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
- 또한, 도로주변의 토지이용이나 신호교차로의 신호대기와 같은 특성을 고려한 연구는 있었으나, 도로특성과 교통 특성이 대기오염배출에 미치는 영향에 대한 연구는 거의 없는 실정이다. 따라서 본 연구는 도로의 형태, 네트워크의 특성, 교통량과 속도, 그리고 대기오염배출량에 영향을 미치는 기상관련 인자를 함께 고려하여 도로환경이 대기오염배출에 미치는 영향을 설명하고자 한다.
- 위에서 살펴본 바와 같이 도로로 인한 대기오염 배출 예측관련 연구는 매우 미흡한 편이다. 본 연구는 대기오염 배출량 산정 연구방법 중 실시간 교통량을 이용하는 방법과 유사하지만, 기존의 대기오염 배출계수를 사용하지 않고 축적된 실시간 대기오염 데이터와 실시간 교통량 자료를 이용하여 새로운 모델을 개발하고자 한다. 또한, 도로주변의 토지이용이나 신호교차로의 신호대기와 같은 특성을 고려한 연구는 있었으나, 도로특성과 교통 특성이 대기오염배출에 미치는 영향에 대한 연구는 거의 없는 실정이다.
- 본 연구는 실시간 교통량과 속도 및 기타 기상 조건의 자료를 바탕으로, 도로환경요인이 대기오염 물질 배출에 미치는 영향을 분석하였다. 수집한 자료를 바탕으로 대기오염 모형 정립을 위해 각 항목별 대기오염물질에 영향을 미치는 인자를 크게 3가지로 구분하였다.
- 본 연구에서는 기존의 자동차 엔진의 종류, 자동차의 크기와 같은 자동차 배출계수 예측모형과는 달리 교통량, 속도 및 기타 기상 조건과 같은 실제로 도로의 환경 요인이 대기오염의 발생 및 확산에 미치는 영향을 설명하기 위하여 도로기하구조와 같은 도로특성인자를 반영하고, 교통량, 대기오염배출량 등의 실시간 실측자료를 활용하여 대기오염 물질 배출에 도로환경요인이 미치는 영향을 분석하고자 한다. 이를 위해 본 연구에서는 기존의 자동차 대기오염 물질 배출량 산출에 관한 방법을 검토한 후, 실시간 시간별 교통량, 속도 및 각 대기오염물질의 농도 및 기하구조와 같은 도로특성 등을 반영한 대기오염 예측 모형식을 구축하고자 한다.
- 도로에서 교통량으로 인해서 발생하는 대기오염물질을 예측하는 모형으로 가장 대표적인 연구는 Eernes 등(1993)의 연구이다. 이 연구에서는 도로에서 발생하는 도로오염물질을 예측하는 CAR Model(Calculation of Air Pollution from Road Traffic)을 개발하였다. Car Model에서는 도로의 폭, 주변 토지이용, 도로의 네트워크, 도시의 규모 등을 고려해서 도로로 인해서 발생하는 대기오염물질별 예측모형을 개발하였다.
- Car Model에서는 도로의 폭, 주변 토지이용, 도로의 네트워크, 도시의 규모 등을 고려해서 도로로 인해서 발생하는 대기오염물질별 예측모형을 개발하였다. 특히 이 모형에서는 도로의 제한속도와 도로의 주행속도 등이 대기오염물질 발생 및 확산에 미치는 영향도 예측하였다. 그러나 이모형은 도시계획적인 측면에서 도로주변의 토지이용, 즉 주변토지이용을 단순하게 분류하고 원단위를 사용하여 대기오염물질을 예측한 것으로 실제 복잡한 도로형태의 특성 및 네트워크의 특성, 그리고 교통량과 속도 등 교통특성 등을 반영하지 못하고 있다.
제안 방법
- 각 대기오염 물질별 대기오염예측 모형을 추정하였다. 모형별 모형 설명력(R2)은 전반적으로 최초 모형과 비슷한 0.
- 대기오염배출을 예측하는 모형의 설명변수는 교통특성인자변수와 도로특성인자변수, 그리고 기상특성인자변수로 구성하였다. 각 대기오염물질별 배출량을 예측하기 위하여 설명변수로는 교통특성인자는 교통량, 속도와 도로특성인자는 차로수, 영향권, 교차로형태, 기상특성인자는 풍속, 온도, 습도 변수로 구성하였다. 도로특성인자 중 교차로의 형태를 직선, 3지, 4지, 5지 교차로 항목으로 구분하여 더미변수형태로 적용하였다.
- 습도는 오염물질과 습기와의 흡착량의 차이에 의해 대기오염 측정망에서 측정된 관측값에 영향을 미치기 때문이다. 교차로의 형태에 따라 대기오염 물질의 측정값이 달라질 것으로 예상되어 교차로의 형태를 더미변수로 추가하였다.
- 수집한 자료를 바탕으로 대기오염 모형 정립을 위해 각 항목별 대기오염물질에 영향을 미치는 인자를 크게 3가지로 구분하였다. 교통특성 인자는 교통량, 속도, 도로특성인자는 차로수, 영향권, 교차로 형태, 기상특성인자는 풍속, 온도, 습도를 고려하였다. 모형 추정에 앞서 다중상관분석을 통하여 다중공 선성 문제 여부를 살펴보았다.
- 구축된 모형을 기준으로 종로 측정소의 5일간 교통량, 속도, 풍속, 온도, 습도 등의 측정 데이터와 영향권 설정 및 교차로 구분을 통해 NO2의 모형에 대입하여 얻은 예측치 자료와 실제 측정으로 얻은 실측자료를 비교해보면 와 같다.
- 대기오염배출량 예측을 위해서 종속변수와 설명변수의 관계, 설명변수간 관계 등을 알아보기 위하여 교통량, 속도, 차로수, 풍속, 온도, 습도 등의 독립변수와 각 오염물질인 종속변수간의 상관 분석을 실시하였다.
- 대기오염배출을 예측하는 모형의 설명변수는 교통특성인자변수와 도로특성인자변수, 그리고 기상특성인자변수로 구성하였다. 각 대기오염물질별 배출량을 예측하기 위하여 설명변수로는 교통특성인자는 교통량, 속도와 도로특성인자는 차로수, 영향권, 교차로형태, 기상특성인자는 풍속, 온도, 습도 변수로 구성하였다.
- 조강래(1993)는 차종별 일일주행거리를 이용하여 배출량을 산정하였다. 대상년도의 차종별 오염물질별 배출량을 산출하고 규제년도별, 주행거리별 보유 구성비를 이용하여 차종별 배출계수를 산출하였다. 또한 전체 자동차의 배출계수를 산정하고 자동차 보유대수 및 일일주행거리를 곱하여 전체 자동차의 오염물질 배출량을 산정하였다.
- 각 대기오염물질별 배출량을 예측하기 위하여 설명변수로는 교통특성인자는 교통량, 속도와 도로특성인자는 차로수, 영향권, 교차로형태, 기상특성인자는 풍속, 온도, 습도 변수로 구성하였다. 도로특성인자 중 교차로의 형태를 직선, 3지, 4지, 5지 교차로 항목으로 구분하여 더미변수형태로 적용하였다.
- 도로환경요인이 대기오염 물질배출에 미치는 영향을 예측하기 위하여 대기오염항목별로 오염배출량을 예측하는 회귀모형을 추정하였다. 모형 추정결과 속도와 영향권에 대한 계수값의 부호가 전반적으로 유의하지 못하였다.
- 이는 차로수와 영향권간에 강한 상관관계가 있기때문인 것으로 해석할 수 있다. 따라서 독립변수로 사용하였던 도로특성인자 중 차로수를 제외하고 모형을 재추정하였다. 최종 추정한 모형식은 식(1)과 같다.
- 따라서 본 연구에서는 O3와 PM10의 모형은 제외하고 도로 이동오염원에 의한 대기오염 물질 중 CO와 NOx가 전체의 86%를 차지하는 점을 감안하여 CO의 모형과 NO2의 모형과 SO2 의 예측모형을 추정하였고 그 결과는 표 3과 같다.
- 대상년도의 차종별 오염물질별 배출량을 산출하고 규제년도별, 주행거리별 보유 구성비를 이용하여 차종별 배출계수를 산출하였다. 또한 전체 자동차의 배출계수를 산정하고 자동차 보유대수 및 일일주행거리를 곱하여 전체 자동차의 오염물질 배출량을 산정하였다.
- 교통특성 인자는 교통량, 속도, 도로특성인자는 차로수, 영향권, 교차로 형태, 기상특성인자는 풍속, 온도, 습도를 고려하였다. 모형 추정에 앞서 다중상관분석을 통하여 다중공 선성 문제 여부를 살펴보았다.
- 본 연구에서는 기존의 7곳의 도로변 대기오염 측정망자료와, 2008년 신설된 종로 측정소에 대한 자료를 사용하여 오차분석을 실시하였다.
- 5, HC, 교통량은 필요시 추가할수 있는 측정항목으로 규정되어 있다(환경부, 2006). 본 연구에서는 대기오염 예측모형은 환경부에서 제시한 SO2, O3, NO2, CO, PM10의 5개 대기오염항목을 종속변수로 선정하여 다섯 가지 대기오염별 모형을 추정하였다.
- 본 연구는 실시간 교통량과 속도 및 기타 기상 조건의 자료를 바탕으로, 도로환경요인이 대기오염 물질 배출에 미치는 영향을 분석하였다. 수집한 자료를 바탕으로 대기오염 모형 정립을 위해 각 항목별 대기오염물질에 영향을 미치는 인자를 크게 3가지로 구분하였다. 교통특성 인자는 교통량, 속도, 도로특성인자는 차로수, 영향권, 교차로 형태, 기상특성인자는 풍속, 온도, 습도를 고려하였다.
- 국내에서는 홍민선 등(1993)이 신호교차로에서 발생하는 지체는 연료소모와 대기오염을 유발시키다는 가정 하에 도로의 신호교통시스템을 고려한 대기오염물질 배출량을 예측하였다. 이 연구에서는 현장조사 자료를 활용하여 Transyt-7F를 사용해서 시뮬레이션을 통해서 교차로의 지체와 연료소모, 총주행거리 등을 예측하고 대기오염물질 배출량 변화를 설명하였다.
- 본 연구에서는 기존의 자동차 엔진의 종류, 자동차의 크기와 같은 자동차 배출계수 예측모형과는 달리 교통량, 속도 및 기타 기상 조건과 같은 실제로 도로의 환경 요인이 대기오염의 발생 및 확산에 미치는 영향을 설명하기 위하여 도로기하구조와 같은 도로특성인자를 반영하고, 교통량, 대기오염배출량 등의 실시간 실측자료를 활용하여 대기오염 물질 배출에 도로환경요인이 미치는 영향을 분석하고자 한다. 이를 위해 본 연구에서는 기존의 자동차 대기오염 물질 배출량 산출에 관한 방법을 검토한 후, 실시간 시간별 교통량, 속도 및 각 대기오염물질의 농도 및 기하구조와 같은 도로특성 등을 반영한 대기오염 예측 모형식을 구축하고자 한다.
대상 데이터
- 물질의 실시간 시간대별 자료와, 동기간 풍속, 온도, 습도로 구성되는 실시간 시간대별 기상 자료를 수집하였다. 같으 기간의 실시간 시간대별 교통량, 속도 자료를 수집하였다. (<표 4>참조).
- 교통량 및 속도관련 데이터는 대기오염측정소의 위치와 가장 근접한 위치의 실시간 교통량과 속도 정보를 수집하였다 ( 참조).
- 본 연구에서는 실제 대기오염물질 배출량 자료를 사용하였다. 서울시 주요 도로 중 도로변 대기오염측정망이 설치되어 있는 7개 대기오염측정소의 실시간 대기오염 데이터와 풍속, 온도, 습도로 구성되는 실시간 시간별 기상자료를 수집하였다.
- 본 연구에서는 실제 대기오염물질 배출량 자료를 사용하였다. 서울시 주요 도로 중 도로변 대기오염측정망이 설치되어 있는 7개 대기오염측정소의 실시간 대기오염 데이터와 풍속, 온도, 습도로 구성되는 실시간 시간별 기상자료를 수집하였다. 교통량 및 속도관련 데이터는 대기오염측정소의 위치와 가장 근접한 위치의 실시간 교통량과 속도 정보를 수집하였다 (<표 1> 참조).
- 오차 분석시 사용한 데이터는 기존 7곳의 데이터로 모형 구축시 사용하였던 자료와 동일하며 종로 측정망자료의 경우 2008년 10월 29일 오후 12시부터 1월 3일 11시까지의 NO2 물질의 실시간 시간대별 자료와, 동기간 풍속, 온도, 습도로 구성되는 실시간 시간대별 기상 자료를 수집하였다. 같으 기간의 실시간 시간대별 교통량, 속도 자료를 수집하였다.
데이터처리
- 모형 구축시 사용한 7곳의 도로변 대기오염 측정망에 대해 실측치와 예측치를 비교·분석 하고 MAPE 범주별 빈도수를 계산하였다.
- 본 연구에서 평가를 해야 할 오차들의 참값(yt)들이 모두 상이하여, 식(2)와 같이 예측오차의 절대값 평균을 백분율한 MAPE(mean absolute percentage error)를 이용하여 분석하였다.
- 추정한 모형을 검증하기 위하여 도출된 모형중 설명력이 가장 좋은 NO2 모형에 대해 예측값과 실측값을 비교하는 오차분석을 실시하였다.
성능/효과
- 30의 분포를 보이는 것으로 나타났다. O3모형과 PM10의 모형을 제외한 SO2, NO2, CO 모형은 파라메타의 부호가 적정하고 전반적으로 계수값과 t통계량이 유의한 것으로 나타났고 이 중 PM10 모형의 설명력이 가장 낮은 것으로 나타났다.
- O3가 자동차에 의해서 직접적으로 생성된 물질이 아닌 2차생성물이기 때문이다. PM10은 우리나라의 지리적 위치에 따른 황사현상 및 계절적인 영향을 많이 받기 때문에 상대적으로 도로환경이 오염물질 배출에 미치는 영향을 적은 것으로 해석할 수 있었다.
- 습도가 높을수록 오염물질과 습기와의 흡착이 커지면서 지면으로 하강하는 경향을 보여 측정량은 줄어드는 경향을 나타났다. 교차로수의 경우 전반적으로 교차로가 늘어날수록 오염물질의 측정값이 낮게 나오는 것으로 나타났으며 이는 교차로의 수가 많을수록 원활한 바람길의 형성에 의해 대기오염물질이 대기에서 활발히 이동하는 경향에 따른 것으로 분석되었다.
- 모형 구축시 사용한 7곳의 도로변 대기오염 측정망에 대해 실측치와 예측치를 비교·분석 하고 MAPE 범주별 빈도수를 계산하였다. 그 결과 전반적으로 예측치값은 실측치와 비교하여 과소 추정된 것으로 나타났다. 이는 모형 구축시 사용한 설명변수 이외 풍환경(바람장, 풍향), 인근 건물의 배치 및 높이 등과 같은 기타 인자에 의한 것으로 해석할 수 있다.
- 도로의 형태가 대기오염에 미치는 영향을 확인하기 위한 교차로 형태의 계수를 살펴보면 전반적으로 교차로수가 많을 경우 오염물질이 감소하는 것으로 나타났다. 이는 교차로의 수가 많을수록 원활한 바람길이 형성되어 대기오염물질이 대기에서 활발히 이동하는 경향이 생기고 대기오염물질의 확산에 영향을 미치는 것으로 분석할 수 있다.
- 도출된 SO2, NO2, CO모형 추정결과를 살펴보면 교통량이 증가할수록 오염물질의 측정량은 증가하는 것으로 나타났고 이는 일반적인 상식과 부합하는 결과이다. 속도의 경우 속도가 증가할수록 오염물질은 감소하는 것으로 나타났다.
- 독립변수간의 상관분석 결과를 종합해 보면, 교통량-속도 (-0.329), 교통량-차로수(0.303), 속도-영향권(-0.313), 차로수-영향권(0.303)에 대해 강한 상관관계를 가지는 것으로 나타났다.
- 첫째, 풍속이 높을수록 대기오염물질은 줄어드는 것으로 나타났고 이는 풍속이 대기오염물질의 활발한 확산에 영향을 미치는 것으로 해석할 수 있다. 둘째, 온도가 높을수록 대기오염측정이 감소하는 것으로 나타났다. 이는 온도가 높을 때 대류현상이 활발히 일어나 대기오염 확산에 영향을 미치고 따라서 측정량이 줄어드는 것으로 해석할 수 있다.
- 반면 동대문 측정망의 경우 실제 측정치와 모형을 통한 예측치가 가장 불일치하는 결과를 보였으며 이는 타 측정망이 위치한 도로 기하구조에 비해 동대문 측정망의 경우 동대문 주변의 도로망이 매우 복잡하여 풍환경(바람장, 풍향), 건물 등과 같은 기타 인자에 의해 많은 오차를 발생한 것으로 판단된다.
- 분석 결과, 교통량변수는 모든 오염물질에 대해 양의 상관관계를 가지며 이 중 NO2(0.413)가 타오염물질에 비해 비교적 강한 양의 상관관계를 가짐을 알 수 있었다. 속도의 경우 SO2(0.
- 이는 온도가 높을 때 대류현상이 활발히 일어나 대기오염 확산에 영향을 미치고 따라서 측정량이 줄어드는 것으로 해석할 수 있다. 셋째, 습도가 높을수록 오염물질량이 감소하는 것으로 나타났다. 이는 습기가 높을 경우 오염물질과 습기와의 흡착가능성이 커지면서 지면으로 하강하는 경향을 보여 측정량이 감소하는 것으로 해석할 수 있다.
- 413)가 타오염물질에 비해 비교적 강한 양의 상관관계를 가짐을 알 수 있었다. 속도의 경우 SO2(0.061), CO(0.129), PM10(0.021)의 오염항목에 대해 양의 상관관계를 가지며, O3(-0.056), NO2(-0.043)의 오염 항목에 대해 음의 상관관계를 가지는 것으로 나타났다.
- 풍속의 경우 풍속이 높을수록 확산이 활발히 이루어져 대기오염물질 측정량은 줄어드는 반면, 온도의 경우 온도가 높을수록 대류현상이 활발히 일어나 측정량은 감소되는 것을 알 수 있었다. 습도가 높을수록 오염물질과 습기와의 흡착이 커지면서 지면으로 하강하는 경향을 보여 측정량은 줄어드는 경향을 나타났다. 교차로수의 경우 전반적으로 교차로가 늘어날수록 오염물질의 측정값이 낮게 나오는 것으로 나타났으며 이는 교차로의 수가 많을수록 원활한 바람길의 형성에 의해 대기오염물질이 대기에서 활발히 이동하는 경향에 따른 것으로 분석되었다.
- 298)의 오염항목에 대해서 강한 양의 상관관계를 가지며, 타 오염항목에 대해서는 비교적 강한 음의 상관관계를 가짐을 알 수 있다. 습도의경우 모든 오염항목에 대해 음의 상관관계를 가지고 있으며, SO2(-0.216), O3(-0.253), NO2(-0.240)의 경우 특히 강한 음의 상관관계를 가지는 것으로 나타났다.
- 오차 분석시 7곳의 측정망은 전반적으로 비슷한 오차율을 보였으나, 각 측정망별 MAPE 누적 비율을 살펴보면, 측정치와 도출된 모형을 통해 산출된 예측치가 가장 유사한 측정망은 청계4가 측정망인 것으로 분석되었다. 반면 동대문 측정망의 경우 실제 측정치와 모형을 통한 예측치의 차이가 가장 큰 것으로 나타났다.
- 반면 동대문 측정망의 경우 실제 측정치와 모형을 통한 예측치의 차이가 가장 큰 것으로 나타났다. 종로측정망의 NO2에 대해 오차분석을 실시한 결과 기존 7곳의 대기오염 측정망의 추정된 오차중 청계 4가 측정망의 경우와 비슷한 결과를 보였다.
- 기상인자에 관련된 계수값을 살펴보면 세 가지 결과를 얻을 수 있다. 첫째, 풍속이 높을수록 대기오염물질은 줄어드는 것으로 나타났고 이는 풍속이 대기오염물질의 활발한 확산에 영향을 미치는 것으로 해석할 수 있다. 둘째, 온도가 높을수록 대기오염측정이 감소하는 것으로 나타났다.
- 추정된 SO2, NO2, CO모형의 결과를 분석해 보면 교통량이 증가할수록 오염물질의 측정량이 증가하며 속도가 증가할수록 오염물질은 감소하는 것으로 나타났다. 풍속의 경우 풍속이 높을수록 확산이 활발히 이루어져 대기오염물질 측정량은 줄어드는 반면, 온도의 경우 온도가 높을수록 대류현상이 활발히 일어나 측정량은 감소되는 것을 알 수 있었다.
- , CO모형의 결과를 분석해 보면 교통량이 증가할수록 오염물질의 측정량이 증가하며 속도가 증가할수록 오염물질은 감소하는 것으로 나타났다. 풍속의 경우 풍속이 높을수록 확산이 활발히 이루어져 대기오염물질 측정량은 줄어드는 반면, 온도의 경우 온도가 높을수록 대류현상이 활발히 일어나 측정량은 감소되는 것을 알 수 있었다. 습도가 높을수록 오염물질과 습기와의 흡착이 커지면서 지면으로 하강하는 경향을 보여 측정량은 줄어드는 경향을 나타났다.
- 하지만 대기오염 모델 구축시 대기오염에 영향을 미칠것으로 판단한 교통량, 속도, 풍속, 온도, 습도, 영향권 및 교차로의 구분외에 데이터 수집과 계량화가 힘든 풍환경 및 건축물 구조와 같은 기타 인자를 고려하지 못함과, 교통량과 속도 변수를 적용할 때 대기오염측정망이 위치한 지점의 교통량과 속도가 아닌 인근 지역의 교통량과 속도 자료를 활용함에 따라, 설명력이 다소 낮아지는 결과를 보였다. 이는 수집과 계량화가 힘든 데이터에 대해 보다 더 객관적이고 과학적인 방법을 사용한 데이터를 적용하고 기계공학, 교통공학 분야에서 최근 많이 응용되고 있는 신경망, 퍼지이론을 적용시킨 모형 구축을 통해 극복할 수 있을 것으로 판단되며 이를 향후연구과제로 제시하고자 한다.
후속연구
- 이렇게 자동차의 배출계수만으로는 자동차 교통으로 인해서 발생하는 대기오염의 오염원에 대해서는 예측할 수가 있다. 그러나, 도로주행상에서 정체나 신호대기로 인한 대기오염발생량의 차이, 교차로의 간격, 도로의 규모, 신호교차로의 특성 등 도로네트워크의 특성에 따라 자동차교통에서 발생한 대기오염물질이 확산되는 등 대기질에 미치는 영향을 파악하는데는 한계가 있다. 이러한 교차로의 현실적인 도로조건과 더불어서 대기오염의 발생과 확산에 영향을 미치는 기상조건을 반영하지 못하기 때문에 현실적인 배출량을 제시하지 못하고 있는 실정이다.
- 또한 정체시와 비정체시의 ‘교통량’, ‘속도’의 상관관계가 다르며 모형의 계수값이 상이하게 도출될 수 있음을 고려한 추가연구가 계속되어야 할 것이다.
- 하지만 대기오염 모델 구축시 대기오염에 영향을 미칠것으로 판단한 교통량, 속도, 풍속, 온도, 습도, 영향권 및 교차로의 구분외에 데이터 수집과 계량화가 힘든 풍환경 및 건축물 구조와 같은 기타 인자를 고려하지 못함과, 교통량과 속도 변수를 적용할 때 대기오염측정망이 위치한 지점의 교통량과 속도가 아닌 인근 지역의 교통량과 속도 자료를 활용함에 따라, 설명력이 다소 낮아지는 결과를 보였다. 이는 수집과 계량화가 힘든 데이터에 대해 보다 더 객관적이고 과학적인 방법을 사용한 데이터를 적용하고 기계공학, 교통공학 분야에서 최근 많이 응용되고 있는 신경망, 퍼지이론을 적용시킨 모형 구축을 통해 극복할 수 있을 것으로 판단되며 이를 향후연구과제로 제시하고자 한다. 또한 정체시와 비정체시의 ‘교통량’, ‘속도’의 상관관계가 다르며 모형의 계수값이 상이하게 도출될 수 있음을 고려한 추가연구가 계속되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.