KR102445068B1 - 미세먼지 농도 예측 시스템 - Google Patents

미세먼지 농도 예측 시스템 Download PDF

Info

Publication number
KR102445068B1
KR102445068B1 KR1020190045697A KR20190045697A KR102445068B1 KR 102445068 B1 KR102445068 B1 KR 102445068B1 KR 1020190045697 A KR1020190045697 A KR 1020190045697A KR 20190045697 A KR20190045697 A KR 20190045697A KR 102445068 B1 KR102445068 B1 KR 102445068B1
Authority
KR
South Korea
Prior art keywords
fine dust
dust concentration
big data
neural network
artificial neural
Prior art date
Application number
KR1020190045697A
Other languages
English (en)
Other versions
KR20200128226A (ko
Inventor
길용석
나경필
김문철
김명하
송재철
Original Assignee
에코스솔루션(주)
인덕대학교 산학협력단
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 에코스솔루션(주), 인덕대학교 산학협력단 filed Critical 에코스솔루션(주)
Priority to KR1020190045697A priority Critical patent/KR102445068B1/ko
Publication of KR20200128226A publication Critical patent/KR20200128226A/ko
Application granted granted Critical
Publication of KR102445068B1 publication Critical patent/KR102445068B1/ko

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Abstract

본 발명은 테마파크 또는 요양시설 등의 소정 지역 내의 다수의 분할영역 각각에 미세먼지 센서를 구비하며, 미세먼지 센서들로부터 측정된 미세먼지 농도를 메인서버가 수신하여 데이터베이스에 저장하고, 메인서버는 데이터베이스에 저장된 미세먼지 농도들을 이용하여 빅데이터 패턴 분석을 행하여 각 분할영역 별로 미세먼지 농도를 예측하며, 지역별 현재의 미세먼지 농도 뿐만아니라 향후의 미세먼지 농도를 사용자의 요청에 따라 사용자의 스마트폰으로 전송하는, 미세먼지 농도 예측 시스템에 관한 것이다.
본 발명의 미세먼지 농도 예측 시스템은, 소정 기일의 소정 분할지역의 미세먼지 농도를 알기 위해, 소정 분할지역의 식별코드 및 소정 기일정보를 포함하는 미세먼지농도 예측 요청정보를 메인서버로 전송하는, 사용자 단말기; 미세먼지농도 예측 인공신경망에 입력데이터로 소정 분할지역의 식별코드 및 소정 기일정보를 입력하고, 미세먼지농도 예측 인공신경망에서 출력된 소정 기일의 해당 분할지역의 미세먼지 농도 정보를 사용자 단말기로 전송하는, 메인서버; 다수의 분할영역 각각에 미세먼지 센서를 구비한 미세먼지 측정장치가 장착되어 있으며 각 미세먼지 센서에서 검출된 미세먼지 농도 정보를 메인서버로 전송하는 미세먼지 농도 검출부를 포함하며, 메인서버는 수신한 미세먼지 농도 정보 및 기상청으로부터 제공된 기상정보를 축적하여 빅데이터를 형성하고, 빅데이터를 미세먼지 농도 패턴검출 인공신경망에 적용하여 미세먼지 농도의 패턴을 추출하는 것을 특징으로 한다.

Description

미세먼지 농도 예측 시스템{Fine dust concentration prediction system}
본 발명은 테마파크 또는 요양시설 등의 소정 지역 내의 다수의 분할영역 각각에 미세먼지 센서를 구비하며, 미세먼지 센서들로부터 측정된 미세먼지 농도를 메인서버가 수신하여 데이터베이스에 저장하고, 메인서버는 데이터베이스에 저장된 미세먼지 농도들을 이용하여 빅데이터 패턴 분석을 행하여 각 분할영역 별로 미세먼지 농도를 예측하며, 지역별 현재의 미세먼지 농도 뿐만아니라 향후의 미세먼지 농도를 사용자의 스마트폰으로 전송하는, 미세먼지 농도 예측 시스템에 관한 것이다.
먼지란 대기 중에 떠다니거나 흩날려 내려오는 입자상 물질을 말한다. 먼지는 입자의 크기에 따라 50μm 이하인 총먼지(TSP, Total Suspended Particles)와 입자크기가 매우 작은 미세먼지(PM, Particulate Matter)로 구분한다. 미세먼지는 다시 지름이 10μm보다 작은 미세먼지(PM10)와 지름이 2.5μm보다 작은 미세먼지(PM2.5)로 나뉘며, PM2.5가 국제적인 비교 기준으로 주로 활용된다. PM10이 사람의 머리카락 지름(50~70μm)보다 약 1/5~1/7 정도로 작은 크기라면, PM2.5는 머리카락의 약 1/20~1/30에 불과할 정도로 매우 작다. 미세먼지 성분은 주로 아황산가스ㆍ질소산화물ㆍ납 등을 포함한 대기오염물질이다.
미세먼지는 눈에 보이지 않을 만큼 매우 작기 때문에 대기 중에 머물러 있다 호흡기를 거쳐 폐 등에 침투하거나 혈관을 따라 체내로 이동하여 들어감으로써 건강에 나쁜 영향을 미칠 수도 있다. 세계보건기구(WHO)는 미세먼지(PM10, PM2.5)에 대한 대기질 가이드라인을 1987년부터 제시해 왔고, 2013년에는 세계보건기구 산하의 국제암연구소(IARC, International Agency for Research on Cancer)에서 미세먼지를 사람에게 발암이 확인된 1군 발암물질(Group 1)로 지정하였다. 미세먼지에 대한 국내 환경기준은 현재 ‘㎥당 25㎛ 이하’인데, 이는 WHO 권고기준보다 2배 이상 높은 수준이다.
특히, 요양시설 등등은 다양한 환자들이 모여있으며, 이들 환자는 저항력이 상대적으로 약하므로, 미세먼지 농도를 수시로 체크하고, 향후를 예측하여 사전 대비하는 것이 필요하다.
따라서 본 발명은 테마파크 또는 요양시설 등의 소정 지역 내의 다수의 분할영역 각각에 미세먼지 센서를 구비하며, 미세먼지 센서들로부터 측정된 미세먼지 농도를 메인서버가 수신하여 데이터베이스에 저장하고, 메인서버는 데이터베이스에 저장된 미세먼지 농도들을 이용하여 빅데이터 패턴 분석을 행하여 각 분할영역 별로 미세먼지 농도를 예측하며, 지역별 현재의 미세먼지 농도 뿐만아니라 향후의 미세먼지 농도를 사용자의 스마트폰으로 전송하는, 미세먼지 농도 예측 시스템을 제안한다.
미세먼지 측정 방법은 미세먼지를 포집하는 방법에 따라 크게 수동 측정법과 자동 측정법으로 구분되며, 자동 측정법으로는 크게 베타선 측정법(Beta gauge), 광산란법(Light Scattering Method), TEOM(Tapered element oscillating microbalance)으로 구분되며, 여기서 베타선 측정법과 광산란법은 모두 빛을 이용하는 광학법(Optical method)이다. 베타선 측정법은 베타선 흡수법(Beta attenuation monitor)이라고도 하며, 테이프 처럼 시간에 따라 감기는 포집 테이프에 베타선을 쪼여 포집 전후의 농도를 측정하는 방법으로, 자동 측정이 가능하여 쉽고 편하지만, 실시간 측정이 어려워 최소시간 단위로 측정되며 일반적으로 최소 1시간 단위로 측정되어, 짧은 시간에 수시로 변하는 환경의 모니터링을 위한 사용에는 부적절하므로 다단충돌기(Cascade impactor)와 같은 보조적인 장치가 필요하다. 광산란법은 대기중에 부유하고 있는 입자상물질에 빛을 조사하면 입자상 물질에 의하여 빛이 산란하게 되고 이때, 물리적 성질이 동일한 입자상물질에 빛을 조사하면 산란광의 양은 질량농도에 비례되는 성질을 이용하는 것으로, 이러한 원리를 이용하여 산란광의 양을 측정하고 그 값으로부터 입자상 물질의 농도를 구하는 방법이다. 광산란법은 실시간 측정이 가능하고 휴대가 용이하며, 한 개의 장치로 PM2.5, PM10, TSP 등과 같은 입자 크기 별 측정이 동시에 가능하다는 장점이 있으나, 입자의 개수농도를 측정하며, 이를 질량 농도로 전환하는 과정에서 다소 오차가 발생할 수 있으나, 일반적으로 많은 종류의 미세먼지 측정기기들에서 이 방법을 적용한다.
일반적으로 측정된 데이터를 근거리 무선통신을 이용하여 클라우드 서버로 전송하도록 이루어지나, 근거리 무선네트워크로 WIFI, Bluetooth, IoT 모듈 등이 있지만 모두 거리 제한이 있어 일정지역내에서 데이터를 전송하기 위해서는 촘촘한 네트워크를 구성해야 하는 단점이 있다.
따라서 본 발명은 실시간 측정이 가능한 광산란법을 적용한 센서를 이용하며, 상대적으로 거리에 구애받지 않고 데이터를 수집할 수 있는 근거리 통신방식인, SK텔레콤이 구축한 사물인터넷(IoT) 전용망 로라(LoRa) 네트워크를 이용하여 메인서버로 측정된 미세먼지 농도를 전송하도록 이루어지며, 메인서버는 저장된 빅데이터를 분석하여 미세먼지의 시간별, 계절별, 날씨별 패턴을 추출하고, 이를 바탕으로 예측 및 경보를 행하도록 이루어진, 미세먼지 농도 예측 시스템을 제안한다.
선행기술로, 국내 등록특허 제10-1915704호의 미세먼지 측정 시스템 및 방법은, 다수 개의 측정장치, 사용자 단말기와 측정서버를 포함하며, 상기 사용자단말기의 미세먼지정보의 요청에 따라 미세먼지정보를 상기 사용자단말기로 전송하기 위한 측정서버를 포함한다. 국내 등록특허 제10-1915704호의 경우는 미세먼지 농도를 사전에 예측할 수 없다.
다른 선행기술로, 국내 공개특허공보 제10-2015-0049433호의 미세 먼지 농도 결정 시스템 및 방법은, 시간 인덱스 데이터 및 베타선 강도 평균값으로 구성된 블록 데이터의 자기상관 및 상호상관을 통한 근사함수의 파라미터산출을 하는 파라미터 산출부와, 상기 파라미터 산출부에서 추정된 근사함수로부터 잡음 제거된 데이터 세그먼트 블록 데이터의 베타선 강도 데이터의 추정값을 산출하여 베타선 강도를 예측하는 베타선 강도 예측부와, 상기 베타선 강도 예측부에서 산출된 베타선 강도 데이터의 추정값을 이용하여 미세 먼지의 농도를 산출하는 농도 산출부를 포함한다. 국내 공개특허공보 제10-2015-0049433호에서도 미세먼지 농도를 사전에 예측할 수 없다.
다른 선행기술로, 국내 공개특허공보 제10-2015-0070692호의 스마트폰 어플리케이션과 스마트폰과 결합된 미세먼지 센서 장치를 이용한 미세먼지 농도 측정 방법은, 미세먼지 센서 장치로부터 검출된 신호를 스마트폰 단말를 통해 서비스 운영시스템으로 전달되고, 서비스 운영시스템은 상기 신호를 데이터 처리하여 스마트폰 단말로 전송하여 출력하게 한다. 국내 공개특허공보 제10-2015-0070692호에서도 미세먼지 농도를 사전에 예측할 수 없다.
본 발명이 이루고자 하는 기술적 과제는, 테마파크 또는 요양시설 등의 소정 지역 내의 다수의 분할영역 각각에 미세먼지 센서를 구비하며, 미세먼지 센서들로부터 측정된 미세먼지 농도를 메인서버가 수신하여 데이터베이스에 저장하고, 메인서버는 데이터베이스에 저장된 미세먼지 농도들을 이용하여 빅데이터 패턴 분석을 행하여 각 분할영역 별로 미세먼지 농도를 예측하며, 지역별 현재의 미세먼지 농도 뿐만아니라 향후의 미세먼지 농도를 사용자의 스마트폰으로 전송하는, 미세먼지 농도 예측 시스템을 제공하는 것이다.
본 발명이 이루고자 하는 다른 기술적 과제는, 실시간 측정이 가능한 광산란법을 적용한 센서를 이용하며, 상대적으로 거리에 구애받지 않고 데이터를 수집할 수 있는 근거리 통신방식인, SK텔레콤이 구축한 사물인터넷(IoT) 전용망 로라(LoRa) 네트워크를 이용하여 메인서버로 측정된 미세먼지 농도를 전송하도록 이루어지며, 메인서버는 저장된 빅데이터를 분석하여 미세먼지의 시간별, 계절별, 날씨별 패턴을 추출하고, 이를 바탕으로 예측 및 경보를 행하도록 이루어진, 미세먼지 농도 예측 시스템을 제공하는 것이다.
상기 과제를 해결하기 위해, 본 발명은, 소정 기일의 소정 분할지역의 미세먼지 농도를 알기 위해, 소정 분할지역의 식별코드 및 소정 기일정보를 포함하는 미세먼지농도 예측 요청정보를 메인서버로 전송하는, 사용자 단말기; 미세먼지농도 예측 인공신경망에 입력데이터로 소정 분할지역의 식별코드 및 소정 기일정보를 입력하고, 미세먼지농도 예측 인공신경망에서 출력된 소정 기일의 해당 분할지역의 미세먼지 농도 정보를 사용자 단말기로 전송하는, 메인서버;를 포함하는 것을 특징으로 한다.
다수의 분할영역 각각에 미세먼지 센서를 구비한 미세먼지 측정장치가 장착되어 있으며 각 미세먼지 센서에서 검출된 미세먼지 농도 정보를 메인서버로 전송하는 미세먼지 농도 검출부를 더 포함하며, 메인서버는 수신한 미세먼지 농도 정보 및 기상청으로부터 제공된 기상정보를 축적하여 빅데이터를 형성하고, 빅데이터를 미세먼지 농도 패턴검출 인공신경망에 적용하여 미세먼지 농도의 패턴을 추출하하도록 이루어진다.
메인서버는, 미세먼지농도 예측 인공신경망에서 미세먼지 농도의 패턴 및 빅데이터를 이용하여 해당 기일의 해당 분할지역의 미세먼지 농도 정보를 추출한다.
기상정보는, 기상청에서 제공하는 AWS(Automatic Weather System) 측정정보 및 UM(Unified Model) 기상정보이다.
메인서버는, 미세먼지 농도 및 기상정보를 수집하고 분할지역별 기일별로 분류하여 빅데이터를 형성하는, 빅데이터 수집 및 분류부; 빅데이터를 미세먼지 농도 패턴검출 인공신경망에 적용하여 미세먼지 농도의 패턴을 추출하는, 미세먼지농도 패턴추출 인공신경망부; 미세먼지농도 예측 인공신경망에서 미세먼지 농도의 패턴 및 빅데이터를 이용하여 해당 기일의 해당 분할지역의 미세먼지 농도 정보를 추출하는, 미세먼지농도 예측 시스템;을 포함한다.
빅데이터 수집 및 분류부은, 미세먼지 농도 검출부로부터 수신한 미세먼지 농도정보, 기상청에서 제공하는 기상정보를 수집하는 빅데이터 수집 모듈; 빅데이터 수집 모듈에서 수집된 빅데이터에 대한 분류 및 처리를 행하는, 빅데이터 분류 및 처리 모듈; 빅데이터 분류 및 처리 모듈에서 작업된 빅데이터가 저장되는, 빅데이터 저장부;를 포함한다.
미세먼지농도 패턴추출 인공신경망부은, 빅데이터 저장부로부터 전달받은 상기 빅데이터를 미세먼지농도 패턴추출 인공신경망에 적용하기 위한 분류작업을 행하는, 인공신경망 입력층 분류 모듈; 미세먼지농도 패턴추출 인공신경망을 이용하여 미세먼지 농도 패턴을 추출하는, 인공신경망 기반 학습 모듈; 인공신경망 기반 학습 모듈에서 추출된 미세먼지 농도 패턴에 관한 데이터를 저장하는, 미세먼지농도 패턴 데이터베이스;를 포함한다.
미세먼지농도 예측 시스템은, 미세먼지 농도 예측 인공신경망을 이용하여 빅데이터 저장부 및 미세먼지 농도 패턴 데이터베이스에 저장된 데이터들을 기반으로, 미세먼지농도 예측 요청정보의 해당 기일의 해당 분할지역의 미세먼지 농도를 예측하는, 미세먼지 농도 예측모듈; 미세먼지 농도 예측모듈로부터 수신된 미세먼지 농도를 사용자 단말기로 전송하고, 상기 미세먼지 농도가 기설정된 기준치를 초가하였는지를 판단하여, 초과하였다면 위험상태를 알리는 메시지를 사용자 단말기로 전송하는, 미세먼지 농도 예보 모듈;을 포함한다.
미세먼지농도 패턴추출 인공신경망은 미세먼지 농도 검출부로부터 수신한 미세먼지 농도정보와, 기상청에서 제공하는 기상정보를 이용하여 미세먼지 농도의 패턴을 추출하도록 사전에 학습된 인공신경망이고, 미세먼지농도 예측 인공신경망은, 미세먼지농도 패턴 데이터베이스에 저장된 데이터와, 빅데이터 저장부에 저장된 데이터를 이용하여, 기일에 따른 각 분할지역의 미세먼지 농도를 출력하도록 사전에 학습된 인공신경망이다.
본 발명의 미세먼지 농도 예측 시스템은, 테마파크 또는 요양시설 등의 소정 지역 내의 다수의 분할영역 각각에 미세먼지 센서를 구비하며, 미세먼지 센서들로부터 측정된 미세먼지 농도를 메인서버가 수신하여 데이터베이스에 저장하고, 메인서버는 데이터베이스에 저장된 미세먼지 농도들을 이용하여 빅데이터 패턴 분석을 행하여 각 분할영역 별로 미세먼지 농도를 예측하며, 지역별 현재의 미세먼지 농도 뿐만아니라 예측된 향후의 미세먼지 농도를 사용자의 스마트폰으로 전송하여, 미세먼지에 취약한 사람들, 예를 들어 환자들과 같은 사람들이, 미세먼지 농도를 수시로 체크하고, 향후의 미세먼지를 예측하여 약속 등과 같은 생활활동에서 미세먼지에 대해 사전 대비할 수 있다.
또한, 본 발명은 실시간 측정이 가능한 광산란법을 적용한 센서를 이용하며, 로라(LoRa) 네트워크를 이용하여 메인서버로 측정된 미세먼지 농도를 전송하도록 이루어지며, 메인서버는 저장된 빅데이터를 분석하여 미세먼지의 시간별, 계절별, 날씨별 패턴을 추출하고, 이를 바탕으로 예측 및 경보를 행하도록 이루어져, 다른 근거리통신 방식보다는 거리에 구애받지 않고 데이터를 수집할 수 있으며, 빅데이터를 분석을 통해 보다 정확한 현재의 먼지농도 및 향후의 먼지농도를 출력할 수 있다.
도 1은 본 발명의 미세먼지 농도 예측 시스템을 개략적으로 설명하는 설명도이다.
도 2는 도 1의 메인서버에서 빅데이터 및 인공지능 학습 기반의 미세먼지 농도 예측부의 구성을 나타내는 블록도이다.
도 3은 본 발명의 미세먼지 농도 예측 시스템을 통해 사용자 단말기로 미세먼지 농도를 나타낸 일예이다.
본 발명의 미세먼지 농도 예측 시스템을 첨부된 도면을 참조하여 이하 상세히 설명한다.
도 1은 본 발명의 미세먼지 농도 예측 시스템을 개략적으로 설명하는 설명도이다.
소정 지역 내에서 다수의 분할영역 각각에 미세먼지 센서(미도시)를 구비한 미세먼지 측정장치(310)가 장착되어 있으며, 다수의 분할영역 각각에 있는 미세먼지 측정장치(310) 들을 총칭하여 미세먼지 농도 검출부(300)라 한다. 각 분할지역은 식별코드를 구비한다.
미세먼지 측정장치(310)는 미세먼지 센서(미도시)를 통해 검출한 미세먼지 농도 신호를 메인서버(200)로 전송한다. 여기서, 미세먼지 센서는 광산란법을 적용한 센서일 수 있으며, 시판되는 미세먼지 센서로, 샤프사의 GP2Y1010AUOF 모델, 시나이 테크놀로지(Shinyei Technology)의 PPD42NJ/PPD60PV 모델, 암페놀 어드벤스 센서(Amphenol Advanced Sensors)의 SM-PWM-01A 모델 등을 사용할 수 있다.
미세먼지 측정장치(310)의 미세먼지 센서(미도시)에서 검출된 미세먼지 농도신호는, 미세먼지 측정장치(310)의 통신부(미도시)를 통해 메인서버(200)로 전송하되, 메인서버(200)로 전송시, SK텔레콤이 구축한 사물인터넷(IoT) 전용망 로라(LoRa) 네트워크를 이용한다.
사용자 단말기(100)은 소정 응용프로그램이 설치되어 있으며, 사용자의 스마트폰, 노트북, 컴퓨터, PDA 등일 수 있다. 사용자 단말기(100)는 메인서버(200)로 소정 분할영역 별로 현재의 미세먼지 농도 또는 향후의 예측된 미세먼지 농도를 요청할 수 있으며, 메인서버(200)로부터 전송된 현재의 미세먼지 농도 또는 향후의 예측된 미세먼지 농도를 출력한다.
메인서버(200)는 미세먼지 측정장치(310)들로부터 수신된 미세먼지 농도 신호를 수신하여 메인서버(200)의 데이터베이스에 저장하고, 이를 이용히여 빅데이터 패턴 분석을 행하며, 각 분할영역 별로 미세먼지 농도를 예측하며, 분할영역별 현재의 미세먼지 농도 뿐만아니라 향후의 미세먼지 농도를 사용자의 스마트폰으로 전송한다.
도 2는 도 1의 메인서버에서 빅데이터 및 인공지능 학습 기반의 미세먼지 농도 예측부의 구성을 나타내는 블록도이다.
빅데이터 및 인공지능 학습 기반의 미세먼지 농도 예측부는, 메인서버(100)에 포함된 일 구성요소로서, 빅데이터 기술을 이용하여, 미세먼지 농도 신호를 포함하는 미세먼지 농도에 영향을 미치는 환경 정보를 실시간으로 수집 및 축적하고, 이를 바탕으로 미세먼지 농도 패턴검출 인공신경망(설명의 편의상 "인공신경망"이라 함) 기반의 인공지능 학습법으로 미세먼지 농도의 패턴을 추론하여 차후의 미세먼지 농도를 미리 예측하고 대비할 수있도록 구현된다.
빅데이터 및 인공지능 학습 기반의 미세먼지 농도 예측부는, 빅데이터 수집 및 분류부(210), 미세먼지농도 패턴추출 인공신경망부(220) 및, 미세먼지 농도 예측 서브시스템(230) 등을 포함한다.
빅데이터 수집 및 분류부(210)은 미세먼지 농도를 포함하는 빅데이터를 수집하고, 분류하는 수단으로, 빅데이터 수집 모듈(212), 빅데이터 분류 및 처리 모듈(215), 빅데이터 저장부(216)를 포함하여 이루어진다.
빅데이터 수집 모듈(212)는 미세먼지 농도 검출부(300)로부터의 미세먼지 농도신호를 수집할 뿐만아니라, 소정 지역의 지형정보, 분할 영역의 분포도를 저장한다. 또한, 도 1에는 미도시되었지만, 빅데이터 수집 모듈(212)은 기상청에서 제공하는 AWS(Automatic Weather System, 자동기상관측시스템) 측정정보, 즉, 기온, 강수, 풍향·풍속, 습도, 기압, 일사, 일조관련 정보를 수신하며, 기상청에서 제공하는 UM(Unified Model, 통합형 수치예보모델) 기상정보, 즉, 눈, 비, 대기오염 등의 예측정보를 수신한다.
빅데이터 분류 및 처리 모듈(215)은 빅데이터 수집 모듈(212)에서 수집된 빅데이터에 대한 분류 및 처리작업을 행한다. 즉, 빅데이터를 분할지역별, 기일별(또는 시간별) 등으로 분류할 수 있다.
빅데이터 저장부(216)는 빅데이터 분류 및 처리 모듈(215)에서 작업된 빅데이터가 저장된다.
미세먼지농도 패턴추출 인공신경망부(220)은, 각 분할지역별로 축적된 미세먼지 농도 정보와, 기상청에서 제공하는 AWS(Automatic Weather System, 자동기상관측시스템) 측정정보, UM(Unified Model, 통합형 수치예보모델) 기상정보의 빅데이터를, 빅데이터 수집 및 분류시스템(210)으로부터 전달받아 반복적으로 학습한 후, 이러한 학습을 바탕으로 각 분할지역 별로 미세먼지 농도의 패턴을 추론하여 저장한다. 여기서, 기상청에서 제공하는 AWS 측정정보, UM 기상정보를, 설명의 편의상 '기상 정보'로 총칭한다.
미세먼지농도 패턴추출 인공신경망부(220)은 인공신경망 입력층 분류 모듈(222), 인공신경망 기반 학습 모듈(225), 미세먼지농도 패턴 데이터베이스(226)로 이루어진다.
인공신경망 입력층 분류 모듈(222)은 빅데이터 저장부(216)로부터 전달받은 상기 빅데이터를 인공신경망에 입력하기 위한 분류작업을 행한다.
인공신경망 기반 학습 모듈(225)은 인공신경망을 이용하여 미세먼지 농도 패턴을 추출하는 수단이다.
미세먼지농도 패턴 데이터베이스(226)는 인공신경망 기반 학습 모듈(225)에서 추출된 미세먼지 농도 패턴에 관한 데이터를 저장하는 데이터베이스이다.
미세먼지농도 패턴 기반 미세먼지농도 예측부(230)은 사용자 단말기(100)를 통해 요청된 분할지역의 소정 일(또는 소정 일의 소정 시간) 미세먼지 농도를 예측하기 위해, 미세먼지농도 패턴추출 인공신경망부(220)으로부터 해당 분할지역의 미세먼지 농도 패턴과, 빅데이터 저장부(216)에 저장된 해당 분할지역의 미세먼지 농도 데이터를 이용하여 해당 기일(소정 월 소정 일 또는 소정 시간)의 미세먼지 농도를 미리 예측하고, 해당 정보를 사용자 단말기(100)로 전송하여 예보하는 수단이다. 미세먼지농도 예측부(230)은 미세먼지 농도 예측모듈(232), 미세먼지 농도 예보 모듈(235)를 포함한다.
미세먼지 농도 예측모듈(232)은 사용자 단말기(100)를 통해 요청된 분할지역의 소정 일(기일)의 미세먼지 농도를 예측하기 위해, 미세먼지 농도 예측 인공신경망을 이용하여 빅데이터 저장부(216) 및 미세먼지 농도 패턴 데이터베이스(226)에 저장된 데이터들을 기반으로 요청된 일(또는 소정 일의 소정 시간)의 해당 분할지역의 미세먼지 농도를 미리 예측한다.
여기서, 미세먼지 농도 예측모듈(232)은 미세먼지농도 예측 인공신경망을 이용하여 빅데이터 저장부(216) 및 미세먼지 농도 패턴 데이터베이스(226)에 저장된 데이터들을 기반으로 미세먼지 농도를 추출하는 것에 대해 사전에 학습되어 있다.
미세먼지 농도 예보 모듈(235)은 미세먼지 농도 예측모듈(232)로부터 수신된 미세먼지 농도를 사용자 단말기(100)로 전송하며, 또한, 미세먼지 농도 예측모듈(232)로부터 수신된 미세먼지 농도가 기설정된 기준치를 초가하였는지를 판단하고, 초과하였다면 위험상태를 알리는 메시지를 사용자 단말기(100)로 전송한다.
이하, 도 1 및 도 2를 참조하여, 미세먼지 농도 예측 시스템의 구동방법을 개략적으로 설명한다.
사용자가 사용자 단말기(100) 상에서 소정 분할지역의 소정 일(기일)의 미세먼지 농도정보를 요청하면, 사용자 단말기(100)는 소정 분할지역의 식별코드 및 소정 기일정보(월, 일, 시간 등)를 포함하는 미세먼지농도 예측 요청정보를 메인서버(200)로 전송된다.
메인서버(200)는 사용자가 사용자 단말기(100)로부터 미세먼지 요청정보를 수신하고, 미세먼지농도 예측 인공신경망에 입력데이터로 소정 분할지역의 식별코드 및 소정 기일정보를 입력하고, 미세먼지농도 예측 인공신경망에서 출력된 소정 기일의 해당 분할지역의 미세먼지 정보를 사용자 단말기(100)로 출력한다. 즉, 미세먼지농도 예측부(230)은 미세먼지농도 패턴추출 인공신경망부(220)으로부터 해당 분할지역의 미세먼지 농도 패턴과, 빅데이터 저장부(216)에 저장된 해당 분할지역의 미세먼지 농도 데이터를 미세먼지농도 예측 인공신경망에 적용하여 해당 기일(소정 월 소정 일 또는 소정 시간)의 미세먼지 농도를 미리 예측한다.
메인서버(200), 즉, 미세먼지 농도 예보 모듈(235)은 미세먼지 농도 예측모듈(232)로부터 수신된 미세먼지 농도를 사용자 단말기(100)로 전송한다.
메인서버(200), 즉, 미세먼지 농도 예보 모듈(235)은 미세먼지 농도 예측모듈(232)로부터 수신된 미세먼지 농도가 기설정된 기준치를 초가하였는지를 판단하고, 초과하였다면 위험상태를 알리는 메시지를 사용자 단말기(100)로 전송한다.
도 3은 본 발명의 미세먼지 농도 예측 시스템을 통해 사용자 단말기로 미세먼지 농도를 나타낸 일예이다.
각 분할지역의 미세먼지 농도를 나타내고, 소정 분할지역의 미세먼지 농도 및 기타 대기질 정보를 나나탠다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
100 : 사용자 단말기 200 : 메인서버
210 : 빅데이터 수집 및 분류 서브시스템 212 : 빅데이터 수집 모듈
215 : 빅데이터 분류 및 처리 모듈 216 : 빅데이터 저장부
220 : 인공신경망 학습 서브시스템 222 : 인공신경망 입력층 분류 모듈
225 : 인공신경망 기반 학습 모듈 226 : 미세먼지농도 패턴 데이터베이스
230 : 미세먼지 농도 예측 서브시스템 232 : 미세먼지 농도 예측모듈
235 : 미세먼지 농도 예보 모듈 300 : 미세번지 농도 검출부
310 : 미세먼지 측정장치

Claims (10)

  1. 소정 기일의 소정 분할지역의 미세먼지 농도를 알기 위해, 소정 분할지역의 식별코드 및 소정 기일정보를 포함하는 미세먼지농도 예측 요청정보를 메인서버로 전송하는, 사용자 단말기;
    미세먼지농도 예측 인공신경망에 입력데이터로 소정 분할지역의 식별코드 및 소정 기일정보를 입력하고, 미세먼지농도 예측 인공신경망에서 출력된 소정 기일의 해당 분할지역의 미세먼지 농도 정보를 사용자 단말기로 전송하는, 메인서버;
    다수의 분할영역 각각에 미세먼지 센서를 구비한 미세먼지 측정장치가 장착되어 있으며 각 미세먼지 센서에서 검출된 미세먼지 농도 정보를 메인서버로 전송하는 미세먼지 농도 검출부를 포함하며,
    메인서버는 수신한 미세먼지 농도 정보 및 기상청으로부터 제공된 기상정보를 축적하여 빅데이터를 형성하고, 빅데이터를 미세먼지 농도 패턴검출 인공신경망에 적용하여 미세먼지 농도의 패턴을 추출하며,
    메인서버는, 미세먼지농도 예측 인공신경망에서 미세먼지 농도의 패턴 및 빅데이터를 이용하여 해당 기일의 해당 분할지역의 미세먼지 농도 정보를 추출하는 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    기상정보는, 기상청에서 제공하는 AWS(Automatic Weather System) 측정정보 및 UM(Unified Model) 기상정보인 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
  5. 제1항에 있어서, 메인서버는,
    미세먼지 농도 및 기상정보를 수집하고 분할지역별 기일별로 분류하여 빅데이터를 형성하는, 빅데이터 수집 및 분류부;
    빅데이터를 미세먼지 농도 패턴검출 인공신경망에 적용하여 미세먼지 농도의 패턴을 추출하는, 미세먼지농도 패턴추출 인공신경망부;
    미세먼지농도 예측 인공신경망에서 미세먼지 농도의 패턴 및 빅데이터를 이용하여 해당 기일의 해당 분할지역의 미세먼지 농도 정보를 추출하는, 미세먼지농도 예측부;
    를 포함하는 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
  6. 제5항에 있어서, 빅데이터 수집 및 분류부는,
    미세먼지 농도 검출부로부터 수신한 미세먼지 농도정보, 기상청에서 제공하는 기상정보를 수집하는 빅데이터 수집 모듈;
    빅데이터 수집 모듈에서 수집된 빅데이터에 대한 분류 및 처리를 행하는, 빅데이터 분류 및 처리 모듈;
    빅데이터 분류 및 처리 모듈에서 작업된 빅데이터가 저장되는, 빅데이터 저장부;
    를 포함하는 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
  7. 제6항에 있어서, 미세먼지농도 패턴추출 인공신경망부는,
    빅데이터 저장부로부터 전달받은 상기 빅데이터를 미세먼지농도 패턴추출 인공신경망에 적용하기 위한 분류작업을 행하는, 인공신경망 입력층 분류 모듈;
    미세먼지농도 패턴추출 인공신경망을 이용하여 미세먼지 농도 패턴을 추출하는, 인공신경망 기반 학습 모듈;
    인공신경망 기반 학습 모듈에서 추출된 미세먼지 농도 패턴에 관한 데이터를 저장하는, 미세먼지농도 패턴 데이터베이스;
    를 포함하는 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
  8. 제7항에 있어서, 미세먼지농도 예측부는,
    미세먼지 농도 예측 인공신경망을 이용하여 빅데이터 저장부 및 미세먼지 농도 패턴 데이터베이스에 저장된 데이터들을 기반으로, 미세먼지농도 예측 요청정보의 해당 기일의 해당 분할지역의 미세먼지 농도를 예측하는, 미세먼지 농도 예측모듈;
    미세먼지 농도 예측모듈로부터 수신된 미세먼지 농도를 사용자 단말기로 전송하고, 상기 미세먼지 농도가 기설정된 기준치를 초가하였는지를 판단하여, 초과하였다면 위험상태를 알리는 메시지를 사용자 단말기로 전송하는, 미세먼지 농도 예보 모듈;
    을 포함하는 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
  9. 제7항에 있어서,
    미세먼지농도 패턴추출 인공신경망은 미세먼지 농도 검출부로부터 수신한 미세먼지 농도정보와, 기상청에서 제공하는 기상정보를 이용하여 미세먼지 농도의 패턴을 추출하도록 사전에 학습된 인공신경망인 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
  10. 제9항에 있어서,
    미세먼지농도 예측 인공신경망은, 미세먼지농도 패턴 데이터베이스에 저장된 데이터와, 빅데이터 저장부에 저장된 데이터를 이용하여, 기일에 따른 각 분할지역의 미세먼지 농도를 출력하도록 사전에 학습된 인공신경망인 것을 특징으로 하는, 미세먼지 농도 예측 시스템.
KR1020190045697A 2019-04-18 2019-04-18 미세먼지 농도 예측 시스템 KR102445068B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190045697A KR102445068B1 (ko) 2019-04-18 2019-04-18 미세먼지 농도 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190045697A KR102445068B1 (ko) 2019-04-18 2019-04-18 미세먼지 농도 예측 시스템

Publications (2)

Publication Number Publication Date
KR20200128226A KR20200128226A (ko) 2020-11-12
KR102445068B1 true KR102445068B1 (ko) 2022-09-21

Family

ID=73398609

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190045697A KR102445068B1 (ko) 2019-04-18 2019-04-18 미세먼지 농도 예측 시스템

Country Status (1)

Country Link
KR (1) KR102445068B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102374002B1 (ko) * 2021-10-08 2022-03-15 주식회사 에어핏 위성이미지를 통한 미세먼지농도 측정 장치, 방법 및 프로그램
KR102606304B1 (ko) * 2021-11-10 2023-11-29 서울대학교 산학협력단 공기질 상태 정보를 이용한 인공 지능 기반 실내 공간 모니터링 시스템 및 방법
KR102560106B1 (ko) 2022-02-16 2023-07-26 경희대학교 산학협력단 하모니 서치 알고리즘 기반 시간 지연 보상 환기 제어방법 및 시스템
KR102594820B1 (ko) * 2023-01-02 2023-10-27 서울특별시 인공지능을 이용한 미세먼지 예측시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101666820B1 (ko) 2015-02-10 2016-10-17 주식회사 주빅스 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템
KR101948236B1 (ko) 2018-05-18 2019-02-14 케이웨더(주) 동네별 미세먼지 현황 제공 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160020745A (ko) * 2014-08-14 2016-02-24 영진기술 주식회사 초미세먼지정보 제공 장치 및 시스템
KR20160098541A (ko) * 2015-02-09 2016-08-19 (주)평화엔지니어링 모바일 단말기를 이용한 대기 중 미세먼지 발생 경고시스템
KR101865072B1 (ko) * 2016-10-17 2018-06-07 주식회사에스에이티 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법
KR20180076084A (ko) * 2016-12-27 2018-07-05 조흔우 미세먼지 대응 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101666820B1 (ko) 2015-02-10 2016-10-17 주식회사 주빅스 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템
KR101948236B1 (ko) 2018-05-18 2019-02-14 케이웨더(주) 동네별 미세먼지 현황 제공 시스템

Also Published As

Publication number Publication date
KR20200128226A (ko) 2020-11-12

Similar Documents

Publication Publication Date Title
KR102445068B1 (ko) 미세먼지 농도 예측 시스템
KR102475566B1 (ko) 스마트폰 연동 미세먼지 측정 시스템
CN110493816B (zh) 一种用于轨交地铁车站客流量的实时预测方法
Cobourn An enhanced PM2. 5 air quality forecast model based on nonlinear regression and back-trajectory concentrations
US8712740B2 (en) Signal judgment method, signal judgment apparatus, program, and signal judgment system
CN104200082B (zh) 台风登陆预测方法
CN112437876A (zh) 一种提高大气污染物监测数据客观性的方法及系统
CN110085281A (zh) 一种基于特征污染因子源解析的环境污染溯源系统及方法
WO2016129715A1 (ko) 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템
KR20160020745A (ko) 초미세먼지정보 제공 장치 및 시스템
CN108197731B (zh) 一种基于共同训练的机动车尾气遥测与车检结果一致性方法
CN112816380A (zh) 基于大数据分析的建筑工程工地施工环境在线监测方法及监测云平台
KR20210051606A (ko) 실시간 대기 확산 모니터링 시스템
JP2023512905A (ja) 鉄道関連データ分析システム及び方法
CN110888184A (zh) 一种环境微气象监控方法、装置、系统及服务器
CN112461799B (zh) 一种获取高速公路团雾能见度的方法及装置
Hong-di et al. Urban aerosol particulates on Hong Kong roadsides: size distribution and concentration levels with time
CN108426818A (zh) 一种大气污染物浓度观测系统
Badicu et al. PMs concentration forecasting using ARIMA algorithm
Dubey et al. Evaluation of vertical and horizontal distribution of particulate matter near an urban roadway using an unmanned aerial vehicle
CN210183356U (zh) 一种海绵城市暴雨检测预警系统
CN111259539A (zh) 一种道路pm2.5精细化污染分布的模拟方法、系统及计算机存储介质
CN108806201A (zh) 一种空气质量预警方法和装置
Pal et al. Effectiveness of machine learning algorithms in forecasting AQI
RU59844U1 (ru) Адаптируемый комплекс мониторинга и прогнозирования состояния атмосферы и гидросферы

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right