선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구의 궁극적인 목적은 지하철 5호선에서 8호선까지 지하철 승무원석에서 PM10, PM2.5, 이산화탄소 그리고 일산화탄소 농도를 실시간으로 모니터링하고 농도에 대한 변화특성과 항목 간의 상관을 분석하였다. 구체적인 목적은 첫째, 지하철 특성별(지하철의 운행 위치(지하와 지상), 운행시간대, 호선, 환승특성)로 PM10, PM2.
제안 방법
- 2m)에 측정 기구를 설치하였다. PM10과 PM2.5모니터링은 채취유량 1.2/분으로 보정된 Portable Aerosol Spectrometer(Model 1108, Grimm, Germany, PAS)로 6초 간격으로 실시간 동안 모니터링하였다. 총 모니터링된 횟수는 20.
- 5, 이산화탄소 그리고 일산화탄소 농도를 실시간으로 모니터링하고 농도에 대한 변화특성과 항목 간의 상관을 분석하였다. 구체적인 목적은 첫째, 지하철 특성별(지하철의 운행 위치(지하와 지상), 운행시간대, 호선, 환승특성)로 PM10, PM2.5, 이산화탄소 그리고 일산화탄소 농도의 특성을 분석하였다. 둘째, 지하철특성이 PM10, PM2.
- 5, 이산화탄소 그리고 일산화탄소 농도의 특성을 분석하였다. 둘째, 지하철특성이 PM10, PM2.5, 이산화탄소 그리고 일산화탄소 농도에 유의한 영향을 미치는지 분석하였다. 셋째, PM10, PM2.
- 모니터링은 07:00부터 시작하여 19:30 혹은 21:00까지 왕복으로 실시하였다. 모니터링 시간 동안 호선별 그리고 지하철역별로 지하철이 운행된 특성(지하, 지상, 시간대, 환승특성 등)을 코딩하였다.
- 조사하였다. 모니터링은 07:00부터 시작하여 19:30 혹은 21:00까지 왕복으로 실시하였다. 모니터링 시간 동안 호선별 그리고 지하철역별로 지하철이 운행된 특성(지하, 지상, 시간대, 환승특성 등)을 코딩하였다.
- 5, 이산화탄소 그리고 일산화탄소 농도에 유의한 영향을 미치는지 분석하였다. 셋째, PM10, PM2.5, 이산화탄소, 일산화탄소농도 간의 상관관계를 분석하여 오염원의 근원을 추정하였다.
- 설명력(R2)을 볼 때 특별히 지하철 특성이 CO농도에는 더욱 큰 영향을 미치는 것으로 나타났다. 지하철 특성별(호선, 위치, 운행 시간대, 환승특성)로 농도의 특성을 분석하였다.
- 측정한 역의 환승특성(환승이 없는 경우, 환승 2개역, 환승 3개역)에 따라 PM10과 PM2.5의 농도를 비교하였다. 환승특성에 따라 승무원실의 PM10과 PM2.
- 395 회였다(Table 1). 한편 PAS 측정한 PM10과 PM2.5의 모니터링 결과에 대한 신뢰성을 검정하기 위하여 필터(PM10 : PM2.5)를 장착한 개인시료채취기 (Model 200 Personal Environmental Monitor, MSP, USA)를 PAS 와 동일한 위치에서 PM10과 PM2.5를 측정하여 그 결과를 비교하였다. 지하운행 구간에서 필터법과 PAS결과를 비교한 결과 평균 2배 이상으로 나타나 PAS의 모니터링 결과에 “2”를 보정하였다.
- PAS지침서는 지하에서 측정할 경우 먼지의 밀도와 특성에 따라 "2”를 보정하도록 권고하여 이를 검정하는 조사를 실시한 것이다. 한편 동일한 시간, 같은 위치에서 이산화탄소 농도는 Indoor Air Quality Meters(Model 8760, TSI, US)를 이용하여 5초 간격으로 모니터링하였다. 총 모니터링 횟수는 20,366회였다.
대상 데이터
- 서울 지하철 5호선, 6호선, 7호선, 8호선의 승무원 석을 조사대상으로 2005년 5월 17일부터 20일까지 4일동안 조사하였다. 모니터링은 07:00부터 시작하여 19:30 혹은 21:00까지 왕복으로 실시하였다.
데이터처리
- 지하철 호선 별 변수의 차이는 Sheffes의 다중 회귀분석 (multiple comparison)을 활용하여 평균차이를 검정하였다. 2개 이상 요인들(지하와 지상, 지하철 호선, 환승특성, 시간대)이 PM10과 PM2.5, CO, CO2 농도에 미치는 영향은 일변량 분산분석(univariate ANOVA)으로 평가하였다.
- SPSS Version 12.0을 이용하여 모니터링 자료를 모두 분석하였다. 지하철 특성 중에서 지하와 지상 그리고 오전과 오후 등 2개 그룹 간 변수(PM10, PM2.
- 0을 이용하여 모니터링 자료를 모두 분석하였다. 지하철 특성 중에서 지하와 지상 그리고 오전과 오후 등 2개 그룹 간 변수(PM10, PM2.5, CO, CO2 등)들의 농도 차이는 독립표본의 t-Test로 검정하였다. 지하철 호선 별 변수의 차이는 Sheffes의 다중 회귀분석 (multiple comparison)을 활용하여 평균차이를 검정하였다.
- 5, CO, CO2 등)들의 농도 차이는 독립표본의 t-Test로 검정하였다. 지하철 호선 별 변수의 차이는 Sheffes의 다중 회귀분석 (multiple comparison)을 활용하여 평균차이를 검정하였다. 2개 이상 요인들(지하와 지상, 지하철 호선, 환승특성, 시간대)이 PM10과 PM2.
성능/효과
- 3333px;">2 농도는 항상 1,000 ppm이상으로 나타나 환기상태는 불량한 것으로 추정할 수 있다. 특히, 지하철 7호선은 "1"항에서 언급했던 PM농도와 마찬가지로 CO2 농도도 다른 지하철 호선에 비해 유의하게 높은 것으로 나타났다.
- 5) 평균 PN&s농도는 지하철 7호선의 지하 구간에서만 미국 환경부(US Environmental Protection Agency, EPA)의 대기 하루 평균 환경기준(65μg/m3)을 초과하였다. 다중회귀분석 결과, 호선별로 PM10과 PM2.
- 아침 출근 시간대인 07:00에서 09:00까지 가장 높은 농도를 나타냈고 오후에는 오전보다 농도가 낮아졌다가 저녁퇴근 시간대인 18:00부터 다시 높아지기 시작하는 것으로 조사되었다. 7호선이 다른 지하철에 비해 PMIO, PM2.5, CO2, CO의 농도가 유의하게 높았다. PMl0, PM2.
- PM10, PM2.5, CO2, CO간의 상관(correlation)을 분석한 결과, 변수 서로 간에 모두 유의한 상관을 나타냈다 (p<0.01). 가장 밀접한 상관을 보인 변수는 PM10과 PM2.
- 5, CO2, CO의 농도가 유의하게 높았다. PMl0, PM2.5, CO2, CO간의 상관(correlation)을 분석한 결과, 변수 서로 간에 모두 유의한 상관을 나타냈다(p<0.01). 가장 밀접한 상관을 보인 변수는 PM10과 PM2.
- t-Test에 의한 결과, 모든 지하철 호선의 지하에서 지상보다 PM10과 PM2.5의 농도가 유의하게 높은 것으로 나타났다(p=0.000). 특히, 7호선과 8호선은 지하의 PM10과 PM2.
- 초과하였다. 다중회귀분석 결과, CO2농도는 7호선이 가장 높고 8호선, 6호선, 5호선 순이었다(p<0.05). 특별히 7호선과 8호선 승무원실의 CO 5) 평균 PN&s농도는 지하철 7호선의 지하 구간에서만 미국 환경부(US Environmental Protection Agency, EPA)의 대기 하루 평균 환경기준(65μg/m3)을 초과하였다. 다중회귀분석 결과, 호선별로 PM10과 PM2.5 농도는 서로 유의한 차이가 있는 것으로 나타났다 (p<0.05). 지하철 7호선(2000년 8월 완전개통)이 가장 높았고 8호선(1996년 11월 부분개통, 1999년 7월 완전개통)은 가장 낮은 농도를 나타냈다.
- 그러나 강제 환기가 원활하지 않거나 설계의 결함 등으로 신선한 공기가 외부로부터 주기적으로 공급되지 않으면 지하에서 PM 등 오염물질의 농도는 높아질 수 있다. 본 연구에서 지하 구간을 운행할 때 모니터링한 승무원실 PM농도는 우려할 수준은 아니지만 지하철 6, 7호선의 평균 PM2.5농도는 미국환경부의 대기 기준을 초과하였다.
- 본 연구에서 측정된 CO의 평균농도(3.6 ppm)는 Chan 등(2002b)이 14:00-16:30와 저녁퇴근시간대(17:00 -19:30)에 중국 Guangzhou의 공기조화장치가 설치된 지하철 객차에서 측정한 평균 CO농도(3.1 ppm, 범위: 1.7-4.5 ppm)7) 보다 높았다.
- 다음으로 높은 농도를 나타낸 시간대는 08:01에서 08:30 그리고 11:01부터 11:30 였다. 이후 14:31에서 15:00시간대를 제외한 오후 시간대는 특별히 유의하게 높은 PM농도가 관찰되지 않았다.
- 5 농도결과는 Table 2와 같다. 일변량 분석 (univariate ANOVA)결과, 지하철 특성(호선: 5, 6, 7, 8호선, 위치: 지상과 지하), 운행시간대: 오전과 오후, 환승특성: 환승역 수)이 PM10과 PM2.5 농도에 모두 유의하게 영향을 미치는 것으로 분석되었다(PM10: R2=0.487, p=0.000; PM2.5: R2=0.756, p=0.000). 설명력(R2)을 보면 지하철 특성이 PM10보다 PM2.
- 일변량 분석 (univariate ANOVA)결과, 지하철 특성(호선: 5, 6, 7, 8호선, 위치: 지상과 지하), 운행시간대: 오전과 오후, 환승특성: 환승역 수)이 PM은 물론 CO2와 CO농도에 모두 유의하게 영향을 미치는 것으로 나타났다(p=0.000). 시간대별 PM10, PM2.
- 일변량분석 (univariate ANOVA)결과, 지하철 특성(호선: 5, 6, 7, 8호선, 위치: 지상과 지하), 운행시간대: 오전과 오후, 환승특성: 환승역 수)이 CO2와 CO농도에 모두 유의하게 영향을 미치는 것으로 나타났다(CO2 R2=0.245, p=0.000; CO: R2=0.649, p=0.000). 설명력(R2)을 볼 때 특별히 지하철 특성이 CO농도에는 더욱 큰 영향을 미치는 것으로 나타났다.
- 5를 측정하여 그 결과를 비교하였다. 지하운행 구간에서 필터법과 PAS결과를 비교한 결과 평균 2배 이상으로 나타나 PAS의 모니터링 결과에 “2”를 보정하였다. PAS지침서는 지하에서 측정할 경우 먼지의 밀도와 특성에 따라 "2”를 보정하도록 권고하여 이를 검정하는 조사를 실시한 것이다.
후속연구
- 지하철 1, 2, 4, 5호선의 객차에서는 급기와 배기가 거의 이루어지지 않아2) 오염된 PM 등 오염물질은 쉽게 낮아지지 않는다. 본 연구대상 지하철(5, 6, 7, 8호선)과 운행기간이 보다 더 오래된 1, 2, 3, 4호선에 대한 객차, 승무원석 등의 실내환경을 비교할 필요가 있다.
- 이것은 8호선이 다른 지하철 호선에 비해 운행구간(운행 시간)이 짧아 종착역에서 청소와 환기의 기회가 다른 지하철에 비해 자주 이루어졌기 때문으로 판단된다. 향후 호선별로 PM농도의 차이를 초래하는 원인에 대한 조사를 통해서 가장 영향을 크게 미치는 요인별 관리가 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.