미세먼지 분포 변화 패턴의 시공간 시각화와 교통정보 관련성 분석 :Spatio-temporal Visualization of PM10 Distribution Change Patterns with Traffic Information Analysis

이건우

추천

검색

자료유형: 학위논문

저자정보: 이건우 (세종대학교, 세종대학교 대학원)

지도교수: 염재홍

발행연도: 2019

저작권: 세종대학교 논문은 저작권에 의해 보호받습니다.

이용수23

이 논문의 연구 히스토리 (4)

2019

중력모델을 적용한 미세먼지 흐름 패턴 시공간 시각화

이건우 , 염재홍 한국측량학회지 2019.12 학술저널

시공간 미세먼지 흐름에 차량 통행속도가 미치는 영향 분석

이건우 , 염재홍 한국측량학회 학술대회자료집 2019.04 학술대회자료

미세먼지 분포 변화 패턴의 시공간 시각화와 교통정보 관련성 분석

이건우 지구정보공학과 2019.01 학위논문

2018

중력 모델을 이용한 서울시 미세먼지 분포의 시공간 변화 시각화와 건축물 정보를 이용한 시공간 패턴 분석

이건우 , 김동환 , 염재홍 대한공간정보학회 학술대회 2018.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

미세먼지 문제를 분석하고 해결하기 위한 첫 단계는 현상을 이해하고 진단하는 것이다. 미세먼지 자료는 시간과 공간을 포함하고 있으므로 시공간적 특성을 이해하는 것이 중요하다. 미세먼지의 시공간적 변화를 표현하고, 자료를 요약해 추세나 패턴을 발견하는데 시공간 시각화 기술이 효과적이다. 미세먼지 시공간 변화 표현을 위한 방법은 농도 분포도를 시간순으로 나열하거나 애니메이션을 사용하는 것이 일반적이다. 이 방법은 사람이 시간 단계를 탐색하며 변화를 파악해야 하므로 데이터에 존재하는 정보를 놓치거나 오해할 수 있다는 단점이 있다. 미세먼지는 정적인 주제도로 표현되지만 대기확산 오염물질로써 이동 및 흐름으로 표현될 필요가 있다.
미세먼지를 흐름으로 시각화하면 시공간적 변화를 동시에 나태낼 수 있어 기존 방법의 단점인 인지 및 지각의 한계를 보완할 수 있으며 계속해서 변화하는 미세먼지 특성을 현실적으로 표현할 수 있다. 이 연구에서는 미세먼지 시공간 변화 표현의 단점을 개선하고자 미세먼지를 흐름으로 시각화하였다. 기존 미세먼지 흐름 시각화 사례들은 농도 분포와 바람장을 중첩해 표현한다. 일반적으로 미세먼지 이동은 기압 및 바람과 관련이 있지만 도시 단위 이하 국지적 이동의 경우는 바람과 미세먼지 이동이 다를 수 있으므로 바람장을 사용하는 것이 적합하지 않을 수 있다. 따라서 중력모델을 이용한 흐름 추출 방법으로 미세먼지 자료로부터 직접 흐름 정보를 추출하여 시각화하였으며, 이 방법은 미세먼지 흐름 방향과 크기를 추정하기 위한 추가적인 정보가 필요하지 않다는 장점이 있다.
다음으로 미세먼지 시공간적인 변화를 흐름으로 시각화하였을 때 발견되는 패턴을 교통 측면에서 분석하였다. 선행 연구들과 차별성을 위해 도로 등급으로 구분하여 세밀한 분석을 하였으며, 교통량과 차량 통행속도 자료를 이용하였다. 미세먼지 흐름 패턴과 교통정보 관련성 분석 결과 출근 시간은 집중 패턴, 퇴근 시간은 확산 패턴이 특징적이었다. 출근 시간 미세먼지는 도로를 중심으로 집중 패턴이 나타났으며 교통량보다 통행속도와 관련성이 높았다. 미세먼지 집중 패턴의 공간적 위치는 일반국도와 유사하였으며 집중 패턴 발생 여부는 고속국도 통행속도 변화와 상관성이 높았다.

The first step to analyze and solve the PM10 problem is to understand and diagnose the phenomenon. It is important to understand spatio-temporal characteristics of PM10 data including both time and space. Spatio-temporal visualization techniques are effective in representing spatial and temporal changes of PM10, summarizing data, identifying trends and patterns. A general method for representing the space-time changes of PM10 is arranging spatial distribution map or using animation technique. This method has the disadvantage that the information in the data could be lost or misunderstood when the person has to explore the time step and compare the changes. PM10 is represented as a static theme map and needs to be represented as atmospheric diffusion pollutant with a flow.
Visualization of PM10 with a flow can be expressed as space and time changes at the same time, which can overcome limitations of recognition and perception which are disadvantages of forementioned methods. Considering this point, In this study, Visualizing PM10 was visualized as flow. Conventional cases of visualization of PM10 with a flow use superimposing concentration distribution map and wind field. In general, the flow of PM10 is related to air pressure and wind while the local flow in the case of urban might not be proper to use wind field due to the difference between wind and the flow of PM10. Therefore, flow information is extracted and visualized directly from the PM10 data by the flow extraction method using the gravity model. This method has an advantage that additional information for estimating the intensity and direction of PM10 flow is not necessary.
The patterns are analyzed with traffic information. For the purpose of differentiating from the previous studies, detailed analysis was carried out by classifying into road grades, and the data of traffic volume and vehicle velocity were used. The results of the correlation analysis between the PM10 flow patterns and traffic information showed concentration patterns in morning rush hour and dispersion patterns in evening rush hour. In morning rush hour, concentration patterns are identified in the center of roads, and flow patterns are more related to traffic velocity than traffic volume. The spatial location showing concentration patterns is similar to the general national road, and the occurrence of concentration patterns are highly correlated with the changes in traffic velocity of urban expressways.

#시공간 시각화 #미세먼지 흐름 #흐름 시각화 #교통정보

제 1장 서 론 1
1.1. 연구 배경과 목적 1
1.2. 미세먼지 시공간 시각화 연구 동향 9
1.3. 연구 내용 13
제 2장 이론적 배경 15
2.1. 중력모델을 이용한 공간 분포 변화 정보 추출 방법 15
2.2. 흐름 시각화 방법 21
2.3. 공간 보간법을 이용한 미세먼지 분포도 생성 방법 22
2.4. 미세먼지와 교통정보와 관련성 분석 24
제 3장 미세먼지 시공간 흐름 추출 및 시각화 25
3.1. 미세먼지 흐름 시각화 과정 및 데이터 전처리 25
3.2. 실험 소프트웨어 및 흐름 시각화 시스템 27
3.3. 미세먼지 분포도 생성 29
3.4. 미세먼지 흐름 추출 및 시각화 30
제 4장 미세먼지 흐름 시각화 결과 및 교통정보와 관련성 분석 33
4.1. 분석의 흐름 및 자료 특성 33
4.2. 미세먼지와 교통정보의 시각화 36
4.2.1. 출퇴근 시간대 미세먼지 흐름 패턴 시각화 36
4.2.2. 출근 시간대 도로 등급별 통행속도 시각화 39
4.2.3. 퇴근 시간대 도로 등급별 통행속도 시각화 43
4.3. 미세먼지 흐름 정보와 교통정보 간의 상관성 분석 47
4.3.1. 출근 시간대 미세먼지 집중도와 교통정보 47
4.3.2. 퇴근 시간대 미세먼지 확산도와 교통정보 54
4.4. 미세먼지와 교통정보 간의 행정구별 상관성 분석 61
4.4.1. 출근 시간대 미세먼지와 교통정보 61
4.4.2. 퇴근 시간대 미세먼지와 교통정보 63
제 5장 결론 65
참고 문헌 68
Abstract 75

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)