인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
목적 : 본 연구에서, 도로변대기측정망 확장 시 신설 측정망 지점을 결정하기 위한 학습 기반 최적화 방법론을 제시 및 적용하고자 한다. 특히 서울시에서 가용한 빅데이터를 이용하여 측정망의 설치 지점 선정 원리를 잘 반영할 수 있으며 사회·경제·환경 특성을 통합적으로 고려한 의사결정 기법을 고안하고, 기법의 최적화 결과로 잠재적인 신규 도로변대기측정망 설치 후보 지점을 도출하고자 한다. 또한, 측정망 신규 설치 시 신뢰도 있는 대기오염 정보의 확보가 가능한 범위를 산정하여 객관적인 의사결정을 지원할 수 있는 도구로서의 활용 가능성을 확인하고자 한다.
방법 : 제시된 학습 기반 최적화 알고리즘은 서울시에서 측정망 설치 목적에 적합한 사회ㆍ경제ㆍ환경 변수를 종합적으로 고려하여 최적 신설 측정 지점을 선정하는 새로운 방법이다. 먼저 유전 알고리즘을 통해 신설 측정망 설치시 기존 측정망과 비교해 측정망의 영향력이 최대가 되고, 전체적인 대기오염 수준이 높고, 기존 측정망과 겹치지 않는 지역에 측정소 후보 지점들을 선정할 수 있도록 학습을 진행하여 동일 수준의 복수 최적 해를 얻었다. 그 다음, PROMETHEE 방법을 적용하여 유전 알고리즘에서 도출된 해들 중 측정망 설치 시 고려해야 하는 여섯 개 평가 지표(정보 엔트로피, 측정망 설치 개수, 점 오염원과의 거리, 풍속, 교통량, 생활 인구)의 우선순위를 종합적으로 잘 만족시키는 최종 해를 결정하였다.
결과 및 토의 : 학습 기반 최적화를 통해 서울시에서 기존에 운영되던 15개의 도로변대기측정소에서 10개의 측정망 신설 후보 지점이 선정되었다. 측정망 신규 설치 시 설명가능한 대기오염의 시공간적 범위는 서울시의 84.33%로 기존 측정망이 갖는 대기오염 정보의 불확실성을 26.15% 감소시킬 것으로 기대된다. 또한, 최종 해는 도출된 여러 해들 중 신설 후보 지점의 개수가 적고, 대기오염 배출 시설과의 거리가 가까우며 생활 인구와 교통량이 많은 곳으로 선정되어 서울시의 지역적 특성을 반영함과 동시에 기존 측정망 설치 목적에 부합하는 도로변대기측정망 신규설치 지점이라고 판단된다.
결론 : 제시된 최적화 방법은 측정망의 설치 목적에 적합한 변수들을 사용하여 객관적인 최종 해를 도출할 수 있는 방법으로, 도시대기측정망과 달리 사회적 요소를 추가로 고려해야 하는 도로변대기측정망의 신규지점도 도출할 수 있다. 최적화에 의해 도출된 최종 해는 실제 현장 검증과 더불어 보다 실효성 있는 신설 후보 지점을 도출할 수 있어 미래 활용 가능성이 크다. 더 나아가 구축된 최적화 방법은 다른 환경 측정망의 신규 설치 지점 결정 과정에서 범용적으로 적용할 수 있을 것으로 예상된다.
방법 : 제시된 학습 기반 최적화 알고리즘은 서울시에서 측정망 설치 목적에 적합한 사회ㆍ경제ㆍ환경 변수를 종합적으로 고려하여 최적 신설 측정 지점을 선정하는 새로운 방법이다. 먼저 유전 알고리즘을 통해 신설 측정망 설치시 기존 측정망과 비교해 측정망의 영향력이 최대가 되고, 전체적인 대기오염 수준이 높고, 기존 측정망과 겹치지 않는 지역에 측정소 후보 지점들을 선정할 수 있도록 학습을 진행하여 동일 수준의 복수 최적 해를 얻었다. 그 다음, PROMETHEE 방법을 적용하여 유전 알고리즘에서 도출된 해들 중 측정망 설치 시 고려해야 하는 여섯 개 평가 지표(정보 엔트로피, 측정망 설치 개수, 점 오염원과의 거리, 풍속, 교통량, 생활 인구)의 우선순위를 종합적으로 잘 만족시키는 최종 해를 결정하였다.
결과 및 토의 : 학습 기반 최적화를 통해 서울시에서 기존에 운영되던 15개의 도로변대기측정소에서 10개의 측정망 신설 후보 지점이 선정되었다. 측정망 신규 설치 시 설명가능한 대기오염의 시공간적 범위는 서울시의 84.33%로 기존 측정망이 갖는 대기오염 정보의 불확실성을 26.15% 감소시킬 것으로 기대된다. 또한, 최종 해는 도출된 여러 해들 중 신설 후보 지점의 개수가 적고, 대기오염 배출 시설과의 거리가 가까우며 생활 인구와 교통량이 많은 곳으로 선정되어 서울시의 지역적 특성을 반영함과 동시에 기존 측정망 설치 목적에 부합하는 도로변대기측정망 신규설치 지점이라고 판단된다.
결론 : 제시된 최적화 방법은 측정망의 설치 목적에 적합한 변수들을 사용하여 객관적인 최종 해를 도출할 수 있는 방법으로, 도시대기측정망과 달리 사회적 요소를 추가로 고려해야 하는 도로변대기측정망의 신규지점도 도출할 수 있다. 최적화에 의해 도출된 최종 해는 실제 현장 검증과 더불어 보다 실효성 있는 신설 후보 지점을 도출할 수 있어 미래 활용 가능성이 크다. 더 나아가 구축된 최적화 방법은 다른 환경 측정망의 신규 설치 지점 결정 과정에서 범용적으로 적용할 수 있을 것으로 예상된다.
#Air pollution
#Roadside monitoring network
#Expansion of monitoring network
#Genetic algorithm
#PROMETHEE
#대기오염
#도로변대기측정망
#측정망 확장
#유전 알고리즘
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 1. 서론
- 2. 연구 방법
- 3. 결과
- 4. 고찰
- 5. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-ECN-0101-2023-539-001330996
