Carbon-free Island 제주 실현을 위한 지속가능한 전기차 보급 전략

손상훈(Sanghoon Son) 한국에너지기후변화학회 2022 한국에너지기후변화학회 학술대회 Vol.2022 No.10

인공지능을 이용한 수도권 학교 미세먼지 취약성 평가: Part II - 학교 미세먼지 범주화

손상훈 ( Sanghun Son ),김진수 ( Jinsoo Kim ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.6

직경 2.5 μm 이하인 초미세먼지는 급격한 도시화와 인구 증가로 인해 대도시에서 많이 발생하며, 유아 및 청소년기는 성인에 비해 초미세먼지에 취약하고 만성 질환으로 이어질 가능성이 높다. 특히 대부분의 청소년들은 학교에서 가장 많은 시간을 보내고 있으며, 다양한 이유에 의해 실외에서 발생한 초미세먼지가 실내로 유입된다. 본 연구는 외부 요인에 의해 발생하는 학교 초미세먼지를 예측하고 학교별 초미세먼지 범주화를 수행하였다. 10-fold cross validation과 grid-search method를 적용한 random forest (RF) 모델에 화학과 기상 인자, 위성 기반의 aerosol optical depth (AOD)를 입력 자료로 하여 학교 초미세먼지를 예측하고 정확도 평가를 위해 4가지 통계 지표를 이용하였다. 학교 미세먼지 범주화를 위해 6가지 유형을 가진 느슨한 기준과 엄격한 기준을 정의하였으며, 범주화 결과 느슨한 기준의 경우 유형 2와 3에, 엄격한 기준의 경우 유형 3과 4에 가장 많은 학교가 포함되었다. Fine particulate matter (FPM; diameter ≤ 2.5 μm) is frequently found in metropolitan areas due to activities associated with rapid urbanization and population growth. Many adolescents spend a substantial amount of time at school where, for various reasons, FPM generated outdoors may flow into indoor areas. The aims of this study were to estimate FPM concentrations and categorize types of FPM in schools. Meteorological and chemical variables as well as satellite-based aerosol optical depth were analyzed as input data in a random forest model, which applied 10-fold cross validation and a grid-search method, to estimate school FPM concentrations, with four statistical indicators used to evaluate accuracy. Loose and strict standards were established to categorize types of FPM in schools. Under the former classification scheme, FPM in most schools was classified as type 2 or 3, whereas under strict standards, school FPM was mostly classified as type 3 or 4.

버스 노선의 합리적 조정을 위한 대안 발굴 및 비교 사례 소개: 제주특별자치도 장거리 급행 노선을 중심으로

손상훈(SON, Sanghoon),송혜인(SONG, Hye Inn) 대한교통학회 2022 교통 기술과 정책 Vol.19 No.5

제주특별자치도 대중교통체계개편 성과

손상훈(SON, Sanghoon),탁화정(TAK, Hwajeong) 대한교통학회 2019 교통 기술과 정책 Vol.16 No.4

다중선형회귀와 기계학습 모델을 이용한 PM₁₀ 농도 예측 및 평가

손상훈 ( Sanghun Son ),김진수 ( Jinsoo Kim ) 대한원격탐사학회 2020 大韓遠隔探査學會誌 Vol.36 No.6

최근 급속한 산업화와 도시화로 인해 인위적으로 발생하는 미세먼지(Particulate matter, PM)는 기상 조건에 따라 이동 및 분산되면서 피부와 호흡기 등 인체에 악영향을 미친다. 본 연구는 기상인자를 multiple linear regression(MLR), support vector machine(SVM), 그리고 random forest(RF) 모델의 입력자료로 하여 서울시 PM₁₀ 농도를 예측하고, 모델 간 성능을 비교 평가하는데 그 목적을 둔다. 먼저 서울시에 소재한 39개소 대기오염측정망(air quality monitoring sites, AQMS)에서 관측된 PM10 농도 자료를 8:2 비율로 구분하여 모델 훈련과 검증 데이터셋으로 사용되었다. 또한 기상관측소(automatic weather system, AWS)에서 관측되고 있는 자료 중 9개 기상 인자(평균기온, 최고기온, 최저기온, 일 강수량, 평균풍속, 최대순간풍속, 최대순간풍속풍향, 황사발생유무, 상대습도)가 모델의 입력자료로 선정되었다. 각 AQMS에서 관측된 PM₁₀ 농도와MLR, SVM, 그리고 RF 모델에 의해 예측된 PM₁₀ 농도 간 결정계수(R²)는 각각 0.260, 0.772, 그리고 0.793이었고, RF 모델이 PM₁₀ 농도 예측에 가장 높은 성능을 나타냈다. 특히 모델 검증에 사용되는 AQMS 중 관악구와 강남대로 AQMS는 상대적으로 AWS에 가까워 SVM과 RF 모델에서 높은 정확도를 나타냈다. 종로구 AQMS는 AWS에서 비교적 멀리 떨어져 있지만, 인접한 두 AQMS 데이터가 모델 학습에 사용되었기 때문에 두 모델에서 높은 정확도를 나타냈다. 반면 용산구 AQMS는 AQMS 및 AWS에서 비교적 멀리 떨어져 있기에 두 모델의 성능이 낮게 나타냈다. Particulate matter (PM) that has been artificially generated during the recent of rapid industrialization and urbanization moves and disperses according to weather conditions, and adversely affects the human skin and respiratory systems. The purpose of this study is to predict the PM₁₀ concentration in Seoul using meteorological factors as input dataset for multiple linear regression (MLR), support vector machine (SVM), and random forest (RF) models, and compared and evaluated the performance of the models. First, the PM₁₀ concentration data obtained at 39 air quality monitoring sites (AQMS) in Seoul were divided into training and validation dataset (8:2 ratio). The nine meteorological factors (mean, maximum, and minimum temperature, precipitation, average and maximum wind speed, wind direction, yellow dust, and relative humidity), obtained by the automatic weather system (AWS), were composed to input dataset of models. The coefficients of determination (R²) between the observed PM₁₀ concentration and that predicted by the MLR, SVM, and RF models was 0.260, 0.772, and 0.793, respectively, and the RF model best predicted the PM₁₀ concentration. Among the AQMS used for model validation, Gwanak-gu and Gangnam-daero AQMS are relatively close to AWS, and the SVM and RF models were highly accurate according to the model validations. The Jongno-gu AQMS is relatively far from the AWS, but since PM₁₀ concentration for the two adjacent AQMS were used for model training, both models presented high accuracy. By contrast, Yongsan-gu AQMS was relatively far from AQMS and AWS, both models performed poorly.

버스통계 데이터베이스의 합리적 구축 및 관리 방안 연구

손상훈(Son, Sang-Hun),박경철,김점산 대한교통학회 2007 대한교통학회 학술대회지 Vol.56 No.-

대중교통의 한축을 담당하고 있는 버스서비스는 기저교통수단으로써 중요한 입지를 차지하고 있음과 동시에 지방자치 단체장의 주요 정책소재로 다루어져왔다. 그러나 이러한 중요성에도 불구하고, 버스 정책의 수립은 미시적이며, 단편적인 통계자료에 의존하여 추진되고 있는 실정이다. 하지만 최근의 흐름을 살펴보면, 교통정책에 대한 계획과 의사결정을 과학적, 체계적으로 수행하고 교통정책을 지속적으로 모니터링하기 위한 방편으로 객관적이며 보편적인 교통분야 기초자료로 구성된 데이터베이스 확보요구가 증대되고 있는 상황이다. 이러한 배경하에서 국가교통데이터베이스(KTDB)가 1990년대 후반부터 구축되기 시작하여 현재까지 국가단위의 교통정책 및 계획 수립 등에 필요한 다양한 기초자료를 수집/분석하여 수요자에게 제공하고 있으며, 일부 지자체에서도 지자체 단위의 교통정책 및 계획 수립을 지원하기 위해 교통데이터베이스 사업을 추진하고 있는 상황이다. 그러나 여전히 대중교통, 특히 버스분야에 대한 통계자료는 그 항목과 내용이 부족한 실정이며, 체계적인 수집 및 관리의 대상으로 자리잡고 있지 못하고 있다. 하지만 최근의 상황은 매우 긍정적이다. 버스자료와 관련한 전산화가 지속적으로 추진되고 있고, 교통카드가 상용화되고 버스 단말기가 설치됨에 따라 버스 운행정보와 요금정보가 실시간으로 수집/저장되고 있으며, 이러한 자료를 근간으로 활발한 연구가 진행되고 있다.

인공지능을 이용한 수도권 학교 미세먼지 취약성 평가: Part I - 미세먼지 예측 모델링

손상훈 ( Sanghun Son ),김진수 ( Jinsoo Kim ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.6

미세먼지는 인체에는 물론 생태계, 날씨 등에도 많은 영향을 끼치며, 인구와 건물, 차량 등이 밀집된 대도시에서의 미세먼지의 예측과 모니터링은 중요하다. 특히 자동차, 연소 등에서 발생하는 PM_2.5 농도는 독성 물질을 포함할 수 있어 체계적인 관리가 필요하다. 따라서 본 연구는 화학 인자, 위성 기반의 aerosol optical depth (AOD), 기상 인자 등을 입력 자료로 하여 수도권PM_2.5 농도를 예측하고자 한다. PM_2.5 농도 예측을 위해 기계 학습 모델 중 PM 농도 예측에 우수한 성능을 보이는 random forest (RF) 모델을 선정하였으며, 모델 평가를 위해 통계 지표인 R², RMSE, MAE, MAPE를 산출하였다. RF 모델의 모델 정확도는 R², RMSE, MAE, MAPE는 각각 0.97, 3.09, 2.18, 13.31로 나타났으며, 예측 정확도는 각각 0.82, 6.03, 4.36, 25.79로 본 연구에서 사용한 인자들을 이용하여 PM_2.5를 예측 시 높은 정확도와 상관성을 나타내었다. 따라서 향후 학교 미세먼지 예측 및 범주화를 위해 본 연구에서 사용한 인자들을 RF 모델에 적용하였을 때 신뢰할만한 결과를 도출할 수 있을 것으로 기대된다. Particulate matter (PM) affects the human, ecosystems, and weather. Motorized vehicles and combustion generate fine particulate matter (PM_2.5), which can contain toxic substances and, therefore, requires systematic management. Consequently, it is important to monitor and predict PM_2.5 concentrations, especially in large cities with dense populations and infrastructures. This study aimed to predict PM_2.5 concentrations in large cities using meteorological and chemical variables as well as satellite-based aerosol optical depth. For PM_2.5 concentrations prediction, a random forest (RF) model showing excellent performance in PM concentrations prediction among machine learning models was selected. Based on the performance indicators R², RMSE, MAE, and MAPE with training accuracies of 0.97, 3.09, 2.18, and 13.31 and testing accuracies of 0.82, 6.03, 4.36, and 25.79 for R², RMSE, MAE, and MAPE, respectively. The variables used in this study showed high correlation to PM_2.5 concentrations. Therefore, we conclude that these variables can be used in a random forest model to generate reliable PM_2.5 concentrations predictions, which can then be used to assess the vulnerability of schools to PM_2.5.

버스 노선 조정을 위한 교통카드 데이터 오류 보정 방안: 제주특별자치도 사례를 중심으로

손상훈(SON, Sanghoon),송혜인(SONG, Hyeinn) 대한교통학회 2023 교통 기술과 정책 Vol.20 No.2

교통문화지수 시계열 분석 및 신뢰성 향상 방안: 제주시 사례를 중심으로

손상훈(SON, Sanghoon) 대한교통학회 2014 대한교통학회 학술대회지 Vol.71 No.-

전기자동차 이용 사전사후 분석 및 교통부분 시사점

손상훈(Son, Sang-Hun) 대한교통학회 2015 대한교통학회 학술대회지 Vol.72 No.-