KR20220036737A - 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법 - Google Patents
실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법 Download PDFInfo
- Publication number
- KR20220036737A KR20220036737A KR1020200119295A KR20200119295A KR20220036737A KR 20220036737 A KR20220036737 A KR 20220036737A KR 1020200119295 A KR1020200119295 A KR 1020200119295A KR 20200119295 A KR20200119295 A KR 20200119295A KR 20220036737 A KR20220036737 A KR 20220036737A
- Authority
- KR
- South Korea
- Prior art keywords
- air quality
- information
- unit
- facility
- level
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 43
- 238000009423 ventilation Methods 0.000 claims abstract description 42
- 238000013500 data storage Methods 0.000 claims abstract description 33
- 238000003915 air pollution Methods 0.000 claims abstract description 31
- 238000000746 purification Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 239000000126 substance Substances 0.000 claims abstract description 4
- 239000000284 extract Substances 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 239000000428 dust Substances 0.000 description 15
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004887 air purification Methods 0.000 description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 5
- 239000001569 carbon dioxide Substances 0.000 description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 description 5
- 230000000474 nursing effect Effects 0.000 description 5
- 239000003344 environmental pollutant Substances 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002341 toxic gas Substances 0.000 description 2
- 206010063600 Exposure to contaminated air Diseases 0.000 description 1
- 206010017740 Gas poisoning Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003905 indoor air pollution Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009965 odorless effect Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/54—Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Combustion & Propulsion (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Air Conditioning Control Device (AREA)
- Ventilation (AREA)
Abstract
본 발명은 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법을 개시하는 것으로, 본 실시예의 실내 공기질 모니터링 시스템은, 공기오염 취약계층의 시설물에 설치되어 실내의 공기질 변화를 감시하는 공기질 모니터링 시스템에 있어서, 다수의 유해물질을 감지하는 센서모듈을 구비하여 상기 시설물 내부의 공기질을 실시간으로 측정하는 제 1 정보 측정부, 상기 시설물 내부의 공기질 정보를 누적적으로 저장하고 관리하는 빅 데이터 저장부, 상기 빅 데이터 저장부로부터 과거의 공기질 변화 정보를 수집하는 제 2 정보 수집부, 기계 학습을 통하여 상기 제 2 정보 수집부에서 수집되는 제 2 정보를 기초로 상기 제 1 정보 측정부에서 측정되는 공기질의 변화를 예측하고 위험 수위를 판단하는 공기질 수준 예측부, 상기 공기질 수준 예측부에서 예측되는 공기질의 변화 및 위험 수위 정보를 사용자 인터페이스에 제공하는 공기질 정보 제공부, 및, 상기 공기질 수준 예측부의 예측 결과에 따라 공기 오염이 위험 수위에 도달하기 전에 환기장치 또는 정화장치를 구동하는 장치 구동부를 포함하여, 시설물 내부의 공기 오염이 임계치에 도달하는 것을 방지한다.
Description
본 발명은 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법을 개시한다.
대부분의 도시민은 건축물 내에서 하루의 대부분을 보내기 때문에, 실내 공기질은 도시민의 건강에 직접적인 영향을 줄 수 있다. 즉, 한정된 공간 속에서 인공적인 설비를 통하여 계속적으로 순환되는 오염된 공기에 노출되거나, 환기설비가 없는 밀폐된 공간에서 오랫동안 생활함으로써 각종 인체 유해 오염 물질들을 흡입하게 되어 각종 호흡기 관련 질환에 시달리고 있는 현대인이 증가하고 있다.
최근 실내 환경문제가 국민건강의 주요 이슈로 부각되면서 주요 오염물질에 대한 실시간 관리의 필요성이 대두되고 있다. 특히, 경제적 수준과 과학의 발달에 따라 복잡하고 다양한 생활용품, 건축 내장재 등으로부터 다양한 오염물질이 방출되는 등 실내 공간에서 생활하는 거주자들로부터 빌딩 증후군 증상을 호소하는 사례가 증가하고 있다.
실내 공기의 오염은 다양한 원인에 의하여 발생하고 있으며, 이를 개선하기 위해 공기 청정기 등의 장치가 일부 이용되고는 있으나, 이는 그 기능상 실내 공기질의 개선에는 한계가 있을 수밖에 없다. 또한, 수치를 가늠케 하는 측정센서가 부착되어 있지 않기 때문에 오염 물질량을 재실자가 수치로 확인하기가 곤란하여 효율적인 공기질 개선 관리가 불가능 하였다.
이를 위하여 최근에는 실내 공기질을 자동으로 측정하여 수치와 함께 공기의 오염상태를 알려 환기를 유도하거나, 오염 정도에 따라 자동으로 공기정화장치를 구동하는 다양한 종류의 공기오염감지 시스템과 장치가 개발 및 보급되고 있다. 일 예로, 한국등록특허 10-2008855호는 '실내외 공기질 측정 및 환기 제어 공유 플랫폼 서비스 제공 시스템'을 소개하고, 한국등록특허 10-1591735호에는 '실내 공기질의 예측을 통한 오염 정보 제공 방법'을 소개하고 있다.
상기 선행문헌들의 공기정화 시스템은 실내 또는 실외의 공기 오염을 실시간으로 측정하거나 예측하여 사용자에게 공기오염정보를 제공하여, 사용자가 미리 대처할 수 있도록 한다. 그러나 선행문헌의 공기정화시스템은 실시간으로 측정되는 공기질을 기반으로 공기 오염을 예측하는 것으로 예측을 위한 데이터 기반이 미약하여 예측 정보의 정확성이 떨어지는 단점이 있다. 따라서, 공기 오염의 진행은 지역, 시간, 시설물의 종류 등에 따라 다양하게 진행될 수 있는 데, 이러한 공기 오염 요인들을 종합하여 공기오염을 예측함으로써, 예측 정보의 정확성을 향상시킬 필요가 있다.
한편, 일반적인 시설물 내부에서의 공기정화시스템의 경우 실내 거주하는 성인들은 공기정화시스템에서 제공되는 정보를 기반으로 또는 경험에 따른 정보를 기반으로 공기 오염이 임계치에 도달하기 전에 본능적으로 감지하여 미리 정화장치 또는 환기장치를 구동시킬 수 있다. 그러나 공기 오염에 대한 취약계층이 거주하는 시설물에서는 관리자나 보호자가 부재중일 때 정화장치 또는 환기장치를 제때에 구동시키지 못하는 경우가 있다. 또한, 안전 취약계층에 대해서는 공기 오염이 임계치에 도달한 상태에서 환기 또는 정화 작용이 이루어지더라도, 공기 오염이 임계치에 도달할 때 이미 치명적 위험을 초래할 수 있으므로, 공기 오염이 임계치에 도달하기 전에 미리 오염 상황을 알리고 정화 또는 환기 시스템을 구동할 필요가 있다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 제안된 것으로, 본 발명이 해결하고자 하는 과제는 실내 대기의 유해 성분을 실시간으로 감시하고, 예측을 통하여 유해 성분의 비중 증가를 미리 알려 적시에 예방할 수 있도록 하는 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법을 제공하는 것이다.
또한, 본 발명은 과거의 유해 성분 변화 추이를 시계열적으로 분석하여 이들의 임계치 도달 시점을 사전에 예측하여 제공함으로써, 공기 오염 상태가 임계치에 도달하기 전에 환기장치 또는 정화장치가 구동될 수 있도록 하는 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법을 제공하는 것을 과제로 한다.
또한, 본 발명은 특히 영유아 시설, 장애 시설 또는 요양 시설 등과 같이 안전 취약계층이 이용하는 시설물 내에서 관리자 또는 보호자 부재시에도 자동으로 사전에 공기정화가 이루어지도록 하는 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법을 제공하는 것을 과제로 한다.
또한, 본 발명은 이미 설치되어 운영중인 공기정화 시스템 또는 환기시스템과 연동하여 이들로부터 제공되는 데이터를 기반으로 공기질의 위험수위 도달 시간을 예측하여 미리 환기장치 또는 정화장치를 구동함으로써, 공기질이 위험수위에 도달하지 않도록 하는 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법을 제공하는 것을 과제로 한다.
상기와 같은 과제를 해결하기 위한 본 실시예의 실내 공기질 모니터링 시스템은, 공기오염 취약계층의 시설물에 설치되어 실내의 공기질 변화를 감시하는 공기질 모니터링 시스템에 있어서, 다수의 유해물질을 감지하는 센서모듈을 구비하여 상기 시설물 내부의 공기질을 실시간으로 측정하는 제 1 정보 측정부, 상기 시설물 내부의 공기질 정보를 누적적으로 저장하고 관리하는 빅 데이터 저장부, 상기 빅 데이터 저장부로부터 과거의 공기질 변화 정보를 수집하는 제 2 정보 수집부, 기계 학습을 통하여 상기 제 2 정보 수집부에서 수집되는 제 2 정보를 기초로 상기 제 1 정보 측정부에서 측정되는 공기질의 변화를 예측하고 위험 수위를 판단하는 공기질 수준 예측부, 상기 공기질 수준 예측부에서 예측되는 공기질의 변화 및 위험 수위 정보를 사용자 인터페이스에 제공하는 공기질 정보 제공부, 및, 상기 공기질 수준 예측부의 예측 결과에 따라 공기 오염이 위험 수위에 도달하기 전에 환기장치 또는 정화장치를 구동하는 장치 구동부를 포함하여, 시설물 내부의 공기 오염이 임계치에 도달하는 것을 방지한다.
또한, 본 실시예에 있어서, 상기 빅 데이터 저장부는 시설물 정보를 더 저장하고 관리하고, 상기 제 2 정보 수집부는 상기 시설물 정보를 더 수집하며, 상기 공기질 수준 예측부는 상기 과거의 공기질 변화 정보와 상기 시설물 정보를 기초로 공기질 수준을 예측하도록 구성될 수 있다.
또한, 본 실시예에 있어서, 상기 시설물 정보는, 해당 시설물의 공간 크기와 과거 환기 시간 정보를 포함할 수 있다.
또한, 본 실시예에 있어서, 외부 기관으로부터 기상정보를 수집하는 기상정보 수집부;를 더 포함하고, 상기 장치 구동부는, 상기 공기질 수준 예측부에서 예측되는 공기질 수준과 상기 기상정보로부터 수집되는 기상정보를 비교하여, 환기장치 또는 정화장치를 선택적으로 구동하도록 구성될 수 있다.
또한, 상기와 같은 과제를 해결하기 위한 본 실시예의 공기질 수준 예측방법은, 공기오염 취약계층의 시설물에 설치되는 공기질 모니터링 시스템을 통하여 공기질의 변화와 위험 수위를 예측하는 공기질 수준 예측방법에 있어서, (a) 실내의 실시간 공기질을 측정하는 단계, (b) 빅 데이터 저장부로부터 실내의 과거 공기질 변화 정보를 추출하는 단계, (c) 상기 (b) 단계에서 추출된 상기 과거 공기질 변화 정보를 대상으로 하는 기계 학습을 통하여 상기 (a) 단계에서 측정된 공기질의 변화와 위험 수위를 예측하는 단계, (d) 상기 (c) 단계에서 예측되는 공기질의 변화와 위험 수위 정보를 사용자 인터페이스로 제공하는 단계, 및, (e) 상기 (c) 단계에서 예측되는 공기질의 위험 수위에 대응하여 공기질이 위험 수위에 도달하기 전에 환기장치 또는 정화장치를 구동하는 단계를 포함한다.
또한, 본 실시예에 있어서, 상기 (b) 단계는 상기 빅 데이터 저장부로부터 시설물 공간 크기와 상기 시설물의 과거 환기 정보를 포함하는 시설물 정보를 더 추출하고, 상기 (c) 단계는 상기 과거 공기질 변화 정보와 상기 시설물 정보에 대한 기계 학습으로 공기질의 수준을 예측할 수 있다.
또한, 본 실시예에 있어서, (f) 상기 (a) 단계에서 측정되는 공기질 정보와 상기 (e) 단계의 환기 정보를 전달받아 학습용 데이터를 구축하는 단계를 더 포함할 수 있다.
본 실시예의 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법은 과거의 공기질 변화 추이와 시설물 정보를 이용하여, 실시간으로 측정되는 공기의 오염이 임계치에 도달하기 전에 미리 환기 또는 정화가 이루어지도록 구성됨으로써, 특히 영유아시설, 장애시설, 요양시설 등과 같이 취약계층이 거주하는 시설물에 대하여 양질의 공기 상태를 유지할 수 있다.
또한, 본 발명은 이미 설치되어 운영중인 공기정화 시스템 또는 환기시스템과 연동하여 이들로부터 제공되는 데이터를 기반으로 공기질의 위험수위 도달 시간을 예측하여 미리 환기장치 또는 정화장치를 구동할 수 있다.
도 1은 본 실시예에 따른 실내 공기질 모니터링 시스템의 구현 예를 나타낸 개념도,
도 2는 본 실시예에 따른 실내 공기질 모니터링 시스템의 주요 구성을 예시한 블록도,
도 3은 도 2의 주요부인 제 1 정보 저장부의 센서모듈을 예시한 블록도,
도 4는 본 실시예에 따른 공기질 수준 예측과정을 나타낸 순서도,
도 5는 본 실시예에 따른 제 1 정보 측정부에서 측정되는 정보를 예시한 데이터 테이블,
도 6은 본 실시예에 따른 빅 데이터 저장부에 저장되는 정형 데이터를 예시한 도면,
도 7은 본 실시예에 따른 빅 데이터 저장부의 원천 데이터와 정형 데이터정보를 예시한 데이터 테이블,
도 8은 본 실시예에 따른 실내 공기질 수준 예측 결과를 예시한 데이터 테이블.
도 2는 본 실시예에 따른 실내 공기질 모니터링 시스템의 주요 구성을 예시한 블록도,
도 3은 도 2의 주요부인 제 1 정보 저장부의 센서모듈을 예시한 블록도,
도 4는 본 실시예에 따른 공기질 수준 예측과정을 나타낸 순서도,
도 5는 본 실시예에 따른 제 1 정보 측정부에서 측정되는 정보를 예시한 데이터 테이블,
도 6은 본 실시예에 따른 빅 데이터 저장부에 저장되는 정형 데이터를 예시한 도면,
도 7은 본 실시예에 따른 빅 데이터 저장부의 원천 데이터와 정형 데이터정보를 예시한 데이터 테이블,
도 8은 본 실시예에 따른 실내 공기질 수준 예측 결과를 예시한 데이터 테이블.
본 발명과 본 발명의 실시에 의해 달성되는 기술적 과제는 다음에서 설명하는 바람직한 실시예들에 의해 명확해질 것이다. 이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 살펴보기로 한다.
후술되는, 본 실시예의 차이는 상호 배타적이지 않은 사항으로 이해되어야 한다. 즉 본 발명의 기술 사상 및 범위를 벗어나지 않으면서, 기재되어 있는 특정 형상, 구조 및 특성은, 일 실시예에 관련하여 다른 실시예로 구현될 수 있으며, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 변경될 수 있음이 이해되어야 한다.
도 1은 본 실시예에 따른 실내 공기질 모니터링 시스템의 구현 예를 나타낸 개념도이고, 도 2는 본 실시예에 따른 실내 공기질 모니터링 시스템의 주요 구성을 예시한 블록도이며, 도 3은 도 2의 주요부인 제 1 정보 저장부의 센서모듈을 예시한 블록도이다.
먼저, 도 1을 참조하면, 이와 같은 실내 공기질 모니터링 시스템(10)은 운영서버(11), 실내 공기질을 실시간으로 측정하는 스마트 센서모듈(12), 외부 기상정보를 수신하는 날씨정보 수신모듈(13), 시설물 내에 설치되는 환기장치 또는 정화장치(14) 및 사용자 인터페이스(15)를 포함하며, 이들은 클라우드(16)를 매개로 각종 정보가 저장 및 공유된다. 또한, 본 실시예의 실내 공기질 모니터링 시스템(10)은 스마트 센서모듈(12)에서 측정되는 공기질 정보를 기반으로 변화되는 공기질 수준을 예측하는 공기질 수준 예측모듈(17)을 더 포함한다.
여기서, 스마트 센서모듈(12)은 온도, 습도, TVOC, 미세먼지, 일산화탄소, 이산화탄소 등을 감지하는 복수의 센서들로 구성될 수 있으며, 실내 공기질과 관련된 정보를 측정하기 위한 다양한 종류의 센서들을 더 포함할 수 있다.
스마트 센서모듈(12)은 실내(시설물 내부)뿐만 아니라 필요에 따라 실외(시설물 외부)에도 설치될 수 있다. 또한, 날씨정보 수신모듈(13)은 기상청과 연동되어 기상청으로부터 실시간 및 시간 단위로 예측되는 날씨정보를 실시간으로 수집한다.
환기 또는 정화장치(14)는 실내외를 환기하거나 실내공기를 정화하는 다양한 종류의 장치로서, 냉난방기, 환기청정기, 공기청정기 등을 포함할 수 있다.
사용자 인터페이스(15)는 사용자 또는 관리자로 하여금 실내 공기질 정보를 확인하도록 하는 구성으로, 웹 접속이 가능한 단말기 또는 스마트 폰 등을 포함할 수 있다.
공기질 수준 예측모듈(17)은 실시간 측정되는 공기질 정보, 시설물 자체에 대한 정보, 해당 시설물에 대하여 누적된 공기질 예측 정보 등을 기초로 새로운 공기질 수준을 예측하는 구성으로, 제공되는 정보를 기초로 기계 학습이 가능한 인공지능 모델이 적용된다.
상기와 같은 구성의 실내 공기질 모니터링 시스템은 유치원, 어린이집, 요양원, 양로원 등과 같은 공기 오염에 대한 취약계층이 생활하는 시설물에 설치되어 시설물 내의 공기질을 실시간으로 모니터링하여, 이 후의 공기질 수준을 예측하고 그 결과를 관리자 또는 보호자에게 제공하며, 결과에 따라 환기장치 또는 정화장치를 구동하도록 구성된다.
이와 같은 실내 공기질 예측 및 제어가 이루어지기 위한 본 실시예의 실내 공기질 모니터링 시스템(10)의 주요 구성을 살펴보면, 도 2에 도시된 바와 같이, 제 1 정보 측정부(200), 제 2 정보 수집부(300), 기상정보 수집부(400), 빅 데이터 저장부(500), 공기질 수준 예측부(600), 공기질 정보 제공부(700), 장치 구동부(800) 및 운영 서버(100)를 포함한다.
구체적으로 살펴보면, 제 1 정보 측정부(200)는 실내의 실시간 공기질을 측정하는 구성으로, 도 3에 도시된 바와 같이, 온도와 습도를 감지하는 온도/습도 감지센서, 사람을 감지하는 인체 감지센서, 유해 유기화합물을 감지하는 TVOC(Total Volatile Organic Compounds : 총 휘발성 유기화합물), 이산화탄소 및 일산화탄소 감지센서 및 미세먼지 감지센서를 포함한다. 이러한 제 1 정보 측정부(100)는 인체에 유해하며 공기 오염을 유발하는 물질을 측정하는 센서들이라면 이에 한정되지 않고 다양한 종류의 감지센서들을 더 포함할 수 있다. 제 1 정보 측정부(100)에서 측정된 온도, 습도, TVOC, CO, CO2, 미세먼지 등의 정보는 공기질의 변화를 예측하는 자료로 활용된다.
온도/습도 감지센서는 실내의 온도와 습도를 감지하는 구성으로, 일 예로, -40℃ 내지 80℃의 온도 및 0 내지 100% 범위의 습도를 감지할 수 있는 센서로 구성될 수 있다. 온도/습도 감지센서에서 측정되는 정보에 따라 시설물 내부의 이상 기온 여부를 모니터링 한다.
인체 감지센서는 실내에서 생활하는 거주자의 수(밀도)와 활동 패턴 등을 감지하며, 열 감지센서로 구성될 수 있다.
TVOC 감지센서는 화재 등으로부터 발생되는 유독가스를 감지하는 구성으로 0 내지 1187ppb 범위의 유독가스를 감지할 수 있는 센서로 구성된다.
일산화탄소 감지센서는 무색무취 환경에서의 가스 중독을 방지하기 위한 것으로, 20 내지 2000ppm 범위의 일산화탄소를 감지하는 센서로 구성된다. 이산화탄소 감지센서는 생활상의 유해 환경을 감지하고자 하는 것으로 400 내지 8192ppm 범위의 이산화탄소를 감지하는 센서로 구성된다.
미세먼지 감지센서는 공기 중에 분포하는 먼지를 감지하는 것으로, 미세먼지, 초미세먼지 또는 극초미세먼지를 구분하여 감지하도록 구성될 수 있다. 먼지는 입자의 크기에 따라 지름 10㎛ 이하인 미세먼지(PM10), 지름 2.5㎛ 이하인 초미세먼지(PM2.5), 지름 1.0㎛ 이하인 극초미세먼지(PM1.0)로 구분한다.
이와 같은 제 1 정보 측정부(100)는 다수의 센서가 하나의 모듈을 구성할 수 있으며, 실내뿐만 아니라 실외에도 설치되어 실내외의 공기질을 비교할 수 있는 정보로 활용될 수 있다.
제 2 정보 수집부(300)는 공기질의 변화에 대한 빅 데이터로부터 공기질의 변화 추이에 대한 정보를 수집하는 구성이다. 제 2 정보 수집부(200)에서 수집되는 정보는 제 1 정보 측정부(100)에서 측정되는 정보와 함께 공기질의 변화와 수준을 예측하는 정보로 활용된다. 제 2 정보 수집부(200)는 빅 데이터 저장부(500)로부터 기존의 공기질 변화에 대한 추이 정보와 해당 시설물에 대한 정보를 추출한다. 이를 위하여 빅 데이터 저장부는 공기질의 측정 및 변화에 대한 다량의 정보와 시설물 정보를 빅 데이터로 저장 및 관리한다.
기상정보 수집부(400)는 외부 기관으로부터 미세먼지 농도, 날씨 등의 기상정보를 수신하는 구성이다. 기상 정보를 제공하는 외부 기관은 일 예로 기상청일 수 있으며, 기상정보 수집부(400)는 기상청과 통신하기 위한 유무선 통신수단을 구비한다. 기상정보 수집부(400)에서 수집되는 기상정보는 현재의 실시간 기상정보와 수분 또는 수시간 단위로 예측되는 기상정보를 포함하고, 수집된 기상정보는 환기장치 구동 여부를 판단하기 위한 정보로 활용된다.
빅 데이터 저장부(500)는 각 유해성분에 따른 과거와 현재의 공기질의 변화정보를 저장하고 관리한다. 빅 데이터 저장부(500)는 과거의 공기질 변화 추이를 시계열 기반으로 기록하고 관리한다. 빅 데이터 저장부(500)에서 저장 및 관리되는 공기질 정보는 제 2 정보 수집부(200)로 제공되고, 제 1 정보 측정부(100)로부터 수신되는 실시간의 공기질 정보는 과거의 공기질 변화 추이에 추가하여 기록하고 관리한다.
또한, 빅 데이터 저장부(500)는 공기질 모니터링 시스템이 설치되는 시설물에 대한 정보를 저장한다. 실내 공기질의 변화는 시설물의 크기나 유형, 환기 수준 등과 같은 공간 특성에 의해서도 크게 좌우된다. 따라서 빅 데이터 저장부(500)는 공기질과 그 변화 추이를 원천 데이터로 하고, 시설물의 공간 크기와 과거 환기 시간(여기서 환기시간을 환기장치 구동시간 또는 정화장치 구동시간을 말한다)을 정형 데이터로 저장하고 관리한다.
이와 같이 빅 데이터 저장부(500)에서 저장 및 관리되는 정보는 제 2 정보 수집부(200)의 요청에 따라 제공되어 공기질 수준을 예측하는 정보로 활용된다.
공기질 수준 예측부(600)는 현재 측정되는 공기질 정보와 과거의 공기질 변화 추이 정보, 시설물 정보를 기초로 공기질의 변화를 예측하고 그에 따른 위험 수위를 판단하는 구성이다. 본 실시예의 공기질 수준 예측부(600)는 인공지능 모델이 적용되어 과거의 공기질에 대한 성분 변화 추이를 분석한 후, 변화 추이에 따라 현재의 공기질에 대한 변화를 예측한다. 이때, 공기질 수준 예측부(600)는 시설물에 대한 정보 즉, 시설물의 공간 정보와 과거 환기 시간 정보를 추가로 적용하여 공기질 변화를 예측한다. 공기질 수준 예측부(600)는 이와 같은 공기질 변화 예측으로 공기 오염이 임계치에 도달하는 시점 즉, 위험 수위 도달 시점을 미리 추론한다.
공기질 정보 제공부(700)는 공기질 수준 예측부(600)에서 예측되는 공기질 정보를 사용자 인터페이스(도 1의 15 참고)로 제공한다. 관리자나 보호자는 사용자 인터페이스를 통하여 시설물 내의 공기질 정보를 실시간으로 확인 및 감시할 수 있으며, 필요에 따라 환기장치나 정화장치를 직접 구동할 수 있다.
장치 구동부(800)는 공기질 수준 예측부(600)의 예측 결과에 환기장치 또는 정화장치를 구동한다. 즉, 공기질 정보 제공부(700)는 공기질 수준 예측부(600)에서 공기 오염이 임계치에 도달하는 시점이 예측될 때, 그 전에 미리 환기장치 또는 정화장치를 구동하여 공기 오염이 임계치에 도달하지 않도록 한다.
또한, 장치 구동부(800)는 환기장치 또는 정화장치를 구동함에 있어서, 외부에 설치되는 제 1 정보 측정부(100)의 공기질 정보와 기상정보 수집부(400)에서 수집되는 기상정보를 참고하여 환기장치를 구동할 것인지 또는 정화장치를 구동할 것인지를 결정하도록 구성된다. 일 예로, 실외의 공기질 수준이 실내의 공기질 수준보다 좋을 때 환기장치를 구동하고, 미세먼지 등에 의하여 실외의 공기질 수준이 실내의 공기질 수준보다 나쁠 때 또는 미리 설정된 기준 이하일 때는 정화장치만을 구동할 수 있다.
운영 서버(100)는 제 1 정보 측정부(200), 제 2 정보 수집부(300), 기상정보 수집부(400), 빅 데이터 저장부(500), 공기질 수준 예측부(600), 공기질 정보 제공부(700) 및 장치 구동부(800)의 구동을 운영하고 감시한다.
도 4는 본 실시예에 따른 공기질 수준 예측과정을 나타낸 순서도이고, 도 5는 본 실시예에 따른 제 1 정보 측정부에서 측정되는 정보를 예시한 데이터 테이블이며, 도 6은 본 실시예에 따른 빅 데이터 저장부에 저장되는 정형 데이터를 예시한 도면이고, 도 7은 본 실시예에 따른 빅 데이터 저장부의 원천 데이터와 정형 데이터정보를 예시한 데이터 테이블이며, 도 8은 본 실시예에 따른 실내 공기질 수준 예측 결과를 예시한 데이터 테이블이다.
도 4를 참조하면, 본 실시예의 공기질 수준 예측은, 제 1 정보 측정부(100)는 실내의 공기질을 실시간으로 측정하는 과정으로 시작된다(S11). 실내 공기질 측정은 스마트 센서모듈로부터 실내의 온도, 습도, TVOC, 미세먼지(PM10, PM2.5), 일산화탄소, 이산화탄소 등의 농도를 측정하여 수집한다. 제 1 정보 측정부(100)에서 측정되는 정보는 도 5와 같이 데이터화될 수 있다.
측정된 제 1 정보는 공기질 수준 예측부(600)에 전송되고, 동시에 빅 데이터 저장부(500)에도 전송된다. 빅 데이터 저장부(500)는 전송된 제 1 정보를 과거의 공기질 정보와 함께 저장 및 관리하여 시계열적으로 변화 추이를 확인할 수 있도록 한다(S12).
빅 데이터 저장부(500)는 도 6과 같이 분류되는 시설물 정보와 함께 제 1 정보를 결합하여 도 7과 같이 데이터화하고, 기계 학습을 위한 학습용 데이터로 정리하여 관리한다. 이때, 빅 데이터 저장부(500)는 전송되는 정보들을 수치형 데이터로 변환한 후 대수화를 이용한 비선형 처리, 범주화를 이용한 비선형 처리, 정규화, 예외값 분석, 주성분 분석을 이용한 차원 압축, 센서 데이터 결손 처리 모델을 적용하여 학습용 데이터를 구축할 수 있다.
이와 같이 빅 데이터 저장부(500)는 시간별 공기질 센서 데이터 외에 공간 크기, 환기 여부에 대한 칼럼을 추가하여 학습용 데이터를 구축함으로써, 공기질 변화 예측의 정확성을 보다 향상시킬 수 있다.
그리고 공기질 수준 예측부(600)는 전송된 제 1 공기질 정보를 수신함과 동시에 빅 데이터 저장부(500)로부터 과거의 공기질 정보와 시설물 정보를 포함하는 빅 데이터를 추출하고(S13), 과거의 공기질 추이 정보, 현재의 공기질 정보, 시설물 정보를 기초로 공기질의 변화를 예측하며(S14), 변화에 따른 위험 수준을 산출한다(S15).
예측된 공기질의 변화와 그에 따른 위험 수준은 도 8과 같이 테이블화 될 수 있으며, 위험 수위는 가이드 수준을 100% 초과하는 위험 단계, 90% 초과하는 경고 단계, 80% 초과하는 주의 단계 및 그 외의 안전 단계로 구분할 수 있다.
공기질 정보 제공부(700)는 이와 같이 산출된 위험 수준을 포함하는 공기질 정보를 사용자 인터페이스로 제공한다(S16).
이어서, 장치 구동부(800)는 공기질이 경고 단계 또는 주의 단계에 도달하기 전에 환기장치 또는 정화장치를 구동하여 공기의 오염이 임계치에 도달하지 않도록 한다(S18). 이때, 장치 구동부(800)는 기상정보 수집부(400)에서 수집되는 외부의 기상 정보를 참조하여(S17), 환기장치를 구동할지 또는 정화장치를 구동할지 결정한다.
살펴본 바와 같이, 본 실시예의 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법은 과거의 공기질 변화 추이와 시설물 정보를 이용하여, 실시간으로 측정되는 공기의 오염이 임계치에 도달하기 전에 미리 환기 또는 정화가 이루어지도록 구성됨으로써, 특히 영유아시설, 장애시설, 요양시설 등과 같이 취약계층이 거주하는 시설물에 대하여 양질의 공기 상태를 유지할 수 있다.
이상과 같이 본 발명의 예시적인 실시예가 도시되어 설명되었지만, 다양한 변형과 다른 실시예가 본 분야의 숙련된 기술자들에 의해 행해질 수 있다. 이러한 변형과 다른 실시예들은 첨부된 청구범위에 모두 고려되고 포함되어 본 발명의 진정한 취지 및 범위를 벗어나지 않는다 할 것이다.
100 : 운영 서버
200 : 제 1 정보 측정부
300 : 제 2 정보 수집부
400 : 기상정보 수집부
500 : 빅 데이터 저장부
600 : 공기질 수준 예측부
700 : 공기질 정보 제공부
800 : 장치 구동부
200 : 제 1 정보 측정부
300 : 제 2 정보 수집부
400 : 기상정보 수집부
500 : 빅 데이터 저장부
600 : 공기질 수준 예측부
700 : 공기질 정보 제공부
800 : 장치 구동부
Claims (7)
- 공기오염 취약계층의 시설물에 설치되어 실내의 공기질 변화를 감시하는 공기질 모니터링 시스템에 있어서,
다수의 유해물질을 감지하는 센서모듈을 구비하여 상기 시설물 내부의 공기질을 실시간으로 측정하는 제 1 정보 측정부;
상기 시설물 내부의 공기질 정보를 누적적으로 저장하고 관리하는 빅 데이터 저장부;
상기 빅 데이터 저장부로부터 과거의 공기질 변화 정보를 수집하는 제 2 정보 수집부;
기계 학습을 통하여 상기 제 2 정보 수집부에서 수집되는 제 2 정보를 기초로 상기 제 1 정보 측정부에서 측정되는 공기질의 변화를 예측하고 위험 수위를 판단하는 공기질 수준 예측부;
상기 공기질 수준 예측부에서 예측되는 공기질의 변화 및 위험 수위 정보를 사용자 인터페이스에 제공하는 공기질 정보 제공부; 및,
상기 공기질 수준 예측부의 예측 결과에 따라 공기 오염이 위험 수위에 도달하기 전에 환기장치 또는 정화장치를 구동하는 장치 구동부;를 포함하여,
시설물 내부의 공기 오염이 임계치에 도달하는 것을 방지하는, 실내 공기질 모니터링 시스템. - 제 1 항에 있어서,
상기 빅 데이터 저장부는 시설물 정보를 더 저장하고 관리하고,
상기 제 2 정보 수집부는 상기 시설물 정보를 더 수집하며,
상기 공기질 수준 예측부는 상기 과거의 공기질 변화 정보와 상기 시설물 정보를 기초로 공기질 수준을 예측하도록 구성되는, 실내 공기질 모니터링 시스템. - 제 2 항에 있어서, 상기 시설물 정보는,
해당 시설물의 공간 크기와 과거 환기 시간 정보를 포함하는, 실내 공기질 모니터링 시스템. - 제 3 항에 있어서,
외부 기관으로부터 기상정보를 수집하는 기상정보 수집부;를 더 포함하고,
상기 장치 구동부는, 상기 공기질 수준 예측부에서 예측되는 공기질 수준과 상기 기상정보로부터 수집되는 기상정보를 비교하여, 환기장치 또는 정화장치를 선택적으로 구동하도록 구성되는, 실내 공기질 모니터링 시스템. - 공기오염 취약계층의 시설물에 설치되는 공기질 모니터링 시스템을 통하여 공기질의 변화와 위험 수위를 예측하는 공기질 수준 예측방법에 있어서,
(a) 실내의 실시간 공기질을 측정하는 단계;
(b) 빅 데이터 저장부로부터 실내의 과거 공기질 변화 정보를 추출하는 단계;
(c) 상기 (b) 단계에서 추출된 상기 과거 공기질 변화 정보를 대상으로 하는 기계 학습을 통하여 상기 (a) 단계에서 측정된 공기질의 변화와 위험 수위를 예측하는 단계;
(d) 상기 (c) 단계에서 예측되는 공기질의 변화와 위험 수위 정보를 사용자 인터페이스로 제공하는 단계; 및,
(e) 상기 (c) 단계에서 예측되는 공기질의 위험 수위에 대응하여 공기질이 위험 수위에 도달하기 전에 환기장치 또는 정화장치를 구동하는 단계;를 포함하는, 공기질 수준 예측방법. - 제 5 항에 있어서,
상기 (b) 단계는, 상기 빅 데이터 저장부로부터 시설물 공간 크기와 상기 시설물의 과거 환기 정보를 포함하는 시설물 정보를 더 추출하고,
상기 (c) 단계는, 상기 과거 공기질 변화 정보와 상기 시설물 정보에 대한 기계 학습으로 공기질의 수준을 예측하는, 공기질 수준 예측방법. - 제 6 항에 있어서,
(f) 상기 (a) 단계에서 측정되는 공기질 정보와 상기 (e) 단계의 환기 정보를 전달받아 학습용 데이터를 구축하는 단계;를 더 포함하는, 공기질 수준 예측방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200119295A KR20220036737A (ko) | 2020-09-16 | 2020-09-16 | 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200119295A KR20220036737A (ko) | 2020-09-16 | 2020-09-16 | 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220036737A true KR20220036737A (ko) | 2022-03-23 |
Family
ID=80963721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200119295A KR20220036737A (ko) | 2020-09-16 | 2020-09-16 | 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220036737A (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102493719B1 (ko) * | 2022-05-16 | 2023-02-06 | 주식회사 에어콕 | 통합 공기질 예측 시스템 |
| KR102526571B1 (ko) * | 2022-05-17 | 2023-04-28 | 김철중 | 인공지능 빅데이터를 활용한 스마트센서 기반의 밀폐공간 질식사고 예방 시스템 |
| CN117053323A (zh) * | 2023-08-11 | 2023-11-14 | 戎信蓝天(北京)技术发展有限公司 | 基于室内空气比例自平衡的空气净化*** |
| KR20240054600A (ko) | 2022-10-19 | 2024-04-26 | 주식회사 더이앤이솔루션 | 실시간 실내 공기질 모니터링 및 제어 시스템 |
| KR20240054602A (ko) | 2022-10-19 | 2024-04-26 | 주식회사 더이앤이솔루션 | 실시간 실내 공기질 모니터링 및 제어 방법 |
-
2020
- 2020-09-16 KR KR1020200119295A patent/KR20220036737A/ko not_active Application Discontinuation
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102493719B1 (ko) * | 2022-05-16 | 2023-02-06 | 주식회사 에어콕 | 통합 공기질 예측 시스템 |
| KR102526571B1 (ko) * | 2022-05-17 | 2023-04-28 | 김철중 | 인공지능 빅데이터를 활용한 스마트센서 기반의 밀폐공간 질식사고 예방 시스템 |
| KR20240054600A (ko) | 2022-10-19 | 2024-04-26 | 주식회사 더이앤이솔루션 | 실시간 실내 공기질 모니터링 및 제어 시스템 |
| KR20240054602A (ko) | 2022-10-19 | 2024-04-26 | 주식회사 더이앤이솔루션 | 실시간 실내 공기질 모니터링 및 제어 방법 |
| CN117053323A (zh) * | 2023-08-11 | 2023-11-14 | 戎信蓝天(北京)技术发展有限公司 | 基于室内空气比例自平衡的空气净化*** |
| CN117053323B (zh) * | 2023-08-11 | 2024-02-23 | 戎信蓝天(北京)技术发展有限公司 | 基于室内空气比例自平衡的空气净化*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20220036737A (ko) | 실내 공기질 모니터링 시스템 및 이를 통한 공기질 수준 예측방법 | |
| US11778423B2 (en) | Using smart occupancy detection and control in buildings to reduce disease transmission | |
| US20220277851A1 (en) | Airborne infection early warning system | |
| US20210393834A1 (en) | Systems and methods for reducing disease transmission among occupants of a building | |
| Breysse et al. | The relationship between housing and health: children at risk | |
| KR101532174B1 (ko) | 공기질측정장치와 무선단말기를 연동한 공기질 알림장치 및 그 공기질 알림방법 | |
| KR100930346B1 (ko) | 공간별 실내 공기질 검출 장치 | |
| KR20170077696A (ko) | 공기질 관리 시스템 및 방법 | |
| CN109812938B (zh) | 一种基于神经网络的空气净化方法及*** | |
| KR101608386B1 (ko) | 실시간 교육환경 모니터링 시스템 | |
| KR20170077691A (ko) | 공기질 관리 시스템 | |
| KR20140003760A (ko) | 공기질 제어 시스템 | |
| KR102175224B1 (ko) | 공기질 관리 장치 및 시스템 | |
| KR20110097001A (ko) | 실내 공기질 모니터링 시스템 및 그 방법 | |
| KR20160065052A (ko) | 통합 실내 환경 관리 장치 | |
| KR20130061823A (ko) | 공기질 제어 시스템 | |
| KR102231010B1 (ko) | 공기질 기반의 실내 모니터링 시스템 | |
| KR101517332B1 (ko) | 공기정보 제공 시스템 | |
| JP6967329B1 (ja) | 感染リスク定量化システム及び感染リスク定量化方法 | |
| KR20170077694A (ko) | 공기질 관리 시스템 | |
| US20230333075A1 (en) | Air quality sensors | |
| KR20170078372A (ko) | 공기 정화장치 및 그 제어 방법 | |
| KR102404374B1 (ko) | 실내외 센서 모듈을 이용한 공기질 관리 방법 및 장치 | |
| KR20210083592A (ko) | 다중이용시설에 대한 실내 공기질 모니터링 시스템 | |
| KR20200134478A (ko) | 네트워크를 이용한 공기질 관리 시스템 및 제어 프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |