미세먼지 문제를 분석하고 해결하기 위한 첫 단계는 현상을 이해하고 진단하는 것이다. 미세먼지 자료는 시간과 공간을 포함하고 있으므로 시공간적 특성을 이해하는 것이 중요하다. 미세먼지의 시공간적 변화를 표현하고, 자료를 요약해 추세나 패턴을 발견하는데 시공간 시각화 기술이 효과적이다. 미세먼지 시공간 변화 표현을 위한 방법은 농도 분포도를 시간순으로 나열하거나 애니메이션을 사용하는 것이 일반적이다. 이 방법은 사람이 시간 단계를 탐색하며 변화를 ...
미세먼지 문제를 분석하고 해결하기 위한 첫 단계는 현상을 이해하고 진단하는 것이다. 미세먼지 자료는 시간과 공간을 포함하고 있으므로 시공간적 특성을 이해하는 것이 중요하다. 미세먼지의 시공간적 변화를 표현하고, 자료를 요약해 추세나 패턴을 발견하는데 시공간 시각화 기술이 효과적이다. 미세먼지 시공간 변화 표현을 위한 방법은 농도 분포도를 시간순으로 나열하거나 애니메이션을 사용하는 것이 일반적이다. 이 방법은 사람이 시간 단계를 탐색하며 변화를 파악해야 하므로 데이터에 존재하는 정보를 놓치거나 오해할 수 있다는 단점이 있다. 미세먼지는 정적인 주제도로 표현되지만 대기확산 오염물질로써 이동 및 흐름으로 표현될 필요가 있다. 미세먼지를 흐름으로 시각화하면 시공간적 변화를 동시에 나태낼 수 있어 기존 방법의 단점인 인지 및 지각의 한계를 보완할 수 있으며 계속해서 변화하는 미세먼지 특성을 현실적으로 표현할 수 있다. 이 연구에서는 미세먼지 시공간 변화 표현의 단점을 개선하고자 미세먼지를 흐름으로 시각화하였다. 기존 미세먼지 흐름 시각화 사례들은 농도 분포와 바람장을 중첩해 표현한다. 일반적으로 미세먼지 이동은 기압 및 바람과 관련이 있지만 도시 단위 이하 국지적 이동의 경우는 바람과 미세먼지 이동이 다를 수 있으므로 바람장을 사용하는 것이 적합하지 않을 수 있다. 따라서 중력모델을 이용한 흐름 추출 방법으로 미세먼지 자료로부터 직접 흐름 정보를 추출하여 시각화하였으며, 이 방법은 미세먼지 흐름 방향과 크기를 추정하기 위한 추가적인 정보가 필요하지 않다는 장점이 있다. 다음으로 미세먼지 시공간적인 변화를 흐름으로 시각화하였을 때 발견되는 패턴을 교통 측면에서 분석하였다. 선행 연구들과 차별성을 위해 도로 등급으로 구분하여 세밀한 분석을 하였으며, 교통량과 차량 통행속도 자료를 이용하였다. 미세먼지 흐름 패턴과 교통정보 관련성 분석 결과 출근 시간은 집중 패턴, 퇴근 시간은 확산 패턴이 특징적이었다. 출근 시간 미세먼지는 도로를 중심으로 집중 패턴이 나타났으며 교통량보다 통행속도와 관련성이 높았다. 미세먼지 집중 패턴의 공간적 위치는 일반국도와 유사하였으며 집중 패턴 발생 여부는 고속국도 통행속도 변화와 상관성이 높았다.
미세먼지 문제를 분석하고 해결하기 위한 첫 단계는 현상을 이해하고 진단하는 것이다. 미세먼지 자료는 시간과 공간을 포함하고 있으므로 시공간적 특성을 이해하는 것이 중요하다. 미세먼지의 시공간적 변화를 표현하고, 자료를 요약해 추세나 패턴을 발견하는데 시공간 시각화 기술이 효과적이다. 미세먼지 시공간 변화 표현을 위한 방법은 농도 분포도를 시간순으로 나열하거나 애니메이션을 사용하는 것이 일반적이다. 이 방법은 사람이 시간 단계를 탐색하며 변화를 파악해야 하므로 데이터에 존재하는 정보를 놓치거나 오해할 수 있다는 단점이 있다. 미세먼지는 정적인 주제도로 표현되지만 대기확산 오염물질로써 이동 및 흐름으로 표현될 필요가 있다. 미세먼지를 흐름으로 시각화하면 시공간적 변화를 동시에 나태낼 수 있어 기존 방법의 단점인 인지 및 지각의 한계를 보완할 수 있으며 계속해서 변화하는 미세먼지 특성을 현실적으로 표현할 수 있다. 이 연구에서는 미세먼지 시공간 변화 표현의 단점을 개선하고자 미세먼지를 흐름으로 시각화하였다. 기존 미세먼지 흐름 시각화 사례들은 농도 분포와 바람장을 중첩해 표현한다. 일반적으로 미세먼지 이동은 기압 및 바람과 관련이 있지만 도시 단위 이하 국지적 이동의 경우는 바람과 미세먼지 이동이 다를 수 있으므로 바람장을 사용하는 것이 적합하지 않을 수 있다. 따라서 중력모델을 이용한 흐름 추출 방법으로 미세먼지 자료로부터 직접 흐름 정보를 추출하여 시각화하였으며, 이 방법은 미세먼지 흐름 방향과 크기를 추정하기 위한 추가적인 정보가 필요하지 않다는 장점이 있다. 다음으로 미세먼지 시공간적인 변화를 흐름으로 시각화하였을 때 발견되는 패턴을 교통 측면에서 분석하였다. 선행 연구들과 차별성을 위해 도로 등급으로 구분하여 세밀한 분석을 하였으며, 교통량과 차량 통행속도 자료를 이용하였다. 미세먼지 흐름 패턴과 교통정보 관련성 분석 결과 출근 시간은 집중 패턴, 퇴근 시간은 확산 패턴이 특징적이었다. 출근 시간 미세먼지는 도로를 중심으로 집중 패턴이 나타났으며 교통량보다 통행속도와 관련성이 높았다. 미세먼지 집중 패턴의 공간적 위치는 일반국도와 유사하였으며 집중 패턴 발생 여부는 고속국도 통행속도 변화와 상관성이 높았다.
The first step to analyze and solve the PM10 problem is to understand and diagnose the phenomenon. It is important to understand spatio-temporal characteristics of PM10 data including both time and space. Spatio-temporal visualization techniques are effective in representing spatial and temporal cha...
The first step to analyze and solve the PM10 problem is to understand and diagnose the phenomenon. It is important to understand spatio-temporal characteristics of PM10 data including both time and space. Spatio-temporal visualization techniques are effective in representing spatial and temporal changes of PM10, summarizing data, identifying trends and patterns. A general method for representing the space-time changes of PM10 is arranging spatial distribution map or using animation technique. This method has the disadvantage that the information in the data could be lost or misunderstood when the person has to explore the time step and compare the changes. PM10 is represented as a static theme map and needs to be represented as atmospheric diffusion pollutant with a flow. Visualization of PM10 with a flow can be expressed as space and time changes at the same time, which can overcome limitations of recognition and perception which are disadvantages of forementioned methods. Considering this point, In this study, Visualizing PM10 was visualized as flow. Conventional cases of visualization of PM10 with a flow use superimposing concentration distribution map and wind field. In general, the flow of PM10 is related to air pressure and wind while the local flow in the case of urban might not be proper to use wind field due to the difference between wind and the flow of PM10. Therefore, flow information is extracted and visualized directly from the PM10 data by the flow extraction method using the gravity model. This method has an advantage that additional information for estimating the intensity and direction of PM10 flow is not necessary. The patterns are analyzed with traffic information. For the purpose of differentiating from the previous studies, detailed analysis was carried out by classifying into road grades, and the data of traffic volume and vehicle velocity were used. The results of the correlation analysis between the PM10 flow patterns and traffic information showed concentration patterns in morning rush hour and dispersion patterns in evening rush hour. In morning rush hour, concentration patterns are identified in the center of roads, and flow patterns are more related to traffic velocity than traffic volume. The spatial location showing concentration patterns is similar to the general national road, and the occurrence of concentration patterns are highly correlated with the changes in traffic velocity of urban expressways.
The first step to analyze and solve the PM10 problem is to understand and diagnose the phenomenon. It is important to understand spatio-temporal characteristics of PM10 data including both time and space. Spatio-temporal visualization techniques are effective in representing spatial and temporal changes of PM10, summarizing data, identifying trends and patterns. A general method for representing the space-time changes of PM10 is arranging spatial distribution map or using animation technique. This method has the disadvantage that the information in the data could be lost or misunderstood when the person has to explore the time step and compare the changes. PM10 is represented as a static theme map and needs to be represented as atmospheric diffusion pollutant with a flow. Visualization of PM10 with a flow can be expressed as space and time changes at the same time, which can overcome limitations of recognition and perception which are disadvantages of forementioned methods. Considering this point, In this study, Visualizing PM10 was visualized as flow. Conventional cases of visualization of PM10 with a flow use superimposing concentration distribution map and wind field. In general, the flow of PM10 is related to air pressure and wind while the local flow in the case of urban might not be proper to use wind field due to the difference between wind and the flow of PM10. Therefore, flow information is extracted and visualized directly from the PM10 data by the flow extraction method using the gravity model. This method has an advantage that additional information for estimating the intensity and direction of PM10 flow is not necessary. The patterns are analyzed with traffic information. For the purpose of differentiating from the previous studies, detailed analysis was carried out by classifying into road grades, and the data of traffic volume and vehicle velocity were used. The results of the correlation analysis between the PM10 flow patterns and traffic information showed concentration patterns in morning rush hour and dispersion patterns in evening rush hour. In morning rush hour, concentration patterns are identified in the center of roads, and flow patterns are more related to traffic velocity than traffic volume. The spatial location showing concentration patterns is similar to the general national road, and the occurrence of concentration patterns are highly correlated with the changes in traffic velocity of urban expressways.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.