KR20210131161A - 미세먼지 저감 정책의 평가 및 관리 시스템 - Google Patents
미세먼지 저감 정책의 평가 및 관리 시스템 Download PDFInfo
- Publication number
- KR20210131161A KR20210131161A KR1020200049605A KR20200049605A KR20210131161A KR 20210131161 A KR20210131161 A KR 20210131161A KR 1020200049605 A KR1020200049605 A KR 1020200049605A KR 20200049605 A KR20200049605 A KR 20200049605A KR 20210131161 A KR20210131161 A KR 20210131161A
- Authority
- KR
- South Korea
- Prior art keywords
- policy
- fine dust
- reduction
- information
- decision support
- Prior art date
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 244
- 239000000428 dust Substances 0.000 title claims abstract description 211
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000004088 simulation Methods 0.000 claims abstract description 53
- 230000006378 damage Effects 0.000 claims abstract description 33
- 230000036541 health Effects 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims description 126
- 239000000809 air pollutant Substances 0.000 claims description 38
- 231100001243 air pollutant Toxicity 0.000 claims description 38
- 239000000446 fuel Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 abstract description 9
- 239000003344 environmental pollutant Substances 0.000 description 24
- 231100000719 pollutant Toxicity 0.000 description 24
- 238000010586 diagram Methods 0.000 description 17
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 11
- 239000012855 volatile organic compound Substances 0.000 description 10
- 238000002485 combustion reaction Methods 0.000 description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 8
- 229910002091 carbon monoxide Inorganic materials 0.000 description 8
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 239000003245 coal Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000208125 Nicotiana Species 0.000 description 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- -1 acetyl nitrate peroxide Chemical class 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 229910052755 nonmetal Inorganic materials 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000004071 soot Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 229910052815 sulfur oxide Inorganic materials 0.000 description 2
- 239000004753 textile Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 239000010425 asbestos Substances 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910017604 nitric acid Inorganic materials 0.000 description 1
- 150000002843 nonmetals Chemical class 0.000 description 1
- 235000019645 odor Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000003348 petrochemical agent Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 229910052895 riebeckite Inorganic materials 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004449 solid propellant Substances 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 출원의 일 실시 예에 따른 미세먼지 저감 정책 결정을 위한 의사 결정 지원 정보 제공 방법은 하나 이상의 미세먼지 저감 정책 리스트를 제공하는 단계; 상기 미세먼지 저감 정책 리스트 중 제1 정책을 선택하는 입력을 수신하는 단계; 상기 제1 정책과 관련된 하나 이상의 저감 기술 리스트를 제공하는 단계; 상기 하나 이상의 저감 기술 리스트 중 적어도 제1 저감 기술을 선택하는 입력을 수신하는 단계; 상기 선택된 제1 정책 및 상기 제1 저감 기술 중 적어도 하나와 관련된 에너지 전망 결과를 획득하는 단계; 상기 선택된 제1 정책, 상기 제1 저감 기술 및 상기 획득된 에너지 전망 결과를 기초로 산출된 예상 미세먼지 배출 정보를 획득하는 단계; 상기 예상 미세먼지 배출 정보를 반영하여 상기 제1 정책과 관련된 지역에 대응되는 대기 상태를 시뮬레이션하는 단계; 및 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 시뮬레이션 결과를 포함하는 의사 결정 정보를 제공하는 단계;를 포함할 수 있다.
따라서, 따라서 본 출원의 실시 예들에 따른 의사 결정 지원 정보 제공 방법에 의하면 2차 미세 먼지 배출원에 의한 예상 미세 먼지 배출량 및/또는 기상 상태 정보가 반영됨으로써 보다 정확도가 향상된 대기 상태 시뮬레이션, 건강 피해 모델링 결과, 저감 비용 산정 결과가 제공될 수 있다.
따라서, 따라서 본 출원의 실시 예들에 따른 의사 결정 지원 정보 제공 방법에 의하면 2차 미세 먼지 배출원에 의한 예상 미세 먼지 배출량 및/또는 기상 상태 정보가 반영됨으로써 보다 정확도가 향상된 대기 상태 시뮬레이션, 건강 피해 모델링 결과, 저감 비용 산정 결과가 제공될 수 있다.
Description
아래의 실시 예들은 미세먼지 저감 정책 결정을 위한 평가 및 관리 시스템에 관한 것이다.
미세먼지 및 미세먼지 생성물질은 대기오염배출시설과 자동차, 선박, 건설기계 등에 의해 배출되며, 미세먼지는 입자의 지름이 매우 작아 코, 구강, 기관지에서 걸러지지 않고 우리 몸 속으로 스며들기 때문에 폐렴, 폐암, 뇌졸중, 심장질환, 천식 등 호흡기 및 심혈관 질환을 악화시키는 것으로 알려져 있다.
최근 몇 년간 기상 변화 및 대기오염물질 배출량 증가로 미세먼지 문제가 심각해짐에 따라 미세 먼지 저감을 위한 각종 대책들이 마련되고 있으나, 과학적 원인 규명에 바탕을 둔 신뢰성 있는 정책들은 제시되고 있지 못한 실정이다.
특히, 우리 나라의 대기 오염의 경우 주변국 기여도는 50% 정도이고, 대기 중에서 생성된 2차 미세먼지가 70% 이상으로 나타나, 주변국 영향과 2차 미세먼지의 영향이 매우 중요한 것으로 밝혀진 바 있다. 그러나 암모니아와 VOC 등 2차 미세 먼지를 유발하는 미세먼지 배출원의 대기 중 미세먼지 생성 기여도가 높음이 밝혀졌음에도 불구하고, 이에 대한 측정과 대책 연구는 아직 시행되고 있지 못하고 있다.
이에 과학 기술 및 사회 과학적 기반에 근거하여 보다 정확하고 현실적인 정책 연관 자료를 통합적으로 제공할 수 있는 시스템이 필요하다.
아래의 실시 예들은 미세먼지 저감을 위한 정책 결정에 필요한 기능들을 통합한 의사 결정 시스템을 제공하는 것을 목적으로 한다.
일 실시 예에 따른 미세먼지 저감 정책 결정을 위한 의사 결정 지원 정보 제공 방법은 하나 이상의 미세먼지 저감 정책 리스트를 제공하는 단계; 상기 미세먼지 저감 정책 리스트 중 제1 정책을 선택하는 입력을 수신하는 단계; 상기 제1 정책과 관련된 하나 이상의 저감 기술 리스트를 제공하는 단계; 상기 하나 이상의 저감 기술 리스트 중 적어도 제1 저감 기술을 선택하는 입력을 수신하는 단계; 상기 선택된 제1 정책 및 상기 제1 저감 기술 중 적어도 하나와 관련된 에너지 전망 결과를 획득하는 단계; 상기 선택된 제1 정책, 상기 제1 저감 기술 및 상기 획득된 에너지 전망 결과를 기초로 산출된 예상 미세먼지 배출 정보를 획득하는 단계; 상기 예상 미세먼지 배출 정보를 반영하여 상기 제1 정책과 관련된 지역에 대응되는 대기 상태를 시뮬레이션하는 단계; 및 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 시뮬레이션 결과를 포함하는 의사 결정 정보를 제공하는 단계;를 포함할 수 있다.
이때 상기 의사 결정 정보는 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 더 포함할 수 있다.
또는 상기 의사 결정 정보는 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 대기 오염 물질 별 감축 비용 정보를 더 포함할 수 있다.
또한, 상기 미세먼지 저감 정책 리스트 중 제1 정책을 선택하는 입력을 수신하는 단계는, 상기 제1 정책과 관련된 하나 이상의 제1 세부 정책을 선택하는 입력을 수신하는 단계;를 더 포함할 수 있다.
또한, 상기 대기 상태를 시뮬레이션하는 단계는, 상기 제1 정책의 수행 시작 시점으로부터 미리 설정된 기간에 대한 기상 예측 데이터를 획득하는 단계;를 더 포함하고, 상기 기상 예측 데이터를 반영한 대기 상태 시뮬레이션 결과가 더 제공될 수 있다.
또한, 상기 미세먼지 저감 정책 리스트 중 제2 정책을 선택하는 입력 및 상기 제2 정책과 관련된 제2 저감 기술을 선택하는 입력이 더 수신되는 경우, 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 대기 상태 시뮬레이션 결과가 비교되어 제공될 수 있다.
또한, 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과가 비교되어 제공될 수 있다.
또한, 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술에 의한 대기 오염 물질 별 감축 비용이 비교되어 제공될 수 있다.
또한, 상기 제1 정책 및 상기 제2 정책 중 어느 하나에 대한 추천 정보가 제공될 수 있다.
본 출원의 다른 실시 예에 따른 미세먼지 저감 정책 결정을 위한 의사 결정 지원 시스템은 하나 이상의 미세먼지 저감 정책 리스트 및 상기 미세먼지 저감 정책에 관련된 하나 이상의 저감 기술 리스트를 관리하는 정책 데이터 베이스; 연도 별 하나 이상의 연료 에너지에 대한 에너지 전망 결과를 저장하는 에너지 전망 모형 데이터 베이스; 하나 이상의 대기 오염 물질 및 미세 먼지 배출원에 대한 예상 미세 먼지 배출 정보를 저장하는 예상 미세먼지 배출량 데이터 베이스; 및 사용자로부터 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 대기 상태 시뮬레이션 결과를 제공하는 의사 결정 지원 서버; 를 포함할 수 있고, 상기 의사 결정 지원 서버는, 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 대한 의사 결정 정보를 더 제공할 수 있다.
이때 상기 의사 결정 정보는 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 더 포함할 수 있다.
또는 상기 의사 결정 정보는 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 대기 오염 물질 별 저감 비용 정보를 더 포함할 수 있다.
또한, 사용자로부터 제1 정책 및 제2 정책에 관한 대기 상태 시뮬레이션 요청이 수신된 경우에 있어서, 상기 의사 결정 정보는 상기 제1 정책 및 상기 제2 정책에 의한 대기 상태 시뮬레이션 결과 비교 정보를 더 포함할 수 있다.
또한, 상기 의사 결정 정보는 상기 제1 정책 및 상기 제2 정책 중 어느 하나에 대한 추천 정보를 더 포함할 수 있다.
또한, 상기 대기 상태 시뮬레이션 결과는, 상기 선택된 정책의 수행 시작 시점으로부터 미리 설정된 기간에 대한 기상 예측 데이터를 반영한 것일 수 있다.
아래의 실시 예들에 따르면, 2차 미세 먼지를 유발하는 미세 먼지 배출원을 포함하는 대기 상태가 정밀하게 예측됨에 따라 정확도가 향상된 의사 결정 정보가 제공될 수 있다.
또한, 아래의 실시 예들에 따르면, 복잡한 과학기반 정책과정을 통합하여 제공하고, 선택된 정책 및 저감 기술에 의한 미세먼지 배출량 증감 및 저감 비용 등에 근거한 정책 효과성 평가 및 우선순위 결정 등이 가능해질 수 있다.
도 1은 본 출원의 실시 예들에 따른 미세먼지 저감 정책 결정을 위한 의사 결정 지원 시스템을 개략적으로 설명하기 위한 도면이다.
도 2는 본 출원의 일 실시 예에 따른 미세먼지 정책 리스트를 예시적으로 설명하기 위한 표이다.
도 3은 본 출원의 일 실시 예에 따른 에너지 전망 결과를 예시적으로 보여주기 위한 도면이다.
도 4는 본 출원의 일 실시 예에 따른 미세먼지 배출 정보 데이터 베이스에 저장된 예상 미세먼지 배출 정보를 예시적으로 설명하기 위한 도면이다.
도 5는 본 출원의 일 실시 예에 따른 의사 결정 지원 시스템에 있어서 의사 결정 지원 서버의 구성을 예시적으로 설명하기 위한 블록도이다.
도 6은 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 대기 상태 시뮬레이션 결과를 예시적으로 설명하기 위한 도면이다.
도 7은 본 출원의 다른 실시 예에 따른 의사 결정 지원 서버에서 제공되는 대기 상태 시뮬레이션 결과를 예시적으로 설명하기 위한 도면이다.
도 8은 본 출원의 일 실시 예에 따른 예상 건강 피해 모델링 결과를 예시적으로 설명하기 위한 도면이다.
도 9는 본 출원의 일 실시 예에 따른 저감 비용 산정 결과를 예시적으로 설명하기 위한 도면이다.
도 10 및 도 11은 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 웹페이지를 예시적으로 설명하기 위한 도면이다.
도 12는 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 의사 결정 지원 서비스 제공 방법을 예시적으로 설명하기 위한 순서도이다.
도 13 내지 도 16은 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 웹페이지를 예시적으로 설명하기 위한 도면이다.
도 2는 본 출원의 일 실시 예에 따른 미세먼지 정책 리스트를 예시적으로 설명하기 위한 표이다.
도 3은 본 출원의 일 실시 예에 따른 에너지 전망 결과를 예시적으로 보여주기 위한 도면이다.
도 4는 본 출원의 일 실시 예에 따른 미세먼지 배출 정보 데이터 베이스에 저장된 예상 미세먼지 배출 정보를 예시적으로 설명하기 위한 도면이다.
도 5는 본 출원의 일 실시 예에 따른 의사 결정 지원 시스템에 있어서 의사 결정 지원 서버의 구성을 예시적으로 설명하기 위한 블록도이다.
도 6은 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 대기 상태 시뮬레이션 결과를 예시적으로 설명하기 위한 도면이다.
도 7은 본 출원의 다른 실시 예에 따른 의사 결정 지원 서버에서 제공되는 대기 상태 시뮬레이션 결과를 예시적으로 설명하기 위한 도면이다.
도 8은 본 출원의 일 실시 예에 따른 예상 건강 피해 모델링 결과를 예시적으로 설명하기 위한 도면이다.
도 9는 본 출원의 일 실시 예에 따른 저감 비용 산정 결과를 예시적으로 설명하기 위한 도면이다.
도 10 및 도 11은 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 웹페이지를 예시적으로 설명하기 위한 도면이다.
도 12는 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 의사 결정 지원 서비스 제공 방법을 예시적으로 설명하기 위한 순서도이다.
도 13 내지 도 16은 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 웹페이지를 예시적으로 설명하기 위한 도면이다.
본 발명의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예들을 가질 수 있는 바, 이하에서는 특정 실시 예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
도면들에 있어서, 층 및 영역들의 두께는 명확성을 기하기 위하여 과장된 것이며, 또한, 구성요소(element) 또는 층이 다른 구성요소 또는 층의 "위(on)" 또는 "상(on)"으로 지칭되는 것은 다른 구성요소 또는 층의 바로 위뿐만 아니라 중간에 다른 층 또는 다른 구성요소를 개재한 경우를 모두 포함한다. 명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 출원의 일 양상에 따른 미세먼지 저감 정책 결정을 위한 의사 결정 지원 정보 제공 방법에 의하면, 하나 이상의 미세먼지 저감 정책 리스트를 제공하는 단계; 상기 미세먼지 저감 정책 리스트 중 제1 정책을 선택하는 입력을 수신하는 단계; 상기 제1 정책과 관련된 하나 이상의 저감 기술 리스트를 제공하는 단계; 상기 하나 이상의 저감 기술 리스트 중 적어도 제1 저감 기술을 선택하는 입력을 수신하는 단계; 상기 선택된 제1 정책 및 상기 제1 저감 기술 중 적어도 하나와 관련된 에너지 전망 결과를 획득하는 단계; 상기 선택된 제1 정책, 상기 제1 저감 기술 및 상기 획득된 에너지 전망 결과를 기초로 산출된 예상 미세먼지 배출 정보를 획득하는 단계; 상기 예상 미세먼지 배출 정보를 반영하여 상기 제1 정책과 관련된 지역에 대응되는 대기 상태를 시뮬레이션하는 단계; 및 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 시뮬레이션 결과를 포함하는 의사 결정 정보를 제공하는 단계;를 포함할 수 있다.
이때 상기 의사 결정 정보는 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 더 포함할 수 있다.
또는 상기 의사 결정 정보는 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 대기 오염 물질 별 저감 비용 정보를 더 포함할 수 있다.
또한, 상기 미세먼지 저감 정책 리스트 중 제1 정책을 선택하는 입력을 수신하는 단계는, 상기 제1 정책과 관련된 하나 이상의 제1 세부 정책을 선택하는 입력을 수신하는 단계;를 더 포함할 수 있다.
또한, 상기 대기 상태를 시뮬레이션하는 단계는, 상기 제1 정책의 수행 시작 시점으로부터 미리 설정된 기간에 대한 기상 예측 데이터를 획득하는 단계;를 더 포함하고, 상기 기상 예측 데이터를 반영한 대기 상태 시뮬레이션 결과가 더 제공될 수 있다.
또한, 상기 미세먼지 저감 정책 리스트 중 제2 정책을 선택하는 입력 및 상기 제2 정책과 관련된 제2 저감 기술을 선택하는 입력이 더 수신되는 경우, 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 대기 상태 시뮬레이션 결과가 비교되어 제공될 수 있다.
또한, 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과가 비교되어 제공될 수 있다.
또한, 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술에 의한 대기 오염 물질 별 감축 비용이 비교되어 제공될 수 있다.
또한, 상기 제1 정책 및 상기 제2 정책 중 어느 하나에 대한 추천 정보가 제공될 수 있다.
본 출원의 다른 양상에 따른 미세먼지 저감 정책 결정을 위한 의사 결정 지원 시스템에 의하면, 하나 이상의 미세먼지 저감 정책 리스트 및 상기 미세먼지 저감 정책에 관련된 하나 이상의 저감 기술 리스트를 관리하는 정책 데이터 베이스; 연도 별 하나 이상의 연료 에너지에 대한 에너지 전망 결과를 저장하는 에너지 전망 모형 데이터 베이스; 하나 이상의 대기 오염 물질 및 미세 먼지 배출원에 대한 예상 미세 먼지 배출 정보를 저장하는 예상 미세먼지 배출량 데이터 베이스; 및 사용자로부터 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 대기 상태 시뮬레이션 결과를 제공하는 의사 결정 지원 서버; 를 포함할 수 있고, 상기 의사 결정 지원 서버는, 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 대한 의사 결정 정보를 더 제공할 수 있다.
이때 상기 의사 결정 정보는 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 더 포함할 수 있다.
또는 상기 의사 결정 정보는 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 대기 오염 물질 별 저감 비용 정보를 더 포함할 수 있다.
또한, 사용자로부터 제1 정책 및 제2 정책에 관한 대기 상태 시뮬레이션 요청이 수신된 경우에 있어서, 상기 의사 결정 정보는 상기 제1 정책 및 상기 제2 정책에 의한 대기 상태 시뮬레이션 결과 비교 정보를 더 포함할 수 있다.
또한, 상기 의사 결정 정보는 상기 제1 정책 및 상기 제2 정책 중 어느 하나에 대한 추천 정보를 더 포함할 수 있다.
또한, 상기 대기 상태 시뮬레이션 결과는, 상기 선택된 정책의 수행 시작 시점으로부터 미리 설정된 기간에 대한 기상 예측 데이터가 반영된 것일 수 있다.
이하에서 '미세먼지'라 함은 직경 10㎛ 이하의 먼지인 PM 10(Particulate Matter, 직경 <10㎛) 및 직경 2.5㎛ 이하의 초 미세먼지라 부르는 PM 2.5를 모두 포함한다.
이하에서 '대기 오염 물질'이라 함은 자원의 개발로 인한 자연의 파괴와 각종 교통 수단, 공장의 생산 활동, 냉난방, 취사 등의 일상생활에서 유발되는 가스, 분진, 악취 등으로 인간에게 신체적, 정신적으로 유해하거나 나쁜 영향을 끼치는 모든 물질을 포함한다.
일반적으로 대기 오염 물질은 형태에 따라 기체상 오염 물질과 입자상 오염 물질로 분류될 수 있다.
기체상 오염 물질이란 대기 중에 존재하는 질소(N2), 산소(O2) 등과 같은 정상적인 구성 성분 이외의 기체 상태의 대기 오염 물질을 의미한다. 예를 들어, 황산화물(SOx), 질소 산화물(NOx), 일산화탄소(CO), 이산화탄소(CO2), 휘발성 유기 화합물(VOCs), 탄화수소, 오존(O3) 등이 있다.
입자상 오염 물질이란 대기 중에 존재하는 작은 크기의 고체, 액체 방울 상태의 물질, 주로 물질의 파쇄 등 기계적 처리 과정에서 발생하는 미세한 물질을 의미한다. 예를 들어, 매연이나 그을름, 먼지, 황사, 석면 등과 같은 미세 먼지 등이 있다.
또한, 대기 오염 물질은 발생 단계에 따라 1차 오염 물질과 2차 오염 물질로 분류될 수 있다.
1차 오염 물질이란 배출원에서 대기 중으로 직접 배출된 대기 오염 물질로, 이산화황(SO2), 일산화질소(NO), 일산화탄소(CO), 탄화수소, 먼지 등을 포함한다.
또한, 1차 오염 물질은 여과성 입자(FPM)와 응축성 입자(CPM)로 구분될 수 있다.
여과성 입자(FPM)은 초기 배출시점에서 존재하는 입자의 크기는 2.5~10um 크기로 고체 및 액상으로 존재한다. 응축성 입자(CPM)는 대기 중에 기체상으로 배출되어 응축 또는 냉각 등으로 생성되며 PM 2.5 보다 작은 형태로 존재한다. 대표적인 CPM 전구물질로 SO2와 NOx가 있으며, VOCs, 탄소성분 EC/OC, NH3 등의 물질 또한 입자 응축에 관여하는 것으로 알려져 있다.
2차 오염 물질이란 오염 물질이 대기 중의 물질과 물리, 화학적 반응을 일으켜서 생성되는 오염 물질로, 질산, 황산, 오존(O3), 질산과산화아세틸(PAN) 등이 있다.
이하에서 미세먼지 저감 정책 결정을 위한 의사 결정 시스템에 활용되는 대기 오염 물질은 대기 중으로 직접 배출된 1차 오염 물질 및 2차 오염 물질 뿐만 아니라 암모니아(NH3), VOC 등과 같은 2차 미세 먼지를 유발하는 미세 먼지 배출원에 관한 정보를 모두 포함할 수 있다. 이는 2차 미세먼지의 영향을 반영하여 보다 정확도가 향상된 예상 미세먼지 배출량을 산출할 필요가 있기 때문이다.
1. 의사 결정 지원 시스템 일반
도 1은 본 출원의 실시 예들에 따른 미세먼지 저감 정책 결정을 위한 의사 결정 지원 시스템을 개략적으로 설명하기 위한 도면이다.
본 출원의 실시 예들에 따른 의사 결정 지원 시스템은 미세 먼지 관련 정책의 수용자 및 관련 전문가들이 미세먼지 저감 정책 및 기술에 대한 평가 결과를 기초로 미세 먼지 관련 정책에 관한 의사 결정을 할 수 있도록 지원하기 위한 시스템이다.
본 출원의 실시 예들에 따른 의사 결정 지원 시스템은 정책 데이터 베이스(110), 에너지 전망 모형 데이터 베이스(120), 미세먼지 배출 정보 데이터 베이스(130), 의사 결정 지원 서버(200), 사용자 장치(300) 등을 포함할 수 있다. 정책 데이터 베이스(110), 에너지 전망 모형 데이터 베이스(120), 미세먼지 배출 정보 데이터 베이스(130), 의사 결정 지원 서버(200) 및 사용자 장치(300)는 네트워크(N)를 통해 연결될 수 있으며, 상기 네트워크(N)는, 예를 들어, 유선 통신 또는 무선 통신 네트워크일 수 있다.
이하에서는 의사 결정 지원 서버(200)는 정책 데이터 베이스(110), 에너지 전망 모형 데이터 베이스(120) 및 미세먼지 배출 정보 데이터 베이스(120)로부터 의사 결정 지원에 필요한 각종 데이터들을 획득하며, 의사 결정 지원 서버(200)는 획득된 데이터를 이용하여 생성되는 의사 결정 정보를 사용자 장치(300) 상에 제공하는 경우를 상정하여 설명한다.
또한, 이하에서는 설명의 편의를 위하여 본 출원의 실시 예들에 따른 의사 결정 지원 서버(200)가 웹 사이트 상에서 제공되며, 상기 의사 결정 지원 서버(200)를 통해 제공되는 각종 기능들이 사용자 장치(300)상에 표시되는 경우를 예로 들어 설명한다.
이하에서는 각 장치의 구성에 대해 상세하게 설명한다.
정책 데이터 베이스(110)는 하나 이상의 미세먼지 정책 리스트 및 관련된 저감 기술 리스트를 저장하고 관리하기 위한 구성이다.
본 출원의 실시 예들에 따른 미세먼지 정책 리스트 및 저감 기술 리스트는 미세먼지 관련 전문가들에 의해 마련된 것일 수 있다.
구체적으로, 미세먼지 정책은 다양한 주체, 기간, 관련 저감 기술 등을 고려하여 생성된 것으로, 미리 설정된 기준에 따라 정렬되어 제공될 수 있다.
일 예로, 미세먼지 정책은, 공정률 낮은 석탄 화력의 재검토 및 신규 금지, 운영 중인 석탄화력 관리 강화, 고형연료제품 사용시설 관리 강화, 재생에너지 및 기후변화 대응 차세대 기술개발 강화, 노후 석탄발전 임기 내 폐지 등을 포함할 수 있다.
이때 미세먼지 정책은 국가, 지자체, 일반 시민 등 미세먼지 저감을 위한 정책 수행의 중심이 되는 주체 별로 제공될 수 있다.
또는, 미세먼지 정책은 단기, 중기 및/또는 장기 계획으로 구분되어 제공될 수 있다. 즉, 각 정책이 수행되는 기간에 따라 단기, 중기, 장기로 구분될 수 있다.
또는, 미세먼지 정책은 단계적으로 세분화되어 제공될 수 있다. 예를 들어, 미세먼지 정책은 제1 단계부터 제 4단계로 세분화되어 제공될 수 있다.
도 2는 본 출원의 일 실시 예에 따른 미세먼지 정책 리스트를 예시적으로 설명하기 위한 표이다.
예를 들어, 도 2를 참조하면, 제1 레벨은 "미세먼지 관리 종합 대책", 제2 레벨은 상기 제1 레벨에 관련된 세부 정책으로 "발전 부분", 제3 레벨은 상기 제2 레벨에 관련된 세부 정책으로 "공정률 낮은 석탄 화력의 재검토 및 신규 금지", 제4 레벨은 상기 제3 레벨에 관련된 세부 정책으로 "공정률 낮은 석탁발전(9기) 건설 원점 재검토"일 수 있다.
몇몇 실시 예에서 사용자는 각 단계 별로 순차적으로 하나 이상의 세부 정책을 선택할 수 있다.
또한, 저감 기술 리스트는 각 미세먼지 정책에 관련된 미세 먼지 저감을 위해 적용될 수 있는 하나 이상의 저감 기술에 관한 것일 수 있다.
예를 들어, "노후 석탄발전 폐지"에 관한 미세먼지 정책을 수행하기 위한 저감 기술은 "섬유필터 사용"일 수 있다.
몇몇 실시 예에서, 미세먼지 관련 전문가 및/또는 관리자는 미세먼지 정책 리스트 및 각 정책을 수행하기 위한 저감 기술 리스트를 미리 설정된 기준에 따라 정책 데이터 베이스(100)에 업로드할 수 있다.
또한, 상기 미세먼지 정책 리스트 및 저감 기술 리스트는 실시간으로 상기 정책 데이터 베이스(100)에 업데이트되어 후술할 의사 결정 지원 서버(200)에 제공될 수 있다.
에너지 전망 모형 데이터 베이스(120)는 하나 이상의 연료 에너지에 대한 에너지 전망 결과를 저장하는 구성이다.
도 3은 본 출원의 일 실시 예에 따른 에너지 전망 모형 데이터 베이스(120)로부터 획득되는 에너지 전망 결과를 예시적으로 보여주기 위한 도면이다.
예를 들어, 에너지 전망 모형 데이터 베이스(120)에는 하나 이상의 연료 에너지의 부문 별 에너지 전망 결과가 연도별 데이터로 저장되어 있을 수 있다.
일 예로, 광업, 농림어업, 음식, 담배, 섬유의복, 제지목재, 석유화학, 비금속, 철강, 비철금속, 조립금속, 기타제조, 기타에너지, 철도, 육상, 수상, 항공, 가정, 상업공공, 정유정제 등 부문 별로 하나 이상의 연료 에너지에 대한 에너지 전망 결과가 제공될 수 있다. 이때 에너지 전망 결과는 도 3에 도시된 바와 같이 연도에 따른 에너지 증감을 보여주는 그래프 형태로 제공될 수 있다.
몇몇 실시 예에서, 에너지 전망 모형 데이터 베이스(120)에는 각 부문 별로 에너지 전망을 모델링하기 위한 알고리즘이 미리 저장되어 있을 수 있다. 또는, 에너지 전망 모형 데이터 베이스(120)는 외부에 위치된 컴퓨팅 장치로부터 산출된 각 부문 별 에너지 전망 결과를 획득할 수 있다.
미세먼지 배출 정보 데이터 베이스(130)는 하나 이상의 대기 오염 물질 및/또는 2차 미세 먼지를 유발하는 하나 이상의 미세 먼지 배출원에 대한 예상 미세 먼지 배출 정보를 저장하는 구성이다.
도 4는 본 출원의 일 실시 예에 따른 미세먼지 배출 정보 데이터 베이스에 저장된 예상 미세먼지 배출 정보를 예시적으로 설명하기 위한 도면이다.
예를 들어, 하나 이상의 대기 오염 물질 및 미세 먼지 배출원은 적어도 CO, NOX, SOX, PM10, VOC, NH3 등을 포함할 수 있다.
구체적으로 대기 오염 물질은 연료 연소에 의한 1차 미세먼지 배출량을 포함할 수 있다. 예를 들어, 연료 연소에 의한 1차 미세먼지 배출량은 제조업 연소, 생산공정에서 발생하는 오염물질, 도로이동오염원, 비도로이동오염원, 폐기물처리, 비산먼지, 생물성 연소, 에너지산업 연소, 비산업 연소에 의한 것을 포함할 수 있다.
이때 미세먼지 배출량은 PM 10, PM 2.5 크기의 초미세먼지 별로 측정되어 제공될 수 있다. 또한, 미세먼지 배출량은 각 연료 별로 미리 설정된 배출계수 비율을 기초로 산출되는 여과성 미세먼지 및 응축성 미세먼지 배출량을 더 포함할 수 있다.
또한, 대기 오염 물질은 미산정 생물성 연소에 의한 배출량을 더 포함할 수 있다. 예를 들어, 미산정 생물성 연소에 의한 배출량은 고기 및 생선 구이 등의 연소 과정에서 발생하는 것일 수 있다.
또한, 전술한 바와 같이 미세먼지 배출원은 여과성 미세먼지, 응축성 미세먼지 배출량에 의한 2차 미세먼지 배출량을 더 포함할 수 있다.
도 4를 참조하면, 미세먼지 배출 정보 데이터 베이스(130)에는 적어도 연료 별 CO계수 및 배출량, NOX 계수 및 배출량, SOX 계수 및 배출량, PM10 계수 및 배출량, VOC 계수 및 배출량, NH3 계수 및 배출량 정보 등이 저장되어 있을 수 있다.
또한, 예를 들어, 도 4에 도시된 바와 같이, 미세먼지 배출 정보는 지역별, 연도별, 분야 별로 카테고리화 되어 제공될 수 있다.
몇몇 실시 예에서, 미세먼지 배출 정보 데이터 베이스(130)에는 특정 정책, 해당 정책과 관련된 저감 기술, 에너지 전망 결과를 기초로 예상 미세먼지 배출량 증감 정보를 더 산출하기 위한 알고리즘이 저장되어 있을 수 있다.
한편, 미세먼지 배출량 데이터 베이스(130)는 각 종류 별, 배출원 별 표준화를 위한 기준 정보를 설계함으로써 확장 가능하도록 설계될 수 있다.
몇몇 실시 예에서 미세먼지 배출량 데이터 베이스(120)에 저장되는 데이터 테이블에는, 연도, 오염물질 코드, 지역코드, 통합분류코드, 연료, 감축기술, 단위, 활동도, 배출계수, 배출량에 관한 데이터가 논리적으로 저장되어 있을 수 있다.
2. 의사 결정 지원 서버
이하에서는 본 출원의 일 실시 예에 따른 의사 결정 지원 시스템에 있어서, 의사 결정 지원 서버에서 수행되는 기능들을 상세하게 설명한다.
의사 결정 지원 서버(200)는 사용자로부터 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 예상 미세 먼지 배출량의 증감을 산출하고, 이를 기초로 미세먼지 저감 정책에 관한 의사 결정 정보를 제공하기 위한 구성이다.
도 5는 본 출원의 일 실시 에에 따른 의사 결정 지원 시스템에 있어서, 의사 결정 지원 서버(200)의 구성을 예시적으로 설명하기 위한 블록도이다.
도 5를 참조하면, 본 출원의 일 실시 예에 따른 의사 결정 지원 서버(200)는 데이터 송수신부(210), 의사결정지원정보 생성부(220), 제어부(230), 사용자 관리부(240) 등을 포함할 수 있다. 여기서 각 구성 요소들은 상기 의사 결정 지원 서버(200)에서 수행되는 기능들을 설명하기 위해 예시적으로 구분된 것으로, 어느 하나의 구성요소에서 수행되는 기능이 다른 구성요소에서 수행될 수 있으며, 하나 이상의 구성요소에서 하나 이상의 기능이 통합되어 제공될 수 있다.
데이터 송수신부(210)는 각종 데이터를 송수신하기 위한 구성이다.
예를 들어, 의사 결정 지원 서버(200)는 데이터 송수신부(210)를 통해 사용자 장치(300)로부터 의사 결정 지원에 필요한 각종 정보 요청을 수신할 수 있다.
일 예로, 의사 결정 지원 서버(200)는 전술한 정책 데이터 베이스(100)로부터 획득된 하나 이상의 미세먼지 저감 정책 리스트를 상기 데이터 송수신부(210)를 통해 사용자 장치(300) 상에 제공할 수 있고, 사용자는 상기 사용자 장치(300) 상에 표시되는 사용자 인터페이스를 통해 제1 정책을 선택하는 입력을 수신할 수 있다.
또한, 의사 결정 지원 서버(200)는 전술한 정책 데이터 베이스(100)로부터 획득된 상기 제1 정책과 관련된 하나 이상의 저감 기술 리스트를 상기 데이터 송수신부(210)를 통해 사용자 장치(300) 상에 제공할 수 있고, 사용자는 상기 사용자 장치(300) 상에 표시되는 사용자 인터페이스를 통해 제1 저감 기술을 선택하는 입력을 수신할 수 있다.
또한, 예를 들어, 의사 결정 지원 서버(200)는 데이터 송수신부(210)를 통해 전술한 에너지 전망 모형 데이터 베이스(120), 미세먼지 배출 정보 데이터 베이스(130) 등으로부터 각종 정보를 획득할 수 있다.
또한, 예를 들어, 의사 결정 지원 서버(200)는 후술할 의사결정지원정보 생성부(220)에서 생성된 대기 상태 시뮬레이션 결과를 사용자 장치(300)로 전송할 수 있다.
의사결정지원정보 생성부(220)는 정책 데이터 베이스(110), 에너지 전망 모형 데이터 베이스(120), 미세먼지 배출 정보 데이터 베이스(130) 등으로부터 획득된 정보를 이용하여 특정 정책 및 저감 기술에 의한 각종 의사 결정 정보를 제공하기 위한 구성이다.
즉, 본 출원의 일 실시 예에 따른 의사 결정 지원 서버(200)는 사용자에게 정책 결정에 필요한 의사 결정 정보를 제공하기 위해 사용자로부터 선택된 하나 이상의 정책 및 저감 기술에 의한 의사 결정 정보를 생성할 수 있다.
예를 들어, 의사결정지원정보 생성부(220)는 사용자로부터 제1 정책 및 상기 제1 정책을 수행하기 위한 제1 저감기술이 선택된 경우에 있어서, 상기 제1 정책, 상기 제1 저감기술 및 상기 에너지 전망 모형 데이터 베이스(120)로부터 획득된 상기 제1 정책과 관련된 에너지 전망 결과를 기초로 상기 미세먼지 배출 정보 데이터 베이스(130)로부터 획득된 예상 미세먼지 배출량의 증감을 산출할 수 있다.
이때 의사결정지원정보 생성부(220)에는 예상 미세 먼지 배출량의 증감을 산출하기 위한 하나 이상의 수식, 알고리즘 등이 미리 저장되어 있을 수 있다. 또는 의사결정지원정보 생성부(220)는 외부에 위치된 컴퓨팅 장치에서 산출된 미세먼지 배출량 증감 정보를 획득할 수 있다.
이하에서는, 사용자로부터 선택된 제1 정책은 "20년 ~22년 운영 중인 석탄 화력 관리 강화"이고, 상기 제1 정책을 수행하기 위한 제1 저감기술은 "발전소 내 섬유 필터 장착" 인 경우를 예로 들어 설명한다.
몇몇 실시 예에서, 의사결정지원정보 생성부(220)는 에너지 전망 모형 데이터 베이스(120)로부터 상기 제1 정책이 수행될 20년~22년의 에너지 전망 결과를 획득할 수 있고, 미세먼지 배출 정보 데이터 베이스(130)로부터 석탄발전과 관련된 대기 오염 물질 및 미세 먼지 배출원의 예상 미세먼지 배출량 정보를 획득할 수 있다.
따라서, 의사결정지원정보 생성부(220)는 20년 ~22년 에너지 전망 결과 및 석탄발전과 관련된 대기 오염 물질 및 미세 먼지 배출원의 예상 미세먼지 배출량 정보를 반영하여 발전소 내 섬유 필터 장착 시 각 오염 물질 별 배출량, 저감 배출량, 저감률 등을 산출할 수 있다.
또한, 몇몇 실시 예에서, 의사결정지원정보 생성부(220)는 제1 정책 및 상기 제1 정책을 수행하기 위한 제1 저감 기술 선택 시, 오염 물질 별 배출량, 저감 배출량, 저감률뿐만 아니라 단위 감축 비용, 감축비용총합 등 저감 비용을 더 산출할 수 있다.
또한, 의사결정지원정보 생성부(220)는 선택된 미세 먼지 정책, 저감 기술 및 에너지 전망 결과를 기초로 산출된 예상 미세먼지 배출량 증감 정보를 반영한 대기 상태를 시뮬레이션할 수 있다. 이하에서는 사용자로부터 제1 정책 및 상기 제1 정책을 수행하기 위한 제1 저감기술이 선택된 경우를 예로 들어 설명한다.
예를 들어, 의사결정지원정보 생성부(220)는, 상기 제1 정책 및 상기 제1 저감 기술과 관련된 에너지 전망 결과를 에너지 전망 모형 데이터 베이스(120)로부터 획득할 수 있다.
또한, 의사결정지원정보 생성부(220)에는 상기 제1 정책, 상기 제1 저감기술에 의한 예상 미세먼지 배출량 증감 정보를 기초로 대기 상태를 시뮬레이션하기 위한 시뮬레이션 모델이 미리 저장되어 있을 수 있다.
또는, 의사결정지원정보 생성부(220)는 상기 미세먼지 배출 정보 데이터 베이스(130)로부터 획득된 예상 미세먼지배출량 증감 정보를 반영하여 상기 제1 정책과 관련된 대기 상태를 시뮬레이션할 수 있다.
도 6은 본 출원의 일 실시 예에 따른 의사결정지원정보 생성부(220)에서 제공되는 대기 상태 시뮬레이션 결과를 예시적으로 설명하기 위한 도면이다.
몇몇 실시 예에서, 도 6에 도시된 바와 같이, 하나 이상의 대기 오염 물질 및 미세 먼지 배출원에 의한 예상 미세먼지 배출량이 지도에 맵핑되어 표시될 수 있다.
예를 들어, 도 6을 참조하면, 의사결정지원정보 생성부(220)는 예상 미세먼지 배출량 정도를 직관적으로 인식할 수 있도록 색상, 채도 또는 명도를 달리하여 표시할 수 있다. 이때 상기 의사결정지원정보 생성부(220)에서 생성되는 시뮬레이션 결과는 사용자가 예상 미세먼지 배출량 정도, 지역, 기간, 이동 경로 등을 예측 가능하도록 다양한 방식으로 시각적으로 생성되어 제공될 수 있다.
다른 실시 예에서, 의사결정지원정보 생성부(220)는 기상 예측 데이터를 반영한 대기 시뮬레이션 결과를 생성할 수 있다.
즉, 본 출원의 다른 실시 예에 따른 의사결정지원정보 생성부(220)는 기상 변화에 따른 미세먼지 증감을 반영하여 보다 정확한 대기 상태 시뮬레이션 결과를 제공할 수 있다. 이는 특히 단기간 미세먼지 비상 저감을 위한 정책에 있어서, 풍속, 풍향, 온도, 습도 등의 기상 변화에 따라 미세먼지 증감에 변동이 클 수 있기 때문이다.
도 7은 본 출원의 다른 실시 예에 따른 의사 결정 지원 서버(200)에서 제공되는 대기 상태 시뮬레이션 결과를 예시적으로 설명하기 위한 도면이다.
도 7을 참조하면, 기상 예측 정보가 맵핑된 지도가 함께 표시될 수 있다.
예를 들어, 기상 예측 정보는 풍속, 풍향, 온도, 습도 등 각종 기상 정보를 포함할 수 있다.
여기서 기상 예측 정보는 선택된 정책의 수행 시작 시점으로부터 미리 설정된 시간에 대한 것일 수 있다. 예를 들어, 미리 설정된 시간은 최대 72시간 이내일 수 있다.
즉, 본 출원의 다른 실시 예에 따른 의사결정지원정보 생성부(220)는 외부 컴퓨팅 장치(미도시)로부터 산출된 임의 기간에 대한 기상 예측 데이터를 획득할 수 있고, 상기 기상 예측 데이터가 반영된 대기 상태를 시뮬레이션할 수 있다.
예를 들어, 도 7을 참조하면, PM 2.5의 미세먼지 배출량이 맵핑된 지도가 사용자 장치(300) 상에 제공될 수 있다.
또한, 예를 들어, 사용자 장치(300) 상에 제공되는 시뮬레이션 결과는, 도 7에 도시된 바와 같이, 해당 정책의 수행 시작 시점으로부터 미리 설정된 시간 범위(15h) 이내에서 미세먼지 배출량 변화를 시간 흐름에 따라 확인 가능하도록 제공될 수 있다.
또한, 몇몇 실시 예에서 사용자는 사용자 장치(300) 상에 제공되는 시뮬레이션 결과를 저장할 수 있고, 후술할 제어부(230)는 저장된 하나 이상의 시뮬레이션 결과를 비교하여 제공할 수 있다. 따라서, 사용자는 하나 이상의 정책에 대해 수행한 시뮬레이션 결과들을 한눈에 비교하여 확인할 수 있다.
제어부(230)는 의사 결정 지원 서버(200)에서 제공되는 모든 기능들을 총괄하기 위한 구성이다.
일 실시 예에서, 제어부(230)는 사용자로부터 선택된 제1 정책 및 제1 저감 기술에 의한 의사 결정 정보를 제공할 수 있다.
예를 들어, 의사 결정 정보는 상기 제1 정책 및 상기 제1 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과, 대기 오염 물질 별 감축 비용 정보 등을 포함할 수 있다.
제어부(230)는 사용자로부터 예상 건강 피해 모델링 결과 확인 요청이 수신된 경우, 상기 제1 정책 및 상기 제1 저감 기술에 의한 건강 피해 모델링 결과를 획득할 수 있다.
몇몇 실시 예에서, 제어부(230)에는 예상 건강 피해를 모델링 하기 위한 알고리즘이 미리 저장되어 있고, 상기 제1 정책 및 상기 제1 저감 기술에 의한 건강 피해 모델링 결과를 산출할 수 있다. 또는, 제어부(230)는 외부에 위치된 컴퓨팅 장치로부터 예상 건강 피해 모델링 결과를 획득할 수 있다.
몇몇 실시 예에서, 의사결정지원정보 생성부(220)에는 예상 건강 피해를 모델링 하기 위한 알고리즘이 더 저장되어 있을 수 있고, 제어부(230)는 의사결정지원정보 생성부(220)로부터 산출된 예상 건강 피해 모델링 결과를 획득할 수 있다.
도 8은 본 출원의 일 실시 예에 따른 예상 건강 피해 모델링 결과를 예시적으로 설명하기 위한 도면이다.
예를 들어, 예상 건강 피해 모델링 결과는 사용자로부터 선택된 정책 및 저감 기술에 의한 미세 먼지 저감 정책 실행 시에 지역별 사망자 정보를 포함할 수 있다.
또한, 예를 들어, 도 8에 도시된 바와 같이, 예상 건강 피해 모델링 결과는 지도 상에 맵핑되어 표시되거나, 그래프 형태로 제공될 수 있다. 또는, 시도, 시군구 별 사망자 수 리스트가 제공될 수 있다.
한편, 제어부(230)는 전술한 의사결정지원 정보 생성부(220)로부터 획득되는 예상 미세먼지 배출량 증감 정보를 기초로 대기 오염 물질 별 저감 비용을 산출 할 수 있다. 이때 제어부(230)에는 대기 오염 물질 별 저감 비용 산정을 위한 알고리즘이 미리 저장되어 있을 수 있다.
또는, 제어부(230)는 사용자로부터 대기 오염 물질 별 저감 비용 정보 확인 요청을 수신할 수 있고, 의사결정지원정보 생성부(220)로부터 상기 제1 정책 및 상기 제1 저감 기술에 의한 저감 비용 산정 정보를 획득할 수 있다.
도 9는 본 출원의 일 실시 예에 따른 저감 비용 산정 결과를 예시적으로 설명하기 위한 도면이다.
저감 비용 산정 결과는, 오염 물질 별 배출량, 저감 배출량, 저감률, 단위 감축비용, 감축비용총합 등을 포함할 수 있다.
예를 들어, 도 9에 도시된 바와 같이, 사용자로부터 선택된 제1 정책 및 제1 저감 기술 수행 시 2차 미세먼지 배출 물질인 VOC의 배출량은 659로 저감률은 68.59이며, 감축 비용 총합은 67,705, 984로 산출될 수 있다.
이때 제어부(230)는 사용자 장치(300) 상에 오염 물질 별 배출량, 저감 배출량, 저감률 단위 감축 비용, 감축비용 총합을 표 형태로 표시할 수 있다. 사용자는 사용자 장치(300) 상에 제공되는 사용자 인터페이스를 통해 '리포트 생성'에 대응되는 입력을 수행함으로써, 선택된 정책 및 저감 기술에 의한 저감 비용을 포함하는 리포트를 생성하여 확인할 수 있다.
예를 들어, 상기 리포트는 사용자로부터 선택된 제1 정책 및 저감 기술에 의한 에너지 전망, 예상 미세먼지 배출량, 대기상태 시뮬레이션 결과, 예상 건강 피해 모델링, 저강 비용 산정 결과 중 하나 이상에 포함되어 있을 수 있다.
몇몇 실시 예에서, 제어부(230)는 사용자로부터 제1 정책 및 제2 정책이 선택된 경우에 있어서, 상기 제1 정책 및 상기 제2 정책에 의한 정보를 비교하여 제공할 수 있다. 예를 들어, 사용자가 제1 정책 및 제1 저감기술, 제2 정책 및 제2 저감기술을 선택한 경우, 제어부(230)는 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 대기 상태 시뮬레이션 결과를 비교하여 제공할 수 있다.
또한, 예를 들어, 사용자가 제1 정책 및 제1 저감기술, 제2 정책 및 제2 저감기술을 선택한 경우, 제어부(230)는 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 비교하여 제공할 수 있다.
또한, 예를 들어, 사용자가 제1 정책 및 제1 저감기술, 제2 정책 및 제2 저감기술을 선택한 경우, 제어부(230)는 상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 대기 오염 물질 별 감축 비용을 비교하여 제공할 수 있다.
또한, 예를 들어, 사용자가 제1 정책 및 제1 저감기술, 제2 정책 및 제2 저감기술을 선택한 경우, 제어부(230)는 제1 정책 및 제2 정책 중 어느 하나에 대한 추천 정보를 더 제공할 수 있다.
이때 제어부(230)가 제1 정책 및 제2 정책 중 어느 하나를 추천하기 위한 기준은 다양할 수 있고, 추천 기준은 사용자에 의해 미리 선택될 수 있다.
일 예로, 제어부(230)는 제1 정책 및 제1 저감기술, 제2 정책 및 제2 저감기술 중 총 감축 비용이 더 적은 정책을 추천할 수 있다.
다른 예로, 제어부(230)는 제1 정책 및 제1 저감기술, 제2 정책 및 제2 저감기술 중 예상 사망자 수가 더 적은 정책을 추천할 수 있다.
또 다른 예로, 제어부(230)는 제1 정책 및 제1 저감기술, 제2 정책 및 제2 저감기술 중 특정 오염 물질 배출량이 더 적은 정책을 추천할 수 있다.
사용자 관리부(240)는 미세 먼지 저감 정책 결정을 위한 의사 결정 정보를 활용하기 위해 의사 결정 지원 시스템에 미리 등록된 사용자를 관리하기 위한 구성이다.
예를 들어, 사용자는 미세 먼지 관련 정책의 수용자 또는 관련 전문가일 수 있다.
이때 사용자 관리부(240)는 미리 설정된 기준에 따라 등록된 사용자들에게 서로 다른 권한을 부여할 수 있다.
사용자 장치(300)는 미세먼지 저감 정책 결정을 위해 전술한 사용자 관리부(240)를 통해 의사 결정 지원 시스템에 미리 등록된 사용자에게 할당된 전자기기일 수 있다.
예를 들어, 사용자 장치(300)는 데스크탑, 노트북 등과 같은 컴퓨터, 스마트폰, 태블릿 장치 등과 같은 휴대용 단말기일 수 있다.
일 예로, 사용자는 컴퓨터 상에서 실행되는 웹페이지 또는 애플리케이션을 통해 의사 결정 지원 서버(200)에 접속할 수 있고, 상기 의사 결정 지원 서버(200)에서 제공되는 각종 의사 결정 정보를 활용할 수 있다.
도 10 및 도 11은 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 웹페이지를 예시적으로 설명하기 위한 도면이다.
일 예로, 도 10에 도시된 바와 같이, 전술한 의사 결정 지원 서버(200)는 사용자 장치(300) 상에서 실행되는 웹 페이지의 첫 화면에 '새 시나리오 시작'(UI1), '최근 시나리오 보기'(UI2)와 같이 사용자 입력을 수신하기 위한 사용자 인터페이스를 제공할 수 있다.
여기서 시나리오는 사용자로부터 선택된 미세먼지 저감 정책 및 저감 기술에 의한 대기 상태 시뮬레이션 결과, 건강 피해 모델링 결과, 대기 오염 물질 별 감축 비용 산출 결과 중 하나 이상을 포함할 수 있다.
일 예로, 사용자가 '최근 시나리오 보기'(UI2)에 대응되는 입력을 수행하는 경우, 도 11에 도시된 바와 같이 사용자에 의해 생성된 하나 이상의 시나리오 리스트가 표시될 수 있다.
예를 들어, 사용자는 ID2의 '2020년 시나리오'에 대응되는 입력을 수행하여, 해당 시나리오와 관련하여 2019년 10월 26일 07:04:05에 생성되었던 대기 상태 시뮬레이션 결과를 다시 확인할 수 있다.
또는, 예를 들어, 사용자는 '새 시나리오'에 대응되는 입력을 수행하여, 새로운 정책 및 저감 기술에 의한 대기 상태 시뮬레이션 결과, 건강 피해 모델링 결과, 대기 오염 물질 별 감축 비용 산출 결과 중 하나 이상을 포함하는 시나리오를 생성할 수 있다.
다른 예로, 사용자는 의사 결정 지원 서버(200)에서 제공되는 웹사이트를 통해 제공되는 사용자 인터페이스 상에서 제1 정책 및 상기 제1 정책에 적용하기 위한 제1 저감기술을 선택할 수 있다. 이때 의사 결정 지원 서버(200)는 사용자로부터 선택된 제1 정책 및 제1 저감 기술에 의한 하나 이상의 의사 결정 정보를 사용자 장치(300) 상에 제공할 수 있다.
따라서 사용자는 의사 결정 지원 서버(200)로부터 제공된 의사 결정 정보를 활용하여 선택한 제1 정책 및 제1 저감 기술의 실행 여부를 결정할 수 있다.
3. 의사 결정 지원 정보 제공 방법
이하에서는 도 12 내지 도 16을 참조하여 본 출원의 일 실시 에에 따른 의사 결정 지원 서버에서 제공되는 의사 결정 지원 정보 제공 방법에 관하여 상세하게 설명한다.
도 12는 본 출원의 일 실시 예에 따른 의사 결정 지원 서버에서 제공되는 의사 결정 지원 정보 제공 방법을 예시적으로 설명하기 위한 순서도이다.
도 12를 참조하면, 본 출원의 일 실시 예에 따른 의사 결정 지원 정보 제공 방법은, 하나 이상의 미세먼지 저감 정책 리스트를 제공하는 단계(S121), 제1 정책을 선택하는 입력을 수신하는 단계(S122), 제1 정책과 관련된 하나 이상의 저감 기술 리스트를 제공하는 단계(S123), 제1 저감 기술을 선택하는 입력을 수신하는 단계(S124), 제1 정책 및 제1 저감 기술 중 적어도 하나와 관련된 에너지 전망 결과를 획득하는 단계(S125), 제1 정책, 제1 저감 기술 및 에너지 전망 결과를 기초로 산출된 예상 미세먼지 배출 정보를 획득하는 단계(S126), 예상 미세먼지 배출 정보를 반영하여 제1 정책과 관련된 지역에 대응되는 대기 상태를 시뮬레이션하는 단계(S127), 제1 정책 및 제1 저감 기술에 의한 시뮬레이션 결과를 포함하는 의사 결정 정보를 제공하는 단계(S128) 등을 포함할 수 있다.
도 11을 참조하여 전술한 바와 같이, 사용자는 '새 시나리오'에 대응되는 입력을 수행하여, 새로운 정책 및 저감 기술에 의한 대기 상태 시뮬레이션 결과, 건강 피해 모델링 결과, 대기 오염 물질 별 감축 비용 산출 결과 중 하나 이상을 포함하는 시나리오를 생성할 수 있다. 이하에서는 도 13 및 도 14를 참조하여 본 출원의 일 실시 예에 따른 의사 결정 지원 서버(200)에서 제공되는 각종 기능에 관하여 상세하게 설명한다.
의사 결정 지원 서버(200)는 사용자 장치(300) 상에서 실행되는 사용자 인터페이스 상에 하나 이상의 미세먼지 저감 정책 리스트를 제공할 수 있다(S121).
즉, 의사 결정 지원 서버(200)는 사용자가 '새 시나리오'에 대응되는 입력을 요청하는 경우 정책 데이터 베이스(100)로부터 하나 이상의 미세 먼지 정책을 획득할 수 있다.
예를 들어, 도 13에 도시된 바와 같이, 사용자 장치(300) 상에는 미리 등록된 하나 이상의 정책의 ID, 레벨(Level), 기간(Period), 정책 명칭(Name), 정책에 관한 설명(Content)을 포함하는 리스트가 제공될 수 있다.
예를 들어, 사용자는 사용자 장치(300) 상에 표시되는 리스트 중 '0101, Level 3, 20~22년, 운영 중인 석탄화력관리강화, 운영 중 석탄화력의 대대적 성능개선 및 환경설비 전면 교체'에 대응되는 제1 정책을 선택할 수 있다.
의사 결정 지원 서버(200)는 제1 정책을 선택하는 입력을 수신할 수 있다(S122).
즉, 전술한 바와 같이 사용자는 사용자 장치(300) 상에서 실행되는 사용자 인터페이스를 통해 제1 정책을 선택하고, '다음'에 해당되는 아이콘을 선택하는 입력을 수행할 수 있다.
이때 의사 결정 지원 서버(200)는 정책 데이터 베이스(110)로부터 제1 정책에 관련된 저감 기술을 획득할 수 있다.
의사 결정 지원 서버(200)는 제1 정책과 관련된 하나 이상의 저감 기술 리스트를 제공할 수 있다(S123).
도 14를 참조하면, 사용자 장치(300) 상에 표시되는 사용자 인터페이스에는 사용자로부터 선택된 제1 정책과 관련된 저감기술의 ID, 기술내용, 적용제품, 설비명, 해당 기술 적용시 오염 물질 별 필터링 비율 등이 표시될 수 있다.
예를 들어, 도 14에 도시된 바와 같이, 사용자는 사용자 인터페이스 상에 제공되는 하나 이상의 저감기술 리스트 중 'ID 85, 섬유필터-발전소, 기타 바이오매스/폐기물 연료, 여과집진시설(백필터), PM10 99.65'에 대응되는 제1 저감기술을 선택할 수 있다.
의사 결정 지원 서버(200)는 제1 저감 기술을 선택하는 입력을 수신할 수 있다 (S124).
즉, 전술한 바와 같이 사용자는 사용자 장치(300) 상에서 실행되는 사용자 인터페이스를 통해 제1 저감기술을 선택하고, '다음'에 해당되는 아이콘을 선택하는 입력을 수행할 수 있다.
이때 의사 결정 지원 서버(200)는 정책 데이터 베이스(110)로부터 제1 정책에 관련된 저감 기술을 획득할 수 있다.
또한, 의사 결정 지원 서버(200)는 에너지 전망 모형 데이터 베이스(120)로부터 제1 정책 및 제1 저감 기술 중 적어도 하나와 관련된 에너지 전망 결과를 획득할 수 있다(S125).
예를 들어, 의사 결정 지원 서버(200)는 사용자로부터 선택된 제1 정책이 20년~22년 기간에 수행되는 정책인 경우, 에너지 전망 모형 데이터 베이스(120)로부터 20년~22년에 대응되는 예상 에너지 전망 결과를 획득할 수 있다. 또는, 사용자는 사용자 장치 상에 실행되는 웹페이지를 통해서 기간별 에너지 전망 결과를 검색할 수 있다.
예를 들어, 도 3을 참조하여 전술한 바와 같이, 에너지 전망 모형 데이터 베이스(120)는 하나 이상의 연료 에너지의 부문 별 에너지 전망 결과를 연도별 데이터로 제공할 수 있다.
일 예로, 광업, 농림어업, 음식담배, 섬유의복, 제지목재, 석유화학, 비금속, 철강, 비철금속, 조립금속, 기타제조, 기타에너지, 철도, 육상, 수상, 항공, 가정, 상업공공, 정유정제 등 부문 별로 하나 이상의 연료 에너지에 대한 에너지 전망 결과가 제공될 수 있다. 이때 에너지 전망 결과는 도 3에 도시된 바와 같이 연도에 따른 에너지 증감을 보여주는 그래프 형태로 제공될 수 있다.
또한, 의사 결정 지원 서버(200)는 미세먼지 배출 정보 데이터 베이스(130)로부터 제1 정책, 제1 저감 기술 및 에너지 전망 결과를 기초로 산출된 예상 미세먼지 배출 정보를 획득할 수 있다(S126). 예를 들어, 의사 결정 지원 서버(200)는 사용자로부터 선택된 제1 정책, 제1 저감 기술 및 S125 단계에서 획득된 에너지 전망 결과를 미세먼지 배출 정보 데이터 베이스(130)에 입력할 수 있고, 미세먼지 배출 정보 데이터 베이스(130)로부터 하나 이상의 대기 오염 물질 및/또는 미세 먼지 배출원에 대한 예상 미세먼지 배출량 증감 정보를 획득할 수 있다.
일 예로, 미세먼지 배출 정보 데이터 베이스(130)는 적어도 CO, NOX, SOX, PM10, VOC, NH3를 포함하는 오염물질에 대한 예상 미세먼지 배출 정보를 제공할 수 있다.
도 4를 참조하면, 미세먼지 배출 정보 데이터 베이스(130)에는 적어도 연료 별 CO계수 및 배출량, NOX 계수 및 배출량, SOX 계수 및 배출량, PM10 계수 및 배출량, VOC 계수 및 배출량, NH3 계수 및 배출량 정보 등이 저장되어 있을 수 있다.
또한, 예를 들어, 도 4에 도시된 바와 같이, 미세먼지 배출 정보는 지역별, 연도별, 분야 별로 카테고리화 되어 제공될 수 있다.
또는, 예를 들어, 전술한 의사결정지원정보 생성부(220)는 미세먼지 배출 정보 데이터 베이스(130)로부터 제1 정책과 관련된 예상 미세먼지 배출량 정보만을 획득할 수 있고, 상기 제1 저감 기술 선택 시 예측되는 예상 미세먼지 배출량 증감 정보를 더 산출할 수 있다.
의사 결정 지원 서버(200)는 S126 단계에서 획득된 예상 미세먼지 배출 정보를 반영하여 제1 정책과 관련된 지역에 대응되는 대기 상태를 시뮬레이션할 수 있다(S127).
예를 들어, 도 6을 참조하여 전술한 바와 같이, 사용자 장치(300) 상에 실행되는 사용자 인터페이스에는 하나 이상의 대기 오염 물질 및 미세 먼지 배출원에 의한 예상 미세먼지 배출량이 지도에 맵핑되어 표시될 수 있다.
예를 들어, 도 6을 참조하면, 의사결정지원정보 생성부(220)는 예상 미세먼지 배출량 정도를 직관적으로 인식할 수 있도록 색상, 채도 또는 명도를 달리하여 표시할 수 있다. 이때 상기 의사결정지원정보 생성부(220)에서 생성되는 시뮬레이션 결과는 사용자가 예상 미세먼지 배출량 정도, 지역, 기간, 이동 경로 등을 예측 가능하도록 다양한 방식으로 시각적으로 생성되어 제공될 수 있다.
다른 실시 예에서, 의사결정지원정보 생성부(220)는 기상 예측 데이터를 반영한 대기 시뮬레이션 결과를 생성할 수 있다.
즉, 본 출원의 다른 실시 예에 따른 의사결정지원정보 생성부(220)는 기상 변화에 따른 미세먼지 증감을 반영하여 보다 정확한 대기 상태 시뮬레이션 결과를 제공할 수 있다. 이는 특히 단기간 미세먼지 비상 저감을 위한 정책에 있어서, 풍속, 풍향, 온도, 습도 등의 기상 변화에 따라 미세먼지 증감에 변동이 클 수 있기 때문이다.
도 7을 참조하면, 기상 예측 정보가 맵핑된 지도가 함께 표시될 수 있다.
예를 들어, 기상 예측 정보는 풍속, 풍향, 온도, 습도 등 각종 기상 정보를 포함할 수 있다.
여기서 기상 예측 정보는 선택된 정책의 수행 시작 시점으로부터 미리 설정된 시간에 대한 것일 수 있다. 예를 들어, 미리 설정된 시간은 최대 72시간 이내일 수 있다.
즉, 본 출원의 다른 실시 예에 따른 의사결정지원정보 생성부(220)는 외부 컴퓨팅 장치(미도시)로부터 산출된 임의 기간에 대한 기상 예측 데이터를 획득할 수 있고, 상기 기상 예측 데이터가 반영된 대기 상태를 시뮬레이션할 수 있다.
예를 들어, 도 7을 참조하면, PM 2.5의 미세먼지 배출량이 맵핑된 지도가 사용자 장치(300) 상에 제공될 수 있다.
또한, 예를 들어, 사용자 장치(300) 상에 제공되는 시뮬레이션 결과는, 도 7에 도시된 바와 같이, 해당 정책의 수행 시작 시점으로부터 미리 설정된 시간 범위(15h) 이내에서 미세먼지 배출량 변화를 시간 흐름에 따라 확인 가능하도록 제공될 수 있다.
의사 결정 지원 서버(200)는 제1 정책 및 제1 저감 기술에 의한 시뮬레이션 결과를 포함하는 의사 결정 정보를 제공할 수 있다(S128).
즉, 의사 결정 지원 서버(200)는 S127 단계에서 수행된 시뮬레이션 결과를 사용자 장치(300) 상에 제공할 수 있다.
일 실시 예에서, 사용자는 대기상태 시뮬레이션 결과를 기초로 제1 정책 및 제1 저감 기술을 선택하는 미세 먼지 정책 결정을 수행할 수 있다.
또는, 사용자는 제1 정책 및 제1 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 더 요청할 수 있다.
또는, 사용자는 제1 정책 및 제1 저감 기술에 의한 대기 오염 물질 별 감축 비용 정보를 더 요청할 수 있다.
또는, 사용자는 도 11을 참조하여 전술한 '새 시나리오'에 대응되는 입력을 수행함으로써 제2 정책 및 상기 제2 정책과 관련된 제2 저감 기술을 선택하는 입력을 더 수행할 수 있다. 즉, 사용자는 의사 결정 지원 서버(200)를 통해 제공되는 하나 이상의 정책을 비교함으로써 미세 먼지 정책 결정을 효과적으로 수행할 수 있다.
예를 들어, 의사 결정 지원 서버(200)는 사용자로부터 제1 정책 및 제1 저감 기술, 제2 정책 및 제2 저감 기술이 선택될 수 있다.
이 경우, 의사 결정 지원 서버(200)는 상기 제1 정책 및 상기 제1 저감기술 그리고 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 대기 상태 시뮬레이션 결과를 비교하여 제공할 수 있다.
또한, 의사 결정 지원 서버(200)는 상기 제1 정책 및 상기 제1 저감기술 그리고 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 비교하여 제공할 수 있다.
또한, 의사 결정 지원 서버(200)는 상기 제1 정책 및 상기 제1 저감기술 그리고 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 대기 오염 물질 별 감축 비용을 비교하여 제공할 수 있다.
일 예로, 도 15에 도시된 바와 같이, 사용자가 선택한 정책 1 및 저감 기술에 의한 PM 10 오염 물질의 저감 배출량, 건강 피해 모델링 결과, 총 저감 비용 및 사용자가 선택한 정책 2 및 저감 기술에 의한 PM 10 오염 물질의 저감 배출량, 건강 피해 모델링 결과, 총 저감 비용을 포함하는 리스트가 제공될 수 있다. 이때 사용자가 '결과 확인'에 대응되는 입력을 수행하는 경우 정책 1 및 2에 의한 대기 상태 시뮬레이션 결과가 더 표시될 수 있다. 또는, 사용자가 '리포트 생성'에 대응되는 입력을 수행하는 경우 정책 1 및 2에 의한 미세먼지 배출량 증감, 건강 피해 모델링 결과, 저감 비용, 대기상태 시뮬레이션 결과를 포함하는 리포트가 더 제공될 수 있다.
몇몇 실시 예에서 의사 결정 지원 서버(200)는 상기 제1 정책 및 상기 제2 정책 중 어느 하나에 대한 추천 정보를 의사 결정 정보로서 더 제공할 수 있다.
또한, 몇몇 실시 예에서 의사 결정 지원 서버(200)는 전술한 정책 데이터 베이스(110), 에너지 전망 모형 데이터 베이스(120), 미세먼지 배출정보 데이터 베이스(130) 중 적어도 하나로부터 획득된 정보를 기초로 하여 사용자에게 특정 정책에 관한 검색 기능을 더 제공할 수 있다.
예를 들어, 도 16을 참조하면, 사용자는 사용자 장치(300) 상에 표시되는 웹페이지를 통해 제공되는 검색창에서 'PM10'을 키워드로 입력함으로써, PM10 저감과 관련된 정책 리스트를 제공받을 수 있다. 즉, 도 16에 도시된 바와 같이, 사용자 장치(300) 상에 표시되는 웹페이지에는 PM10 저감과 관련된 정책 리스트가 표시될 수 있고, 사용자는 이 중 어느 하나를 선택할 수 있다. 이때 전술한 바와 같이 선택된 정책과 관련된 하나 이상의 저감 기술 리스트가 적용될 수 있다.
따라서 본 출원의 실시 예들에 따른 의사 결정 지원 시스템에 의하면 2차 미세 먼지 배출원에 의한 예상 미세 먼지 배출량 증감 및/또는 기상 상태 정보가 반영됨으로써 보다 정확도가 향상된 의사 결정 정보가 제공될 수 있고, 사용자는 미세 먼지 저감 정책의 효과성 평가, 우선 순위 결정 등을 효율적으로 수행할 수 있다.
실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시 예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로 다른 구현들, 다른 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
110: 정책 데이터 베이스
120: 에너지 전망 모형 데이터 베이스
130: 미세먼지 배출 정보 데이터 베이스
200: 의사 결정 지원 서버
210: 데이터 송수신부
220: 의사결정지원정보 생성부
230: 제어부
240: 사용자 관리부
300: 사용자 장치
120: 에너지 전망 모형 데이터 베이스
130: 미세먼지 배출 정보 데이터 베이스
200: 의사 결정 지원 서버
210: 데이터 송수신부
220: 의사결정지원정보 생성부
230: 제어부
240: 사용자 관리부
300: 사용자 장치
Claims (15)
- 미세먼지 저감 정책 결정을 위한 의사 결정 지원 정보 제공 방법에 있어서,
하나 이상의 미세먼지 저감 정책 리스트를 제공하는 단계;
상기 미세먼지 저감 정책 리스트 중 제1 정책을 선택하는 입력을 수신하는 단계;
상기 제1 정책과 관련된 하나 이상의 저감 기술 리스트를 제공하는 단계;
상기 하나 이상의 저감 기술 리스트 중 적어도 제1 저감 기술을 선택하는 입력을 수신하는 단계;
상기 선택된 제1 정책 및 상기 제1 저감 기술 중 적어도 하나와 관련된 에너지 전망 결과를 획득하는 단계;
상기 선택된 제1 정책, 상기 제1 저감 기술 및 상기 획득된 에너지 전망 결과를 기초로 산출된 예상 미세먼지 배출 정보를 획득하는 단계;
상기 예상 미세먼지 배출 정보를 반영하여 상기 제1 정책과 관련된 지역에 대응되는 대기 상태를 시뮬레이션하는 단계; 및
상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 시뮬레이션 결과를 포함하는 의사 결정 정보를 제공하는 단계;를 포함하는
의사 결정 지원 정보 제공 방법. - 제1항에 있어서,
상기 의사 결정 정보는 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 더 포함하는
의사 결정 지원 서비스 제공 방법. - 제1항에 있어서,
상기 의사 결정 정보는 상기 선택된 제1 정책 및 상기 제1 저감 기술에 의한 대기 오염 물질 별 감축 비용 정보를 더 포함하는
의사 결정 지원 정보 제공 방법. - 제1항에 있어서,
상기 미세먼지 저감 정책 리스트 중 제1 정책을 선택하는 입력을 수신하는 단계는,
상기 제1 정책과 관련된 하나 이상의 제1 세부 정책을 선택하는 입력을 수신하는 단계;를 더 포함하는
의사 결정 지원 정보 제공 방법. - 제1항에 있어서,
상기 대기 상태를 시뮬레이션하는 단계는,
상기 제1 정책의 수행 시작 시점으로부터 미리 설정된 기간에 대한 기상 예측 데이터를 획득하는 단계;를 더 포함하고,
상기 기상 예측 데이터를 반영한 대기 상태 시뮬레이션 결과가 더 제공되는
의사 결정 지원 정보 제공 방법. - 제1항에 있어서,
상기 미세먼지 저감 정책 리스트 중 제2 정책을 선택하는 입력 및 상기 제2 정책과 관련된 제2 저감 기술을 선택하는 입력이 더 수신되는 경우,
상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술을 기초로 한 대기 상태 시뮬레이션 결과를 비교하여 제공되는
의사 결정 지원 정보 제공 방법. - 제6항에 있어서,
상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 비교하여 제공되는
의사 결정 지원 정보 제공 방법. - 제6항에 있어서,
상기 제1 정책 및 상기 제1 저감기술, 상기 제2 정책 및 상기 제2 저감 기술에 의한 대기 오염 물질 별 감축 비용을 비교하여 제공되는
의사 결정 지원 정보 제공 방법. - 제6항 내지 제8항 중 어느 하나에 있어서,
상기 제1 정책 및 상기 제2 정책 중 어느 하나에 대한 추천 정보를 제공되는
의사 결정 지원 정보 제공 방법. - 미세먼지 저감 정책 결정을 위한 의사 결정 지원 시스템에 있어서,
하나 이상의 미세먼지 저감 정책 리스트 및 상기 미세먼지 저감 정책에 관련된 하나 이상의 저감 기술 리스트를 관리하는 정책 데이터 베이스;
연도 별 하나 이상의 연료 에너지에 대한 에너지 전망 결과를 저장하는 에너지 전망 모형 데이터 베이스;
하나 이상의 대기 오염 물질 및 미세 먼지 배출원에 대한 예상 미세 먼지 배출 정보를 저장하는 예상 미세 먼지 배출 정보 데이터 베이스; 및
사용자로부터 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 대기 상태 시뮬레이션 결과를 제공하는 의사 결정 지원 서버; 를 포함하되,
상기 의사 결정 지원 서버는,
상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 예상 미세먼지 배출량 증감을 포함하는 의사 결정 정보를 더 제공하는
의사 결정 지원 서비스 시스템. - 제10항에 있어서,
상기 의사 결정 정보는 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 미리 설정된 지역 단위 별 예상 건강 피해 모델링 결과를 더 포함하는
의사 결정 지원 서비스 시스템. - 제10항에 있어서,
상기 의사 결정 정보는 상기 선택된 적어도 하나의 미세먼지 저감 정책 및 저감 기술에 의한 대기 오염 물질 별 저감 비용 정보를 더 포함하는
의사 결정 지원 서비스 시스템. - 제10항에 있어서,
사용자로부터 제1 정책 및 제2 정책에 관한 대기 상태 시뮬레이션 요청이 수신된 경우에 있어서,
상기 의사 결정 정보는 상기 제1 정책 및 상기 제2 정책에 의한 대기 상태 시뮬레이션 결과 비교 정보를 더 포함하는
의사 결정 지원 서비스 시스템. - 제13항에 있어서,
상기 의사 결정 정보는 상기 제1 정책 및 상기 제2 정책 중 어느 하나에 대한 추천 정보를 더 포함하는
의사 결정 지원 서비스 시스템. - 제10항에 있어서,
상기 대기 상태 시뮬레이션 결과는,
상기 선택된 정책의 수행 시작 시점으로부터 미리 설정된 기간에 대한 기상 예측 데이터를 반영한 것인
의사 결정 지원 서비스 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200049605A KR102355115B1 (ko) | 2020-04-23 | 2020-04-23 | 미세먼지 저감 정책의 평가 및 관리 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200049605A KR102355115B1 (ko) | 2020-04-23 | 2020-04-23 | 미세먼지 저감 정책의 평가 및 관리 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210131161A true KR20210131161A (ko) | 2021-11-02 |
| KR102355115B1 KR102355115B1 (ko) | 2022-01-25 |
Family
ID=78476304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200049605A KR102355115B1 (ko) | 2020-04-23 | 2020-04-23 | 미세먼지 저감 정책의 평가 및 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102355115B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060002324A (ko) * | 2004-07-01 | 2006-01-09 | 박옥현 | 대기오염배출원 계획의 결정지원시스템 |
| KR101388448B1 (ko) * | 2013-09-13 | 2014-04-25 | 대한민국 | 기후변화에 따른 건강영향 평가 및 경제적비용 산출 시스템 및 그 방법 |
| KR101507397B1 (ko) * | 2012-08-20 | 2015-04-07 | 주식회사 나인에코 | 대기 모델링 서비스 제공 시스템 |
| KR20180060071A (ko) * | 2016-11-28 | 2018-06-07 | 그린에코스 주식회사 | 에너지전망 모형 및 통합인벤토리 db를 활용한 비용편익모형 인터페이스 시스템 |
-
2020
- 2020-04-23 KR KR1020200049605A patent/KR102355115B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060002324A (ko) * | 2004-07-01 | 2006-01-09 | 박옥현 | 대기오염배출원 계획의 결정지원시스템 |
| KR101507397B1 (ko) * | 2012-08-20 | 2015-04-07 | 주식회사 나인에코 | 대기 모델링 서비스 제공 시스템 |
| KR101388448B1 (ko) * | 2013-09-13 | 2014-04-25 | 대한민국 | 기후변화에 따른 건강영향 평가 및 경제적비용 산출 시스템 및 그 방법 |
| KR20180060071A (ko) * | 2016-11-28 | 2018-06-07 | 그린에코스 주식회사 | 에너지전망 모형 및 통합인벤토리 db를 활용한 비용편익모형 인터페이스 시스템 |
Non-Patent Citations (1)
| Title |
|---|
| 김봉균 외 3명, ‘미세먼지 저감을 위한 정책 선정 연구’, 한국전자거래학회지, 한국전자거래학회, 2020년 2월* * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102355115B1 (ko) | 2022-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kelly et al. | The impact of the congestion charging scheme on air quality in London. Part 1. Emissions modeling and analysis of air pollution measurements. | |
| Demir et al. | The bi-objective pollution-routing problem | |
| Breitner et al. | Short-term mortality rates during a decade of improved air quality in Erfurt, Germany | |
| Galvis et al. | Fuel-based fine particulate and black carbon emission factors from a railyard area in Atlanta | |
| Relvas et al. | An urban air quality modeling system to support decision-making: design and implementation | |
| AL-Dhurafi et al. | Modeling unhealthy air pollution index using a peaks-over-threshold method | |
| Okkaoğlu et al. | Daily PM10, periodicity and harmonic regression model: The case of London | |
| Broitman et al. | Forecasting health effects potentially associated with the relocation of a major air pollution source | |
| Choi et al. | Study on the contribution ratios of particulate matter emissions in differential provinces concerning condensable particulate matter | |
| Wen et al. | Urban–rural disparities in air quality responses to traffic changes in a megacity of China revealed using machine learning | |
| Verma et al. | A novel approach for forecasting PM2. 5 pollution in Delhi using CATALYST | |
| ApSimon et al. | Integrated assessment modelling of future air quality in the UK to 2050 and synergies with net-zero strategies | |
| KR102355115B1 (ko) | 미세먼지 저감 정책의 평가 및 관리 시스템 | |
| Rahi et al. | Smart platforms of air quality monitoring: A logical literature exploration | |
| Cohan et al. | Modeled and observed fine particulate matter reductions from state attainment demonstrations | |
| Van Roy et al. | International maritime regulation decreases sulfur dioxide but increases nitrogen oxide emissions in the North and Baltic Sea | |
| Cui et al. | Pathways analysis to reducing aircraft emissions for China-Foreign routes | |
| Rahman et al. | Spatiotemporal analysis and forecasting of air quality in the greater Dhaka region and assessment of a novel particulate matter filtration unit | |
| Fazal et al. | A Cross-sectoral investigation of the energy–environment–economy Causal Nexus in Pakistan: policy suggestions for improved energy management | |
| Zayed et al. | Big Data AI System for Air Quality Prediction | |
| Karnati | IoT-Based Air Quality Monitoring System with Machine Learning for Accurate and Real-time Data Analysis | |
| Godoy et al. | Spatial patterns and temporal variations of pollutants at 56 air quality monitoring stations in the state of São Paulo, Brazil | |
| Kim | Guidance for quantifying the contribution of airport emissions to local air quality | |
| Hester et al. | Air quality management | |
| Romero-Ávila et al. | Convergence of GHGs emissions in the long-run: aerosol precursors, reactive gases and aerosols—a nonlinear panel approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |