KR20200112365A - 인공지능 적용 가능한 대기질 측정시스템의 운용방법 - Google Patents

인공지능 적용 가능한 대기질 측정시스템의 운용방법 Download PDF

Info

Publication number
KR20200112365A
KR20200112365A KR1020190032717A KR20190032717A KR20200112365A KR 20200112365 A KR20200112365 A KR 20200112365A KR 1020190032717 A KR1020190032717 A KR 1020190032717A KR 20190032717 A KR20190032717 A KR 20190032717A KR 20200112365 A KR20200112365 A KR 20200112365A
Authority
KR
South Korea
Prior art keywords
measurement
sensor
correction
data
value
Prior art date
Application number
KR1020190032717A
Other languages
English (en)
Other versions
KR102390461B1 (ko
Inventor
김승진
Original Assignee
(주)휴엔릭스
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 (주)휴엔릭스 filed Critical (주)휴엔릭스
Priority to KR1020190032717A priority Critical patent/KR102390461B1/ko
Publication of KR20200112365A publication Critical patent/KR20200112365A/ko
Application granted granted Critical
Publication of KR102390461B1 publication Critical patent/KR102390461B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations

Landscapes

  • Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Tourism & Hospitality (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

인공지능 적용 가능한 대기질 측정시스템의 운용방법이 제공된다. 대기질 측정시스템의 운용방법은, 기준지점에 설치된 중앙센서와 기준측정기를 포함하는 데이터 수집부, 수집데이터를 연산하는 연산부, 및 측정지점에 배치되며 중앙센서와 동일한 종류의 센서로 이루어진 서브센서를 포함하는 대기질 측정시스템의 운용방법에 있어서, (a)연산부가 수집데이터로부터 중앙센서의 측정데이터와 기준측정기의 측정데이터의 차이를 연산하고 차이를 보상할 수 있는 보정계수를 산출하는 단계, (b)서브센서가 연산부로부터 측정지점의 측정환경에 대응되는 보정계수를 전달받고 보정계수가 적용된 측정결과를 산출하는 단계, (c)서브센서의 측정결과 산출 시에 적용된 보정계수의 누적된 정보를 연산부가 수치화하여 데이터로 생성하는 단계, 및 (d)연산부가 보정계수의 누적정보데이터로부터 측정지점의 측정환경 변화에 따른 서브센서의 피로도를 연산하는 단계를 포함하여, 측정지점의 환경조건을 고려하여 센서의 교체시기를 판별할 수 있는 것을 특징으로 한다.

Description

인공지능 적용 가능한 대기질 측정시스템의 운용방법{A.I applicable operation method for air quality measurement system}
본 발명은 센서를 활용하여 대기질을 측정하는 대기질 측정시스템의 운용방법에 관한 것으로서, 더욱 상세하게는, 정확한 측정결과를 제공받을 수 있고, 시스템에 포함된 센서의 유지보수 및 관리도 용이한 인공지능 적용 가능한 대기질 측정시스템의 운용방법에 관한 것이다.
센서는 여러 가지 종류가 있으며 종류에 따라 대부분 측정대상은 달라진다. 센서로 측정할 수 있는 대상은 온도, 습도, 특정물질의 농도 등 매우 다양하다. 특히 대기오염이 심각해진 요즘에는 오염물질의 분포와 변동상황 등을 파악하기 위해 다수의 센서를 상시적으로 사용하는 경우도 많이 있다.
이와 같이 센서를 이용하는 경우 센서의 측정값이 신뢰할 수 있는 것인지에 대한 문제도 나타나고 있다. 같은 측정대상이라 하더라도 서로 다른 방식으로 측정이 가능한 경우가 많으므로 특정 센서의 측정값이 항상 신뢰할 만한 것으로 단정짓기 어려운 경우도 있다. 또한, 외부요인에 따라 센서의 감도가 바뀌거나 특정 범위에서만 정상적으로 동작하는 센서도 있어 이러한 센서에 대해서는 사용에 주의가 필요하다.
그러한 문제점에 대응하기 위한 기술로 예를 들어, 대한민국공개특허공보 10-2009-0067753 등에 개시된 바와 같이 센서 측정값을 보정해 주는 기술도 사용되고 있다. 그러나 이러한 기술은 대부분 정해진 특정 알고리즘으로 측정값을 보정하도록 되어 있어 센서가 겪는 다양한 상황적 변화나, 다양한 변인들에 대응하여 상황에 맞는 정확한 보정은 어려운 문제가 있었다. 또한, 센서를 상시적으로 배치하여 사용하는 경우, 센서 자체의 노화에 따라 오류가 증가할 수도 있으므로 센서 수명을 도과하지 않도록 교체해 주는 것이 필요하나, 실제 센서가 설치된 개소가 많고 설치숫자도 많은 경우에는 이들을 일일이 검사하며 관리하기에 부적절하여 실제 센서가 동작하지 않을 때까지 방치되는 경우가 빈번하였다.
대한민국공개특허공보 제10-2009-0067753호, (2009. 06. 25), 명세서
본 발명의 기술적 과제는, 보다 정확한 측정결과를 제공받을 수 있으며, 또한 시스템에 포함된 센서의 유지보수 및 관리도 용이한 대기질 측정시스템의 운용방법을 제공하는 것이다.
본 발명의 기술적 과제는 이상에서 언급한 과제로 제한되지 않으며 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명에 의한 대기질 측정시스템의 운용방법은, 기준지점에 설치되어 대기오염물질의 농도를 측정하는 중앙센서와, 상기 기준지점에 상기 중앙센서와 함께 설치되고 상기 중앙센서보다 측정정밀도가 높은 기준측정기를 포함하여, 측정지점의 대기환경을 모사한 측정환경별 측정데이터를 수집하는 데이터 수집부; 상기 데이터 수집부가 수집한 데이터를 포함하는 수집데이터를 연산하는 연산부; 및 측정지점에 배치되며 상기 중앙센서와 동일한 종류의 센서로 이루어져 상기 측정지점의 대기오염물질농도를 측정하는 서브센서를 포함하는 대기질 측정시스템의 운용방법에 있어서, (a) 상기 연산부가 상기 수집데이터로부터 상기 중앙센서의 측정데이터와 상기 기준측정기의 측정데이터의 차이를 연산하고 상기 차이를 보상할 수 있는 보정계수를 산출하는 단계; (b) 상기 서브센서가 상기 연산부가 산출한 상기 측정지점의 측정환경에 대응되는 상기 보정계수를 전달받고 상기 보정계수가 적용된 측정결과를 산출하는 단계; (c) 상기 서브센서의 측정결과 산출 시에 적용된 상기 보정계수의 누적된 정보를 상기 연산부가 수치화하여 데이터로 생성하는 단계; 및 (d) 상기 연산부가 상기 보정계수의 누적정보데이터로부터 상기 측정지점의 측정환경 변화에 따른 상기 서브센서의 피로도를 연산하는 단계를 포함하여, 측정지점의 환경조건을 고려하여 센서의 교체시기를 판별할 수 있는 것을 특징으로 한다.
상기 (a) 단계의 보정계수는 상기 측정환경을 정의하는 복수 영향인자의 조합에 대응하여 측정환경별로 복수 개가 생성될 수 있다.
상기 (a) 단계의 보정계수는 상기 복수 영향인자에 대응하는 복수의 연산층으로 구성된 다층구조의 순환신경망 알고리즘에 의해 머신러닝 방식으로 자동 생성될 수 있다.
상기 (d) 단계의 상기 누적정보데이터는 보정강도누적수치를 포함하며, 상기 보정강도누적수치는 누적된 보정강도 값의 총합이고, 상기 보정강도 값은 상기 (a) 단계에서 생성된 복수 개의 상기 보정계수 각각에 대해 일대일 대응되게 부여되며 상기 보정계수의 보정 정도에 따라 서로 다른 수치를 갖는 설정값일 수 있다.
상기 (d) 단계의 연산은, 상기 보정강도누적수치를, 상기 서브센서와 동일한 종류의 표준센서의 누적 피로도에 따라 분류되어 저장장치에 기저장된 표준보정강도누적수치와 매칭시키는 과정을 포함할 수 있다.
상기 보정강도의 값은 상기 복수 영향인자 중 적어도 어느 하나가 설정된 정상범위를 넘어서는 경우 해당 영향인자의 차이에 선형적으로 비례하는 값으로 설정될 수 있다.
상기 보정계수는, 상기 중앙센서가 측정한 측정값을 동등한 상기 복수 영향인자의 영향하에서 측정한 상기 기준측정기의 측정값으로 변환시킬 수 있다.
상기 보정계수는, 상기 복수 영향인자가 총 N개이고(N은 자연수), 이 중 n번째 영향인자의 값을 Xn(n은 자연수)이라 하고, 상기 n번째 영향인자가 센서 측정값에 영향을 미치는 정도를 나타내는 비례상수를 Cn이라 할 때,
[수학식 1]
보정계수=∑Cn×Xn (n은 1부터 N까지)
으로 정의될 수 있다.
상기 보정계수는, 상기 복수 영향인자의 총수를 증가 또는 감소시켜 생성할 수 있다.
상기 복수 영향인자는 온도, 습도, 일사량, 간섭물질의 농도, 및 전자기장의 세기 중에서 선택된 적어도 어느 하나를 포함할 수 있다.
상기 데이터 수집부는, 상기 서브센서와 다른 지점에 배치되어 시뮬레이션을 통해 데이터를 수집할 수 있다.
상기 서브센서는 복수 개가 서로 다른 상기 측정지점에 각각 배치되며, 상기 데이터 수집부는 복수 개의 상기 서브센서로부터 제공된 데이터를 취합하며 상기 연산부를 포함하여 형성된 중앙 취합부에 단독으로 배치될 수 있다.
본 발명에 의하면, 센서를 활용하여 대기질에 대한 보다 정확한 측정결과를 얻을 수 있다. 특히, 센서가 처한 다양한 상황적 변화나, 다양한 변인들에 대한 종합적 분석 및 계산을 통해 맞춤형으로 측정값을 보정하여 보다 정확한 측정결과를 제공할 수 있다. 특히 인공지능을 적용한 방식으로 센서 측정값 보정시 다양한 변인들을 고려하여 서로 다른 다수의 보정계수를 생성하고 적합한 계수로 보정할 수 있어 센서가 설치된 지점의 환경적 요인 등이 수시로 바뀌는 경우 등에도 보다 신뢰도 높은 측정결과를 제공할 수 있다. 또한, 이러한 센서의 노화정도나 예상수명 등을 센서가 설치된 장소를 직접 방문하거나 센서를 검사하지 않고도 높은 정확도로 알아낼 수 있어 다수의 센서가 넓은 범위에 걸쳐 설치되어 있는 경우와 같이 통상 시스템 관리가 쉽지 않은 경우에도 해당 센서의 교체위치 등을 산출하여 유지보수 등의 작업을 매우 편리하고 원활하게 진행할 수 있다.
도 1은 본 발명의 일 실시예에 의한 대기질 측정시스템의 운용방법을 도시한 순서도이다.
도 2 내지 도 4는 도 1의 운용방법으로 운용되는 대기질 측정시스템의 구성 및 작동방식을 예시한 도면들이다.
도 5는 도 1의 운용방법 중 보정계수의 산출방식을 설명하기 위한 도면이다.
본 발명의 이점 및 특징 그리고 그것들을 달성하기 위한 방법들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 단지 청구항에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조부호는 동일 구성요소를 지칭한다.
본 명세서에서 '대기오염물질'은 대기오염의 원인이 되는 물질인 한 제한되지 않으며, 예를 들어 대기환경보전법 상의 대기오염의 원인으로 인정된 가스, 입자상물질(동법 시행령으로 규정된 물질)을 포함하는 것일 수 있다. 또한, '대기환경'은 대기질이 측정되는 영역의 온도, 습도, 광도, 오염물질농도 등의 환경조건에 따라 정의되는 것일 수 있으며, 그러한 한도 내에서 '측정환경'은 이러한 대기환경과 실질적으로 동일한 의미일 수 있다.
이하, 도 1 내지 도 5를 참조하여 본 발명의 일 실시예에 의한 대기질 측정시스템의 운용방법에 대해 상세히 설명한다. 설명은 도 1의 순서도를 기준으로 하며 필요에 따라 다른 도면을 함께 참조하는 방식으로 진행한다.
도 1은 본 발명의 일 실시예에 의한 대기질 측정시스템의 운용방법을 도시한 순서도이고, 도 2 내지 도 4는 도 1의 운용방법으로 운용되는 대기질 측정시스템의 구성 및 작동방식을 예시한 도면들이며, 도 5는 도 1의 운용방법 중 보정계수의 산출방식을 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 의한 대기질 측정시스템의 운용방법은 기준지점(예, 보정계수를 생성하기 적합한 지점일 수 있으며 필요에 따라 다양한 방식으로 선정할 수 있다)에서 기준측정기(도 2의 22참조)와 중앙센서(도 2의 21참조)를 이용하여 수집한 측정환경별 데이터로부터 연산부(도 2의 31참조)가 보정계수를 산출하는 과정(S100), 산출된 보정계수로 측정지점에 배치된 서브센서(도 2의 10참조)[측정지점에서 측정결과를 내는 센서를 말함]의 측정값을 보정하여 정밀도가 향상된 측정결과를 산출하는 과정(S200), 및 연산부(31)가 이러한 측정결과 산출과정에서 적용된 보정계수의 누적된 정보를 데이터화하고, 그로부터 측정지점의 환경변화에 따른 서브센서(10)의 피로도를 연산하는 과정(S300, S400)들을 포함한다. 이러한 본 발명을 통해 이미 결정된 특정 보정값으로 센서 측정값을 단순 보정하는 방식에서 벗어나, 측정환경의 변화를 나타내는 다양한 변인(후술하는 영향인자)들을 고려한 다양한 보정계수를 확보하고, 이들 중 적합한 보정계수로 측정값을 보정하여 보다 정확한 측정결과를 제공할 수 있다. 또한, 본 발명의 운용방법은 인공지능 또는 인공지능 관련방식의 적용이 가능하여, 보정계수를 인공지능 학습방식을 이용하여 다양한 변인들을 종합적으로 고려하고 다양한 측정환경에 대해 적응적으로 생성하는 것이 가능하므로 상황에 따른 보정의 정밀도도 크게 향상시킬 수 있다. 특히 이러한 방식으로, 측정 정밀도가 상대적으로 낮은 저가 센서를 측정지점에 배치한 시스템으로부터도 상대적으로 높은 정확도를 갖는 측정결과를 얻어낼 수 있다.
또한, 본 발명은 이와 같이 측정환경에 따라 보정계수를 생성 및 적용하는 기술적 특성을 이용하여 측정지점에 배치된 센서[본 발명의 서브센서(10)]의 측정환경 변화에 따라 누적된 피로도 등도 계산방식으로 정확하게 알아낼 수 있는 특징을 갖는다. 즉, 측정환경이 가혹할수록 센서가 더욱 큰 오차를 가지며 그에 따라 보정폭도 커질 수 있는 점을 고려하여 특정 서브센서(10)에 대해 보정폭이 큰 보정계수가 반복하여 적용되는 경우에는 해당 센서의 측정환경이 가혹하여 피로도가 크고 노화도 빨리 진행될 것으로 예측할 수 있다. 이러한 예측방식을, 후술하는 보정강도와 같은 개념을 도입하여 수치연산 등의 방식으로 보다 정확하게 계산할 수 있다. 따라서 매우 넓은 범위에 걸쳐 서로 다른 측정지점에 다수의 센서가 배치된 시스템이라 하더라도 측정지점의 환경조건 등에 따라 센서의 교체시기나 보수가 필요한 시점 등을 알아낼 수 있어 적은 인원으로도 넓은 범위의 시스템을 매우 편리하게 관리 감독하고 시스템 전체가 원활하게 작동하도록 유지할 수 있다.
이러한 특징을 갖는 본 발명의 대기질 측정시스템의 운용방법은 구체적으로 다음과 같이 구성된다. 대기질 측정시스템의 운용방법은, 기준지점에 설치되어 대기오염물질의 농도를 측정하는 중앙센서(21)와, 기준지점에 중앙센서(21)와 함께 설치되고 중앙센서(21)보다 측정정밀도가 높은 기준측정기(22)를 포함하여, 측정지점의 대기환경을 모사한 측정환경별 측정데이터를 수집하는 데이터 수집부(20), 데이터 수집부(20)가 수집한 데이터를 포함하는 수집데이터를 연산하는 연산부(31), 및 측정지점에 배치되며 중앙센서(21)와 동일한 종류의 센서로 이루어져 측정지점의 대기오염물질농도를 측정하는 서브센서(10)를 포함하는 대기질 측정시스템의 운용방법에 있어서, (a)연산부가 수집데이터로부터 중앙센서의 측정데이터와 기준측정기의 측정데이터의 차이를 연산하고 상기 차이를 보상할 수 있는 보정계수를 산출하는 단계(S100), (b)서브센서가 연산부가 산출한 측정지점의 측정환경에 대응되는 보정계수를 전달받고 보정계수가 적용된 측정결과를 산출하는 단계(S200), (c)서브센서의 측정결과 산출 시에 적용된 보정계수의 누적된 정보를 연산부가 수치화하여 데이터로 생성하는 단계(S300), 및 (d)연산부가 보정계수의 누적정보데이터로부터 측정지점의 측정환경 변화에 따른 서브센서의 피로도를 연산하는 단계(S400)를 포함하여, 측정지점의 환경조건을 고려하여 센서의 교체시기를 판별할 수 있는 것을 특징으로 한다.
이하, 이러한 각 단계들에 대해 본 발명의 일 실시예를 통해서 보다 상세히 설명한다. 이하 설명을 통해서 본 발명의 다른 특징들도 명확하게 파악될 수 있을 것이다.
먼저 본 발명의 운용방법이 적용되는 대기질 측정시스템의 구성에 대해서 예를 들어 간단히 설명한다('대기질 측정시스템'은 아래 설명하는 바와 같은 구성요소를 포함하여 정의되는 것으로서 시스템이라는 명칭에 의해 한정될 필요는 없으며 '대기질 측정장치'로도 지칭될 수 있다). 도 2에는 기본적인 시스템의 구성이 나타나 있다. 이를 참조하여 설명하면, 대기질 측정시스템은 기준지점에 설치되어 대기오염물질의 농도를 측정하는 중앙센서(21)와, 기준지점에 중앙센서(21)와 함께 설치되고 중앙센서(21)보다 측정정밀도가 높은 기준측정기(22)를 포함하는 데이터 수집부(20), 데이터 수집부(20)가 수집한 데이터를 포함하는 수집데이터를 연산하는 연산부(31), 및 측정지점에 배치되며 중앙센서(21)와 동일한 종류의 센서로 이루어지는 서브센서(10)를 포함한다. 본 발명의 일 실시예에 따라 대기질 측정시스템에 연산부(31)를 포함하는 형태의 중앙 취합부(30)가 형성될 수 있고 서브센서(10)로부터 제공된 데이터가 중앙 취합부(30)에서 취합될 수 있다. 또한 중앙 취합부(30)에는 데이터를 저장하는 저장장치(40) 등도 배치되어 필요한 데이터를 저장하거나 불러오도록 형성될 수 있다.
데이터 수집부(20)는 전술한 기준지점에 설치된다. 데이터 수집부(20)는 대기오염물질의 농도를 측정하는 중앙센서(21)와, 중앙센서(21)보다 측정정밀도가 높은 기준측정기(22)를 포함하며 중앙센서(21)는 측정지점에 배치된 서브센서(10)와 실질적으로 동일한 종류의 센서로 이루어질 수 있다. 반면 기준측정기(22)는 중앙센서(21)와 동일한 대상(대기오염물질의 농도)을 측정하나 측정정밀도는 높은 것일 수 있다. 기준측정기(22)는 예를 들어 측정 감도, 측정 범위, 선형성 유지구간 중 적어도 어느 하나가 중앙센서(21)보다 향상된 것일 수 있으며 중앙센서(21)보다는 고가의 기기일 수 있다. 아울러 기준측정기(22)는 측정환경의 변화에 중앙센서(21)보다 상대적으로 영향을 적게 받고 잘 견디는 특성을 가질 수 있다. 이러한 기준측정기(22)와 중앙센서(21)를 모두 포함하는 데이터 수집부(20)로 기준지점에서 측정지점의 대기환경을 모사한 측정환경별 측정데이터를 수집할 수 있다. 데이터 수집부(20)는 서브센서(10)와는 다른 지점에 배치되어 시뮬레이션을 통해 데이터를 제공할 수 있으며 따라서 데이터 수집부(20)가 위치하는 기준지점은 서브센서(10)가 배치된 측정지점과는 다른 지점일 수 있다. 기준지점은 예를 들어 중앙 취합부(30)가 위치하는 지점이나 인접지역 등일 수 있으나 그와 같이 한정될 필요는 없으며 적절한 위치에 데이터 수집부(20)를 배치하여 측정지점의 대기환경을 모사한 측정환경별 측정데이터를 수집하고 연산부(31)에 제공할 수 있다. 바람직하게는 데이터 수집부(20)가 복수 개의 서브센서(10)로부터 제공된 데이터를 취합하며 연산부(31)를 포함하여 형성된 중앙 취합부(30)에 단독으로 배치될 수 있다.
서브센서(10)는 서로 다른 측정지점에 복수 개[S1~S8]로 배치될 수 있다. 서브센서(10)가 배치되는 측정지점은 예를 들면, 시, 군, 구 등의 행정권 전체에 넓게 분포되어 있을 수 있으며 전체 시스템을 구성하는 서브센서(10)의 수는 한정될 필요가 없다. 필요에 따라 얼마든지 많은 수의 서브센서(10)를 다수의 측정지점에 배치할 수 있다. 각 서브센서(10)는 대기오염물질의 농도를 측정하며 이들은 데이터 수집부(20)의 중앙센서(21)와 실질적으로 동일한 종류의 센서일 수 있다. 따라서 데이터 수집부(20)에서 수집된 데이터를 기초로 산출한 보정계수를 각 측정지점에 배치된 서브센서(10)에 적용하여 기준측정기(22)의 측정값에 대응하는 측정결과로 보정해 줄 수 있다. 서브센서(10)가 배치된 측정지점에는 후술하는 복수 영향인자에 대응하는 환경조건(예, 온도, 습도 등)을 측정하는 측정기기를 배치하여 측정지점별 측정환경을 중앙 취합부(30) 등으로 송신하도록 구성할 수도 있다. 그러나 서브센서(10), 측정기기 등의 이러한 배치나 구성방식은 필요에 따라 얼마든지 변화될 수 있는 것이므로 이상에서 언급한 예로 한정될 필요는 없다.
중앙 취합부(30)는 서브센서(10) 및 데이터 수집부(20)와 연결된다. 중앙 취합부(30)는 서브센서(10)로부터 제공된 데이터를 취합할 수 있고, 연산부(31)를 포함하여 연산부(31)가 산출한 보정계수를 서브센서(10)측에 전달하는 역할도 할 수 있다. 즉 중앙 취합부(30)는 대기질 측정시스템에 포함된 일종의 중앙 제어센터로 형성될 수 있다. 중앙 취합부(30)는 서브센서(10)들이 설치된 측정지점과 인접하게 설치될 수 있으나 원거리에 설치되어도 무방하며 서브센서(10)로부터 측정값 데이터를 전송받거나 역으로 서브센서(10) 측으로 필요한 데이터를 전송할 수 있는 한 제한 없이 다양한 방식으로 형성될 수 있다. 바람직하게는 중앙 취합부(30)는 기준지점에 데이터 수집부(20)와 함께 배치될 수 있다. 중앙 취합부(30)와 서브센서(10) 및 데이터 수집부(20)는 유선 또는 무선 통신방식으로 연결될 수 있다. 중앙 취합부(30)는 예를 들어 연산장치(예, 컴퓨터, CPU를 포함하는 연산작용이 가능한 다른 장치 등)로 이루어진 연산부(31)를 포함할 수 있고 데이터를 저장하기 위한 저장장치(40) 등도 배치되어 있을 수 있다. 저장장치(40)는 예를 들어 대용량 데이터 저장소(예, 하드디스크, 하나 또는 그 이상의 메모리장치를 포함하는 데이터베이스 등)로 형성될 수 있다. 연산부(31)는 데이터 수집부(20)가 수집한 데이터를 포함하는 수집데이터를 연산할 수 있는 다양한 방식으로 형성될 수 있다. 연산부(31)는 연산프로그램이 탑재된 컴퓨터 장치 등으로 형성될 수 있으며 이러한 컴퓨터 장치는 하나 또는 하나 이상이 독립적으로 또는 병렬 연결되어 연산을 수행할 수 있다. 여러 가지 다양한 방식으로 데이터를 제공받고, 데이터를 연산하여 보정계수를 산출하고, 적합한 보정계수를 전달하여 센서의 측정값을 보정하도록 연산부(31)가 포함된 중앙 취합부(30)를 구성할 수 있다.
이러한 대기질 측정시스템에 대해 전술한 본 발명의 단계들이 다음과 같이 수행된다. 먼저 (a)연산부(31)가 수집데이터로부터 중앙센서(21)의 측정데이터와 기준측정기(22)의 측정데이터의 차이를 연산하고, 상기 차이를 보상할 수 있는 보정계수를 산출한다(S100). 연산부(31)가 연산하는 수집데이터는 전술한 데이터 수집부(20)가 수집한 측정지점의 대기환경을 모사한 측정환경별 측정데이터를 포함한다. 수집데이터는 필요에 따라 다른 지점에서 수집된 또 다른 데이터도 추가로 포함할 수 있다. 특히, 연산부(31)는 이러한 수집데이터로부터 기준지점에 함께 설치된 중앙센서(21)의 측정데이터와, 기준측정기(22)의 측정데이터의 차이를 연산하고 이러한 차이를 보상할 수 있는 보정계수를 산출한다.
데이터 수집부(20)는 전술한 바와 같이 시뮬레이션을 통해 측정지점의 다양한 대기환경을 모사한 측정환경을 조성하고 각 측정환경별로 중앙센서(21)와 기준측정기(22)로 대기오염물질농도를 측정한 측정데이터를 수집할 수 있다. 예를 들어, 데이터 수집부(20)는 한정된 공간에서 설정된 환경조건을 조성하는 시뮬레이션 설비 등을 포함하거나 이에 연결되어 실제 물리적 환경을 조성하고 해당 환경에 대한 시뮬레이션을 수행하며 측정데이터를 수집할 수 있다. 데이터 수집부(20)는 반복적으로 서로 다른 조건으로 시뮬레이션하며 서로 다른 측정지점의 측정환경을 모사한 시뮬레이션을 수행하며 측정데이터를 수집할 수도 있고, 동일한 측정지점에서 부분적으로 환경조건을 변화시키며 같은 측정지점에서 서로 다른 측정환경을 모사한 시뮬레이션을 수행하며 측정데이터를 수집할 수도 있다. 서로 다른 측정환경의 모사는 예를 들어, 후술하는 바와 같이 각각의 측정환경을 정의하는 복수 영향인자(온도, 습도 등)의 값을 변경시킴으로써 수행될 수 있다 (복수 영향인자는 센서 측정 시 영향을 미칠 수 있는 다양한 요소로서 측정대상 자체와 그 농도를 배제하지 않는다). 따라서 측정데이터는 복수 영향인자의 값의 조합에 대해(즉, 특정 조합으로 측정환경이 결정되었을 때)그 환경에서 중앙센서(21)가 측정한 측정값(대기오염물질 농도)과 기준측정기(22)가 측정한 측정값(대기오염물질 농도)을 대응시킨 데이터의 세트가 복수 영향인자의 조합의 수만큼 무수히 많은 것으로 이해할 수 있다. 이와 같이 수집된 측정데이터는 같은 측정환경에서 측정되더라도 중앙센서(21)의 측정데이터와 기준측정기(22)의 측정데이터가 차이를 나타낼 수 있고, 따라서 연산부(31)가 중앙센서(21)의 측정데이터와 기준측정기(22)의 측정데이터의 차이를 연산하고 상기 차이를 보상할 수 있는[그로 인해 측정 정밀도가 높은 기준측정기(22)의 데이터를 기준으로 센서의 측정값을 보정할 수 있는] 보정계수를 생성할 수 있다.
이하, 보정계수의 생성방식에 대해서 보다 상세하게 설명한다.
상기 (a)단계[즉, S100]의 보정계수는 측정환경을 정의하는 복수 영향인자의 조합에 대응하여 측정환경별로 복수 개가 생성된다. 보정계수는 하나가 아니며 측정환경을 정의하는 복수 영향인자의 다양한 조합에 대응하는 서로 다른 측정환경에 대해 복수 개로 생성될 수 있다. 후술하는 (b)단계의 결과값 산출 시에는, 이와 같이 생성된 복수 개의 보정계수 중에서 측정지점의 측정환경에 대응되는 보정계수가 서브센서(10)에 전달되어 측정결과를 산출할 수 있다. 보정계수는 중앙센서(21)가 측정한 측정값을 동등한 복수 영향인자의 영향하에서 측정한 기준측정기(22)의 측정값으로 변환시킬 수 있다. 예를 들면, 이러한 보정계수의 산출 시 어느 하나의 보정계수는, 복수 영향인자의 서로 다른 값의 조합 중 어느 하나의 조합으로 설정된 어느 하나의 측정환경에 대해서, 설정된 측정환경을 정의하는 복수 영향인자의 서로 다른 값들을 비례상수로 가중하여 선형 결합한 식으로 산출될 수 있다. 도 5를 참조하여 이에 대해 좀더 구체적으로 설명한다.
도 5에는 복수 영향인자(인자A~D)의 다양한 조합이 예시되어 있으며 그러한 조합이 서로 다른 측정대상(가~사)의 측정 시에 다양한 방식으로 조합되어 영향을 미칠 수 있음을 나타내고 있다. 이때 나열된 측정대상(가~사)은 각각 서로 다른 대기오염물질의 농도일 수 있고, 이에 영향을 미치는 복수 영향인자는 예를 들면, 각각 인자A는 측정지점의 온도, 인자B는 측정지점의 습도, 인자C는 측정지점의 일사량, 인자D는 측정지점의 전자기장 세기 등일 수 있다. 예를 들면, 복수 영향인자는 온도, 습도, 일사량, 간섭물질의 농도, 전자기장의 세기 중에서 선택된 적어도 어느 하나를 포함할 수 있다. 각 영향인자의 값은 다시 구간별로 세분될 수 있으며 예를 들어, 인자A(예, 측정지점의 온도)의 구간A1은 온도가 섭씨0도~10도인 구간으로, 나머지 구간A2~A7은 각각 이로부터 섭씨 10도 간격으로 온도가 순차적으로 증가되는 구간으로 세분될 수 있다. 이와 동등한 방식으로 다른 영향인자(B~D)들의 값(예를 들어, 각각 습도, 일사량, 전자기장의 세기 등의 값일 수 있다)들도 구간을 세분화시켜 조합할 수 있다.
중앙센서(21)와 기준측정기(22)는 기준지점에서 동일대상을 측정하므로, 예를 들어, 어느 하나의 측정대상(예, 측정대상 다)에 대해 측정에 영향을 미치는 복수 영향인자의 특정 조합(예, 인자A의 구간A2와, 인자B의 구간B1과, 인자C의 구간C3과, 인자D의 구간D6의 조합)이 결정되면(즉, 해당 조합으로 측정환경이 설정되면) 그에 대해 서로 다른 측정값을 주는 것으로 이해할 수 있다. 그러한 경우 중앙센서(21)의 측정값과 기준측정기(22) 측정값의 차이를 복수 영향인자의 선형 결합된 값으로 설정할 수 있다. 이를 비례상수 a, b, c, d를 도입하여, 기준측정기측정값과 중앙센서측정값 사이의 관계를 나타내는 보정식으로 표현해 보면, 중앙센서측정값+a×(인자A값)+b×(인자B값)+c×(인자C값)+d×(인자D값)=기준측정기측정값으로 표현되며, 이로부터 기준측정기측정값과 중앙센서측정값의 차이에 해당하는 선형 결합된 식 a×(인자A값)+b×(인자B값)+c×(인자C값)+d×(인자D값)을 보정계수로 산출할 수 있다.
이때 각 인자의 값을 전술한 세분화된 구간 내의 값으로 두면 보정계수는 각 인자의 모든 구간을 고려한 조합의 수만큼 생성될 수 있다. 예를 들어, a×[(구간A1값 또는 구간A2값 또는 구간A3값 또는 구간A4값 또는 구간A5값 또는 구간A6값 또는 구간A7값)]+b×(구간B1값 또는 구간B2값 또는 구간B3값 또는 구간B4값 또는 구간B5값 또는 구간B6값 또는 구간B7값)+ c×(구간C1값 또는 구간C2값 또는 구간C3값 또는 구간C4값 또는 구간C5값 또는 구간C6값 또는 구간C7값)+ d×(구간D1값 또는 구간D2값 또는 구간D3값 또는 구간D4값 또는 구간D5값 또는 구간D6값 또는 구간D7값)]와 같은 다양한 조합으로 보정계수를 생성할 수 있다. 이때 구간이 달라지면 비례상수는 다르게 설정될 수 있다. 또한, 이는 하나의 측정대상(예를 들어, 가)에 대해 가능한 조합인바 각각의 측정대상(가~사) 모두에 대해 완전히 동등하게 상술한 바와 같은 각 인자의 서로 다른 구간을 고려한 보정계수를 생성할 수 있다. 이와 같이 가중치 부가된 선형식의 형태로, 복수 영향인자의 영향을 다양하고, 또한 정밀하게 고려한 다수의 보정계수를 생성할 수 있다.
그러나 이는 예시적인 것이며 다른 영향인자도 얼마든지 추가로 도입할 수 있다. 그러한 경우 복수 영향인자의 조합은 늘어난 복수 영향인자의 수에 의해 더욱 다양하게 생성될 수 있다. 또한, 늘어난 각 영향인자 역시 세분화된 구간을 가질 수 있으므로 이를 조합하면 복수 영향인자의 더욱 증가된 조합에 대해 그에 대응하는 만큼의 증가된 보정계수를 생성할 수 있다. 이러한 점을 고려하여 보정계수를 일반식으로 표현해보면 다음과 같다. 즉 보정계수는, 복수 영향인자가 총 N개이고(N은 자연수), 이 중 n번째 영향인자의 값을 Xn(n은 자연수)이라 하고, n번째 영향인자가 센서 측정값에 영향을 미치는 정도를 나타내는 비례상수를 Cn이라 할 때,
[수학식 1]
보정계수=∑Cn×Xn (n은 1부터 N까지)
으로 정의될 수 있고, 보정계수는 상기 복수 영향인자의 총수를 얼마든지 증가 또는 감소시켜 생성할 수 있다. 이와 같은 방식으로 다양한 복수 영향인자의 조합을 충분히 고려하여(따라서, 그러한 복수 영향인자의 조합에 대응하는 다양한 측정환경에 대응하는) 다수의 보정계수를 산출할 수 있다. 아울러, 각 비례상수는 전술한 바와 같이 세분된 복수 영향인자의 구간에 대응하여 다른 값으로 설정함으로써 보다 정밀한 보정계수가 도출되도록 할 수 있다. 구간의 간격은 얼마든지 다르게 변화시켜 설정할 수 있고(예를 들어, 온도인 경우에는 간격을 유지하면서 영상 구간뿐만 아니라, 섭씨 영도와, 영하의 온도구간을 고려하는 것도 가능하다) 세분화된 구간의 수도 얼마든지 증가시킬 수 있다. 구간의 수가 증가하는 경우 각 구간의 간격은 감소할 것이므로 각 구간에 따라 더욱 정밀하게 측정환경을 고려한 보정계수를 도출하는 것이 가능하다. 극단적인 경우(연산부의 연산능력이 뒷받침된다면) 각 복수 영향인자의 개별 값 자체를 단일구간으로 한다면 그에 대응하는 무수히 많은(따라서 각 측정환경에 직접 대응되는) 정밀한 보정계수를 산출하는 것도 가능할 수 있다. 이와 같이 가중치 부가된 선형식의 형태로, 복수 영향인자의 영향을 다양하고, 또한 정밀하게 고려한 다수의 보정계수를 생성할 수 있다.
이때 보정계수의 각 영향인자 값에 부가된 가중치 즉, 비례상수는 예를 들어, 역전파법(back propagation method)과 같은 인공지능 관련 기계-학습방식에 의해 구할 수 있다. 그러한 경우 상술한 보정계수를 생성하는 각 영향인자(예를 들어, 도시된 인자A~인자D)값 또는 그 세부구간으로 구성된 노드들은, 전술한 보정식의 표현에서와 같이 중앙센서측정값을 입력으로 하고, 기준측정기측정값(즉, 보정된 값)을 출력으로 산출하기 위해 입력으로부터 출력으로 순차 적용된 복수의 연산층으로 볼 수 있다. 따라서 상기한 보정계수의 조합 또는 그러한 조합으로 이루어진 보정계수 생성의 알고리즘 전체를 복수의 연산층으로 구성된 다층구조의 순환신경망 알고리즘과 동등하게 생각할 수 있다. 즉, (a)단계[즉, S100]의 보정계수는 복수의 영향인자에 대응하는 복수의 연산층으로 구성된 다층구조의 순환신경망 알고리즘에 의해서, 머신-러닝 방식으로 자동 생성될 수 있다. 이러한 보정계수의 생성은 전술한 바와 같이 연산부(31)가 수행할 수 있고, 연산부(31) 내에는 이러한 동작이 가능하게 프로그램된 연산 프로그램이 탑재되어 있을 수 있다. 이와 같은 방식으로 수집데이터로부터 중앙센서(21)의 측정데이터와 기준측정기(22)의 측정데이터를 비교하여 차이를 연산하고, 또한 복수 영향인자를 함께 고려하여, 측정환경에 따라 그러한 차이를 정밀하게 보상할 수 있는 다수의 보정계수를 생성할 수 있다.
이후, (b)서브센서가 연산부가 산출한 측정지점의 측정환경에 대응되는 보정계수를 전달받고 보정계수가 적용된 측정결과를 산출한다(S200). 전술한 바와 같이 보정계수는 복수 영향인자의 조합에 대응하여 복수 개로 생성되나, 결과값 산출 시에는 생성된 복수 개의 보정계수 중에서 선택된 어느 하나가 적용된다. 예를 들어, 연산부(31)가 측정지점에 배치된 서브센서(10)로 미리 생성된 복수 개의 보정계수 중 적합한 어느 하나를 전달하여 측정값의 보정이 이루어지도록 할 수 있다. 예를 들어, 연산부(31)는 초기 일정 시점까지는 전술한 수집데이터를 연산하여 보정계수를 생성하고, 보정계수의 수가 일정 수 이상이 되면 서브센서(10)로 보정계수를 전달하며 보정된 측정결과가 산출되도록 할 수 있다. 보정계수는 연산부(31)로부터 산출된 후 전술한 저장장치(40) 등에 저장될 수도 있으므로 서브센서(10)는 연산부(31)외에 저장장치(40)와 같은 보정계수가 저장 또는 기록되어 있는 다른 매체로부터 보정계수를 전달받을 수도 있다. 이와 같이 보정계수가 적용된 결과값은 상대적으로 측정 정밀도가 낮은 서브센서(10)의 측정값을 보정계수로 보정하여, 정밀도가 높은 기준측정기(22)의 측정값에 대응하는 값으로 수정한 것이므로 실제 측정지점에서 기준측정기(22)를 사용하여 측정한 것과 같은 결과를 얻을 수 있다. 도 3에 도시된 것처럼, 서로 다른 측정지점에 배치된 각각의 서브센서(10)로 각 측정지점의 측정환경에 적합한 서로 다른 보정계수가 전달될 수 있다(도 2의 서브센서를 향하는 점선화살표 참조). 측정결과는 서브센서(10) 측의 디스플레이 장치 등을 통해 출력될 수 있으며, 필요에 따라 그 밖의 다른 출력장치를 통해서 출력될 수도 있다. 또한 출력된 결과는 전술한 바와 같이 중앙 취합부(30)에서 취합될 수도 있다.
이와 같이 각 서브센서(10)의 측정값이 보정될 때 전술한 바와 같이 연산부(31)는 서브센서(10)가 배치된 측정지점의 측정환경을 정밀하게 고려하여 그에 대응하는 보정계수를 선택하고 전달하게 된다. 즉, 전술한 바와 같이 보정계수는 측정환경을 정의하는 복수 영향인자의 다양한 값들의 조합에 대응하여 생성되므로, 이 중 보정을 진행하는 서브센서(10)가 배치된 측정지점의 측정환경에 적합한 특정 보정계수를 전달하여 더욱 정밀한 보정값을 산출할 수 있다. 예를 들면, 각 서브센서(10)가 배치된 측정지점에는 전술한 복수 영향인자에 대응하는 환경조건(예, 온도, 습도 등)을 측정하는 측정기기가 배치되어 측정지점의 상황을 중앙 취합부(30) 등으로 송신할 수 있으며, 그에 따라 각 측정지점의 조건과 매칭되는 특정 보정계수를 적합하게 선택할 수 있다. 이러한 보정계수의 선택과정 역시 전술한 중앙 취합부의 연산부(31) 내에서 진행될 수 있으며, 후술하는 바와 같이 그에 따라 각 서브센서(10)마다 측정값 보정시에 적용된 보정계수의 적용정보는 데이터로 생성되어 센서의 노화 진행여부를 정밀하게 판단하는 자료로 사용될 수 있다.
이후, (c)서브센서의 측정결과 산출 시[즉, S200]에 적용된 보정계수의 누적된 정보를 연산부가 수치화하여 데이터로 생성한다(S300). 보정계수의 누적정보데이터는 예를 들어, 전술한 중앙 취합부(30)의 저장장치(40) 등에 저장될 수 있다. 누적정보데이터는 복수의 서브센서(10)들 각각에 대해 각각의 별도의 데이터로 생성될 수 있다. 즉, 각각 서로 다른 측정지점에 배치된 복수 개의 서브센서(10)들은 각각 서로 다른 측정환경에 처해 있으므로, 같은 종류의 서브센서(10)라 하더라도 서로 다른 보정계수로 측정값이 보정되는 결과가 나타날 수 있고, 보정시 자주 사용되는 보정계수에도 상당한 차이가 있을 수 있다. 이러한 차이를 연산부(31)가 각 서브센서(10)에 대한 보정계수의 누적정보데이터로 생성하고 연산함으로써 서브센서(10)가 처한 환경에 따른 서브센서(10)의 피로도나 노화 여부 등을 알아낼 수 있다. 누적정보데이터는 수치화되어 저장될 수 있으며 이러한 수치는 예를 들면, 서브센서(10)에 누적 적용된 보정계수의 총수, 서브센서(10)에 누적하여 적용된 특정 보정계수의 사용빈도, 보정폭이 크거나 또는 작은 보정계수를 사용했는지의 여부 등의 여러 가지 정보를 나타내도록 설정될 수 있다. 본 발명의 일 실시예에서 누적정보데이터는 후술하는 보정강도누적수치를 포함하며 그로부터 피로도를 알아낼 수 있다. 그에 따른 서브센서(10)의 연산방식 등은 후술하여 보다 상세히 설명한다.
이후, (d) 연산부가 보정계수의 누적정보데이터로부터 측정지점의 측정환경 변화에 따른 서브센서의 피로도를 연산한다(S400). 이를 통해 측정지점의 환경조건을 고려하여 센서 교체시기를 판별할 수 있다. 즉 전술한 바와 같이, 각 측정지점에 배치된 서브센서(10)가 보정계수가 적용된 측정결과를 산출할 때 적용된 보정계수의 누적된 정보를 데이터로 생성하였다가, 이를 연산하여 서브센서(10)의 누적된 피로, 또는 그에 따라 남아있는 서브센서(10)의 예상수명 등을 계산하는 것이 가능하다. 이하, 본 발명의 일 실시예를 통해 누적정보데이터와 이를 이용한 서브센서(10)의 교체시기 판별방식 등을 좀더 상세히 설명한다.
보정계수의 누적정보데이터는 전술한 바와 같이 각 서브센서(10)에 대해서 각각 데이터화하여 생성할 수 있다. 특히 (d)단계[즉, S400]의 누적정보데이터는, 보정강도누적수치를 포함하며, 보정강도누적수치는 누적된 보정강도의 총합일 수 있다. 보정강도 값은 전술한 (a)단계[즉, S100]에서 생성된 복수 개의 보정계수 각각에 대해 일대일 대응되게 부여되며 보정계수의 보정 정도에 따라 서로 다른 수치를 갖는 설정값일 수 있다. 즉, 복수 개의 보정계수에 대해 각 보정계수의 보정 정도를 나타내도록 서로 다른 값을 수치로 보정강도의 값을 일대일 대응시켜 부여하고, 이러한 보정강도 값을 누적한 보정강도누적수치를 보정계수의 누적정보데이터로 생성할 수 있다. 보정강도는 예를 들어 숫자로 부여될 수 있으며 그와 같이 부여된 보정강도의 값은 양수와 음수를 포함할 수 있다. 보정강도의 값이 큰 보정계수가 자주 사용되는 경우, 이를 합산한 보정강도누적수치는 상대적으로 큰 값으로 나타날 수 있고, 보정강도의 값이 상대적으로 작은 보정계수나 보정강도의 값의 음수인 보정계수 등이 자주 사용되는 경우, 이를 합산한 보정강도누적수치는 상대적으로 작은 값으로 나타날 수 있다. 보정강도의 값은 예를 들어, 복수 보정계수 각각의 보정 정도(또는 보정 폭)에 비례하여 보정계수마다 차등적으로 부여될 수 있다. 보정강도가 양수와 음수를 포함하는 경우에는 특정 보정계수를 기준인 영의 보정강도를 갖도록 설정하고, 그보다 보정 폭이 큰 경우 차례로 높은 값으로, 그보다 보정 폭이 작은 경우 차례로 작은 값을 갖도록 설정할 수 있다.
보정 폭은 전술한 서브센서(10)측정값과 기준측정장치측정값의 차이에 해당될 수 있으며 따라서 이러한 차이를 만들어내는 보정계수에 (예를 들어, 전술한 선형 결합으로)산입된 복수 영향인자의 값과 비례할 수 있다. 즉, 서브센서(10)의 측정값을 왜곡시키는 변인(영향인자의 값)의 크기가 클 수록 보정계수의 보정 폭은 커질 수 있으며 따라서 보정 폭이 큰 보정계수를 사용하는 경우 서브센서(10)는 상대적으로 가혹한 환경에 노출되어 있는 것으로 예측할 수 있다. 보정강도의 값은 이러한 보정 폭의 크기에 따라서 보정계수마다 차등적으로 설정되어, 결과적으로 보정강도의 크기로, 해당 보정이 이루어질 때 서브센서(10)가 상대적으로 얼마나 가혹한 환경에 노출되었는지를 나타낼 수 있다. 따라서 이러한 보정강도를 합산한 보정강도누적수치가 큰 값을 가질수록 해당 서브센서(10)에 누적된 피로는 큰 것으로 예측할 수 있다. 이와 같이 특정 서브센서(10)의 보정강도누적수치로부터 해당 서브센서(10)의 누적피로 또는 예상수명을 결정하는 것이 가능하다.
구체적으로는, 이러한 (d)단계[즉 S400]의 연산(즉, 보정계수의 누적정보로데이터로부터 서브센서의 피로도를 연산하는 과정)은 보정강도누적수치를, 서브센서(10)와 동일한 종류의 표준센서의 누적 피로도에 따라 분류되어 저장장치(40)에 기저장된 표준보정강도누적수치와 매칭시키는 과정을 포함할 수 있다. 즉 미리 서브센서(10)와 동일한 종류의 표준센서를 다양한 가혹환경이나 장시간의 외부환경에 노출시키는 시험을 하여 누적피로도를 측정할 수 있고, 측정된 누적피로도를 대응하는 표준보정강도누적수치로 수치화하여 서로 다른 피로도에 따라 분류하여 저장해 둘 수 있다. 따라서 특정 서브센서(10)의 보정강도누적수치가 저장된 표준보정강도누적수치 중 어느 하나에 해당되거나 그 사이 값 등으로 나타나는 경우 서브센서(10)의 누적된 피로가 어느 정도인지 알아낼 수 있다. 누적피로도는 예를 들어, 기기(즉, 상기 표준센서)의 전기적 특성(출력전류 등)변화정도, 측정값의 편차가 증감된 정도, 외관의 변화 등을 종합적으로 고려하여 등급으로 구분될 수 있고 서로 다른 누적피로도의 등급에 각각 서로 다른 표준보정강도누적수치가 부여될 수 있다. 그러나 이는 예시적인 것이므로 필요에 따라 또 다른 방식으로도 표준보정강도누적수치를 누적피로도에 따라 분류하고 저장하는 것이 가능하다.
서브센서(10)의 보정강도누적수치는 예를 들어, 대기질 측정시스템을 사용하는 일정 기간(예, 수 개월 내지 수 년)동안 누적하여 합산할 수 있고 합산된 보정강도누적수치가 특정 누적피로도에 대응하는 표준보정강도누적수치를 넘어서는 경우 해당 서브센서(10)의 예상수명이 얼마 남지 않은 교체가 필요한 시기로 판단할 수 있다. 이에 대해 일 례를 들면, 각 보정계수에 대해 전술한 보정 폭에 비례하여 +10~+1 사이의 값을 일대일 대응시켜 차등적으로 보정강도의 값으로 부여하였을 때, 특정 서브센서(10)의 보정계수 누적정보데이터에 따라 이러한 보정강도의 값이 합산된 보정강도누적수치가 100,000이상으로 산출될 수 있다. 이를 전술한 기저장된 표준보정강도누적수치와 매칭시키는 연산을 하여 예를 들어, 누적피로도의 등급이 최상위인 경우 해당 서브센서(10)의 교체시기로 판단하는 것이 가능하다. 그 밖에도 보정강도의 설정방식, 보정강도누적수치의 선정방식, 연산방식 등은 적절히 변경하여 서브센서(10)의 누적피로에 따른 예상수명을 결정할 수 있다. 이와 같이 특정 서브센서(10)가 교체시기로 판별되면, 알람 신호 등을 해당 서브센서(10) 측으로 전송하여 해당 서브센서(10)에 구비된 디스플레이 창 등을 통해 알려주거나(도 4의 일점쇄선화살표참조) 특정된 서브센서(10)의 위치로 관리자를 보내어 이를 교체해 줄 수 있다.
이러한 방식으로 보정계수의 누적정보데이터를 데이터로 생성하고, 이를 연산하여 센서의 예상수명이나 교체시기 등을 매우 편리하고 정확하게 파악할 수 있다. 아울러, 전술한 바와 같은 보정강도의 설정방식은 예시적인 것이므로 그와 같이 한정될 필요는 없으며 보정강도는 생성된 각 보정계수에 나타난 복수 영향인자의 영향을 수치화하여 이를 차등적으로 나타낼 수 있는 여러 가지 다른 방식으로 설정될 수 있다. 예를 들면, 보정강도의 값은 보정계수에 나타난 복수 영향인자 중 적어도 어느 하나가 설정된 정상범위를 넘어서는 경우에는, 해당 변인에 의해 특히 센서가 가혹한 조건에 있는 것으로 보고 해당 영향인자의 차이에 선형적으로 비례하는 값으로 설정될 수 있다. 즉, 복수 영향인자의 영향을 고려하되 그 중 어느 하나라도 특히 센서의 노화를 촉진시킬 수 있는 경우라면 그러한 상황을 반영하여 보다 정밀하게 보정강도를 설정하는 것도 얼마든지 가능하다.
이와 같은 방식으로, 측정지점에 배치된 각 센서로부터 매우 정밀도가 높은 측정결과를 제공받을 수 있다. 즉 측정지점에 상대적으로 측정 정밀도가 낮은 저가의 센서를 배치한 시스템이라 하더라도 전술한 바와 같은 본 발명의 운용방법으로 매우 정밀도가 높은 측정결과를 각 센서로부터 제공받는 것이 가능하다. 또한, 이러한 시스템을 사용하는 동안 측정지점에서 외부 요인에 의해 피로가 축적되어 노후된 센서도 매우 편리하고 정확하게 식별하여, 이를 예상수명이 도과하기 전에 편리하게 교체해 줄 수 있다. 따라서 대기질 측정시스템으로부터 보다 정밀한 대기질 측정결과를 얻는 동시에 전체 시스템의 유지보수 및 관리도 편리하게 이루어지는 효과를 함께 얻을 수 있다.
10: 서브센서 20: 데이터 수집부
21: 중앙센서 22: 기준측정기
30: 중앙 취합부 31: 연산부
40: 저장장치

Claims (12)

  1. 기준지점에 설치되어 대기오염물질의 농도를 측정하는 중앙센서와, 상기 기준지점에 상기 중앙센서와 함께 설치되고 상기 중앙센서보다 측정정밀도가 높은 기준측정기를 포함하여, 측정지점의 대기환경을 모사한 측정환경별 측정데이터를 수집하는 데이터 수집부; 상기 데이터 수집부가 수집한 데이터를 포함하는 수집데이터를 연산하는 연산부; 및 측정지점에 배치되며 상기 중앙센서와 동일한 종류의 센서로 이루어져 상기 측정지점의 대기오염물질농도를 측정하는 서브센서를 포함하는 대기질 측정시스템의 운용방법에 있어서,
    (a) 상기 연산부가 상기 수집데이터로부터 상기 중앙센서의 측정데이터와 상기 기준측정기의 측정데이터의 차이를 연산하고 상기 차이를 보상할 수 있는 보정계수를 산출하는 단계;
    (b) 상기 서브센서가 상기 연산부가 산출한 상기 측정지점의 측정환경에 대응되는 상기 보정계수를 전달받고 상기 보정계수가 적용된 측정결과를 산출하는 단계;
    (c) 상기 서브센서의 측정결과 산출 시에 적용된 상기 보정계수의 누적된 정보를 상기 연산부가 수치화하여 데이터로 생성하는 단계; 및
    (d) 상기 연산부가 상기 보정계수의 누적정보데이터로부터 상기 측정지점의 측정환경 변화에 따른 상기 서브센서의 피로도를 연산하는 단계를 포함하여, 측정지점의 환경조건을 고려하여 센서의 교체시기를 판별할 수 있는 것을 특징으로 하는 대기질 측정시스템의 운용방법.
  2. 제1항에 있어서,
    상기 (a) 단계의 보정계수는 상기 측정환경을 정의하는 복수 영향인자의 조합에 대응하여 측정환경별로 복수 개가 생성되는 대기질 측정시스템의 운용방법.
  3. 제2항에 있어서,
    상기 (a) 단계의 보정계수는 상기 복수 영향인자에 대응하는 복수의 연산층으로 구성된 다층구조의 순환신경망 알고리즘에 의해 머신러닝 방식으로 자동 생성되는 대기질 측정시스템의 운용방법.
  4. 제2항에 있어서,
    상기 (d) 단계의 상기 누적정보데이터는 보정강도누적수치를 포함하며, 상기 보정강도누적수치는 누적된 보정강도 값의 총합이고, 상기 보정강도 값은 상기 (a) 단계에서 생성된 복수 개의 상기 보정계수 각각에 대해 일대일 대응되게 부여되며 상기 보정계수의 보정 정도에 따라 서로 다른 수치를 갖는 설정값인 대기질 측정시스템의 운용방법.
  5. 제4항에 있어서,
    상기 (d) 단계의 연산은, 상기 보정강도누적수치를, 상기 서브센서와 동일한 종류의 표준센서의 누적 피로도에 따라 분류되어 저장장치에 기저장된 표준보정강도누적수치와 매칭시키는 과정을 포함하는 대기질 측정시스템의 운용방법.
  6. 제4항에 있어서,
    상기 보정강도의 값은 상기 복수 영향인자 중 적어도 어느 하나가 설정된 정상범위를 넘어서는 경우 해당 영향인자의 차이에 선형적으로 비례하는 값으로 설정되는 대기질 측정시스템의 운용방법.
  7. 제2항에 있어서,
    상기 보정계수는, 상기 중앙센서가 측정한 측정값을 동등한 상기 복수 영향인자의 영향하에서 측정한 상기 기준측정기의 측정값으로 변환시키는 대기질 측정시스템의 운용방법.
  8. 제7항에 있어서,
    상기 보정계수는, 상기 복수 영향인자가 총 N개이고(N은 자연수), 이 중 n번째 영향인자의 값을 Xn(n은 자연수)이라 하고, 상기 n번째 영향인자가 센서 측정값에 영향을 미치는 정도를 나타내는 비례상수를 Cn이라 할 때,

    [수학식 1]
    보정계수=∑Cn×Xn (n은 1부터 N까지)

    으로 정의되는 대기질 측정시스템의 운용방법.
  9. 제8항에 있어서,
    상기 보정계수는, 상기 복수 영향인자의 총수를 증가 또는 감소시켜 생성할 수 있는 대기질 측정시스템의 운용방법.
  10. 제2항에 있어서,
    상기 복수 영향인자는 온도, 습도, 일사량, 간섭물질의 농도, 및 전자기장의 세기 중에서 선택된 적어도 어느 하나를 포함하는 대기질 측정시스템의 운용방법.
  11. 제1항에 있어서,
    상기 데이터 수집부는, 상기 서브센서와 다른 지점에 배치되어 시뮬레이션을 통해 데이터를 수집하는 대기질 측정시스템의 운용방법.
  12. 제1항에 있어서,
    상기 서브센서는 복수 개가 서로 다른 상기 측정지점에 각각 배치되며, 상기 데이터 수집부는 복수 개의 상기 서브센서로부터 제공된 데이터를 취합하며 상기 연산부를 포함하여 형성된 중앙 취합부에 단독으로 배치되는 대기질 측정시스템의 운용방법.
KR1020190032717A 2019-03-22 2019-03-22 인공지능 적용 가능한 대기질 측정시스템의 운용방법 KR102390461B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190032717A KR102390461B1 (ko) 2019-03-22 2019-03-22 인공지능 적용 가능한 대기질 측정시스템의 운용방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190032717A KR102390461B1 (ko) 2019-03-22 2019-03-22 인공지능 적용 가능한 대기질 측정시스템의 운용방법

Publications (2)

Publication Number Publication Date
KR20200112365A true KR20200112365A (ko) 2020-10-05
KR102390461B1 KR102390461B1 (ko) 2022-04-26

Family

ID=72809196

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190032717A KR102390461B1 (ko) 2019-03-22 2019-03-22 인공지능 적용 가능한 대기질 측정시스템의 운용방법

Country Status (1)

Country Link
KR (1) KR102390461B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022245020A1 (ko) * 2021-05-18 2022-11-24 주식회사 에스비솔루션 분석물 데이터 보정 장치 및 방법
KR20230100165A (ko) * 2021-12-28 2023-07-05 (주)휴엔릭스 면 오염원의 대기오염물질 배출량 산출시스템

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090067753A (ko) 2007-12-21 2009-06-25 노틸러스효성 주식회사 센서 자동 보정 방법
JP2010038671A (ja) * 2008-08-04 2010-02-18 Yokogawa Electric Corp コンデンサの寿命監視装置
KR20130078709A (ko) * 2011-12-30 2013-07-10 두산중공업 주식회사 환경피로평가 산출장치 및 방법
KR101653280B1 (ko) * 2014-08-18 2016-09-01 한국과학기술연구원 대기 오염 모니터 방법
KR20180041828A (ko) * 2016-10-17 2018-04-25 주식회사에스에이티 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법
JP2018146533A (ja) * 2017-03-09 2018-09-20 横河電機株式会社 センサ校正装置およびセンサ校正方法
KR101948236B1 (ko) * 2018-05-18 2019-02-14 케이웨더(주) 동네별 미세먼지 현황 제공 시스템
KR102134545B1 (ko) * 2019-12-30 2020-07-15 주식회사 에어콕 미세먼지 및 초미세먼지 측정 정확도 향상을 위한 센서 자동보정 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090067753A (ko) 2007-12-21 2009-06-25 노틸러스효성 주식회사 센서 자동 보정 방법
JP2010038671A (ja) * 2008-08-04 2010-02-18 Yokogawa Electric Corp コンデンサの寿命監視装置
KR20130078709A (ko) * 2011-12-30 2013-07-10 두산중공업 주식회사 환경피로평가 산출장치 및 방법
KR101653280B1 (ko) * 2014-08-18 2016-09-01 한국과학기술연구원 대기 오염 모니터 방법
KR20180041828A (ko) * 2016-10-17 2018-04-25 주식회사에스에이티 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법
JP2018146533A (ja) * 2017-03-09 2018-09-20 横河電機株式会社 センサ校正装置およびセンサ校正方法
KR101948236B1 (ko) * 2018-05-18 2019-02-14 케이웨더(주) 동네별 미세먼지 현황 제공 시스템
KR102134545B1 (ko) * 2019-12-30 2020-07-15 주식회사 에어콕 미세먼지 및 초미세먼지 측정 정확도 향상을 위한 센서 자동보정 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022245020A1 (ko) * 2021-05-18 2022-11-24 주식회사 에스비솔루션 분석물 데이터 보정 장치 및 방법
KR20220156199A (ko) * 2021-05-18 2022-11-25 주식회사 에스비솔루션 분석물 데이터 보정 장치 및 방법
KR20230100165A (ko) * 2021-12-28 2023-07-05 (주)휴엔릭스 면 오염원의 대기오염물질 배출량 산출시스템

Also Published As

Publication number Publication date
KR102390461B1 (ko) 2022-04-26

Similar Documents

Publication Publication Date Title
US9568519B2 (en) Building energy consumption forecasting procedure using ambient temperature, enthalpy, bias corrected weather forecast and outlier corrected sensor data
US8250006B2 (en) Inferential sensors developed using three-dimensional pareto-front genetic programming
CN111414977A (zh) 机床主轴热误差建模的加权集成温度敏感点组合选取方法
CN116150897A (zh) 一种基于数字孪生的机床主轴性能测评方法及系统
KR20200112365A (ko) 인공지능 적용 가능한 대기질 측정시스템의 운용방법
JP7365415B2 (ja) 気体センサを較正するための方法
Thöns et al. On damage detection system information for structural systems
CN115130658B (zh) 基于非线性组合模型的水库滑坡位移预测方法及装置
CN111160667B (zh) 一种提高食品安全预测模型鲁棒性的方法及装置
JP5110891B2 (ja) 水処理施設における流入水水質の統計的予測方法及びその装置
JP3765985B2 (ja) 計器評価システム
CN113778042B (zh) 基于信息化建模的工控设备指令模拟运行通信系统
CN115375181A (zh) 一种实验室环境质量智能分析方法和系统
Xiao et al. Reliability analysis of aging control system via stability margins
CN109858699B (zh) 水质定量模拟方法、装置、电子设备及存储介质
KR20240030239A (ko) 인공지능을 이용한 오염물질측정기의 보정방법
CN113128053A (zh) 一种非线性系统参数识别方法、装置、设备及介质
de Almeida et al. Integration and management of sensor data for rainfall monitoring
Ištoka Otković et al. Analysis of neural network responses in calibration of microsimulation traffic model
Song et al. A virtual level temperature compensation system based on information fusion technology
KR102631124B1 (ko) 면 오염원의 대기오염물질 배출량 산출시스템
CN115952853B (zh) 矿浆密度检测模型构建方法、装置及矿浆密度检测系统
JP3150531B2 (ja) 音質評価装置
CN113962458B (zh) 基于蜉蝣优化算法的短期负荷预测系统及方法
WO2022244090A1 (ja) 光通信に関するパラメータ推定のためのモデル適正化装置、方法、および記録媒体

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2022101000029; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20220106

Effective date: 20220224

GRNO Decision to grant (after opposition)
GRNT Written decision to grant