오늘날 우리사회는 도시 발전과 산업 고도화로 인해 많은 환경오염에 직면하고 있으며, 특히 대기오염은 조기사망의 주 요인으로 밝혀지고 있다. 현대인은 생활 패러다임(paradigm) 변화로 실내에서의 활동시간이 전체의 80~90%를 차지하고 있어 안전한 실내공기질 관리가 요구되고 있다. 아울러, 주택에서 홀로 거주보다 다중이용시설 이용을 통한 사회활동 증가가 그 시설 수를 확대시키고 있고 특히, 어린이, 노인 등 건강 취약계층이 이용하는 다중이용시설의 안전한 실내환경 조성이 중요성을 더하고 있다. 따라서, 본 연구는 2019년 경기도 지역의 50개 취약계층 이용시설(어린이집, 노인요양시설, 공공의료원, 도서관)에 설치된 250개 ...
오늘날 우리사회는 도시 발전과 산업 고도화로 인해 많은 환경오염에 직면하고 있으며, 특히 대기오염은 조기사망의 주 요인으로 밝혀지고 있다. 현대인은 생활 패러다임(paradigm) 변화로 실내에서의 활동시간이 전체의 80~90%를 차지하고 있어 안전한 실내공기질 관리가 요구되고 있다. 아울러, 주택에서 홀로 거주보다 다중이용시설 이용을 통한 사회활동 증가가 그 시설 수를 확대시키고 있고 특히, 어린이, 노인 등 건강 취약계층이 이용하는 다중이용시설의 안전한 실내환경 조성이 중요성을 더하고 있다. 따라서, 본 연구는 2019년 경기도 지역의 50개 취약계층 이용시설(어린이집, 노인요양시설, 공공의료원, 도서관)에 설치된 250개 IoT 측정센서로 부터 10개월 간 수집된 시간 평균농도 빅데이터를 기초통계기법을 활용하여 다양하게 분석하고, 그 결과를 토대로 실내공기질 지수(IIAQ)를 적용하여 각 시설별로 등급화하는 한편, 방문조사 응답결과를 변수로 하여 의사결정나무분석(DTA)을 통해 PM2.5, PM10, CO2 특성과 주 영향요인을 도출하였다. 계절별 특성으로는, 겨울과 봄철의 대기 중 고농도 미세먼지가 실내에 영향을 주었으며, 여름철 냉방으로 인한 환기부족이 CO2 농도를 높이는 요인으로 파악되었다. 시간대별로는 심야 및 새벽시간대 실내 잔존하여 축적된 미세먼지와 시설 개방시간 유입된 외부 미세먼지가 영향을 주어 06~09시가 가장 높은 평균농도를 보였으며, CO2의 경우, 어린이집, 노인요양시설 및 공공의료원은 주 운영시간인 10~17시간, 도서관은 야간 운영시간대인 18~22시에 평균농도가 높은 것으로 나타났다. 방대한 측정데이터를 효과적으로 분석하기 위해 3개 오염물질(PM2.5, PM10, CO2) 농도가 주는 인체영향을 기준으로 IAQ 통합지수를 보완하고 변수별로 적용한 결과, 노인요양시설이 상대적으로 취약한 결과를 얻었다. 또한, 시설별 내․외기 PM2.5에 대한 회귀 분석결과, 실외 PM2.5가 1 ㎍/m³ 증가 시 실내 PM2.5는 0.39 ㎍/m³ 증가한다는 통계적으로 유의한 결과를 도출하였다. 의사결정나무 분석을 한 결과, 질문응답 중‘시설 주변 100 m 이내 택시 및 버스 정류장 유무’에 따른 실내의 PM2.5와 PM10 영향이 유의한 것으로 분석되었 으며, CO2는 새가구 구입여부, 실내 개보수 여부, 실내 조경식물 비치가 영향인자로 도출되었다. 대상시설과 인접한 도시대기측정소의 2019년10월부터 2020년6월까지 각 대상시설 실내․외 월 평균 PM2.5와 PM10 농도를 F/C ratio로 각각 구하고, I/O ratio로 산출한 결과, 노인요양시설이 실내 PM10에 대한 PM2.5 비율이 실외 비율에 95% 수준 유사한 것으로 나타났다. 따라서, 외기 PM2.5의 실내 유입 가능성이 큰 것으로 미루어 볼 수 있었다. 도시대기측정소에서 측정된 F/C ratio 대비 대상시설 실외 F/C ratio를 산출한 결과, 선행 연구된 경기도의 지역별 대기오염 취약등급과 유의하지 않았다. 따라서, PM2.5에 대한 건강 취약계층의 위해 정도는 지역의 배경농도보다는 수용체 중심 으로 고려되어야 한다는 결론을 얻었다. 본 조사 연구는 IoT 간이측정기를 이용하여 10개월의 장기간 수집된 수치적 자료(numerical data)와 설문조사를 통해 확보한 범주형 자료(categorical data)를 여러 가지 통계기법을 통해 분석하였으며 그 결과, 취약계층 이용시설에 대한 특성과 실내공기질 상관성을 도출할 수 있었다. 향후, 보다 많은 표본 수 확보와 다양한 변수를 개발하여 분석․고찰이 이루어 진다면 더욱 유의한 결과를 얻을 수 있으며, 효과적인 실내공기질 관리방안도 마련하는데 기여할 수 있다.
오늘날 우리사회는 도시 발전과 산업 고도화로 인해 많은 환경오염에 직면하고 있으며, 특히 대기오염은 조기사망의 주 요인으로 밝혀지고 있다. 현대인은 생활 패러다임(paradigm) 변화로 실내에서의 활동시간이 전체의 80~90%를 차지하고 있어 안전한 실내공기질 관리가 요구되고 있다. 아울러, 주택에서 홀로 거주보다 다중이용시설 이용을 통한 사회활동 증가가 그 시설 수를 확대시키고 있고 특히, 어린이, 노인 등 건강 취약계층이 이용하는 다중이용시설의 안전한 실내환경 조성이 중요성을 더하고 있다. 따라서, 본 연구는 2019년 경기도 지역의 50개 취약계층 이용시설(어린이집, 노인요양시설, 공공의료원, 도서관)에 설치된 250개 IoT 측정센서로 부터 10개월 간 수집된 시간 평균농도 빅데이터를 기초통계기법을 활용하여 다양하게 분석하고, 그 결과를 토대로 실내공기질 지수(IIAQ)를 적용하여 각 시설별로 등급화하는 한편, 방문조사 응답결과를 변수로 하여 의사결정나무분석(DTA)을 통해 PM2.5, PM10, CO2 특성과 주 영향요인을 도출하였다. 계절별 특성으로는, 겨울과 봄철의 대기 중 고농도 미세먼지가 실내에 영향을 주었으며, 여름철 냉방으로 인한 환기부족이 CO2 농도를 높이는 요인으로 파악되었다. 시간대별로는 심야 및 새벽시간대 실내 잔존하여 축적된 미세먼지와 시설 개방시간 유입된 외부 미세먼지가 영향을 주어 06~09시가 가장 높은 평균농도를 보였으며, CO2의 경우, 어린이집, 노인요양시설 및 공공의료원은 주 운영시간인 10~17시간, 도서관은 야간 운영시간대인 18~22시에 평균농도가 높은 것으로 나타났다. 방대한 측정데이터를 효과적으로 분석하기 위해 3개 오염물질(PM2.5, PM10, CO2) 농도가 주는 인체영향을 기준으로 IAQ 통합지수를 보완하고 변수별로 적용한 결과, 노인요양시설이 상대적으로 취약한 결과를 얻었다. 또한, 시설별 내․외기 PM2.5에 대한 회귀 분석결과, 실외 PM2.5가 1 ㎍/m³ 증가 시 실내 PM2.5는 0.39 ㎍/m³ 증가한다는 통계적으로 유의한 결과를 도출하였다. 의사결정나무 분석을 한 결과, 질문응답 중‘시설 주변 100 m 이내 택시 및 버스 정류장 유무’에 따른 실내의 PM2.5와 PM10 영향이 유의한 것으로 분석되었 으며, CO2는 새가구 구입여부, 실내 개보수 여부, 실내 조경식물 비치가 영향인자로 도출되었다. 대상시설과 인접한 도시대기측정소의 2019년10월부터 2020년6월까지 각 대상시설 실내․외 월 평균 PM2.5와 PM10 농도를 F/C ratio로 각각 구하고, I/O ratio로 산출한 결과, 노인요양시설이 실내 PM10에 대한 PM2.5 비율이 실외 비율에 95% 수준 유사한 것으로 나타났다. 따라서, 외기 PM2.5의 실내 유입 가능성이 큰 것으로 미루어 볼 수 있었다. 도시대기측정소에서 측정된 F/C ratio 대비 대상시설 실외 F/C ratio를 산출한 결과, 선행 연구된 경기도의 지역별 대기오염 취약등급과 유의하지 않았다. 따라서, PM2.5에 대한 건강 취약계층의 위해 정도는 지역의 배경농도보다는 수용체 중심 으로 고려되어야 한다는 결론을 얻었다. 본 조사 연구는 IoT 간이측정기를 이용하여 10개월의 장기간 수집된 수치적 자료(numerical data)와 설문조사를 통해 확보한 범주형 자료(categorical data)를 여러 가지 통계기법을 통해 분석하였으며 그 결과, 취약계층 이용시설에 대한 특성과 실내공기질 상관성을 도출할 수 있었다. 향후, 보다 많은 표본 수 확보와 다양한 변수를 개발하여 분석․고찰이 이루어 진다면 더욱 유의한 결과를 얻을 수 있으며, 효과적인 실내공기질 관리방안도 마련하는데 기여할 수 있다.
Various types of environmental pollutions are released by urban development and industry advancement. Many statistics have shown that air pollution is one of the main reasons for premature deaths globally. Proper management of indoor air quality is required as people currently spend about 80 to 90 p...
Various types of environmental pollutions are released by urban development and industry advancement. Many statistics have shown that air pollution is one of the main reasons for premature deaths globally. Proper management of indoor air quality is required as people currently spend about 80 to 90 percent of their time indoors. Further, as more people actively participate in social activities using multi-use facilities rather than staying in their houses, the number of such facilities is increasing. Thus, it is of increasing importance to create safe indoor environments for vulnerable groups including children and seniors. This study analyzed big data collected over 10 months by 250 IoT measuring sensors installed in 50 facilities used by vulnerable groups (daycare centers, senior care facilities, public medical centers, and libraries). While developing the integrated indoor air quality model based on the data, the study also used responses to a survey administered by visiting target facilities as a variable to derive main influence factors and indoor air quality (PM2.5, PM10, and CO2) characteristics through Decision Tree Analysis (DTA). For seasonal characteristics, high concentrations of fine dust in the atmosphere during winter and spring affect indoor air, and a lack of ventilation due to cooling in summer was a factor of increasing CO2 concentration. Based on a daily timeframe, 06 to 09 a.m. showed the highest average concentration due to accumulation of PM2.5 and PM10 in the late night and early morning hours, which moved indoors with opening of facilities. For CO2, daycare centers, senior care facilities, and public medical centers had the highest average concentration rate during working hours from 10 a.m. to 5 p.m., whereas libraries had the highest rate from 6 p.m. to 10 p.m. owing to operation at night. To effectively analyze the vast amount of measurement data, the IAQ integrated index was developed based on the concentrations of PM2.5, PM10, and CO2 and was applied to each variable, illustrating relatively poor outcomes of indoor air quality in senior care facilities. Further, regression analysis of indoor and outdoor PM2.5 by facility showed statistically significant differences, with indoor PM2.5 increasing by 0.39 μg/m³ and outdoor PM2.5 increasing by 1 μg/m³. Using DTA, indoor PM2.5 and PM10 effects of "the presence of taxi and bus stops within 100 meters of the facility" were significant. In addition, for the, purchase of new furniture, whether the interior was renovated or not, and placement of indoor landscaping plants affected indoor CO2 pollution level. The monthly average concentrations of PM2.5 and PM10 for target facilities from October 2019 to June 2020, were obtained using F/C ratio and calculated as I/O ratio at the urban air quality monitoring station adjacent to the target facility. The senior care facility showed PM2.5 vs. PM10 ratio and F/C ratio for indoor to be similar to the 95% outdoor F/C ratio. Therefore, PM2.5 of outdoor air shows high inflow to indoor locations. The outdoor F/C ratio of the target facility compared to that measured at the National Air Monitoring Station was significantly different based on the regional air pollution vulnerability grade of Gyeonggi-do. Thus, the degree of harm to populations vulnerable to PM2.5 should be considered receptor-oriented rather than based on regional background concentration. This study statistically analyzed categorical data collected using IoT sensors and surveys. The results showed correlation between environmental characteristics and indoor air quality of facilities used by vulnerable people. In the future, if analysis and review are conducted at a larger number of facilities and with additional variables, more significant results can be achieved, and more effective indoor air quality management measures can be provided.
Various types of environmental pollutions are released by urban development and industry advancement. Many statistics have shown that air pollution is one of the main reasons for premature deaths globally. Proper management of indoor air quality is required as people currently spend about 80 to 90 percent of their time indoors. Further, as more people actively participate in social activities using multi-use facilities rather than staying in their houses, the number of such facilities is increasing. Thus, it is of increasing importance to create safe indoor environments for vulnerable groups including children and seniors. This study analyzed big data collected over 10 months by 250 IoT measuring sensors installed in 50 facilities used by vulnerable groups (daycare centers, senior care facilities, public medical centers, and libraries). While developing the integrated indoor air quality model based on the data, the study also used responses to a survey administered by visiting target facilities as a variable to derive main influence factors and indoor air quality (PM2.5, PM10, and CO2) characteristics through Decision Tree Analysis (DTA). For seasonal characteristics, high concentrations of fine dust in the atmosphere during winter and spring affect indoor air, and a lack of ventilation due to cooling in summer was a factor of increasing CO2 concentration. Based on a daily timeframe, 06 to 09 a.m. showed the highest average concentration due to accumulation of PM2.5 and PM10 in the late night and early morning hours, which moved indoors with opening of facilities. For CO2, daycare centers, senior care facilities, and public medical centers had the highest average concentration rate during working hours from 10 a.m. to 5 p.m., whereas libraries had the highest rate from 6 p.m. to 10 p.m. owing to operation at night. To effectively analyze the vast amount of measurement data, the IAQ integrated index was developed based on the concentrations of PM2.5, PM10, and CO2 and was applied to each variable, illustrating relatively poor outcomes of indoor air quality in senior care facilities. Further, regression analysis of indoor and outdoor PM2.5 by facility showed statistically significant differences, with indoor PM2.5 increasing by 0.39 μg/m³ and outdoor PM2.5 increasing by 1 μg/m³. Using DTA, indoor PM2.5 and PM10 effects of "the presence of taxi and bus stops within 100 meters of the facility" were significant. In addition, for the, purchase of new furniture, whether the interior was renovated or not, and placement of indoor landscaping plants affected indoor CO2 pollution level. The monthly average concentrations of PM2.5 and PM10 for target facilities from October 2019 to June 2020, were obtained using F/C ratio and calculated as I/O ratio at the urban air quality monitoring station adjacent to the target facility. The senior care facility showed PM2.5 vs. PM10 ratio and F/C ratio for indoor to be similar to the 95% outdoor F/C ratio. Therefore, PM2.5 of outdoor air shows high inflow to indoor locations. The outdoor F/C ratio of the target facility compared to that measured at the National Air Monitoring Station was significantly different based on the regional air pollution vulnerability grade of Gyeonggi-do. Thus, the degree of harm to populations vulnerable to PM2.5 should be considered receptor-oriented rather than based on regional background concentration. This study statistically analyzed categorical data collected using IoT sensors and surveys. The results showed correlation between environmental characteristics and indoor air quality of facilities used by vulnerable people. In the future, if analysis and review are conducted at a larger number of facilities and with additional variables, more significant results can be achieved, and more effective indoor air quality management measures can be provided.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.