FUZZY 추론 시스템 기반 미세먼지 판단

Fine particulate Judgment based on Fuzzy Inference System

Abstract

WHO 산하 국제 암 연구소 에서는 미세먼지를 1급 발암물질로 지정했다. 미세먼지는 대기 중에 떠다니며 눈에 보이지 않을 정도로 작은 먼지를 말한다. 미세먼지는 주로 석탄이나 석유 같은 화석연료의 연소과정에서 배출되며, 페질환, 페렴, 심장질환을 유발 할 수 있는 위험 인자 이다. 환경부에서는, 최근 미세먼지 측정소 10곳의 산출자료를 분석한 결과, 약 60% 정도가 기존 대기측정농도가 더 높게 나오는 오류가 있다고 발표하였다. 미세먼지를 정확하게 예측하기 위해서는, 풍향, 측정위치를 반드시 보정해야 한다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 퍼지 규칙을 이용해서 이러한 문제점을 해결하였다. 뿐만 아니라, 길거리 보행자가 실제로 느끼는 미세먼지 체감지수를 산출하기 위해서, 본 논문에서는 날씨조건, 온도조건, 습도조건, 바람조건을 고려한 미세먼지 체감지수 산출 컴퓨터 모의실험을 수행 하였다.

The international cancer research institute under the WHO designated fine dust as a first-class carcinogen. Particular matter refers to dust that is small enough to be invisible and floating in the air. Particular matter is mainly emitted from the combustion process of fossil fuels such as coal and oil, and is a risk factor that can cause lung disease, pneumonia, and heart disease. The Ministry of Environment recently analyzed the output data of 10 fine dust measuring stations and, as a result, announced that about 60% had an error that the existing atmospheric measurement concentration was higher. In order to accurately predict fine dust, the wind direction and measurement position must be corrected. In this paper, in order to solve these problems, fuzzy rules are used to solve these problems. In addition, in order to calculate the fine particulate sensation index actually felt by pedestrians on the street, a computer simulation experiment was conducted to calculate the fine particulate sensation index in consideration of weather conditions, temperature conditions, humidity conditions, and wind conditions.

Ⅰ. 서론

서유럽에서는 매년 40만 명이 넘는 사람이, 인도에서는 62만 명이 대기 오염으로 조기 사망한다. 세계보건기구(WHO)는 전 세계 92%가 대기 오염으로 인한 영향을 받고 있다고 보고했고, 이로 인해 해마다 600만 명 이상이 목숨을 잃고 있다고 경고했다. 세계보건기구는(WHO) 지름 10마이크로미터(㎛) 이하 먼지는 미세먼지, 지름 2.5㎛ 이하는 초미세먼지로 규정하고 있다^[1]. 미세먼지의 원인은 다양하고, 일부 미세먼지는 산불, 황사 등을 통해 자연적으로 발생한다. 뿐만 아니라, 미세먼지 측정의 문제점은, 사람이 호흡하는 높이에 설치돼 있어야 할 미세먼지 측정소 가운데 80%가량은 엉뚱한 위치에 놓여 있는 것으로 조사됐다^[1-2]. 환경부와 국회 환경노동위 송옥주 국회의원 조사 연구결과, 2016년 말 기준 미세먼지를 측정하는 도시대기측정소 264개 가운데 설치·운영 지침을 지킨 곳은 46곳(17.4%)에 그쳤다.

현행 대기오염측정망 설치·운영 지침에 따르면 측정구의 높이는 원칙적으로 사람이 생활하고 호흡하는 높이인 1.5∼10ｍ를 지켜야 한다. 불가피한 경우 높이를 조정할 수 있지만, 이때도 30ｍ를 넘어서는 안 된다고 한다. 그렇지만, 현지 조사 결과 전국 대기측정소 측정구의 높이는 평균 14ｍ로 아파트 6층 높이 수준이었다. 이 가운데 전체의 44%인 측정소 117곳의 측정구가 10∼15ｍ 수준이었고, 높이가 15∼20ｍ인 측정소는 75곳(28.4%)이나 됐다[3-4]. 그러므로, 비정상적인 위치에서 측정함으로써 실제 체감하는 미세먼지 농도와는 차이가 클 수밖에 없다. 환경부가, 전국 도시대기측정소(측정기구 높이 10ｍ 이상), 지상(측정구 높이 2ｍ) 각 10곳의 산출자료를 비교·분석한 결과, 10곳 중 7곳에서 기존 대기측정소 대비 이동측정차량의 미세먼지 PM10 농도가 더 높게 나왔다.

본 논문에서는 이러한 문제점을 해결하기 위해서, 1장에서는 미세먼지 기본 개념을 알아보고, 2장에서는 미세먼지 체감지수를 설명하고, 3장에서는, WEKA 데이터 마이닝 및 FUZZY 추론 모의설험 결과를 설명하고, 4장에서는 미세먼지 측정 향후 연구 방향을 제시한다.

Ⅱ. 체감온도 및 체감지수

체감온도는 일기예보에서 널리 사용되는 용어이다.

체감 조건은 같은 온도라도, 바람조건, 습도조건, 날씨 조건등 여러 조건이 복합적으로 작용해서, 결정 된다. 체감 온도: Sensible Temperature는, 보행자가 옷을 입은 정도나, 심리 상태에 따라서도 산출 값이 틀리게 된다. 그러므로 정확한 값을 산출하는 것은 매우 어렵지만, 수식 1을 이용해서 산출 하게 된다.

TF＝ t - 4\(\sqrt{v}\) ＋ 12 i&nbp;     (1)

여기서,

tf: 체감온도

t : 기온

v: 풍속

I : 지표면이 받는 복사량

수식 1은 1분마다 받는 일사의 세기를 칼로리의 값으로 나타낸 것이다. 예를 들어서, 똑 같은 온도 섬씨 0 도일 경우에, 왼쪽 지역은 바람 강도가 강하고, 오른쪽은 바람 강도가 약한 경우에는, 보행자는 왼쪽이, 체감 온도가 낮다고 생각하게 된다. 바람 강도가 강하게 되면, 보행자는, 실제 기온보다, 더 춥게 느껴지고 실제온도가 낮은 것처럼 체감 온도를 느껴게 되는 것이다. 뿐만 아니라, 섭씨 영하 10℃라도 풍속이 시간당 5km일 때 느끼는 체감온도는 영하 13℃ 이지만, 만약 바람 강도가 시간당 30km일 경우는 영하 20℃로 체감 온도를 느끼게 된다.

현재, 기상청에서, 사용하고 있는, 체감온도 산정 공식은 수식 2는 다음과 같이 표시된다^[6].

Tmp: 13.12+0.6215×t-11.37v0.16+0.3965v0.16×t       (2)

여기서

t: 기온

v: 지상 10m의 풍속

일반적으로 따뜻한 곳이나 여름은 풍속보다 습도나 일사의 영향이 크고 추운 곳이나 겨울은 풍속의 영향이 크다. 체감온도는 풍속이 1m/s 증가함에 따라 약 1도 낮아지게 된다. 통합대기환경지수는 대기오염도 측정치를 국민이 쉽게 알 수 있도록 하고 대기오염으로부터 피해를 예방하기 위한 공식이며, 수식 3과 같이 표현 된다^[7]. 통합대기환경지수는, 6개 대기오염물질별로 대기환경지수 점수를 산정하며, 나쁨 이상의 등급이 2개 물질 이상일 경우 통합 지수값에 가산점을 부여하게 된다.

Ip = (IHi-ILo)/(BPHi-BPLo)×(Cp-BPLo)+ILo       (3)

여기서,

Ip : 대상 오염물질의 대기지수점수

Cp : 대상오염물질의 대기 중 농도

BPHi :대상 오염물질의 오염도 해당 구간에 대한 최대 오염도

BPLo: 대상 오염물질의 오염도 해당 구간에 대한 최소 오염도

IHi : BPHI에 해당하는 지수값(구간 최대 지수값)

ILo : BPLO에 해당하는 지수값(구간 최소 지수값)

요즈음, 미세먼지의 정도가 심각해짐에 따라서, 미세먼지의 발생 원인을 규명하는 연구가 활발하게 이루어지고 있다. 우리나라의 미세먼지 농도는 계절별로 다른 분포패턴을 나타내고 있다. 미세먼지와 초미세먼지는 주로 봄철과 가을철에 높게 나타났으며, 여름철에 가장 낮게 나타나는 현상을 보이고 있다^[7]

미세먼지 분포는 봄철과 겨울철에 유사하게 보이고 있으며, 미세먼 농도는 수도권이 제일 높게 측정 되었고, 초미세먼지 농도는 전국적으로 높게 나타났다.

그림 1에서는, 미세먼지에 가장 중요한 영향을 미치는 기온조건, 강수량조건, 풍향조건, 풍속조건, 지역조건, 측정위치조건을 고려해서미세먼지 체감지수를 산출하는 과정을 설명하고 있다.

그림 1. 미세먼지 체감지수 모의실험

Fig. 1. Simulation results of fine dust sensory index

Ⅲ. 모의실험

2장에서 살펴본 것처럼, 최근 연구 결과에 의하면, 미세먼지에 가장 중요한 영향을 미치는 것은 미세먼지 기상요소(기온, 강수량, 풍향, 풍속) 로 밝혀졌다. 추위와 특별한 관계가 없이 보이는 미세먼지 수치가 왜 날씨가 추우면 미세먼지가 줄어드는지 를 구명하려는 연구가 활발하게 이루어지고 있다. 뿐만 아니라, 대륙성 고기압은 시베리아의 찬 공기를 갖고 있어 한파도 함께 불러오고, 추운겨울 한파일 경우에는, 바람의 강도가 커지고, 미세먼지를 빠른 바람으로 밀어내기 때문에, 미세먼지가 감소해서, 공기가 맑은 경우가 많아지는 것이다. 여름은 전혀 다른 반대적인 요소가 반응하게 된다. 일반적으로 여름에는 바람이 서풍과 남서풍으로 바뀌어 중국에서 날아오는 미세먼지가 감소하게 되고, 비가 자주 내리기 때문에, 대기 중의 미세먼지가 감소하게 된다.

이러한 현상과는 반대로, 봄, 가을에는, 바람 강도 세기가 약하고, 대기가 정체되기 때문에, 미세먼지는 계속해서, 대기 공간 층에, 차곡차곡 쌓이기만 하고, 잘 흩어지지 않게 되기때문에, 미세먼지 수치는 증가하게 된다. 뿐만 아니라, 습도까지 올라가게 되면 대기 중 수증기에 미세먼지가 엉겨 붙어서 미세먼지 농도는 더 높아 지게된다. 본 연구에서는, 똑같은 미세먼지 수치 일 경우 에도, 날씨조건, 온도조건, 습도조건, 바람조건을 고려해서 미세먼지 수치를 감소하거나 증가하는 요인 분석을 수행하였다. 미세먼지와 기상조건, 온도 습도조건은 미세먼지 기상청 결과보고서를 활용해서, 가상으로 데이터를 생성하고 데이터 마이닝 WEKA TOOL에서, 모의 실험을 수행 하였다.

그림 2. Weka tool 속성 데이터 구조

Fig. 2. Weka tool attribute data structure

표 1에서는 계절조건, 지역조건, 온도조건, 습도조건이 높고, 건, 풍속 조건을 고려해서, 미세먼지체감지수를 산출하는 과정을 설명하고 있다. 똑같은 미세먼지 측정수치 이지만, 미세먼지에 가장 중요한 영향을 미치는 기온 조건, 습도조건, 풍속조건을 가정하고, 길거리를 보행하는 사람의 미세먼지 체감지수를 산출하는 과정을 설명하고 있다. 본 논문에서는 미세먼지 체감지수를 산출하기 위해서, 기상청통계자료를 활용 하였으며, 겨울은, 똑같은 미세먼지 측정수치 이지만, 습도 조건이 낮고 풍속조건이 높으면, 미먼지 수치는 감소하기 때문에, 미세먼지 체감지수는 양호 조건으로 산출 되는 확률 조건을 설명하고 있다. 여름은, 똑같은 미세먼지 측정수치 이지만, 습도 조건이 높고 풍속조건이 낮으면, 미세먼지 수치는 증가하기 때문에, 미세먼지 체감지수는 위험 조건으로 산출되는 확률 조건을 설명하고 있다.

표 1. 미세먼지 체감지수

Table 1. Fine dust sensory index

의사결정 Tree를 수행하기 위해서 데이터 파일을 불러오는 화면을 설명하고 있다. 본 논문의 입력 조건은, 날씨(wheather), 온도(temperature), 습도(humidity), 바람(wind)이고, 출력 조건은 미세먼지 위험조건 이다. 미세먼지 위험조건 입출력 데이터 속성 내용은 다음과 같다.

① 날씨(Wheather)는 sun, cloud, rain 으로 구분하였다.

특히, 비 가 오는 날씨에는 미세먼지가 감소하므로, 미세먼지 위험도가 적게 산출되는 중요한 요소이다.

② 온도(Temperature)는 계절 영향 및 미세먼지 체감 지수를 판단하기 위한 중요한 요소이다.

③ 습도(Distance)는 똑 같은 미세먼지 지수 일 경우에도, 습도의 양에 따라서, 미세먼지 체감지수가 증가하는 작용을 하는 중용한 요소이다.

④ 바람(wind)은 똑같은 은 미세먼지 지수 일 경우에도, 바람의 강하게 부는 조건, 약하게 부는 조건에 따라서, 미세먼지 체감지수가 감소 및 증가하는 작용을 하는 중용한 요소이다. 왜냐하면, 추운겨울 한파일 경우에는, 바람의 강도가 커지고, 미세먼지를 빠른 바람으로 밀어내기 때문에, 미세먼지가 감소하는 경향을 보이기 때문이다.

그림 3에서는, WEKA 모의실험 결과를 설명하고 있으며, 미세먼지 연관성 속성 데이터를 Tree 결과를 시각적으로 표시하여 속성의미를 쉽게 이해할 수 있게끔, Decision Tree 요인 분석 결과 화면에서 마우스 오른쪽 버튼을 누른 후 [Visualzie tree]를 수행하는 과정을 설명하고 있다. 미세먼지 측정값이 지상에서 1.5- 3.0 미터 미만이 아니고, 지상 20 미터 아파트 옥상에서 측정되었다면, 보행자 실감하는 미세먼지 안전도외는 서로 다른 값을 산출하는 오류가 발생한다. 왜냐하면 풍속 조건, 습도조건 과 같은 변수가 있기 때문이다. 본 논문에서는 이러한 문제점을 개선하기 위해서 퍼지 규칙을 이용해서 최적의 미세먼지 체감지수 안전도지수를 산출하였다. 예를 들어서, 미세먼지 위험도가 발생할 확률을 0.3 라고 한다면 미세먼지 안전도 확률은 0.7 이 된다. 그런데 미세먼지 측정값이 지상에서 1.5- 3.0 미터 미만이 아니고, 지상 20 미터 아파트 옥상에서 측정되었다면, 보행자 실감하는 미세먼지 안전도는 서로 다른 값을 산출하는 오류를 범할 수있다. 다시 말해서, 미세먼지 위험도 확률이 가이 0.3 라고 해서, 미세먼지 안전도 확률 값이반드시 0.7 이라고 확정 판단할 수는 없는 것이다. 왜냐하면 미세먼지 안전도 확률은 0.5 일 수도 있고 0.7 일수도 있고 0.6 일수도 있다는 것이다. 왜냐하면 풍향이나, 측정 높이, 풍속, 과 같은 변수가 있기 때문이다.

그림 3. WEKA DB를 이용한 모의실험 결과

Fig. 3. Simulation results using WEKA DB

그림 4에서는, 미세먼지 측정 모의실험 결과를 설명하고 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 아두이노 키트에서 제공하는 오픈소스를 이용해서 미세먼지키트를 제작하고 미세먼지를 측정하였으며, 미세먼지 측정용 오픈 소스는 다음과 같다^[8-13].

그림 4 미세먼지 측정 모의실험

Fig. 4. Simulation of fine particulates

그림 5에서는, 퍼지규칙을 이용해서 미세먼지 측정 멤버쉽함수를 설명하고 있으며, 입력 조건으로는 온도조건, 습도 조건, 바람조건 3 가지이고, 출력 조건은 미세먼지 안전도지수를 설명하고 있다^[8-12].

그림 5. 미세먼지 체감지수 퍼지 멤버쉽 함수

Fig. 5. Fuzzy membership function for fine particulate sensory index

그림 6에서는, 연관성 규칙을 이용해서 미세먼지 위험도를 산출하는 과정을 설명하고 있다. 입력조건으로는 온도조건, 공해조건, 풍속조건, 습도조건, 4개를 고려해서, 미세먼지 체감 안전 지수 값을 산출하는 과정을 설명하고 있다. 출력조건은, 똑같은 미세먼지 조건이라도 공장 지역, 주택지역, 청정지역, 자동차 도로지역 에 따라서, 실제로 발표되는 미세먼지보다 정확하게 미세먼지 체험 지수 위험도를 산출 할 수 있는 가능성이 있음을 확인하였다. 그러나, 미세먼지는 매우 복잡한 외부 기상조건이 있기 때문에, 전국에 측정소를 5-10만개 이상, 반드시, 추가로 설치하고, 빅 데이터로 분석해서, 정확도를 개선해야 될 것이다.

그림 6. 미세먼지 위험도판단 컴퓨터 모의실험

Fig. 6. Computer simulation for fine particulate risk assessment

그림 7에서는 미세먼지 측정 모의실험 결과를 설명하고 있다. 본 논문에서는, Matlab Fuzzy 추론 기 미세먼지 체감 지수 산출과정을 설명하고 있다.

그림 7. 미세먼지위험도판단 컴퓨터 모의실험

Fig. 7. Computer simulation for fine particuate risk assessment

Rule : IF A is t1 THEN C is B2 : (Fu)

fact : A is t1' : (Fr)

conclusion : C is t2' : (FC)

A : 미세먼지 체감 지수

C : 추론 결과

Fu : 규칙의 불확실성을 나타내는 fuzzy number

Fr : 사실의 불확실성을 나타내는 fuzzy number

FC : 결론의 불확실성을 나타내는 fuzzy number

V1, V2, V1', V2' : 값 (values)

여기서 Fu은 확신율 (CF) 로서 나타내며, Fr 은 가능 척도로서 표시 하였다.

IF WIND = Med And

HUMIDITY = High And

DUST = High And

HEIGHT = Med And

Then

SENSORY INDEX = AREA CNF 70

위와 같이 AND로 연결된 경우에는, 퍼지 규칙 전건부 조건 중에서, 가장 낮은 (Min) 확신도를 규칙의 확신도와 곱하고, 최종 결론의 확신도 를 산출 하게 된다. 예를 들어서, 위 네 개 의 조건들에서 50, 75, 60, 55 로 각각 WIND, HUMINITY, DUST, HEIGHT에 대한 확신도가 결정되었다면 결론인 AREA 체감지수: SENSORY INDEX = 0.50 × 0.70 = 0.35인 확신도를 갖게 된다.

여기서 CNF 70이란 : 미세먼지 체감지수 : 확신도가 70%란 뜻이다. 만약, 퍼지규칙을 사용하지 않고, 기존의 방법을 사용하면, 미세먼지 산출 값, 풍속, 습도, 높이 조건을 고려하지 않았으므로, 미세먼지 체감지수 값은, 1.5 미터에서 길거리를 걸어서 다니는 보행인 에게는 항상, 오차가 발생 할 수 하므로, 정확한 미세먼지 채감지수 를 산출 할 수 없다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 미세먼지 산출값, 풍속조건, 습도조건, 3개를 고려해서, 미세먼지 체감지수 값을 산출하였다. 신뢰도를 70% 로 판단하게 된다. 만약, 사용자가 체감지수에 대한 확신도를 80이라고 주었으면, 미세먼지 AREA 체감지수 결론에 대한 확신도는 0.8 × 0.7 = 0.56 이 된다. 다음, 프로그램 소스는 미세먼지 체감지수 안전도 모의실험 FUUZY MATLAB 소스를 설명하고 있다.

Ⅳ. 결론

요즈음, 미세먼지 대기 오염으로 해마다 600만 명 이상이 목숨을 잃고 있다는 통계가 발표 되고 있다. 그러나, 대민국 미세먼지 수치 값은 본 논문 1-2장에서 살펴본 것처럼, 정확도가 많이 떨어진다. 그러므로, 미세먼지를 정확하게 예측하기 위해서는, 습도조건, 거주지 조건, 바람세기 조건, 습도 조건을 고려해서, 미세먼지 체감 안전도지수를 정확하게 산출해야 된다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 퍼지 규칙 및 연관규칙을 이용해서 이러한 문제점을 해결하였다. 뿐만 아니라, 미세먼지 체험지수를 정확하게 산출하려면, 공장지역, 주택지역, 청정 지역, 자동차 도로지역을 고려한 미세먼지 체감지수 및 오염원 유입조건, 유출 조건을 예측하는 SW 시스템을 개발해야 될 것으로 사료된다. 특별히, 전국에 측정소를 5-10만개 이상, 반드시, 추가로 설치하고, 빅데이터로 분석해서, 정확도를 개설하는 방안을 도입해야 할 것 이다.

※ 이 논문은 2019년도 상지대 교내연구비로 수행 되었습니다.