Real-time Estimation of Construction Particulate Matter for Advanced Environmental Monitoring = 최첨단 환경 모니터링을 위한 실시간 건설현장 미세먼지 추정 기술 개발

다국어 초록 (Multilingual Abstract)

The predicament of excessive dust pollution, otherwise referred to as particulate matter (PM), represents a notable concern within the construction industry, imparting significant detriment to both construction workers and nearby residents. To solve the uprising issues, two main methods have been applied at the sites, PM monitoring with sensors and PM reduction planning. However, the current sensor monitoring method is restricted to only monitoring PM concentrations at limited site locations and the PM mitigation strategies typically involve the deployment of substantial volumes of water, which are employed inefficiently to precipitate the particulates. Likewise, many researches were introduced to improvise the current problems of managing construction site PM.

Many researches focused on developing the sensors, reducing the cost and weight for cost-efficiency and easier installment at the sites. Despite the development of sensors, allowing more sensor installment throughout the site at a cheaper cost, many areas still remained unmeasured when utilizing only sensors. Therefore, researchers also focused on estimating PM concentrations at certain areas using spatial interpolation methods, which enabled to estimate PM of desired region with only few sensor measured values. However, though there exists an array of approaches for large-scale PM estimation, such as city or country levels, the inconsistent behaviors of PM movement present considerable challenges in accurate surveillance and management of PM within relatively smaller scales, like construction sites. The complex characteristics of construction work hinder the real-time monitoring of PM and the determination of specific periods of increased PM dispersion, which are essential for timely preventative measures. Given the complexities, the present research seeks to develop a simple spatial interpolation model explicitly engineered for PM in construction sites. This model merges an innovative weighting system, which takes into consideration both the wind, the main meteorological factor affecting PM, and the proximity to sensors.

To maximize the usability and economic costs, a sensing module was invented, which includes a sufficient low-cost dust sensor to assist the success of this research. Analyzing the characteristics and distributions of PM, the study employs the PM-fit inverse distance weighting (IDW) method, a variant of the IDW approach that accounts for wind direction and speed, to predict PM levels in regions lacking direct sensor measurement. PM-fit also called wind-applied IDW attributes greater weight to regions closer along the windward path, encountering wind speed for specified values. The estimated PM concentrations across the entire site were subsequently visualized in a three-dimensional map, delineating areas that necessitate PM reduction, thus enabling effective reduction planning and real-time diminishment of workers' PM exposure.

The proposed construction PM estimation models were verified in a controlled experiment site, then validated for real-world applicability in three different fields, including road, bridge, and building construction sites. The estimation method and corresponding visualized dust information three-dimensional map provide an advanced environmental monitoring method, in which dust concentrations are automatically estimated and visualized with the usage of few sensors. The visualized map can enact as a guideline for site managers, empowering them to protect against future health and environmental damages associated with PM inside construction sites.

국문 초록 (Abstract)

입자상 물질(PM)이라고도 하는 과도한 미세먼지 오염은 건설 업계에서 주목할 만한 문제이며, 건설 근로자와 인근 주민 모두에게 심각한 피해를 입힙니다. 현재 이러한 미세먼지의 피해 완화 전략으로 상당한 물의 양이 비효율적으로 사용되거나 하나의 센서로 건설현장 전체의 미세먼지 농도를 가정하여 모니터링하는 방법들이 사용되고 있습니다. 이러한 한계점들과 문제점들을 해결하기 위해 지금까지 다양한 연구들이 이루어지고 있습니다.

많은 연구가 센서의 비용과 무게를 줄여 비용 효율을 높이고 현장에 쉽게 설치할 수 있도록 개발하는 데 집중했습니다. 센서 개발에 따라 저렴한 비용으로 현장 전체에 더 많은 센서를 설치할 수 있게 되었지만, 센서만의 활용 방법은 여전히 측정되지 않는 지역이 많았습니다. 이에 많은 연구들이 소수의 센서 측정값만으로 원하는 지역의 미세먼지 농도를 추정할 수 있는 공간 보간법을 이용해 특정 지역의 미세먼지 농도를 추정할 수 있는 연구들이 소개되었습니다. 추정 방법은 도시 또는 국가 단위와 같은 대규모 미세먼지 추정을 위한 다양한 접근 방식이 존재하지만, 건설 현장과 같이 상대적으로 작은 규모의 미세먼지 이동은 일관되지 않은 행동으로 인해 정확한 감시 및 관리에 상당한 어려움이 있습니다. 건설 작업의 복잡한 특성은 적시에 예방 조치를 취하는 데 필수적인 미세먼지의 실시간 모니터링을 전혀 하지 못하고 있습니다. 이러한 문제점들을 극복하고 대안을 마련하기 위해 본 연구에서는 건설현장의 미세먼지를 실시간으로 정확하게 파악할 수 있는 미세먼지 추정 기술을 개발하고자 합니다. 이 모델은 미세먼지에 영향을 미치는 주요 기상 요인인 바람과 센서와의 근접성을 모두 고려하는 혁신적인 미세먼지 추정 기술입니다.

사용성과 경제성을 극대화하기 위해 저가의 먼지 센서가 포함된 센싱 모듈을 개발하여 이 연구의 성공을 지원했습니다. 이 연구는 미세먼지의 특성과 분포를 분석하여 그 중 미세먼지에 가장 많은 영향을 주는 풍향과 풍속을 역거리 가중치(IDW)에 적용하여 건설현장 미세먼지 맞춤 역거리 가중치를 개발했습니다. 새로 개발된 모델은 바람이 부는 경로를 따라 더 가까운 지역에 더 큰 가중치를 부여하고 풍속까지, 즉 미세먼지가 이동할 수 있는 거리, 고려하여 가중치를 부여하게 됩니다. 이후 전체 현장의 미세먼지 농도를 3차원 지도로 시각화하여 미세먼지 저감이 필요한 지역을 보여줌으로써 효과적인 저감 계획을 수립하고 작업자의 미세먼지 노출을 실시간으로 줄일 수 있습니다.

제안한 건설 먼지 추정 모델은 통제된 실험 현장에서 검증한 후 도로, 교량, 건축 공사장 등 세 가지 분야에서 실제 적용 가능성을 검증했습니다. 제안한 추정 방법과 이에 따라 시각화된 먼지 정보 3차원 지도는 적은 수의 센서를 사용하여 먼지 농도를 자동으로 추정하고 시각화하는 스마트 환경 모니터링 방법을 제공합니다. 시각화된 지도는 현장 관리자에게 가이드라인으로 활용되어 향후 건설 현장 내 미세먼지로 인한 건강 및 환경 피해를 예방할 수 있습니다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• 1.1. Research Background 1
• 1.2. Problem Statement 6
• 1.3. Research Objectives and Scope 7
• 1.4. Research Process 9
• Chapter 2. Theoretical Background and Related Works 11
• 2.1. Construction Particulate Matter Characteristics 11
• 2.2 Current Construction Particulate Matter Monitoring Methods 14
• 2.3. Related Works 16
• 2.3.1. Development of Sensor Monitoring Methods 16
• 2.3.2. Particulate Matter Estimation Methods 18
• 2.3.3. Analysis of Construction Particulate Matter 21
• 2.4. Summary 23
• Chapter 3. Development of Construction Particulate Matter Estimation Model 26
• 3.1. Overall Research Framework 26
• 3.2. Equipment for Data Collection 29
• 3.3. Model Development 35
• 3.3.1. Spatial Interpolation Methods 35
• 3.3.2. Particulate Matter Distribution Analysis 37
• 3.3.3. Particulate Matter Estimation Model 44
• 3.3.4. Visualization of Particulate Matter Concentrations 50
• 3.4. Model Verification 51
• 3.4.1. Verification Design 51
• 3.4.2. Verification Results and Discussions 53
• Chapter 4. Results and Discussions 62
• 4.1. Construction Site Application Design 62
• 4.1.1. Construction Site Explanations 62
• 4.1.2. Data Collection Design 65
• 4.2. Application Results and Discussions 76
• 4.2.1. Road Construction Site 76
• 4.2.2. Bridge Construction Site 81
• 4.2.3. Building Construction Site 87
• 4.2.4. Summary 91
• Chapter 5. Conclusions 93
• 5.1. Summary and Contributions 93
• 5.2. Improvement Opportunities and Future Research 95
• Bibliography 96
• Abstract (Korean) 108
• Appendix A. Sensing Module Development 111
• A.1. Other Environmental Sensor Specifications 111
• A.2. Design of Sensing Module 112
• LIST OF TABLES
• Table 3.1(a): Verification results for PM2.5 53
• Table 3.1(b): Verification results for PM10 53
• Table 3.2(a): IDW estimation result comparison, PM2.5 55
• Table 3.2(b): IDW estimation result comparison, PM10 55
• Table 4.1: Specification of the applied construction sites 64
• Table 4.2: Road construction site estimation results 77
• Table 4.3: Bridge construction site estimation results 81
• Table 4.4: Building construction site 1 estimation results 87
• LIST OF FIGURES
• Figure 3.1: Overall research framework for PM estimation model 28
• Figure 3.2: Sensing module and site installment example 32
• Figure 3.3: Point cloud map of the selected experiment sites 38
• Figure 3.4(a): Sensor locations for PM distribution data collection 1 40
• Figure 3.4(b): Sensor locations for PM distribution data collection 2 41
• Figure 3.5: Dust erosion from the dust creators 42
• Figure 3.6: Example of PM distribution analysis 43
• Figure 3.7(a): PM2.5 weighting percentage heatmap 47
• Figure 3.7(b): PM10 weighting percentage heatmap 48
• Figure 3.8: Sensor locations for verification data collection 52
• Figure 3.9(a): Wind-applied IDW mapping result, PM2.5 57
• Figure 3.9(b): Wind-applied IDW mapping result, PM10 58
• Figure 3.10(a): PM2.5 mapping result analysis 59
• Figure 3.10(b): PM10 mapping result analysis 60
• Figure 4.1: Example of sensor installation of construction equipment 66
• Figure 4.2: Data collection setup for road construction site application 67
• Figure 4.3: Road construction site layout 67
• Figure 4.4: Data collection setup for bridge construction site application 69
• Figure 4.5: Bridge construction site layout 70
• Figure 4.6: Data collection setup for building construction site 1 72
• Figure 4.7: Building construction site 1 layout 73
• Figure 4.8: Data collection setup for building construction site 2 74
• Figure 4.9: Building construction site 2 layout 75
• Figure 4.10: Mapping result of road construction site 78
• Figure 4.11: Analysis of mapping result of road construction site 79
• Figure 4.12: Effect of water sprinkler truck on PM2.5 80
• Figure 4.13: Mapping results during construction equipment operations 82
• Figure 4.14: GPS error example 85
• Figure 4.15: Example of a new dust source or an obstacle 86
• Figure 4.16: Moisturized ground condition of building site 1 88
• Figure 4.17: The mapping result of barrier wall effect 90