[논문]본페로니 다중 분석 기반 대기오염 물질 모니터링 시스템

임병연; 임현근; 홍성택; 정회경

doi:10.6109/jkiice.2020.24.8.963

본페로니 다중 분석 기반 대기오염 물질 모니터링 시스템
Air pollution monitoring system based on Bonferroni multi-analysis 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.24 no.8, 2020년, pp.963 - 969

임병연 (Department of Computer Engineering, Paichai University) , 임현근 (Department of Computer Engineering, Paichai University) , 홍성택 (K-water) , 정회경 (Department of Computer Engineering, Paichai University)

초록
AI-Helper

지역 내의 도시들은 인구수, 계절, 교통량, 산업단지 등의 변수에 따라 대기오염의 수치가 다르게 관측되기 때문에 소규모 지역에 대해 정확하게 모니터링을 할 수 없는 문제점이 발생하고 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 인체에 악영향을 미치는 대표적인 대기오염 물질 SO2, PM10, NO2, CO, O3이 관측되는 소규모 지역에 대해 결정계수(Coefficient of determination)를 통해 비교분석 하였다. 그리고 본페로니(Bonferroni) 다중 비교분석을 기반하여 기간별 대기 오염도를 나타내었다. 그리고 모니터링 시스템을 위해 지도를 각 소규모 도시의 좌표와 연동하여 분석 데이터를 기반으로 소규모 도시들에 대한 대기오염 물질을 시각화 하였다. 이를 통해 지역에 대한 대기오염 물질을 보다 정밀하게 사용자에게 모니터링 시스템을 제공할 수 있으며 일상생활에서 대기오염으로 발생할 수 있는 사고로부터 예방할 수 있을 것으로 보인다.

Abstract ▼ AI-Helper

Cities in the region have a problem in that they cannot accurately monitor small areas because the number of air pollution is differently observed depending on variables such as population, season, traffic volume, and industrial complexes. In order to solve this problem, in this paper, comparative analysis was performed on small areas where representative air pollutants SO2, PM10, NO2, CO, and O3, which adversely affect the human body, are observed through coefficient of determination. In addition, based on Bonferroni's multiple comparative analysis, the air pollution level by period is shown. The map for the monitoring system was linked with the coordinates of each small city to visualize air pollutants for small cities based on the analysis data. Through this, it is possible to provide the user with a monitoring system of air pollutants for the region more precisely, and to prevent them from accidents that may occur due to air pollution in everyday life.

주제어

표/그림 (12)

그림 Fig. 1 Proposed system configuration
그림 Fig. 2 Air pollutant analysis system flow chart
그림 Fig. 3 Monitoring system flow chart
그림 Fig. 4 Data cluster graph
그림 Fig. 5 CO Bonferroni multiple comparison graph
그림 Fig. 6 PM10 Bonferroni multiple comparison graph
표 Table. 1 Correlation
그림 Fig. 7 NO2 Bonferroni multiple comparison graph
그림 Fig. 8 SO2 Bonferroni multiple comparison graph
그림 Fig. 9 O3 Bonferroni multiple comparison graph
그림 Fig. 10 Regional PM10 Observation Graph by Period
그림 Fig. 11 Map service with data

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그리고 상관관계를 분석한 대기오염 물질에 대해 사후 검정을 실시한다. 둘째로 지역에 따른 대기오염물질 분석을 연구한다. 세 번째로는 기간별 대기오염 물질 분석을 연구하고 마지막으로는 지역과 기간별에 대한 상관관계를 분석하고[6-8], GIS를 통해 모니터링을 보여준다.
본 논문에서는 가공한 대기오염 물질 데이터를 본페로니 다중 비교분석을 기반해 기간별 대기 오염도를 나타내는 모니터링 시스템을 제안한다. 첫째로 각 대기오염 물질에 대해 결측치를 제거하고 상관관계를 분석해야 한다.
본 논문에서는 일상생활에서 인체에 악영향을 미치는 대표적인 대기오염 물질에 대해 소규모 지역을 비교분석하였다. 그리고 본페로니 비교분석을 통한 사후검정을 실시하여 지역별, 기간별 대기 오염도를 지도에 시각화하여 표현하는 모니터링 시스템을 제안하였다.
본 절에서는 지역별, 기간별 대기오염 물질 수치값에 대해 분석한 데이터를 기반으로 위치 서비스를 제공한다. 이에 수치값은 위험도를 강조할 빨간색으로 나타내었으며, 데이터 겹침을 고려하여 모든 수치값의 표시는 투명도를 주어 정밀하게 나타내었다.
지역마다의 대기오염 물질은 기간, 시간, 장소 등에 따라 달라지며 지역마다의 지리적 특성이 존재하기에 세부적으로 나뉠 수밖에 없다. 이에 본 논문에서는 세부적인 지역의 특성을 고려하여 실제 대기오염 물질 데이터로 분석을 하였고 분석을 바탕으로 모니터링이 가능하기 때문에 유해한 대기오염 물질이 많이 발생 시 즉각 위험도를 알릴 수 있어 대기오염 물질에 대한 안전사고 방지에 기여할 것으로 보인다.

제안 방법

이는 여름에 강한 햇빛으로 오존 수치가 올라가 지역과 상관없이 고르게 관측되었다. 그리고 나머지 대기오염물질은 비교적 겨울철 연탄과 난방연료를 사용하여 높은 수치가 관측된 것을 알 수 있었고 이러한 분석 데이터를 기반으로 각 지역마다 대기오염 물질의 수치를 입력하여 X축과 Y축을 이용한 모니터링 시스템을 제공하였다.
해당 흐름도는 클러스터 값이 정해진 정제된 데이터로 시작되며 클러스터 값을 새로운 변수로 새롭게 추가한다. 그리고 대기오염 지수가 정해진 클러스터 값을 토대로 시간별, 지역별 대기오염지수를 나타내고 비교분석하였다. 다음으로 모니터링을 진행할 구글맵과 연동하고 각 지역코드에 맞는 도시 이름을 지정한 뒤 좌표를 얻어 새롭게 변수를 추가한 다음 마지막으로 좌표 변수와 클러스터 값 변수를 통해 출력한다.
그리고 본페로니 다중 비교분석을 기반해 사후검정을 실시하여 기간별 대기 오염도를 나타내는 모니터링 시스템을 제안한다. 제안하는 모니터링 시스템은 구글맵과 연동하여 분석 데이터를 기반으로 도시들에 대한 대기오염 물질을 시각화 하였으며, 비교분석 방법으로는 상관관계를 통해 사후검정을 마친 대기오염 물질과 지도 내에 각 도시 좌표들을 시각화하여 대기오염 지수와 같이 나타내었다.
그리고 본페로니 비교분석을 통한 사후검정을 실시하여 지역별, 기간별 대기 오염도를 지도에 시각화하여 표현하는 모니터링 시스템을 제안하였다.
그리고 본페로니 사후검정을 실시해 지역별, 기간별 대기오염 물질의 수치를 나타내는 모니터링 시스템을 제안하였다.
첫째로 각 대기오염 물질에 대해 결측치를 제거하고 상관관계를 분석해야 한다. 그리고 상관관계를 분석한 대기오염 물질에 대해 사후 검정을 실시한다. 둘째로 지역에 따른 대기오염물질 분석을 연구한다.
멀티 그래프는 데이터 시각화를 위한 ggplot 라이브러리를 다중으로 사용하여 한눈에 비교할 수 있도록 함수를 생성하였다. 논문에서는 소규모 지역에 대한 도시는 8개로 함수 멀티 그래프를 2행 4열로 나타내어 시각화 하였으며 지역코드를 모두 도시 이름으로 지정하여 그래프로 출력하도록 설계하였다.
그리고 대기오염 지수가 정해진 클러스터 값을 토대로 시간별, 지역별 대기오염지수를 나타내고 비교분석하였다. 다음으로 모니터링을 진행할 구글맵과 연동하고 각 지역코드에 맞는 도시 이름을 지정한 뒤 좌표를 얻어 새롭게 변수를 추가한 다음 마지막으로 좌표 변수와 클러스터 값 변수를 통해 출력한다.
제안하는 시스템이다. 데이터가 편향되지 않게 결측치를 제거하고 원하는 변수를 가공하여 실험을 진행한다. 이는 데이터가 누락되지 않고 정확한 분석을 할 수 있기 때문이다.
여기서 필요한 변수는 분석에 필요한 요소를 의미한다. 변수추출을 한 데이터는 데이터 정제를 통해 올바른 데이터를 사용할 수 있게 만들고 이를 통해 공분산 분석과 결정계수 분석을 통해 서로의 상관관계를 분석한다. 그 다음 본페로니 사후 검정을 실시한 뒤 데이터들을 k-means 군집시킨다.
본 논문에서는 오픈 소스 통합 개발 환경 R Studio를 사용하여 구글 지도 서비스를 이용하여 시각화로 표현하기 위해 ggmap 라이브러리를 사용하였다. 그리고 Google Maps Platform에서 API 서비스 이용하였다.
본 논문에서는 이러한 사례들을 분석하고 문제점을 해결하기 위해 일상생활에서 관측되고 인체에 악영향을 미치는 대표적인 대기오염 물질 SO₂, PM10, NO2, CO, O₃에 대해 지역마다 결정계수를 통해 비교분석 하였다. 그리고 본페로니 다중 비교분석을 기반해 사후검정을 실시하여 기간별 대기 오염도를 나타내는 모니터링 시스템을 제안한다.
본 시스템 설계에서는 대기오염 물질에 대한 군집을 진행하며 withinss를 통해 각 데이터의 클러스터 내부데이터의 분산 정도를 분석하고, NbClust 라이브러리를 사용하여 대기오염 물질 CO, NO₂, PM10, O₃, SO2에 대해 최적의 군집 클러스터 수를 찾는다. 데이터 분석 중 군집 분석은 해당 데이터에 대해 군집을 몇 개로 할 것인지가 가장 중요하다.
본 절에서는 3장의 그래프 설계를 기반으로 기간별 대기오염 물질을 시각화 하였으며 비교적 많은 데이터를 겹쳐서 출력하지 않도록 포지션은 ‘Jitter’를 사용하여 그래프를 나타내었다. 그림 10은 대표적으로 기간별 지역마다의 미세먼지 수치를 나타낸 그래프이다.
둘째로 지역에 따른 대기오염물질 분석을 연구한다. 세 번째로는 기간별 대기오염 물질 분석을 연구하고 마지막으로는 지역과 기간별에 대한 상관관계를 분석하고[6-8], GIS를 통해 모니터링을 보여준다. 대기오염 물질은 수치값에 따라 분석이 다양하게 바뀌기 때문에 정확한 데이터 정제가 필요하다.
그 다음 본페로니 사후 검정을 실시한 뒤 데이터들을 k-means 군집시킨다. 여기서 군집을 통해 나온 클러스터 값을 얻게 되는데 본 논문에서는 nbClust 라이브러리를 사용하여 최적화된 클러스터 값을 얻었다. 클러스터 값은 오염도를 나타내는 기준을 잡기 위한 변수이다.
그리고 O₃는 모든 지역이 비슷한 수치를 갖고 있었으며 지역과 상관없이 여름에 햇빛으로 인해 높은 수치를 보여주었다. 이러한 지역별 분석을 기반해 각 지역마다 좌표를 선정하고 소규모 지역에 따른 대기오염 수치를 나타내어 모니터링 시스템을 구현하였다. 지역마다의 대기오염 물질은 기간, 시간, 장소 등에 따라 달라지며 지역마다의 지리적 특성이 존재하기에 세부적으로 나뉠 수밖에 없다.
이에 본 논문에서는 첫 번째로 대기오염 물질이 존재하는 소규모 지역을 분석하고 두 번째로 기간별로 비교분석 하였다. 그리고 본페로니 사후검정을 실시해 지역별, 기간별 대기오염 물질의 수치를 나타내는 모니터링 시스템을 제안하였다.

대상 데이터

본 논문에서의 대기오염 물질 데이터는 한국환경공단에서 운영하고 있으며 전국에 실시간으로 대기 오염도를 공개하는 홈페이지인 에어코리아에서 2014년부터 2015년까지의 대전 지역의 대기오염 물질 데이터를 Excel 파일로 수집하였다. 수집한 데이터 중 사용되는 대기오염 물질 변수는 CO, NO₂, PM10, O₃, SO₂를 사용하였고, 총 변수는 날짜, 시간, 지역, CO, NO₂, PM10, O3, SO₂, 지역코드, 월, X축, Y축으로 12개로 구성되어 있으며 약 80.
운영체제는 Windows 10 Pro, 64비트로 하였다. 분석을 진행할 RStudio의 버전은 GIS 설계를 통해 최신버전으로 업그레이드하여 1.2.5033 버전을 사용하였다.
파일로 수집하였다. 수집한 데이터 중 사용되는 대기오염 물질 변수는 CO, NO₂, PM10, O₃, SO₂를 사용하였고, 총 변수는 날짜, 시간, 지역, CO, NO₂, PM10, O3, SO₂, 지역코드, 월, X축, Y축으로 12개로 구성되어 있으며 약 80.000개의 데이터를 사용하였다.

데이터처리

그리고 본페로니 다중 비교분석을 기반해 사후검정을 실시하여 기간별 대기 오염도를 나타내는 모니터링 시스템을 제안한다. 제안하는 모니터링 시스템은 구글맵과 연동하여 분석 데이터를 기반으로 도시들에 대한 대기오염 물질을 시각화 하였으며, 비교분석 방법으로는 상관관계를 통해 사후검정을 마친 대기오염 물질과 지도 내에 각 도시 좌표들을 시각화하여 대기오염 지수와 같이 나타내었다.

성능/효과

PM10의 다중 비교 그래프를 보면 그룹은 총 3개로 나누어져 있으며 미세먼지는 고속도로를 포함한 City 8 이 많은 교통량으로 인해 그룹 중 가장 높은 그룹으로 할당됐음을 알 수 있다. 이에 그림 7은 NO₂ 본페로니 다중 비교 그래프, 그림 8은 SO₂의 그래프를 나타낸다.
갖고 있었다. 그리고 지역별 대기오염 분석에서의 O₃를 제외한 대기오염 물질들은 지역마다 비슷하게 관측이 되었고 겨울에 대기오염 물질이 많이 관측되는 것을 알 수 있었다. 그리고 O₃는 모든 지역이 비슷한 수치를 갖고 있었으며 지역과 상관없이 여름에 햇빛으로 인해 높은 수치를 보여주었다.

후속연구

시스템을 설계할 것이다. 이로 인해 대규모, 소규모 지역을 포함한 모니터링을 제공할 수 있으며 대기오염 물질에 대해 예방이 가능할 것으로 사료된다.
이로 인해 도시에 대한 대기오염 물질 수치에 대해 시각화하여 나타내었으며 이에 따라 대기오염 물질에 대한 안전사고 방지에 기여할 것으로 보인다.
모니터링 시스템을 제안한다. 첫째로 각 대기오염 물질에 대해 결측치를 제거하고 상관관계를 분석해야 한다. 그리고 상관관계를 분석한 대기오염 물질에 대해 사후 검정을 실시한다.
향후 연구로는 대기오염 물질의 기본이 되는 교통량을 추가하여 도로에 대한 분석을 실시하고, 도로별 모니터링 시스템을 설계할 것이다. 이로 인해 대규모, 소규모 지역을 포함한 모니터링을 제공할 수 있으며 대기오염 물질에 대해 예방이 가능할 것으로 사료된다.

참고문헌 (8)

D. H. Shin, and Y. M. Noh, "Aerosol Optical Properties and Separation of Asian Dust using AERONET Sun/Sky Radiometer Measurement at the Asian Dust Source Region," Korean Journal of Remote Sensing, vol. 32, no.3, pp.245-251, Jun. 2016.

원문보기 상세보기
J. W. Cha, and J. Y. Kim, "Analysis of Fine Dust Correlation between Air Quality and Weather Factors using SPSS," Journal of the Korea Institute of Information and Communication Sciences, vol. 22, no.5, pp.722-727, May 2018.
Y. H. Seo, "Characterization of High Concentration PM2.5 by Nitrate and Ammonium Ions of PM2.5 in Seoul," Journal of Korea Society of Environmental Administration, vol. 21, no. 1, pp. 1-7, Aug. 2014.
J. S. Bang, D. Y Hwang, and H. K. Jung, "Product Recommendation System Based on User Purchase Priority," Journal of Information and Communication Convergence, vol. 18, no. 1, pp.55-60, Mar. 2020.
Y. J. Yoon, "Trends in Fine Dust and Air Quality Monitoring Technology Development," Mechanical journal, vol. 59, no.9, pp.38-42, Aug. 2019.
S. J. Han, G. J. Sa, and T. W. Kim, "A Study of Threat and Scar Relationships through Cross-correlation Analysis," Korean Society of Mechanical Engineers Volume A, vol. 43, no.4, pp.231-239, Apr. 2019.
B. S. Park, and S. W. Kim, "Intrusion Detection in IoT Service using Event Network Correlation Analysis," Multimedia Society Journal, vol. 23, no.1, pp. 24-30, Jan. 2020.
T. H. Kim, H. J. Park, and T. H. Kim, "Analysis of the Relationship between Environmental Pollution, the Weak, and Environmental Damage," Environmental policy, vol. 26, no. 2, pp.1-18, Jun. 2018.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증