KR20210133070A - Fine dust measuring system, integrated management system and method for fine dust - Google Patents

Fine dust measuring system, integrated management system and method for fine dust Download PDF

Info

Publication number
KR20210133070A
KR20210133070A KR1020200051779A KR20200051779A KR20210133070A KR 20210133070 A KR20210133070 A KR 20210133070A KR 1020200051779 A KR1020200051779 A KR 1020200051779A KR 20200051779 A KR20200051779 A KR 20200051779A KR 20210133070 A KR20210133070 A KR 20210133070A
Authority
KR
South Korea
Prior art keywords
fine dust
amount
vehicle
road
sensing unit
Prior art date
Application number
KR1020200051779A
Other languages
Korean (ko)
Other versions
KR102360086B1 (en
Inventor
이현신
이재성
Original Assignee
(주)다빈치뷰
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)다빈치뷰 filed Critical (주)다빈치뷰
Priority to KR1020200051779A priority Critical patent/KR102360086B1/en
Priority to PCT/KR2021/004690 priority patent/WO2021221356A1/en
Publication of KR20210133070A publication Critical patent/KR20210133070A/en
Application granted granted Critical
Publication of KR102360086B1 publication Critical patent/KR102360086B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
    • 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
    • G01N15/06—Investigating concentration of particle suspensions
    • 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"
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
    • G01N2015/0096—Investigating consistence of powders, dustability, dustiness

Landscapes

  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

Disclosed is an integrated management system for fine road dust. The integrated management system for fine road dust according to one embodiment of the present invention includes: a fine dust measurement system installed in one or more areas to measure the concentration of road dust; and a fine dust prediction system receiving fine dust data from the fine dust measurement system and calculating a fine dust prediction amount for the area. The fine dust prediction system includes: a fine dust prediction part for calculating a prediction amount of fine dust for the area based on the fine dust data received from the fine dust measurement system and data on the number of vehicles traveling on a road in the area.

Description

미세먼지 측정 시스템, 미세먼지 통합관리 시스템 및 통합관리 방법{FINE DUST MEASURING SYSTEM, INTEGRATED MANAGEMENT SYSTEM AND METHOD FOR FINE DUST}Fine dust measurement system, fine dust integrated management system, and integrated management method

본 발명은 미세먼지 측정 시스템 및 이를 이용하는 미세먼지 통합관리 시스템 및 통합관리 방법으로서, 보다 구제적으로는, 복합 센싱 방식을 기반으로 하여 도로의 미세먼지를 저감할 수 있는 미세먼지 측정 시스템 및 이를 이용하는 통합관리 시스템 및 통합관리 방법에 관한 것이다.The present invention relates to a fine dust measurement system and a fine dust integrated management system and integrated management method using the same, and more specifically, a fine dust measurement system capable of reducing fine dust on a road based on a complex sensing method and using the same It relates to an integrated management system and an integrated management method.

차량의 이용량이 커지고 산업이 발전하면서, 미세먼지에 의한 환경오염이 증가하고 있다. 특히 도로 재비산 먼지는, 포장도로를 주행하는 차량에 의해 발생하는 것으로, 차량 배기가스 형태로 대기중에 배출되거나, 도로 표현에 산재한 먼지가 차량의 움직임에 의해 재비산하여 발생한다. 도로 재비산 먼지는 Al, K, Ca 등의 지각물질에 기인하는 자연적인 성분 외에도 차량의 배출가스와, 타이어 및 브레이크 마모 등에 의해 발생되는 Cd, Pb, Cr 등 인체에 유해한 성분을 포함한다. 이러한 재비산 먼지는 일반 먼지에 비하여 인체에 매우 해롭고, 입자가 미세하여 코 점막을 통해 걸러지지 않고 폐 혹은 뇌까지 직접 침투하여 천식과 폐암 등 호흡기 질환을 유발할 가능성이 매우 높다.As the usage of vehicles increases and the industry develops, environmental pollution caused by fine dust is increasing. In particular, road re-scattering dust is generated by a vehicle traveling on a paved road, and is discharged into the atmosphere in the form of vehicle exhaust gas or is generated by re-scattering dust scattered on the road surface by the movement of the vehicle. Road re-scattering dust contains components harmful to the human body such as Cd, Pb, and Cr generated by vehicle exhaust gas and tire and brake wear, in addition to natural components caused by crust materials such as Al, K, and Ca. This re-scattering dust is very harmful to the human body compared to general dust, and because the particles are fine, they are not filtered through the nasal mucosa and directly penetrate into the lungs or brain, which is highly likely to cause respiratory diseases such as asthma and lung cancer.

따라서, 도로 재비산 먼지의 발생원인과 발생량을 정확하게 측정하고 예측하는 것은 매우 중요하다. 하지만, 현재는 이동식 차량을 이용하여 일시적으로 특정 지역의 도로 재비산 먼지를 측정하고 있는 실정이다. 따라서, 넓은 지역 단위의 지역별 지속적인 실시간 자료 수집이 이루어지지 못하고 있다.Therefore, it is very important to accurately measure and predict the cause and amount of generation of road re-flying dust. However, the current situation is to measure the road re-scattering dust in a specific area temporarily using a mobile vehicle. Therefore, continuous real-time data collection by region in a wide region has not been achieved.

이에, 지역별로 도로 먼지를 실시간으로 정확하게 측정하고 예측할 수 있는 방안이 필요하다.Accordingly, there is a need for a method for accurately measuring and predicting road dust in real time by region.

KR 10-0582592 B1 (2006. 05. 16.)KR 10-0582592 B1 (2006. 05. 16.)

본 발명은 상술한 문제점을 해결하기 위한 것으로, 소정의 지역의 도로에 설치되어 실시간으로 미세먼지에 대한 데이터를 측정하고 수집하며, 이를 기초로 하여 미세먼지를 감소시킬 수 있는 미세먼지 측정 시스템을 제공하고자 한다.The present invention is to solve the above problems, and is installed on a road in a predetermined area to measure and collect data on fine dust in real time, and based on this, to provide a fine dust measurement system capable of reducing fine dust want to

또한, 복수의 지역의 미세먼지량의 예측값에 따라 도로를 청소할 차량의 운영을 효과적으로 지원할 수 있는 미세먼지 통합관리 시스템 및 통합관리 방법을 제공하고자 한다.In addition, an object of the present invention is to provide an integrated fine dust management system and an integrated management method that can effectively support the operation of a vehicle to clean roads according to the predicted values of the amount of fine dust in a plurality of regions.

본 발명의 해결 과제들은 이상에서 언급한 내용으로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved of the present invention are not limited to the above-mentioned content, and other technical problems not mentioned will be clearly understood by those skilled in the art from the following description.

본 발명의 일 실시예에 따른 미세먼지 측정 시스템은, 소정 지역의 도로 주변의 미세먼지량을 측정하는 미세먼지 센싱부; 상기 도로를 운행하는 차량을 인식하는 영상인식 센싱부; 및 상기 미세먼지 센싱부가 측정한 미세먼지량과, 상기 영상인식 센싱부가 인식한 상기 지역의 도로를 운행하는 차량 이동량 데이터에 기초하여, 상기 지역에 대한 미세먼지 예측량을 산출하는 미세먼지 예측부;를 포함할 수 있다.A fine dust measurement system according to an embodiment of the present invention includes: a fine dust sensing unit for measuring an amount of fine dust around a road in a predetermined area; an image recognition sensing unit for recognizing a vehicle traveling on the road; and a fine dust prediction unit that calculates a predicted fine dust amount for the area based on the amount of fine dust measured by the fine dust sensing unit and the data on the amount of vehicle traveling on the road in the area recognized by the image recognition sensing unit. can do.

또한, 상기 미세먼지 측정 시스템이 설치된 위치를 측정하는 위치측정 센싱부;를 더 포함할 수 있다. In addition, it may further include; a position measurement sensing unit for measuring a position where the fine dust measurement system is installed.

또한, 상기 미세먼지 예측부는, 상기 지역의 온도, 습도, 풍향, 풍속 중 하나 이상의 정보를 포함하는 기상정보를 외부서버로부터 제공받아, 상기 미세먼지 예측량과 상기 기상정보에 기초하여 미세먼지 확산모델을 산출할 수 있다.In addition, the fine dust prediction unit receives weather information including one or more information among temperature, humidity, wind direction, and wind speed of the region from an external server, and generates a fine dust diffusion model based on the forecast amount of fine dust and the weather information. can be calculated.

또한, 상기 미세먼지 예측부는, 상기 미세먼지 확산모델에 의해 산출된 미세먼지 예측량과 측정된 실제 미세먼지 측정값을 기초로 하여, 인공지능 학습을 수행하여 상기 미세먼지 확산모델을 업데이트할 수 있다. Also, the fine dust prediction unit may update the fine dust diffusion model by performing artificial intelligence learning based on the fine dust prediction amount calculated by the fine dust diffusion model and the measured actual fine dust measurement value.

또한, 상기 미세먼지 예측부는, 상기 영상인식 센싱부가 인식한 상기 차량의 무게를 예측하고, 예측된 상기 차량의 무게 및 상기 도로에서의 상기 차량의 이동량에 기초하여 상기 미세먼지 예측량을 산출할 수 있다.In addition, the fine dust prediction unit may predict the weight of the vehicle recognized by the image recognition sensing unit, and calculate the prediction amount of fine dust based on the predicted weight of the vehicle and the amount of movement of the vehicle on the road .

또한, 상기 영상인식 센싱부는 상기 차량의 모델을 인식하고, 상기 미세먼지 예측부는, 상기 차량의 모델에 대한 무게, 배기가스, 브레이크 및 타이어 마모에 의한 미세먼지 배출계수를 산출할 수 있다.In addition, the image recognition sensing unit may recognize the model of the vehicle, and the fine dust prediction unit may calculate a fine dust emission coefficient due to weight, exhaust gas, brake and tire wear for the model of the vehicle.

본 발명의 일 실시예에 따른 미세먼지 통합관리 시스템은, 복수의 지역에 설치되어 각각의 상기 지역에 대한 미세먼지 예측량을 산출하는 미세먼지 측정 시스템과, 상기 미세먼지 측정 시스템과 네트워크 연결되는 미세먼지 관제 시스템을 포함하는 미세먼지 통합관리 시스템으로서, 상기 미세먼지 측정 시스템은, 도로 주변의 미세먼지량을 측정하는 미세먼지 센싱부; 상기 도로를 운행하는 차량을 인식하는 영상인식 센싱부; 및 상기 미세먼지 센싱부가 측정한 미세먼지량과, 상기 영상인식 센싱부가 인식한 상기 지역의 도로를 운행하는 차량 이동량 데이터에 기초하여, 상기 지역에 대한 미세먼지 예측량을 산출하는 미세먼지 예측부;를 포함하고, 상기 미세먼지 관제 시스템은, 복수의 상기 지역의 실시간 미세먼지 정보와 상기 지역의 시간추이에 따른 상기 미세먼지 예측량을 출력하는 미세먼지 출력부;를 포함할 수 있다.The fine dust integrated management system according to an embodiment of the present invention includes a fine dust measurement system installed in a plurality of regions to calculate a predicted amount of fine dust for each region, and fine dust network-connected to the fine dust measurement system An integrated fine dust management system including a control system, the fine dust measurement system comprising: a fine dust sensing unit for measuring an amount of fine dust around a road; an image recognition sensing unit for recognizing a vehicle traveling on the road; and a fine dust prediction unit that calculates a predicted fine dust amount for the area based on the amount of fine dust measured by the fine dust sensing unit and the data on the amount of vehicle traveling on the road in the area recognized by the image recognition sensing unit. and, the fine dust control system may include a fine dust output unit configured to output real-time fine dust information of a plurality of regions and the predicted amount of fine dust according to time trend of the regions.

또한, 상기 미세먼지 관제 시스템은, 상기 미세먼지 예측량에 기초하여 사기 지역의 도로를 청소할 청소차량의 운영을 관리하는 청소차량 관리부;를 더 포함할 수 있다.Also, the fine dust control system may further include a cleaning vehicle management unit that manages the operation of a cleaning vehicle to clean a road in a fraudulent area based on the predicted amount of fine dust.

또한, 상기 청소차량 관리부는, 복수의 상기 지역에 대한 상기 미세먼지 예측량에 기초하여 상기 청소차량의 운행경로를 산출할 수 있다.Also, the cleaning vehicle management unit may calculate the driving route of the cleaning vehicle based on the predicted amount of fine dust for the plurality of areas.

또한, 상기 청소차량 관리부는, 인공지능 학습을 통하여 상기 청소차량의 운행경로를 업데이트 할 수 있다. In addition, the cleaning vehicle management unit may update the driving route of the cleaning vehicle through artificial intelligence learning.

또한, 상기 미세먼지 예측부는, 상기 지역의 온도, 습도, 풍향, 풍속 중 하나 이상의 정보를 포함하는 기상정보를 외부서버로부터 제공받아, 상기 미세먼지 예측량과 상기 기상정보에 기초하여, 미세먼지 확산모델을 산출할 수 있다.In addition, the fine dust prediction unit receives weather information including one or more information among temperature, humidity, wind direction, and wind speed of the area from an external server, and based on the predicted amount of fine dust and the weather information, a fine dust diffusion model can be calculated.

또한, 상기 미세먼지 예측부는, 상기 미세먼지 확산모델에 의해 산출된 미세먼지 예측량과 측정된 실제 미세먼지 측정값을 기초로 하여, 인공지능 학습을 수행하여 상기 미세먼지 확산모델을 업데이트할 수 있다.Also, the fine dust prediction unit may update the fine dust diffusion model by performing artificial intelligence learning based on the fine dust prediction amount calculated by the fine dust diffusion model and the measured actual fine dust measurement value.

본 발명의 일 실시예에 따른 미세먼지 통합관리 방법은, 미세먼지 센서를 이용하여 아나 이상의 지역의 도로에서의 미세먼지량을 측정하는 단계; 영상인식 센서를 이용하여 상기 도로를 운행하는 차량의 정보를 획득하는 단계; 위치센서를 이용하여 상기 도로의 위치를 측정하는 단계; 및 측정된 상기 미세먼지 데이터와 상기 차량의 정보를 이용하여, 상기 차량의 무게와 상기 차량의 이동량을 기초로 하여 상기 도로의 미세먼지 예측량을 산출하는 단계;를 포함할 수 있다.The method for integrated management of fine dust according to an embodiment of the present invention includes: measuring the amount of fine dust on a road in Ana or higher using a fine dust sensor; obtaining information about a vehicle traveling on the road using an image recognition sensor; measuring the position of the road using a position sensor; and calculating a predicted amount of fine dust on the road based on the weight of the vehicle and the amount of movement of the vehicle by using the measured fine dust data and the vehicle information.

또한, 상기 지역의 온도, 습도, 풍향, 풍속 중 하나 이상의 정보를 포함하는 기상정보 및 상기 미세먼지 분포에 기초하여 미세먼지 확산모델을 산출하는 단계;를 더 포함할 수 있다.The method may further include calculating a fine dust diffusion model based on weather information including at least one of temperature, humidity, wind direction, and wind speed of the area and the fine dust distribution.

또한, 상기 미세먼지 확산모델에 의해 산출된 미세먼지 예측량과 측정된 실제 미세먼지 측정값을 기초로 하여, 인공지능 학습을 수행하여 상기 미세먼지 확산모델을 업데이트할 수 있다.In addition, based on the predicted fine dust calculated by the fine dust diffusion model and the measured actual fine dust measurement value, artificial intelligence learning may be performed to update the fine dust diffusion model.

또한, 상기 미세먼지 예측량에 기초하여 상기 지역의 도로를 청소할 청소차량의 운행경로를 산출하는 단계;를 더 포함할 수 있다.The method may further include: calculating a driving route of a cleaning vehicle to clean a road in the area based on the predicted amount of fine dust.

또한, 인공지능 학습을 통하여 상기 청소차량의 운행경로를 업데이트 하는 단계;를 더 포함할 수 있다.In addition, the step of updating the driving route of the cleaning vehicle through artificial intelligence learning; may further include.

본 발명의 일 실시예에 따른 미세먼지 측정 시스템에 따르면, 미세먼지 측정값과 차량의 이동량을 기초로 하여 미세먼지 예측량을 산출할 수 있다.According to the fine dust measurement system according to an embodiment of the present invention, it is possible to calculate the fine dust prediction amount based on the fine dust measurement value and the moving amount of the vehicle.

또한, 영상인식 센서를 이용하여 도로를 이용하는 차량의 무게를 예측하고, 기상정보를 이용한 미세먼지 확산모델을 이용함으로써, 보다 정확하게 도로 재비산 먼지의 양을 예측할 수 있다.In addition, by predicting the weight of a vehicle using the road using an image recognition sensor and using a fine dust diffusion model using weather information, it is possible to more accurately predict the amount of re-scattering dust on the road.

본 발명의 일 실시예에 따른 미세먼지 통합관리 시스템 및 통합관리 방법에 따르면, 미세먼지의 예측량에 따라 도로를 청소할 차량을 효과적으로 운영함으로써, 복수의 영역에 대하여 미세먼지를 효과적으로 감소시킬 수 있다.According to the fine dust integrated management system and integrated management method according to an embodiment of the present invention, fine dust can be effectively reduced in a plurality of areas by effectively operating a vehicle to clean a road according to a predicted amount of fine dust.

본 발명의 효과들은 이상에서 언급한 내용으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.Effects of the present invention are not limited to the above, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.

도 1은 본 발명의 일 실시예에 따른 미세먼지 측정 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 미세먼지 통합관리 시스템의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 미세먼지 통합관리 방법의 순서도이다.
도 4는 본 발명의 다른 실시예에 따른 미세먼지 통합관리 방법의 순서도이다.1 is a block diagram of a system for measuring fine dust according to an embodiment of the present invention.
2 is a block diagram of an integrated fine dust management system according to an embodiment of the present invention.
3 is a flowchart of a method for integrated management of fine dust according to an embodiment of the present invention.
4 is a flowchart of a method for integrated management of fine dust according to another embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예가 상세하게 설명된다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고, 도면에서 본 발명의 실시예를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략되었다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art can easily carry out the present invention. However, the present invention may be embodied in many different forms and is not limited to the embodiments described herein. And, in order to clearly describe the embodiment of the present invention in the drawings, parts irrelevant to the description are omitted.

본 명세서에서 사용된 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도로 사용된 것이 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.The terms used herein are used only to describe specific embodiments, and are not intended to limit the present invention. The singular expression may include the plural expression unless the context clearly dictates otherwise.

본 명세서에서, "포함하다", "가지다" 또는 "구비하다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로서, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해될 수 있다.In the present specification, terms such as "comprise", "have" or "include" are intended to designate that the features, numbers, steps, operations, components, parts, or combinations thereof described in the specification exist, and one It may be understood that it does not preclude the possibility of the presence or addition of other features or numbers, steps, operations, components, parts, or combinations thereof, or other features or more.

또한, 본 발명의 실시예에 나타나는 구성부들은 서로 다른 특징적인 기능들을 나타내기 위해 독립적으로 도시되는 것으로, 각 구성부들이 분리된 하드웨어나 하나의 소프트웨어 구성단위로 이루어짐을 의미하지 않는다. 즉, 각 구성부는 설명의 편의상 각각의 구성부로 나열하여 기술되고, 각 구성부 중 적어도 두 개의 구성부가 합쳐져 하나의 구성부로 이루어지거나, 하나의 구성부가 복수 개의 구성부로 나뉘어져 기능을 수행할 수 있다. 이러한 각 구성부의 통합된 실시예 및 분리된 실시예도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리 범위에 포함된다.In addition, the components shown in the embodiment of the present invention are shown independently to represent different characteristic functions, and it does not mean that each component is made up of separate hardware or a single software component. That is, each component is listed as each component for convenience of description, and at least two components of each component are combined to form one component, or one component can be divided into a plurality of components to perform a function. Integrated embodiments and separate embodiments of each of these components are also included in the scope of the present invention without departing from the essence of the present invention.

또한, 이하의 실시예들은 당 업계에서 평균적인 지식을 가진 자에게 보다 명확하게 설명하기 위해서 제공되는 것으로서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.In addition, the following embodiments are provided to more clearly explain to those of ordinary skill in the art, and the shapes and sizes of elements in the drawings may be exaggerated for more clear description.

이하, 첨부된 도면을 참조하여, 본 발명에 따른 바람직한 실시예에 대하여 설명한다.Hereinafter, with reference to the accompanying drawings, a preferred embodiment according to the present invention will be described.

도 1은 본 발명의 일 실시예에 따른 미세먼지 측정 시스템의 블록도이다.1 is a block diagram of a system for measuring fine dust according to an embodiment of the present invention.

도 1을 참조하면 본 발명의 일 실시예에 따른 미세먼지 측정 시스템(100)은 복수의 지역에 설치되어 실시간으로 동시에 미세먼지에 대한 데이터를 측정하고 수집하기 위해 마련된 것이다. Referring to FIG. 1 , the fine dust measurement system 100 according to an embodiment of the present invention is installed in a plurality of regions to simultaneously measure and collect data on fine dust in real time.

미세먼지 측정 시스템(100)은 복수의 지역에 각각 마련될 수 있다. 일 실시예에서, 미세먼지 측정 시스템(100)은 차량이 많이 운행하는 지역의 버스 정거장 등에 설치될 수 있다. 미세먼지 측정 시스템(100)은 버스 정거장 주변의 도로 재비산 먼지(미세먼지)의 양을 실시간으로 측정하고, 측정된 미세먼지에 대한 정보를 IoT 통신을 통하여 미세먼지 관제 시스템(200; 도 2 참조)으로 송신할 수 있다.The fine dust measurement system 100 may be provided in a plurality of regions, respectively. In an embodiment, the fine dust measurement system 100 may be installed at a bus stop in an area where a lot of vehicles travel. The fine dust measurement system 100 measures the amount of road re-scattering dust (fine dust) around the bus stop in real time, and transmits information on the measured fine dust to the fine dust control system 200 (see FIG. 2 ) through IoT communication. ) can be sent.

미세먼지 측정 시스템(100)은, 상기 지역의 도로 주변의 미세먼지량을 측정하는 미세먼지 센싱부(110)와, 측정 지역의 주변 영상, 특히 상기 지역의 도로를 운행하는 차량을 인식할 수 있는 영상인식 센싱부(120)와, 미세먼지 측정 시스템(100)이 설치되는 지역의 위치를 측정하는 위치측정 센싱부(130)와, 상기 지역에 대한 미세먼지 예측량을 산출하는 미세먼지 예측부(140)를 포함할 수 있다.The fine dust measurement system 100 includes a fine dust sensing unit 110 that measures the amount of fine dust around a road in the area, and an image around the measurement area, particularly an image capable of recognizing a vehicle running on a road in the area. The recognition sensing unit 120, the position measurement sensing unit 130 for measuring the location of the area where the fine dust measurement system 100 is installed, and the fine dust prediction unit 140 for calculating the predicted amount of fine dust for the area may include.

미세먼지 센싱부(110)는 주변에 산포된 미세먼지의 양을 직접 측정하는 센서로서, 일례로 실시간으로 측정이 가능한 광학식 미세먼지 센서일 수 있으나 이에 한정되지는 않는다. 미세먼지 센싱부(110)에서 측정된 미세먼지 측정값은 미세먼지 예측부(140)로 전달된다. 미세먼지 예측부(140)에서 예측된 미세먼지 예측량은 통신부(미도시)를 통해서 미세먼지 관제 시스템(200)으로 송신될 수 있다. 상기 통신부는 IoT 통신을 통하여 미세먼지 관제 시스템(200)와 통신을 수행할 수 있다.The fine dust sensing unit 110 is a sensor that directly measures the amount of fine dust scattered around, for example, may be an optical fine dust sensor that can measure in real time, but is not limited thereto. The fine dust measurement value measured by the fine dust sensing unit 110 is transmitted to the fine dust prediction unit 140 . The fine dust prediction amount predicted by the fine dust prediction unit 140 may be transmitted to the fine dust control system 200 through a communication unit (not shown). The communication unit may communicate with the fine dust control system 200 through IoT communication.

영상인식 센싱부(120)는 미세먼지 측정 시스템(100)이 설치되는 주변 지역의 영상을 인식하고 분석할 수 있다. 영상인식 센싱부(120)는 영상 분석을 통하여 도로 상의 교통량을 측정할 수 있고, 상기 도로를 운행하는 차량을 인식하고 사양을 판별할 수 있다. 일 실시예에서, 영상인식 센싱부(120)는 인공지능을 통하여, 상기 차량의 사양을 인식하고, 차량에 대한 정보가 저장된 차량정보 데이터베이스로부터 상기 차량의 사양에 대한 구체적인 정보를 획득할 수 있다. 상기 차량정보 데이터베이스는 영상인식 센싱부(120)에 마련될 수도 있고, 외부서버로 마련되어 영상인식 센싱부(120)가 네트워크 통신을 통하여 연결될 수도 있다.The image recognition sensing unit 120 may recognize and analyze an image of a surrounding area in which the fine dust measurement system 100 is installed. The image recognition sensing unit 120 may measure the amount of traffic on the road through image analysis, recognize a vehicle running on the road, and determine the specifications. In an embodiment, the image recognition sensing unit 120 may recognize the specification of the vehicle through artificial intelligence, and obtain detailed information on the specification of the vehicle from a vehicle information database in which information about the vehicle is stored. The vehicle information database may be provided in the image recognition sensing unit 120 or may be provided as an external server and the image recognition sensing unit 120 may be connected through network communication.

위치측정 센싱부(130)는 미세먼지 측정 시스템(100)이 설치되는 위치를 파악하고, 미세먼지 예측부(140)에 상기 위치에 대한 정보를 전달할 수 있다. 일례로, 위치측정 센싱부(130)는 GPS 센서를 이용하여 위치를 측정할 수 있다. 또는, 영상인식 센싱부(120)가 파악한 영상 정보를 이용하여 상기 위치를 파악할 수도 있다. 또한, 사용자가 미리 위치정보를 입력하고, 위치측정 센싱부(130)가 상기 위치정보를 미세먼지 예측부(140)로 송신할 수도 있다.The position measurement sensing unit 130 may determine a location where the fine dust measurement system 100 is installed, and transmit information about the location to the fine dust prediction unit 140 . For example, the position measurement sensing unit 130 may measure a position using a GPS sensor. Alternatively, the location may be determined using the image information detected by the image recognition sensing unit 120 . In addition, the user may input location information in advance, and the location measurement sensing unit 130 may transmit the location information to the fine dust prediction unit 140 .

미세먼지 예측부(140)는 미세먼지 센싱부(110)로부터 수신한 미세먼지 데이터와, 영상인식 센싱부(120)가 인식한 상기 지역의 도로를 운행하는 차량의 이동량 데이터에 기초하여, 상기 지역에 대한 미세먼지 예측량을 산출할 수 있다.The fine dust prediction unit 140 is based on the fine dust data received from the fine dust sensing unit 110 and the movement amount data of a vehicle running on a road in the area recognized by the image recognition sensing unit 120, the area It is possible to calculate the predicted amount of fine dust for

이하 미세먼지량의 산출에 대해 설명하기로 한다.Hereinafter, the calculation of the amount of fine dust will be described.

포장도로에서의 비산먼지 배출량은 도로 표면 위의 실트 부하량(silt loading)과 도로를 주행하는 평균 차량 무게에 따라 변화할 수 있다. 상기 실트 부하량은 채취한 실 중에서 75μm 크기 이하의 먼지의 도로 단위면적당 무게를 의미한다. 한편, 차량운행으로 인한 포장 도로에서의 재비산 먼지 배출계수는 도로의 조건에 따라 달라질 수 있고, 미국 EPA AP-42에 따른 배출계수 산정식은 다음과 같다.Fugitive dust emissions from pavement can vary depending on the silt loading on the road surface and the average vehicle weight traveling on the road. The silt load means the weight per unit area of the road of dust of 75 μm or less in size among the collected threads. On the other hand, the emission coefficient of re-scattering dust on pavement due to vehicle operation may vary depending on road conditions, and the emission coefficient calculation formula according to US EPA AP-42 is as follows.

Figure pat00001
Figure pat00001

여기서, E(g/VKT: grams per vehicle kilometer traveled)는 포장도로 재비산 먼지의 배출계수, k는 입자보정계수, sL은 도로표면에 쌓여 있는 실트 부하량(g/m2), w는 도로를 통행하는 차량의 평균 무게(tons)를 의미한다. 또한, c(g/VKT)는 도로 재비산 먼지 배출계수 산정식을 개발할 당시인 1980년대 자동차 집단(fleet)의 배기가스, 브레이크 및 타이어 마모에 의한 먼지 배출계수로 PM10의 경우 0.1317 g/VKT를 적용한다.where E (g/VKT: grams per vehicle kilometer traveled) is the emission factor of re-flying dust on the pavement, k is the particle correction factor, sL is the amount of silt accumulated on the road surface (g/m2), and w is the road traveled It means the average weight (tons) of a vehicle. In addition, c(g/VKT) is the dust emission coefficient due to exhaust gas, brake and tire wear of a fleet of automobiles in the 1980s when the formula for calculating road re-fugitive dust emission coefficient was developed. In the case of PM10, 0.1317 g/VKT apply

한편, 상기 입자보정계수(k)의 테이블은 아래의 표 1과 같다.On the other hand, the table of the particle correction coefficient (k) is shown in Table 1 below.

크기 영역size area 입자보정계수(k)Particle correction factor (k) g/VKTg/VKT g/VMTg/VMT lb/VMTlb/VMT PM2.5PM2.5 1.11.1 1.81.8 0.00400.0040 PM10PM10 4.64.6 7.37.3 0.0160.016 PM15PM15 5.55.5 9.09.0 0.0200.020 PM30PM30 2424 3838 0.0820.082 g/VKT : grams per vehicle kilometer traveled
g/VMT : grams per vehicle mile traveledg/VKT: grams per vehicle kilometer traveled
g/VMT: grams per vehicle mile traveled

본 실시예에서, 차량의 평균 무게(w)는 영상인식 센싱부(120)를 통하여 파악된 차량의 정보를 이용할 수 있다. 여기서, 미세먼지 예측부(140)는 상기 차량의 모델에 대한 무게, 배기가스 정보, 브레이크 및 타이어 마모에 의한 미세먼지 배출계수를 산출할 수 있다.In the present embodiment, the average weight w of the vehicle may use vehicle information identified through the image recognition sensing unit 120 . Here, the fine dust prediction unit 140 may calculate the weight of the vehicle model, exhaust gas information, and a fine dust emission coefficient due to brake and tire wear.

한편, 본 실시예에서 미세먼지 예측부(140)는 기상정보를 제공하는 외부 서버인 기상정보 제공서버(20)와 네트워크로 연결될 수 있다. 따라서, 미세먼지 예측부(140)는 기상정보 제공서버(20)로부터, 미세먼지 측정 시스템(100)이 설치된 지역의 온도, 습도, 풍향 풍속 등의 정보를 포함하는 기상정보를 수신할 수 있다. 특정 지역의 미세먼지량의 측정값은 특정한 시점에서는 정확할 수 있지만, 해당 지역의 풍량과, 풍속, 온도, 습도 등에 따른 기상 변화에 따라 미세먼지는 다른 지역으로 이동할 수 있다. 또한, 다른 지역의 미세먼지가 해당 지역으로 이동될 수도 있다. 미세먼지 예측부(140)는 기상정보 제공 서버(20)로부터 수신한 다양한 기상정보 데이터를 이용하여, 상기 미세먼지의 확산모델을 산출할 수 있다.Meanwhile, in the present embodiment, the fine dust prediction unit 140 may be connected to the weather information providing server 20 which is an external server that provides meteorological information through a network. Accordingly, the fine dust prediction unit 140 may receive, from the weather information providing server 20 , meteorological information including information such as temperature, humidity, wind direction and speed of the area where the fine dust measurement system 100 is installed. Although the measurement value of the amount of fine dust in a specific area may be accurate at a specific point in time, fine dust may move to another area depending on the wind volume, wind speed, temperature, humidity, etc. Also, fine dust from other areas may be moved to the corresponding area. The fine dust prediction unit 140 may calculate the diffusion model of the fine dust by using various weather information data received from the weather information providing server 20 .

미세먼지 예측부(140)는 해당 지역에 대해 미세먼지량을 실시간으로 측정하면서, 상기 미세먼지 확산모델과 비교를 통하여, 상기 미세먼지 확산모델의 정확도를 향상시킬 수 있고, 인공지능 학습을 수행하여 상기 확산모델을 업데이트할 수도 있다.The fine dust prediction unit 140 can improve the accuracy of the fine dust diffusion model by comparing it with the fine dust diffusion model while measuring the amount of fine dust for a corresponding area in real time, and performing artificial intelligence learning. It is also possible to update the diffusion model.

도 2는 본 발명의 일 실시예에 따른 미세먼지 통합관리 시스템의 블록도이다.2 is a block diagram of an integrated fine dust management system according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 일 실시예에 따른 도로 미세먼지 통합관리 시스템(10)은 도 1에 도시된 미세먼지 측정 시스템(100)과 미세먼지 관제 시스템(200)을 포함할 수 있다. 미세먼지 측정 시스템(100)은 복수의 지역에 각각 설치되어, 해당 지역의 미세먼지의 양을 예측하도록 기초적인 데이터를 수집하기 위해 마련된 것이고, 미세먼지 관제 시스템(200)은 복수의 지역에 대한 미세먼지 측정량과 다양한 정보를 수신하여, 복수의 지역에 대한 미세먼지의 분포와 시간별 예측량을 모니터링하기 위한 관제 시스템일 수 있다. Referring to FIG. 2 , the integrated road fine dust management system 10 according to an embodiment of the present invention may include the fine dust measurement system 100 and the fine dust control system 200 shown in FIG. 1 . The fine dust measurement system 100 is installed in a plurality of regions, respectively, and is prepared to collect basic data to predict the amount of fine dust in the region, and the fine dust control system 200 is installed in a plurality of regions It may be a control system for receiving the dust measurement amount and various information, and monitoring the distribution of fine dust in a plurality of areas and the predicted amount by time.

미세먼지 관제 시스템(200)은 미세먼지 출력부(210)와 청소차량 관리부(220)를 포함할 수 있다.The fine dust control system 200 may include a fine dust output unit 210 and a cleaning vehicle management unit 220 .

미세먼지 출력부(210)은 미세먼지 측정 시스템(100)이 설치된 복수 지역의 실시간 미세먼지 정보와 시간추이에 따른 미세먼지 예측량을 출력하도록 마련된 것이다. 미세먼지 출력부(220)는 디스플레이 형태로서, 복수의 지역의 미세먼지 분포를 동시에 출력할 수도 있고, 사용자의 선택에 따라 특정 지역에서의 미세먼지에 대한 정보와 시간에 따른 미세먼지의 추이를 그래프로서 나타낼 수도 있다. 또한, 후술할 청소차량의 운행경로와 관련하여, 상기 청소차량의 현재위치와 지역별 미세먼지 분포에 따른 상기 청소차량의 운행 스케줄에 대한 시뮬레이션 결과를 나타낼 수도 있다.The fine dust output unit 210 is provided to output real-time fine dust information of a plurality of regions in which the fine dust measurement system 100 is installed and a predicted amount of fine dust according to time trend. The fine dust output unit 220 is in the form of a display, and may simultaneously output the distribution of fine dust in a plurality of regions, and graph information on fine dust in a specific region according to the user's selection and the trend of fine dust over time It can also be expressed as In addition, in relation to the operation route of the cleaning vehicle, which will be described later, a simulation result of the operation schedule of the cleaning vehicle according to the current location of the cleaning vehicle and the distribution of fine dust in each region may be displayed.

청소차량 관리부(220)는, 복수 지역의 미세먼지 측정 시스템(100)에서 산출한 미세먼지량의 분포에 기초하여 해당 지역의 도로를 청소하기 위한 살수차 등의 청소차량의 운영을 관리할 수 있다. 예컨대, 복수의 지역에 대해 각각의 지역에 청소차량이 준비가 되지 않고 그 대수가 많이 부족할 수 있다. 이 경우, 청소차량 관리부(220)는 복수의 상기 청소차량의 현재 위치를 파악하고, 각각의 상기 청소차량의 작업 스케줄을 고려하여, 상기 복수의 지역의 청소를 효과적으로 수행할 운행 스케줄을 산출할 수 있다. 여기서, 상기 운행 스케줄은 미세먼지의 농도가 높은 지역을 우선으로 할 수도 있고, 전체적인 청소시간을 최소화하는 것을 기준으로 할 수도 있다. 상기 청소차량은 미세먼지를 흡입하는 흡입수단과 도로에 물을 분사하는 살수수단을 구비할 수 있다.The cleaning vehicle management unit 220 may manage the operation of a cleaning vehicle such as a water sprayer for cleaning roads in a corresponding area based on the distribution of the fine dust amount calculated by the fine dust measurement system 100 in a plurality of areas. For example, for a plurality of areas, a cleaning vehicle may not be ready in each area and the number may be insufficient. In this case, the cleaning vehicle management unit 220 may determine the current location of the plurality of cleaning vehicles, and calculate a running schedule for effectively cleaning the plurality of areas by considering the work schedules of each of the cleaning vehicles. have. Here, the service schedule may give priority to an area having a high concentration of fine dust, or may be based on minimizing the overall cleaning time. The cleaning vehicle may include a suction means for sucking fine dust and a watering means for spraying water on the road.

한편, 청소차량 관리부(220)는 종래의 미세먼지의 분포와 상기 청소차량의 운행 패턴에 대하여 인공지능 학습을 수행할 수 있다. 따라서, 사용자가 별도의 지시를 내리지 않더라도 복수의 지역에 대한 미세먼지의 분포를 실시간으로 수집하고 이를 기초로 미리 최적화된 지역으로 이동할 수도 있다.Meanwhile, the cleaning vehicle management unit 220 may perform artificial intelligence learning on the distribution of conventional fine dust and the driving pattern of the cleaning vehicle. Therefore, even if the user does not give a separate instruction, it is possible to collect the distribution of fine dust in a plurality of areas in real time and move to a pre-optimized area based on this.

도 3은 본 발명의 일 실시예에 따른 미세먼지 통합관리 방법의 순서도이다. 3 is a flowchart of a method for integrated management of fine dust according to an embodiment of the present invention.

도 3을 참조하면, 본 발명의 일 실시예에 따른 미세먼지 통합관리 방법은, 복수의 지역에 설치된 미세먼지 측정 시스템(100)에 구비된 미세먼지 센서를 이용하여 해당 지역의 미세먼지량을 측정한다(S310). Referring to FIG. 3 , the integrated fine dust management method according to an embodiment of the present invention measures the amount of fine dust in a corresponding area using a fine dust sensor provided in the fine dust measurement system 100 installed in a plurality of areas. (S310).

다음으로, 영상인식 센서를 이용하여 상기 지역을 운행하는 차량을 식별하고, 상기 차량에 대한 정보가 저장된 차량정보 데이터베이스로부터 상기 차량에 대한 정보를 획득한다(S320). 상기 차량에 대한 정보는, 상기 차량의 모델, 상기 모델별 중량, 상기 차량의 배기가스 정보, 상기 차량의 브레이크 및 타이어 마모와 관련된 정보일 수 있다. Next, a vehicle driving in the area is identified using an image recognition sensor, and information about the vehicle is obtained from a vehicle information database in which information about the vehicle is stored ( S320 ). The information about the vehicle may be a model of the vehicle, a weight for each model, exhaust gas information of the vehicle, and information related to brake and tire wear of the vehicle.

단계(S330)에서, 각각의 미세먼지 측정 시스템(100)이 위치하는 곳의 도로 위치를 측정한다. 여기서, 상기 도로 위치는, 미세먼지 측정 시스템(100)에 마련된 GPS 센서를 통하여 측정할 수 있다.In step S330 , the road location where each fine dust measurement system 100 is located is measured. Here, the road position may be measured through a GPS sensor provided in the fine dust measurement system 100 .

단계(S340)에서, 미세먼지 예측 시스템(200)은 산출된 미세먼지량과 상기 차량에 대한 정보를 이용하여 각 지역별 미세먼지 예측량을 산출할 수 있다.In step S340 , the fine dust prediction system 200 may calculate the predicted fine dust amount for each region by using the calculated fine dust amount and information about the vehicle.

단계(S350)에서, 미세먼지 예측 시스템(200)은, 산출된 상기 미세먼지 예측량에 기초하여 각 지역에 위치하는 도로를 청소할 청소차량의 운행경로를 산출할 수 있다. 여기서, 상기 경로는 미세먼지량이 높은 지역을 최우선으로 설정할 수도 있고, 청소차량의 현재위치와 이동경로를 고려하여 최단 시간 내에 청소를 가능하게 할 수 있는 운행경로를 설정할 수도 있다.In step S350 , the fine dust prediction system 200 may calculate a driving route of a cleaning vehicle to clean roads located in each area based on the calculated fine dust prediction amount. Here, as the route, an area having a high amount of fine dust may be set as the top priority, or a driving route may be set to enable cleaning in the shortest time in consideration of the current location and movement route of the cleaning vehicle.

도 4는 본 발명의 다른 실시예에 따른 미세먼지 통합관리 방법의 순서도이다.4 is a flowchart of a method for integrated management of fine dust according to another embodiment of the present invention.

도 4를 참조하면, 본 발명의 다른 실시예에 따른 미세먼지 통합관리 방법은, 도 3에 도시된 미세먼지 통합관리 방법에서, 미세먼지 예측량 산출 단계와 청소차량의 운행경로 산출 단계가 보다 구체화된 것을 제외하고는 동일하다. 이하에서는, 이러한 차이점에 대해서만 상세히 설명하기로 한다.Referring to FIG. 4 , in the integrated fine dust management method according to another embodiment of the present invention, in the fine dust integrated management method shown in FIG. 3 , the fine dust prediction amount calculation step and the driving route calculation step of the cleaning vehicle are more detailed same except that Hereinafter, only these differences will be described in detail.

미세먼지 예측량 산출 단계(S442)는, 먼저 산출된 미세먼지량과 상기 차량에 대한 정보를 이용하여 실시간 미세먼지량 예측량을 산출한다.In the fine dust prediction amount calculation step ( S442 ), a real-time fine dust amount prediction amount is calculated by using the previously calculated amount of fine dust and information about the vehicle.

또한, 기상정보 서버로부터 해당 지역의 풍향, 풍속, 온도 및 습도 정보를 포함하는 기상정보를 획득하여, 향후에 미세먼지 분포가 어떻게 확산이 되는지에 대한 미세먼지 확산모델을 산출할 수 있다(S443). 또한, 상기 확산모델은, 해당지역의 기상정보와, 실제 미세먼지 분포, 그리고 현재의 상기 확산모델을 기초로 하여 인공지능 학습을 통하여 상기 확산모델을 통한 예측값이 실제값에 가까워지도록 업데이트될 수 있다(S444).In addition, it is possible to obtain meteorological information including wind direction, wind speed, temperature and humidity information of the corresponding area from the weather information server, and calculate a fine dust diffusion model for how the distribution of fine dust will spread in the future (S443) . In addition, the diffusion model may be updated so that the predicted value through the diffusion model approaches the actual value through artificial intelligence learning based on the weather information of the corresponding area, the actual fine dust distribution, and the current diffusion model. (S444).

단계(S450)에서, 미세먼지 예측 시스템(200)은, 산출된 상기 미세먼지 분포에 기초하여 각 지역에 위치하는 도로를 청소할 청소차량의 운행경로를 산출할 수 있다. 여기서, 상기 운행경로는, 각각의 지역의 미세먼지 분포에 기초한 복수의 상기 청소차량의 운행경로에 대한 과거 데이터를 분석하여 다양한 파라미터 관점에서 우수한 최적의 운행경로를 산출할 수 있다. 또한, 인공지능 학습을 통하여 복수의 상기 청소차량에 대한 최적의 운행경로를 산출하고 지속적으로 업데이트 할 수 있다(S452).In step S450 , the fine dust prediction system 200 may calculate a driving route of a cleaning vehicle to clean roads located in each area based on the calculated fine dust distribution. Here, the driving route may calculate an excellent optimal driving route from the viewpoint of various parameters by analyzing past data on the driving routes of the plurality of cleaning vehicles based on the distribution of fine dust in each area. In addition, it is possible to calculate and continuously update the optimal driving route for the plurality of cleaning vehicles through artificial intelligence learning (S452).

상술한 실시예들에서, 미세먼지 예측량이 미세먼지 측정 시스템에서 수행되는 것을 예를 들어 설명하였으나, 다른 실시예로서, 미세먼지 예측량은 미세먼지 관제 시스템에서 산출될 수 있다. 구체적으로 상기 미세먼지 측정 시스템은, 상기 측정 시스템 내의 컴퓨팅 파워를 이용하여 영상인식을 수행하여 도로 재비산 먼지의 양을 직접 산출하되, 이에 대한 결과값을 상기 미세먼지 예측 시스템으로 송신할 수 있다. 상기 미세먼지 관제 시스템은 수집된 복수의 영역에 대한 미세먼지 예측량을 기초로 미세먼지 분포를 산출하고, 기상정보를 활용하여 미세먼지 확산모델을 통합적으로 산출할 수 있으며, 상기 지역에 대한 청소차량의 운행을 관리하는 관제역할을 수행할 수도 있다.In the above-described embodiments, it has been described that the fine dust prediction amount is performed by the fine dust measurement system as an example, but as another embodiment, the fine dust prediction amount may be calculated by the fine dust control system. Specifically, the fine dust measurement system may directly calculate the amount of road re-scattering dust by performing image recognition using computing power in the measurement system, and transmit the result value to the fine dust prediction system. The fine dust control system can calculate the fine dust distribution based on the collected fine dust prediction amount for a plurality of areas, and use the weather information to integrally calculate the fine dust diffusion model, It can also perform a control role to manage the operation.

본 명세서에 기재된 다양한 실시예들은 하드웨어, 미들웨어, 마이크로코드, 소프트웨어 및/또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하나 이상의 주문형 반도체(ASIC)들, 디지털 신호 프로세서(DSP)들, 디지털 신호 프로세싱 디바이스(DSPD)들, 프로그램어블 논리 디바이스(PLD)들, 필드 프로그램어블 게이트 어레이(FPGA)들, 프로세서들, 컨트롤러들, 마이크로컨트롤러들, 마이크로프로세서들, 여기서 제시되는 기능들을 수행하도록 설계되는 다른 전자 유닛들 또는 이들의 조합 내에서 구현될 수 있다.The various embodiments described herein may be implemented by hardware, middleware, microcode, software, and/or combinations thereof. For example, various embodiments may include one or more application specific semiconductors (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), field programmable gate arrays (FPGAs). ), processors, controllers, microcontrollers, microprocessors, other electronic units designed to perform the functions presented herein, or a combination thereof.

이러한 하드웨어 등은 본 명세서에 기술된 다양한 동작들 및 기능들을 지원하도록 동일한 디바이스 내에서 또는 개별 디바이스들 내에서 구현될 수 있다. 추가적으로, 본 발명에서 "~부"로 기재된 구성요소들, 유닛들, 모듈들, 컴포넌트들 등은 함께 또는 개별적이지만 상호 운용가능한 로직 디바이스들로서 개별적으로 구현될 수 있다. 모듈들, 유닛들 등에 대한 서로 다른 특징들의 묘사는 서로 다른 기능적 실시예들을 강조하기 위해 의도된 것이며, 이들이 개별 하드웨어 컴포넌트들에 의해 실현되어야만 함을 필수적으로 의미하지 않는다. 오히려, 하나 이상의 모듈들 또는 유닛들과 관련된 기능은 개별 하드웨어 컴포넌트들에 의해 수행되거나 또는 공통의 또는 개별의 하드웨어 컴포넌트들 내에 통합될 수 있다.Such hardware and the like may be implemented within the same device or within separate devices to support the various operations and functions described herein. Additionally, components, units, modules, components, etc. described as “parts” in the present invention may be implemented together or individually as separate but interoperable logic devices. Depictions of different features of modules, units, etc. are intended to emphasize different functional embodiments, and do not necessarily imply that they must be realized by separate hardware components. Rather, functionality associated with one or more modules or units may be performed by separate hardware components or integrated within common or separate hardware components.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.Although the present invention has been described with reference to the embodiment shown in the drawings, which is merely exemplary, those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Accordingly, the true technical protection scope of the present invention should be defined by the technical spirit of the appended claims.

10: 도로 미세먼지 통합관리 시스템 20: 기상정보 제공서버
100: 미세먼지 측정 시스템 110: 미세먼지 센싱부
120: 영상인식 센싱부 130: 위치측정 센싱부
140: 미세먼지 예측부 200: 미세먼지 예측 시스템
210: 미세먼지 출력부 220: 청소차량 관리부 10: Road fine dust integrated management system 20: Weather information providing server
100: fine dust measurement system 110: fine dust sensing unit
120: image recognition sensing unit 130: position measurement sensing unit
140: fine dust prediction unit 200: fine dust prediction system
210: fine dust output unit 220: cleaning vehicle management unit

Claims (17)

소정 지역의 도로 주변의 미세먼지량을 측정하는 미세먼지 센싱부;
상기 도로를 운행하는 차량을 인식하는 영상인식 센싱부; 및
상기 미세먼지 센싱부가 측정한 미세먼지량과, 상기 영상인식 센싱부가 인식한 상기 지역의 도로를 운행하는 차량 이동량 데이터에 기초하여, 상기 지역에 대한 미세먼지 예측량을 산출하는 미세먼지 예측부;를 포함하는 것인 미세먼지 측정 시스템.
a fine dust sensing unit that measures the amount of fine dust around a road in a predetermined area;
an image recognition sensing unit for recognizing a vehicle traveling on the road; and
A fine dust prediction unit that calculates a predicted fine dust amount for the area based on the fine dust amount measured by the fine dust sensing unit and data on the amount of vehicle traveling on the road in the area recognized by the image recognition sensing unit; fine dust measurement system.
 제1항에 있어서,
상기 미세먼지 측정 시스템이 설치된 위치를 측정하는 위치측정 센싱부;를 더 포함하는 것인 미세먼지 측정 시스템.
According to claim 1,
The fine dust measuring system further comprising a; a position measuring sensing unit for measuring a position where the fine dust measuring system is installed.
 제1항에 있어서,
상기 미세먼지 예측부는,
상기 지역의 온도, 습도, 풍향, 풍속 중 하나 이상의 정보를 포함하는 기상정보를 외부서버로부터 제공받아, 상기 미세먼지 예측량과 상기 기상정보에 기초하여 미세먼지 확산모델을 산출하는 것인 미세먼지 측정 시스템.
According to claim 1,
The fine dust prediction unit,
Fine dust measurement system that receives weather information including one or more information of temperature, humidity, wind direction, and wind speed of the area from an external server, and calculates a fine dust diffusion model based on the forecast amount of fine dust and the weather information .
 제3항에 있어서,
상기 미세먼지 예측부는,
상기 미세먼지 확산모델에 의해 산출된 미세먼지 예측량과 측정된 실제 미세먼지 측정값을 기초로 하여, 인공지능 학습을 수행하여 상기 미세먼지 확산모델을 업데이트하는 것인 미세먼지 측정 시스템.
4. The method of claim 3,
The fine dust prediction unit,
The fine dust measurement system that updates the fine dust diffusion model by performing artificial intelligence learning based on the fine dust prediction amount calculated by the fine dust diffusion model and the measured actual fine dust measurement value.
 제1항에 있어서,
상기 미세먼지 예측부는,
상기 영상인식 센싱부가 인식한 상기 차량의 무게를 예측하고, 예측된 상기 차량의 무게 및 상기 도로에서의 상기 차량의 이동량에 기초하여 상기 미세먼지 예측량을 산출하는 것인 미세먼지 측정 시스템.
According to claim 1,
The fine dust prediction unit,
Predicting the weight of the vehicle recognized by the image recognition sensing unit, and calculating the predicted amount of fine dust based on the predicted weight of the vehicle and the amount of movement of the vehicle on the road.
 제5항에 있어서,
상기 영상인식 센싱부는 상기 차량의 모델을 인식하고,
상기 미세먼지 예측부는, 상기 차량의 모델에 대한 무게, 배기가스, 브레이크 및 타이어 마모에 의한 미세먼지 배출계수를 산출하는 것인 미세먼지 측정 시스템.
6. The method of claim 5,
The image recognition sensing unit recognizes the model of the vehicle,
The fine dust prediction unit is a fine dust measurement system that calculates a fine dust emission coefficient due to weight, exhaust gas, brake and tire wear for the model of the vehicle.
 복수의 지역에 설치되어 각각의 상기 지역에 대한 미세먼지 예측량을 산출하는 미세먼지 측정 시스템과, 상기 미세먼지 측정 시스템과 네트워크 연결되는 미세먼지 관제 시스템을 포함하는 미세먼지 통합관리 시스템으로서,
상기 미세먼지 측정 시스템은,
도로 주변의 미세먼지량을 측정하는 미세먼지 센싱부;
상기 도로를 운행하는 차량을 인식하는 영상인식 센싱부; 및
상기 미세먼지 센싱부가 측정한 미세먼지량과, 상기 영상인식 센싱부가 인식한 상기 지역의 도로를 운행하는 차량 이동량 데이터에 기초하여, 상기 지역에 대한 미세먼지 예측량을 산출하는 미세먼지 예측부;를 포함하고,
상기 미세먼지 관제 시스템은,
복수의 상기 지역의 실시간 미세먼지 정보와 상기 지역의 시간추이에 따른 상기 미세먼지 예측량을 출력하는 미세먼지 출력부;를 포함하는 것인 미세먼지 통합관리 시스템.
An integrated fine dust management system comprising: a fine dust measurement system installed in a plurality of regions to calculate a forecast amount of fine dust for each region; and a fine dust control system connected to the fine dust measurement system in a network,
The fine dust measurement system,
A fine dust sensing unit that measures the amount of fine dust around the road;
an image recognition sensing unit for recognizing a vehicle traveling on the road; and
A fine dust prediction unit for calculating a predicted amount of fine dust for the area based on the amount of fine dust measured by the fine dust sensing unit and data on the amount of vehicle traveling on the road in the area recognized by the image recognition sensing unit; and ,
The fine dust control system,
The fine dust integrated management system comprising a; a fine dust output unit for outputting a plurality of real-time fine dust information of the region and the fine dust prediction amount according to the time trend of the region.
 제7항에 있어서,
상기 미세먼지 관제 시스템은,
상기 미세먼지 예측량에 기초하여 사기 지역의 도로를 청소할 청소차량의 운영을 관리하는 청소차량 관리부;를 더 포함하는 것인 미세먼지 통합관리 시스템.
8. The method of claim 7,
The fine dust control system,
The integrated management system for fine dust further comprising a; a cleaning vehicle management unit that manages the operation of a cleaning vehicle to clean the road in the fraudulent area based on the predicted amount of fine dust.
 제8항에 있어서,
상기 청소차량 관리부는, 복수의 상기 지역에 대한 상기 미세먼지 예측량에 기초하여 상기 청소차량의 운행경로를 산출하는 것인 미세먼지 통합관리 시스템.
9. The method of claim 8,
The cleaning vehicle management unit, fine dust integrated management system for calculating the driving route of the cleaning vehicle based on the predicted amount of fine dust for the plurality of regions.
 제9항에 있어서,
상기 청소차량 관리부는, 인공지능 학습을 통하여 상기 청소차량의 운행경로를 업데이트 하는 것인 미세먼지 통합관리 시스템.
10. The method of claim 9,
The cleaning vehicle management unit, fine dust integrated management system that updates the driving route of the cleaning vehicle through artificial intelligence learning.
 제7항에 있어서,
상기 미세먼지 예측부는,
상기 지역의 온도, 습도, 풍향, 풍속 중 하나 이상의 정보를 포함하는 기상정보를 외부서버로부터 제공받아, 상기 미세먼지 예측량과 상기 기상정보에 기초하여, 미세먼지 확산모델을 산출하는 것인 미세먼지 통합관리 시스템.
8. The method of claim 7,
The fine dust prediction unit,
Fine dust integration that receives weather information including one or more information among temperature, humidity, wind direction, and wind speed of the area from an external server, and calculates a fine dust diffusion model based on the forecast amount of fine dust and the weather information management system.
 제11항에 있어서,
상기 미세먼지 예측부는,
상기 미세먼지 확산모델에 의해 산출된 미세먼지 예측량과 측정된 실제 미세먼지 측정값을 기초로 하여, 인공지능 학습을 수행하여 상기 미세먼지 확산모델을 업데이트하는 것인 미세먼지 통합관리 시스템.
12. The method of claim 11,
The fine dust prediction unit,
The fine dust integrated management system for updating the fine dust diffusion model by performing artificial intelligence learning based on the fine dust prediction amount calculated by the fine dust diffusion model and the measured actual fine dust measurement value.
 미세먼지 센서를 이용하여 아나 이상의 지역의 도로에서의 미세먼지량을 측정하는 단계;
영상인식 센서를 이용하여 상기 도로를 운행하는 차량의 정보를 획득하는 단계;
위치센서를 이용하여 상기 도로의 위치를 측정하는 단계; 및
측정된 상기 미세먼지 데이터와 상기 차량의 정보를 이용하여, 상기 차량의 무게와 상기 차량의 이동량을 기초로 하여 상기 도로의 미세먼지 예측량을 산출하는 단계;를 포함하는 것인 미세먼지 통합관리 방법.Measuring the amount of fine dust on the road in Ana or higher using a fine dust sensor;
obtaining information about a vehicle traveling on the road using an image recognition sensor;
measuring the position of the road using a position sensor; and
Using the measured fine dust data and information on the vehicle, calculating the predicted amount of fine dust on the road based on the weight of the vehicle and the amount of movement of the vehicle; 제13항에 있어서,
상기 지역의 온도, 습도, 풍향, 풍속 중 하나 이상의 정보를 포함하는 기상정보 및 상기 미세먼지 분포에 기초하여 미세먼지 확산모델을 산출하는 단계;를 더 포함하는 것인 미세먼지 통합관리 방법.
14. The method of claim 13,
Calculating a fine dust diffusion model based on weather information including at least one information of temperature, humidity, wind direction, and wind speed of the region and the fine dust distribution; fine dust integrated management method further comprising a.
 제14항에 있어서,
상기 미세먼지 확산모델에 의해 산출된 미세먼지 예측량과 측정된 실제 미세먼지 측정값을 기초로 하여, 인공지능 학습을 수행하여 상기 미세먼지 확산모델을 업데이트하는 것인 미세먼지 통합관리 방법.
15. The method of claim 14,
The fine dust integrated management method of updating the fine dust diffusion model by performing artificial intelligence learning on the basis of the fine dust prediction amount calculated by the fine dust diffusion model and the measured actual fine dust measurement value.
 제13에 있어서,
상기 미세먼지 예측량에 기초하여 상기 지역의 도로를 청소할 청소차량의 운행경로를 산출하는 단계;를 더 포함하는 것인 미세먼지 통합관리 방법.
14. The method of claim 13,
Calculating a driving route of a cleaning vehicle to clean a road in the area based on the predicted fine dust amount; fine dust integrated management method further comprising a.
 제16에 있어서,
인공지능 학습을 통하여 상기 청소차량의 운행경로를 업데이트 하는 단계;를 더 포함하는 것인 미세먼지 통합관리 방법.17. The method of claim 16,
The integrated management method of fine dust further comprising; updating the driving route of the cleaning vehicle through artificial intelligence learning.
KR1020200051779A 2020-04-28 2020-04-28 Fine dust measuring system, integrated management system and method for fine dust KR102360086B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200051779A KR102360086B1 (en) 2020-04-28 2020-04-28 Fine dust measuring system, integrated management system and method for fine dust
PCT/KR2021/004690 WO2021221356A1 (en) 2020-04-28 2021-04-14 Fine dust measurement system, integrated fine dust management system, and integrated management method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200051779A KR102360086B1 (en) 2020-04-28 2020-04-28 Fine dust measuring system, integrated management system and method for fine dust

Publications (2)

Publication Number Publication Date
KR20210133070A true KR20210133070A (en) 2021-11-05
KR102360086B1 KR102360086B1 (en) 2022-02-08

Family

ID=78373662

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200051779A KR102360086B1 (en) 2020-04-28 2020-04-28 Fine dust measuring system, integrated management system and method for fine dust

Country Status (2)

Country Link
KR (1) KR102360086B1 (en)
WO (1) WO2021221356A1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116340768A (en) * 2023-02-28 2023-06-27 江苏省环境工程技术有限公司 Intelligent road dust accumulation load monitoring method and monitoring device

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114832547A (en) * 2022-04-25 2022-08-02 中建三局集团有限公司 Intelligent mobile spraying dust-settling method and device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100582592B1 (en) 2003-12-24 2006-05-26 대한민국(환경부 국립환경과학원장) Methodology and Sampling Apparatus to Measure the Dust Emission from Paved Road Using Moving Vehicle
KR20110080208A (en) * 2010-01-05 2011-07-13 건국대학교 산학협력단 System for inventorying emission using camera real time of road transfer atmospheric and method therefor
KR101771366B1 (en) * 2016-09-06 2017-08-24 김동화 Traffic information terminal for measuring air pollutant
KR101948236B1 (en) * 2018-05-18 2019-02-14 케이웨더(주) System for providing fine dust information according to town area

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101967711B1 (en) * 2018-08-24 2019-08-19 이상수 Design system of city planning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100582592B1 (en) 2003-12-24 2006-05-26 대한민국(환경부 국립환경과학원장) Methodology and Sampling Apparatus to Measure the Dust Emission from Paved Road Using Moving Vehicle
KR20110080208A (en) * 2010-01-05 2011-07-13 건국대학교 산학협력단 System for inventorying emission using camera real time of road transfer atmospheric and method therefor
KR101771366B1 (en) * 2016-09-06 2017-08-24 김동화 Traffic information terminal for measuring air pollutant
KR101948236B1 (en) * 2018-05-18 2019-02-14 케이웨더(주) System for providing fine dust information according to town area

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Korea Environment Corporation, Road Re-flying Dust Management Work Manual, 2015.12. *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116340768A (en) * 2023-02-28 2023-06-27 江苏省环境工程技术有限公司 Intelligent road dust accumulation load monitoring method and monitoring device
CN116340768B (en) * 2023-02-28 2023-10-20 江苏省环境工程技术有限公司 Intelligent road dust accumulation load monitoring method and monitoring device

Also Published As

Publication number Publication date
KR102360086B1 (en) 2022-02-08
WO2021221356A1 (en) 2021-11-04

Similar Documents

Publication Publication Date Title
US10317226B2 (en) System and method for pollution mapping from variations data
US11324847B2 (en) Automatic source-seeking indoor pollution purifying and removing device and method
KR102360086B1 (en) Fine dust measuring system, integrated management system and method for fine dust
US20170091350A1 (en) Near real-time modeling of pollution dispersion
Berghmans et al. Exposure assessment of a cyclist to PM10 and ultrafine particles
CN206756770U (en) Air quality monitoring system
US8914226B2 (en) Traffic information creating device, traffic information creating method and program
KR20180041828A (en) An apparatus and method for constructing microscopic dust information by measuring, compensating and predicting the concentration density of microscopic dust
Cook et al. Resolving local-scale emissions for modeling air quality near roadways
CN108648451B (en) Traffic data processing equipment and traffic situation management system
CN111739308B (en) Vehicle-road cooperation-oriented road abnormal movement online monitoring system and method
CN105091898B (en) Lorry traffic path generation method, device and system based on time and cost
Chakraborty et al. Using GIS to assess the environmental justice consequences of transportation system changes
CN114429315B (en) Smart city dust pollution management method and Internet of things system
CN107085944A (en) A kind of traffic data processing system and method
CN105547310B (en) A kind of path planning apparatus and method based on the trip of PM2.5 health
JP2018537691A (en) Apparatus and method for capturing and recording particulate and / or NOx gas density in air
KR20200047103A (en) Integrated Environment Monitoring Apparatus And the method thereof using Integrated Environment Monitoring Module
CN214894715U (en) Vehicle-mounted urban road dust load rapid navigation monitoring system
CN106855491A (en) A kind of emission from vehicles detection judgement system based on intelligent lamp net
CN106205125A (en) A kind of ambulance arrival time real-time estimate system and method
CN107886188A (en) Liquefied natural gas public transport exhaust emissions Forecasting Methodology
TWM569844U (en) System, application platform and sampling device for monitoring wide-area environment quality
KR20210012714A (en) Particulate matter monitoring system and capturing device of air using vehicle
KR20200128226A (en) Fine dust concentration prediction system

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant