KR102437690B1 - 미세먼지 저감 도시 플랫폼 - Google Patents
미세먼지 저감 도시 플랫폼 Download PDFInfo
- Publication number
- KR102437690B1 KR102437690B1 KR1020210017067A KR20210017067A KR102437690B1 KR 102437690 B1 KR102437690 B1 KR 102437690B1 KR 1020210017067 A KR1020210017067 A KR 1020210017067A KR 20210017067 A KR20210017067 A KR 20210017067A KR 102437690 B1 KR102437690 B1 KR 102437690B1
- Authority
- KR
- South Korea
- Prior art keywords
- fine dust
- data
- concentration
- artificial intelligence
- unit
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 184
- 230000009467 reduction Effects 0.000 title claims abstract description 45
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000013507 mapping Methods 0.000 claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000005507 spraying Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 17
- 238000012800 visualization Methods 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 239000007921 spray Substances 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005180 public health Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D47/00—Separating dispersed particles from gases, air or vapours by liquid as separating agent
- B01D47/06—Spray cleaning
-
- 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
- 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
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Dispersion Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Computer Graphics (AREA)
- Child & Adolescent Psychology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
본 발명은 인공지능 기반의 3차원 맵핑을 활용하여 실외 미세먼지 저감시키는 미세먼지 저감 도시 플랫폼에 관한 것이다.
본 발명의 일 실시 예에 따른 미세먼지 저감 도시 플랫폼은, 미세먼지가 발생한 지역에 대한 영상을 촬영하여 영상데이터를 생성하고, 미세먼지가 발생한 지역에 대한 미세먼지 농도를 측정하여 실측데이터를 생성하며, 실측데이터에 대응하는 위치 정보를 생성하는 미세먼지 측정 시스템과, 인공지능 모델을 이용하여 영상데이터 및 실측데이터의 오차를 줄인 정확한 미세먼지 농도를 예측하고, 미세먼지 저감에 이용할 자원사용량을 결정하는 인공지능 분석 시스템과, 정확한 미세먼지의 농도를 시각화 처리하고, 미세먼지의 위치 정보에 대응하는 3차원 지도 상에 시각화 처리된 미세먼지의 농도를 맵핑하는 3차원 맵핑 시스템과, 미세먼지의 농도가 맵핑된 3차원 지도에 해당하는 실제 공간에, 자원 사용량에 대응하는 물을 분사하여 미세먼지를 저감시키는 미세먼지 저감 시스템과, 미세먼지 측정 시스템, 인공지능 분석 시스템, 3차원 맵핑 시스템 및 미세먼지 저감 시스템으로부터 수집한 데이터의 분석을 통하여 각 시스템의 제어 시나리오를 생성하고 배포하는 도시 플랫폼 시스템을 포함한다.
본 발명의 일 실시 예에 따른 미세먼지 저감 도시 플랫폼은, 미세먼지가 발생한 지역에 대한 영상을 촬영하여 영상데이터를 생성하고, 미세먼지가 발생한 지역에 대한 미세먼지 농도를 측정하여 실측데이터를 생성하며, 실측데이터에 대응하는 위치 정보를 생성하는 미세먼지 측정 시스템과, 인공지능 모델을 이용하여 영상데이터 및 실측데이터의 오차를 줄인 정확한 미세먼지 농도를 예측하고, 미세먼지 저감에 이용할 자원사용량을 결정하는 인공지능 분석 시스템과, 정확한 미세먼지의 농도를 시각화 처리하고, 미세먼지의 위치 정보에 대응하는 3차원 지도 상에 시각화 처리된 미세먼지의 농도를 맵핑하는 3차원 맵핑 시스템과, 미세먼지의 농도가 맵핑된 3차원 지도에 해당하는 실제 공간에, 자원 사용량에 대응하는 물을 분사하여 미세먼지를 저감시키는 미세먼지 저감 시스템과, 미세먼지 측정 시스템, 인공지능 분석 시스템, 3차원 맵핑 시스템 및 미세먼지 저감 시스템으로부터 수집한 데이터의 분석을 통하여 각 시스템의 제어 시나리오를 생성하고 배포하는 도시 플랫폼 시스템을 포함한다.
Description
본 발명은 인공지능 기반의 3차원 맵핑을 활용하여 실외 미세먼지 저감시키는 미세먼지 저감 도시 플랫폼에 관한 것이다.
최근 국내는 기후변화의 영향으로 폭염, 가뭄, 산사태, 생태계변화, 태풍, 호우피해, 농작물 재배지 변화, 해수면 상승 등 여러 가지 심각한 문제가 발생하고 있으며, 이중 중국발 미세먼지로 인한 피해는 도시지역에서 그 심각성을 더해가고 있다.
환경통계연감에 따르면 미세먼지는 2004년부터 전반적으로 증가하는 경향을 보이고 있다. 현재 시행되고 있는 미세먼지 비상저감조치 시행은 노후 경유차 운행제한, 사업장 영업 규제 등 대부분 시도 권역별 전체 지역의 사후관리를 위한 대책으로 이루어져 있어 국지적인 지역의 실제 생활공간에서의 저감에 대한 실효성 있는 대책이 필요한 실정이다.
국내 역시 빈번한 고동도 미세먼지 발생으로 인하여 국민들의 건강 및 재산상의 피해가 우려됨에 따라 2012년 환경부 및 국립환경과학원에서는 미세먼지 예보 시스템이 개발되었다. 기본적인 모사 체계는 CMAQ(community multiscale air quality)을 이용하는 미국 NOAA(national oceanic and atmospheric administration)와 유사하나, 국내 조건에 맞는 기상 및 배출량을 바탕으로 예보 결과를 산출하여 보다 고도화된 정보를 제공하고 있다.
현재 미세먼지 측정은 환경부 산하의 국립환경과학원 및 지자체 산하의 보건환경연구원 관리의 대기자동측정소의 지역단위에 따라 전국 111개 시군에 533개 측정소를 설치하여 대단위 지역의 미세먼지 현황 정보를 측정하여 시도 지자체 권역별 미세먼지 예보 및 경보제를 시행하고 있다.
그러나 수도권 및 광역도시의 생활인프라 밀집지역의 경우, 미세먼지 발생원이 제조업의 생산과정, 도로 이동 오염원, 비도로 이동 오염원, 비산먼지 등 다양한 인과관계에 의해 발생됨에 따라 지역 측정소를 기준으로 한 대기환경 측정은 특정 도시지역 국지적인 미세먼지 정보를 판단하는 근거로 설정하기에는 한계가 따른다.
도시공간에서 발생하는 다양한 미세먼지 발생 특성을 고려하여 미세먼지 상습 발생구간에 대한 국지적인 3차원 측정 기술개발을 통해 시민생활에 보다 밀접한 환경정보를 제공할 필요가 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 발명의 일 과제는, 인공지능 기반의 3차원 맵핑을 활용한 실외 미세먼지 저감 도시 플랫폼을 제공하는데 있다.
본 발명의 일 과제는, 미세먼지 저감 원천기술을 개발하여 대기 중 미세먼지 농도 개선, 취약계층 등의 국민 건강 보호를 이루는데 있다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 따른 미세먼지 저감 도시 플랫폼은, 미세먼지가 발생한 지역에 대한 영상을 촬영하여 영상데이터를 생성하고, 미세먼지가 발생한 지역에 대한 미세먼지 농도를 측정하여 실측데이터를 생성하며, 실측데이터에 대응하는 위치 정보를 생성하는 미세먼지 측정 시스템과, 인공지능 모델을 이용하여 영상데이터 및 실측데이터의 오차를 줄인 정확한 미세먼지 농도를 예측하고, 미세먼지 저감에 이용할 자원사용량을 결정하는 인공지능 분석 시스템과, 정확한 미세먼지의 농도를 시각화 처리하고, 미세먼지의 위치 정보에 대응하는 3차원 지도 상에 시각화 처리된 미세먼지의 농도를 맵핑하는 3차원 맵핑 시스템과, 미세먼지의 농도가 맵핑된 3차원 지도에 해당하는 실제 공간에, 자원 사용량에 대응하는 물을 분사하여 미세먼지를 저감시키는 미세먼지 저감 시스템과, 미세먼지 측정 시스템, 인공지능 분석 시스템, 3차원 맵핑 시스템 및 미세먼지 저감 시스템으로부터 수집한 데이터의 분석을 통하여 각 시스템의 제어 시나리오를 생성하고 배포하는 도시 플랫폼 시스템을 포함할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 의하면, 인공지능 기반의 3차원 맵핑을 활용한 실외 미세먼지 저감 도시 플랫폼을 통하여 대기 중 미세먼지 농도를 개선하고, 취약계층 등의 국민 건강 보호에 기여할 수 있다.
또한, 영상 측정 및 고정밀 센서의 실측, 추출된 데이터의 인공지능 분석을 통하여 기존 미세먼지 센서 및 측정 장비, 측정점에 대한 정확도를 동시에 향상시킬 수 있다.
또한, 핫 스팟의 미세먼지를 측정하고 고농도 공간에 직분사함으로 미세먼지 저감 및 제거 효과를 극대화할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 실시 예에 따른 미세먼지 저감 도시 플랫폼의 개요도이다.
도 2는 본 실시 예에 따른 미세먼지 저감 도시 플랫폼의 구성을 보이는 예시도이다.
도 3은 본 실시 예에 따른 미세먼지 측정 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 4는 본 실시 예에 따른 인공지능 분석 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 5는 본 실시 예에 따른 3차원 맵핑 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 6은 본 실시 예에 따른 미세먼지 저감 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 7은 본 실시 예에 따른 도시 플랫폼 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 2는 본 실시 예에 따른 미세먼지 저감 도시 플랫폼의 구성을 보이는 예시도이다.
도 3은 본 실시 예에 따른 미세먼지 측정 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 4는 본 실시 예에 따른 인공지능 분석 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 5는 본 실시 예에 따른 3차원 맵핑 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 6은 본 실시 예에 따른 미세먼지 저감 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 7은 본 실시 예에 따른 도시 플랫폼 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "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. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
또한, 본 명세서에서, "부"는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 실시 예에 따른 미세먼지 저감 도시 플랫폼의 개요도이고, 도 2는 본 실시 예에 따른 미세먼지 저감 도시 플랫폼의 구성을 보이는 예시도이다. 도 1 및 도 2를 참조하면, 미세먼지 저감 도시 플랫폼(1)은 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300), 미세먼지 저감 시스템(400) 및 도시 플랫폼 시스템(500)을 포함할 수 있다.
미세먼지 측정 시스템(100)은 미세먼지가 발생한 지역에 대한 영상을 촬영하여 영상데이터를 생성하고, 미세먼지가 발생한 지역에 대한 미세먼지 농도를 측정하여 실측데이터를 생성하며, 실측데이터에 대응하는 위치 정보를 생성할 수 있다.
미세먼지 측정 시스템(100)은 미세먼지 측정을 위해 고정형 기구(특정 위치에 설치된 기구) 또는 이동형 기구(예를 들어, 드론, 차량 등 이동 가능한 기구)를 포함할 수 있다.
인공지능 분석 시스템(200)은 인공지능 모델(심층신경망 모델)을 이용하여 미세먼지 측정 시스템(100)으로부터 수신한 영상데이터 및 실측데이터의 오차를 줄인 정확한 미세먼지 농도를 예측하고, 미세먼지 저감에 이용할 자원사용량을 결정할 수 있다.
인공지능 분석 시스템(200)은 미세먼지 측정 시스템(100)에서 측정된 영상데이터 및 실측데이터에 대한 인공지능 분석을 통하여 영상데이터만으로도 미세먼지 측정이 가능하도록 할 수 있다.
특히, 영상데이터의 특성(선명도, 채도 등)과 실측데이터를 비교분석하고 이를 통해 인공지능 분석알고리즘을 개발 또는 기존 알고리즘을 적용하여 영상데이터와 실측데이터의 오차범위를 줄여 실제 촬영 이미지 만으로도 미세먼지 측정이 가능하도록 할 수 있다. 이는 미세먼지 측정이 측정장비에 따른 편차 또는 오류가 심하고 실제 시민이 활동하는 국지적인 공간의 미세먼지 농도와 정부에서 제공하는 미세먼지 농도는 차이가 큼에 기인한 것이다. 정부에서 제공하는 미세먼지 농도는 도심지의 몇 개의 지점에서 측정된 데이터를 제공하고 있으므로 국지적 공간의 미세먼지 농도를 대표하기 어려운 문제점이 있다. 또한, 정부가 제공하는 데이터와 국지적 공간 미세먼지 측정데이터 차이가 크므로 이에 대하여 국지적 공간에 생활하는 도시민에게 정확한 공간 미세먼지 농도를 제공하는 것이 필요하며, 이러한 문제를 해결하기 위해 본 실시 예에 따른 인공지능 분석 시스템(200)이 필요하다.
3차원 맵핑 시스템(300)은 인공지능 분석 시스템(200)으로부터 정확한 미세먼지의 농도를 수신하여 시각화 처리하고, 미세먼지의 위치 정보에 대응하는 3차원 지도 상에 시각화 처리된 미세먼지의 농도를 맵핑할 수 있다.
3차원 맵핑 시스템(300)은 수신한 미세먼지의 농도가 짙을수록 붉은색으로 표시하는 것과 같은 시각화 처리를 수행하고, 시각화 처리 결과를 지도에 맵핑할 수 있다. 따라서, 사용자는 맵핑된 지도를 보고 지역별 미세먼지의 농도를 직관적으로 확인할 수 있다.
미세먼지 저감 시스템(400)은 미세먼지의 농도가 맵핑된 3차원 지도에 해당하는 실제 공간에, 자원 사용량에 대응하는 물을 분사하여 미세먼지를 저감시킬 수 있다.
미세먼지 저감 시스템(400)은 친환경적인 물을 활용하여 나노입자 분사를 통하여 미세먼지를 저감시킬 수 있으며, 물입자 체적 증가를 통하여 미세먼지 저감 효과를 증대시킬 수 있다.
도시 플랫폼 시스템(500)은 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300) 및 미세먼지 저감 시스템(400)으로부터 수집한 데이터의 분석을 통하여 각 시스템의 제어 시나리오를 생성하고 배포할 수 있다.
또한 도시 플랫폼 시스템(500)은 사용자 단말기의 데이터 이용 편의성를 위해, 요청 데이터에 대응하는 응답 데이터를 생성하여 사용자 단말기에 제공할 수 있다.
네트워크(600)는 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300), 미세먼지 저감 시스템(400) 및 도시 플랫폼 시스템(500)을 연결하는 역할을 수행할 수 있다. 이러한 네트워크(600)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(600)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서, 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(600)는 허브, 브리지, 라우터, 스위치와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(600)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(600)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(600)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
본 실시 예에서, 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300), 미세먼지 저감 시스템(400) 및 도시 플랫폼 시스템(500) 내부에는 도시되지 않았으나, 통신부와 저장매체를 포함할 수 있다.
통신부는 네트워크(600)와 연동하여 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300) 및 미세먼지 저감 시스템(400)과, 도시 플랫폼 시스템(500) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 나아가, 통신부는 사용자 단말기(미도시)로부터 소정의 정보 요청 신호를 수신하고, 요청 신호에 대응하는 정보 응답 신호를 사용자 단말기로 송신하는 역할을 수행할 수 있다. 여기서, 통신망이라 함은, 도시 플랫폼 시스템(500)과 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300), 미세먼지 저감 시스템(400) 및 사용자 단말기를 연결하는 역할을 수행하는 매개체일 수 있다. 또한 통신부는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
저장 매체는 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300), 미세먼지 저감 시스템(400) 및 도시 플랫폼 시스템(500)이 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 여기서, 저장 매체는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 저장 매체는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
도 3은 본 실시 예에 따른 미세먼지 측정 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다. 이하의 설명에서 도 1 및 도 2에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 3을 참조하면, 미세먼지 측정 시스템(100)은 영상 촬영 장치(110), 미세먼지 측정 장치(120), 위치 감지 센서(130) 및 송수신부(140)를 포함할 수 있다.
영상 촬영 장치(110)는 미세먼지가 발생한 지역에 대한 영상을 촬영하여 영상데이터를 생성할 수 있다. 본 실시 예에서 영상 촬영 장치(110)는 카메라를 포함할 수 있다. 예를 들어, 카메라는 적어도 하나의 광학렌즈와, 광학렌즈를 통과한 광에 의해 상이 맺히는 다수개의 광다이오드(photodiode, 예를 들어, pixel)를 포함하여 구성된 이미지센서(예를 들어, CMOS image sensor)와, 광다이오드들로부터 출력된 신호를 바탕으로 영상을 구성하는 디지털 신호 처리기(DSP: digital signal processor, 미도시)를 포함할 수 있다. 디지털 신호 처리기는 정지영상은 물론이고, 정지영상으로 구성된 프레임들로 이루어진 동영상을 생성할 수 있다.
미세먼지 측정 장치(120)는 미세먼지가 발생한 지역에 대한 미세먼지 농도를 측정하여 실측데이터를 생성할 수 있다. 미세먼지 측정 장치(120)는 내부와 외부를 관통하는 홀이 생성되어 있고, 발광부(미도시)와 수광부(미도시)를 포함할 수 있다. 미세먼지 측정 장치(120)는 상술한 홀로 통과하는 먼지들에 대하여, 발광부는 빛을 발광하고, 수광부는 빛을 수신하며, 수광부가 수신한 빛의 양으로 미세먼지의 농도를 측정할 수 있다.
위치 감지 센서(130)는 실측데이터에 대응하는 위치 정보를 생성할 수 있으며, 예를 들어, 초음파 센서, 레이저 센서 또는 라이다 센서 등을 포함할 수 있다.
송수신부(140)는 영상데이터와, 실측데이터 및 위치 정보를 송신하고, 상기 영상 촬영 장치(110)와, 미세먼지 측정장치(120)와, 위치 감지센서(130)를 동작시키는 제어신호를 수신할 수 있다.
도 4는 본 실시 예에 따른 인공지능 분석 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 4를 참조하면, 인공지능 분석 시스템(200)은 제1 심층신경망 모델(210) 및 제2 심층신경망 모델(220)을 포함할 수 있다.
인공지능 분석 시스템(200)은 영상데이터의 특성값과 실측데이터를 이용하여 미세먼지 농도를 예측하도록 미리 훈련된 제1 심층신경망 모델(210)을 이용하여 미세먼지 측정 시스템(100)으로부터 수신된 영상데이터와 실측데이터의 오차를 줄인 정확한 미세먼지 농도를 예측할 수 있다. 여기서, 제1 심층신경망 모델(210)은, 영상 데이터의 특성값(예를 들어, 선명도 채도 등)과 실측데이터를 입력으로 하고, 미세먼지 농도값을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델일 수 있다.
인공지능 분석 시스템(200)은 미세먼지의 농도에 따라 미세먼지를 저감시킬 자원 사용량을 결정하도록 미리 훈련된 제2 심층신경망 모델(220)을 이용하여 정확한 미세먼지의 농도에 대응하는 자원 사용량을 결정할 수 있다. 여기서, 제2 심층신경망 모델(220)은, 미세먼지의 농도를 입력으로 하고, 자원 사용량을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델일 수 있다.
본 실시 예에서, 인공 지능(artificial intelligence, AI)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미할 수 있다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.
도 5는 본 실시 예에 따른 3차원 맵핑 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 5를 참조하면, 3차원 맵핑 시스템(300)은 시각화 처리부(310) 및 3차원 맵핑부(320)를 포함할 수 있다.
시각화 처리부(310)는 인공지능 분석 시스템(200)으로부터 수신한 정확한 미세먼지의 농도를 시각화 처리할 수 있다. 시각화 처리부(310)는 수신한 미세먼지의 농도가 짙을수록 붉은색으로 표시하는 것과 같은 시각화 처리를 수행할 수 있다.
3차원 맵핑부(320)는 미세먼지의 위치 정보에 대응하는 3차원 지도 상에 시각화 처리부가 처리한 미세먼지의 시각화 처리 결과를 맵핑할 수 있다. 따라서, 사용자는 맵핑된 3차원 지도를 보고 지역별 미세먼지의 농도를 직관적으로 확인할 수 있다.
도 6은 본 실시 예에 따른 미세먼지 저감 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 6을 참조하면, 미세먼지 저감 시스템(400)은 물 탱크부(410), 펌프부(420), 호스부(430), 노즐부(440) 및 제어부(450)를 포함할 수 있다.
물 탱크부(410)는 물을 저장하고 있고, 펌프부(420)는 물 탱크부(410)에 저장된 물을 흡입하여 토출시킬 수 있다. 호스부(430)는 펌프부(420)를 통하여 토출된 물을 유동시키고, 노즐부(440)는 호스부(430)를 통하여 유동된 물을 분사시킬 수 있다.
제어부(450)는 미세먼지의 농도가 맵핑된 3차원 지도에 해당하는 실제 공간에, 자원 사용량에 대응하는 물을 분사하도록 물 탱크부(410), 펌프부(420), 호스부(430) 및 노즐부(440)의 동작을 제어할 수 있다.
본 실시 예에서 제어부(450)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
도 7은 본 실시 예에 따른 도시 플랫폼 시스템의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다. 이하의 설명에서 도 1 내지 도 6에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 7을 참조하면, 도시 플랫폼 시스템(500)은 제1 처리부(510), 제2 처리부(520), 제3 처리부(530), 제4 처리부(540) 및 제5 처리부(550)를 포함할 수 있다.
제1 처리부(510)는 미세먼지 측정 시스템(100)이 처리한 데이터(영상데이터, 실측데이터, 위치 정보)를 수신하여 저장할 수 있으며, 별도의 데이터베이스(미도시)를 구비할 수 있다.
제2 처리부(520)는 인공지능 분석 시스템(200)이 인공지능 분석을 수행할 수 있도록 데이터를 저장하는 데이터베이스(미도시)를 포함하고, 인공지능 분석 시스템(200)으로부터 데이터(정확한 미세먼지 농도, 자원 사용량)를 수신할 수 있다.
제3 처리부(530)는 3차원 맵핑 시스템(300)의 시각화 처리 및 맵핑 처리를 위한 데이터를 저장하는 데이터베이스를 포함하고, 3차원 맵핑 시스템(300)으로부터 데이터(시각화 처리 결과 및/또는 3차원 맵핑 결과 지도)를 수신하는 제3 처리부;
제4 처리부(540)는 미세먼지 저감 시스템(400)으로부터 구동 데이터 및 고장 데이터를 수신하고 이력 데이터에 누적 처리할 수 있으며, 별도의 데이터베이스(미도시)를 구비할 수 있다.
제5 처리부(550)는 제1 처리부(510) 내지 제4 처리부(540)가 수신한 데이터들의 분석을 통하여 미세먼지 측정 시스템(100), 인공지능 분석 시스템(200), 3차원 맵핑 시스템(300) 및 미세먼지 저감 시스템(400) 각각 또는 통합된 둘 이상의 시스템에 대한 제어 시나리오를 생성하고 각 시스템으로 배포할 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
1: 미세먼지 저감 도시 플랫폼
100: 미세먼지 측정 시스템
200: 인공지능 분석 시스템
300: 3차원 맵핑 시스템
400: 미세먼지 저감 시스템
500: 도시 플랫폼 시스템
100: 미세먼지 측정 시스템
200: 인공지능 분석 시스템
300: 3차원 맵핑 시스템
400: 미세먼지 저감 시스템
500: 도시 플랫폼 시스템
Claims (6)
- 미세먼지를 저감하는 도시 플랫폼으로서,
미세먼지가 발생한 지역에 대한 영상을 촬영하여 영상데이터를 생성하고, 상기 미세먼지가 발생한 지역에 대한 미세먼지 농도를 측정하여 실측데이터를 생성하며, 상기 실측데이터에 대응하는 위치 정보를 생성하는 미세먼지 측정 시스템;
인공지능 모델을 이용하여 상기 영상데이터 및 상기 실측데이터의 오차를 줄인 정확한 미세먼지 농도를 예측하고, 미세먼지 저감에 이용할 자원사용량을 결정하는 인공지능 분석 시스템;
상기 정확한 미세먼지의 농도를 시각화 처리하고, 상기 미세먼지의 위치 정보에 대응하는 3차원 지도 상에 시각화 처리된 미세먼지의 농도를 맵핑하는 3차원 맵핑 시스템;
상기 미세먼지의 농도가 맵핑된 상기 3차원 지도에 해당하는 실제 공간에, 상기 자원 사용량에 대응하는 물을 분사하여 미세먼지를 저감시키는 미세먼지 저감 시스템; 및
상기 미세먼지 측정 시스템, 상기 인공지능 분석 시스템, 상기 3차원 맵핑 시스템 및 상기 미세먼지 저감 시스템이 동작하는 제어 시나리오를 생성하고, 상기 생성된 제어 시나리오에 기초하여 각 시스템이 동작함에 따라 미세먼지가 저감된 이후의 데이터를 상기 각 시스템으로부터 수집 및 분석함으로써 상기 각 시스템의 상기 제어 시나리오를 업데이트하고, 상기 업데이트 된 제어 시나리오를 상기 각 시스템에 배포하는 미세먼지 저감 정보 관리시스템을 포함하고,
상기 미세먼지 저감 정보 관리 시스템은,
상기 미세먼지 저감 시스템의 구동 데이터 및 고장 데이터에 기초하여 상기 미세먼지 저감 시스템의 제어 시나리오를 생성하는
미세먼지 저감 도시 플랫폼. - 제 1 항에 있어서,
상기 미세먼지 측정 시스템은,
국지적인 공간에 대한 영상을 촬영하여 영상데이터를 생성하는 영상 촬영 장치;
상기 국지적인 공간에 대한 미세먼지 농도를 측정하여 실측데이터를 생성하는 미세먼지 측정 장치;
상기 실측데이터에 대응하는 위치 정보를 생성하는 위치 감지 센서; 및
상기 영상데이터와, 상기 실측데이터 및 상기 위치 정보를 송신하고, 상기 영상 촬영 장치와, 상기 미세먼지 측정장치와, 상기 위치 감지센서를 동작시키는 제어신호를 수신하는 송수신부를 포함하는,
미세먼지 저감 도시 플랫폼. - 제 1 항에 있어서,
상기 인공지능 분석 시스템은,
영상데이터의 특성값과 실측데이터를 이용하여 미세먼지 농도를 예측하도록 미리 훈련된 제1 심층신경망 모델을 이용하여 상기 영상데이터와 상기 실측데이터의 오차를 줄인 정확한 미세먼지 농도를 예측하고,
미세먼지의 농도에 따라 미세먼지를 저감시킬 자원 사용량을 결정하도록 미리 훈련된 제2 심층신경망 모델을 이용하여 상기 정확한 미세먼지의 농도에 대응하는 자원 사용량을 결정하며,
상기 제1 심층신경망 모델은,
영상데이터의 특성값과 실측데이터를 입력으로 하고, 미세먼지 농도 값을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델이고,
상기 제2 심층신경망 모델은,
미세먼지의 농도를 입력으로 하고, 자원 사용량을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델인,
미세먼지 저감 도시 플랫폼. - 제 1 항에 있어서,
상기 3차원 맵핑 시스템은,
상기 미세먼지의 농도를 시각화 처리하는 시각화 처리부; 및
상기 미세먼지의 위치 정보에 대응하는 3차원 지도 상에 상기 시각화 처리부가 처리한 미세먼지의 시각화 처리 결과를 맵핑하는 3차원 맵핑부를 포함하는,
미세먼지 저감 도시 플랫폼. - 제 1 항에 있어서,
상기 미세먼지 저감 시스템은,
물을 저장하는 물 탱크부;
상기 물 탱크부에 저장된 물을 흡입하여 토출시키는 펌프부;
상기 펌프부를 통하여 토출된 물을 유동시키는 호스부;
상기 호스부를 통하여 유동된 물을 분사시키는 노즐부;
상기 미세먼지의 농도가 맵핑된 상기 3차원 지도에 해당하는 실제 공간에, 상기 자원 사용량에 대응하는 물을 분사하도록 상기 물 탱크부, 상기 펌프부, 상기 호스부 및 상기 노즐부의 동작을 제어하는 제어부를 포함하는,
미세먼지 저감 도시 플랫폼. - 제 1 항에 있어서,
상기 미세먼지 저감 정보 관리시스템은,
상기 미세먼지 측정 시스템이 처리한 데이터를 수신하여 저장하는 제1 처리부;
상기 인공지능 분석 시스템이 인공지능 분석을 수행할 수 있도록 데이터를 저장하는 데이터베이스를 포함하고, 상기 인공지능 분석 시스템으로부터 데이터를 수신하는 제2 처리부;
상기 3차원 맵핑 시스템의 시각화 처리 및 맵핑 처리를 위한 데이터를 저장하는 데이터베이스를 포함하고, 상기 3차원 맵핑 시스템으로부터 데이터를 수신하는 제3 처리부; 및
상기 제1 처리부 내지 상기 제3 처리부가 수신한 데이터의 분석을 통하여 각 시스템의 제어 시나리오를 생성하고 배포하는 제5 처리부를 포함하는,
미세먼지 저감 도시 플랫폼.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200014360 | 2020-02-06 | ||
| KR20200014360 | 2020-02-06 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210100558A KR20210100558A (ko) | 2021-08-17 |
| KR102437690B1 true KR102437690B1 (ko) | 2022-08-30 |
Family
ID=77466341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210017067A KR102437690B1 (ko) | 2020-02-06 | 2021-02-05 | 미세먼지 저감 도시 플랫폼 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102437690B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102702296B1 (ko) * | 2022-07-05 | 2024-09-04 | 주식회사 딥비전스 | 영상 촬영 장치, 이미지 변환, 그리고 딥러닝 알고리즘을 이용한 미세먼지 측정 방법 및 시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101945314B1 (ko) * | 2018-07-27 | 2019-04-17 | 딥클라우드 주식회사 | 인공지능 알고리즘을 기반으로 한 미세먼지 예측모듈을 이용한 미세먼지 저감장치 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101170314B1 (ko) | 2011-09-30 | 2012-08-01 | 녹스 코리아(주) | 생태계 순환을 이용한 대기오염물질 정화시스템 |
-
2021
- 2021-02-05 KR KR1020210017067A patent/KR102437690B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101945314B1 (ko) * | 2018-07-27 | 2019-04-17 | 딥클라우드 주식회사 | 인공지능 알고리즘을 기반으로 한 미세먼지 예측모듈을 이용한 미세먼지 저감장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210100558A (ko) | 2021-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11244500B2 (en) | Map feature extraction using overhead view images | |
| JP2021531462A (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
| McDonald | Drones in urban stormwater management: a review and future perspectives | |
| US11288522B2 (en) | Generating training data from overhead view images | |
| WO2017051411A1 (en) | Near real-time modeling of pollution dispersion | |
| US20200286388A1 (en) | Method and apparatus for visualizing risk levels associated with aerial vehicle flights | |
| WO2021138365A1 (en) | Improvements to overhead view image generation | |
| KR20190029610A (ko) | 변화 검출 기반의 이미지 획득 시스템 | |
| KR102308456B1 (ko) | 라이다 및 카메라 수집정보 기반 수종탐지 시스템 및 이를 이용한 수종탐지방법, 수종탐지방법을 수행하는 프로그램이 수록된 기록매체 | |
| JP2023055842A (ja) | 時間変動音量予測システム | |
| US11874261B2 (en) | Method and internet of things (IoT) system for managing dust pollution in smart city | |
| CN114943482B (zh) | 一种基于物联网的智慧城市尾气排放管理方法和系统 | |
| KR20220112590A (ko) | 인공지능 기반 수계오염원 모니터링 시스템 및 방법 | |
| US11694426B2 (en) | Determining traffic control features based on telemetry patterns within digital image representations of vehicle telemetry data | |
| CN114299457A (zh) | 积水深度检测方法及装置 | |
| KR102437690B1 (ko) | 미세먼지 저감 도시 플랫폼 | |
| CN113051980A (zh) | 视频处理方法、设备、系统及计算机可读存储介质 | |
| CN115962757A (zh) | 一种无人机测绘方法、系统和可读存储介质 | |
| Turukmane et al. | Multispectral image analysis for monitoring by IoT based wireless communication using secure locations protocol and classification by deep learning techniques | |
| CN111783726A (zh) | 基于人工智能和bim的放牧牲畜离群视频采集方法 | |
| Vial et al. | AMSense: How mobile sensing platforms capture pedestrian/cyclist spatiotemporal properties in cities | |
| US20220020177A1 (en) | Overhead View Image Generation | |
| Lyu et al. | Modeling the impacts of 2D/3D urban structure on PM2. 5 at high resolution by combining UAV multispectral/LiDAR measurements and multi-source remote sensing images | |
| Yoon et al. | UAV-based automated 3D modeling framework using deep learning for building energy modeling | |
| JP2021076593A (ja) | 構築及び位置特定技術分野に焦点を当てた動的マップ生成 |
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 |