method of claim 8,
If the initial uncertainty of the correction parameter is greater than or equal to a predetermined uncertainty, the processor is configured to move at least one of the first node and the second node so that the distance between the first node and the second node is equal to or less than the predetermined distance. create a command,
The communication interface transmits the movement command to at least one of the first node and the second node, the apparatus for providing fine dust information. 청구항 8에 있어서,
상기 프로세서는 상기 제1 측정 값, 상기 제2 측정 값, 및 상기 보정 파라미터의 상기 초기 기대 값에 기초하여 마할라노비스 거리를 산출하고, 상기 마할라노비스 거리가 소정 값 이하이면 상기 보정 파라미터의 상기 초기 불확실도가 정확하다고 판단하고,
상기 사용자 인터페이스는 상기 초기 불확실도의 건전성 지표를 출력하는, 미세먼지 정보 제공 장치.9. The method of claim 8,
the processor calculates a Mahalanobis distance based on the first measured value, the second measured value, and the initial expected value of the calibration parameter, and if the Mahalanobis distance is less than or equal to a predetermined value, the Judging that the initial uncertainty is correct,
The user interface outputs a soundness indicator of the initial uncertainty, fine dust information providing device.
KR1020200006168A 2020-01-16 2020-01-16 Apparatus and method for providing microscopic dust information KR102357967B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200006168A KR102357967B1 (en) 2020-01-16 2020-01-16 Apparatus and method for providing microscopic dust information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200006168A KR102357967B1 (en) 2020-01-16 2020-01-16 Apparatus and method for providing microscopic dust information

Publications (2)

Publication Number Publication Date
KR20210092594A KR20210092594A (en) 2021-07-26
KR102357967B1 true KR102357967B1 (en) 2022-02-03

Family

ID=77124982

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200006168A KR102357967B1 (en) 2020-01-16 2020-01-16 Apparatus and method for providing microscopic dust information

Country Status (1)

Country Link
KR (1) KR102357967B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102023279B1 (en) * 2018-03-27 2019-09-19 재단법인 다차원 스마트 아이티 융합시스템 연구단 Method for correcting of particulate matter sensor and apparatus therefor

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101596323B1 (en) * 2014-03-07 2016-03-07 고려대학교 산학협력단 System and method for self-localizing and a medium having computer readable program for executing the method
KR101908534B1 (en) * 2016-06-23 2018-10-16 조선대학교산학협력단 Apparatus and method for determining position and attitude of a vehicle

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102023279B1 (en) * 2018-03-27 2019-09-19 재단법인 다차원 스마트 아이티 융합시스템 연구단 Method for correcting of particulate matter sensor and apparatus therefor

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문:권성기 외 1명

Also Published As

Publication number Publication date
KR20210092594A (en) 2021-07-26

Similar Documents

Publication Publication Date Title
RU2688564C2 (en) Systems and methods of detecting failures when determining spatial position based on air signals and aircraft control settings
JP6661559B2 (en) Error detection device, error detection method and program
KR101106048B1 (en) Method for calibrating sensor errors automatically during operation, and inertial navigation using the same
US11364923B2 (en) Failure detection and response
CN102246216A (en) Method and apparatus for calibrating a fall detector
US10139253B2 (en) Adjustment of interrupt timestamps of signals from a sensor based on an estimated sampling rate of the sensor
KR101390776B1 (en) Localization device, method and robot using fuzzy extended kalman filter algorithm
KR101833007B1 (en) Method and system for estimating position and velocity of underwater vehicle using doppler beacon
KR102357967B1 (en) Apparatus and method for providing microscopic dust information
EP3351959B1 (en) Apparatus and method for performing a consistency testing using non-linear filters that provide predictive probability density functions
US9185523B2 (en) Method of correcting global position error
US20200363208A1 (en) Factory-specific inertial measurement unit error model
KR101118358B1 (en) the accelerometer bias estimation sysytem using kalman filter.
Döhler et al. Efficient structural system reliability updating with subspace-based damage detection information
WO2021046723A1 (en) Sensor model generation method and system, and sensor measurement method and system
JP7054641B2 (en) Structure characterization system
JP2017198565A (en) Detector, infrared sensor, detection method, and program
US20150087333A1 (en) Method for correcting position information
US10747214B2 (en) HVAC system including active sensor network calibration
US11815608B2 (en) Vector air data dynamic constraining and self-checking systems and methods
US11716270B2 (en) Determining reliability information for a network component
CN112978532B (en) Elevator state detection method and device and storage medium
US20220180233A1 (en) Method for determining simulation data
US20230258822A1 (en) Method for statistically correcting the estimation of the state of a system and device therefor
JP7328170B2 (en) Moving object detection system

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant