[논문 리뷰] IoT-Based Air Quality Monitoring System with Machine Learning for Accurate and Real-time Data Analysis

Hemanth Karnati|arXiv (Cornell University)|2023. 07. 02.

Air Quality Monitoring and Forecasting인용 수 6

한 줄 요약

이 논문은 실시간으로 유해 가스(이산화탄소, 연기, 알코올, 벤젠, 암모니아)를 감지하는 MQ135 및 MQ3 센서를 사용한 IoT 기반 이동식 대기질 모니터링 시스템을 제안한다. 데이터는 클라우드 기반 웹 앱(ThingSpeak)으로 스트리밍되며, 기계학습을 통해 정확도를 향상시키고 지역별 통찰을 제공한다.

ABSTRACT

Air pollution in urban areas has severe consequences for both human health and the environment, predominantly caused by exhaust emissions from vehicles. To address the issue of air pollution awareness, Air Pollution Monitoring systems are used to measure the concentration of gases like CO2, smoke, alcohol, benzene, and NH3 present in the air. However, current mobile applications are unable to provide users with real-time data specific to their location. In this paper, we propose the development of a portable air quality detection device that can be used anywhere. The data collected will be stored and visualized using the cloud-based web app ThinkSpeak. The device utilizes two sensors, MQ135 and MQ3, to detect harmful gases and measure air quality in parts per million (PPM). Additionally, machine learning analysis will be employed on the collected data.

연구 동기 및 목표

• 기존 모바일 애플리케이션에서 실시간으로 위치 기반 대기질 데이터가 부족한 문제를 해결한다.
• 이동 중 환경 감지를 위한 이식성 있고 저비용의 대기질 모니터링 장치를 개발한다.
• 센서 데이터에 기계학습을 적용하여 공기 오염물질 농도를 정확하고 신속하게 분석한다.
• ThingSpeak을 통한 클라우드 기반 데이터 저장 및 시각화를 통해 사용자 접근성을 확보한다.
• 지역 기반의 실질적인 데이터를 통해 대중의 도시 대기오염에 대한 인식과 대응을 향상시킨다.

제안 방법

• PPM(부피비율 백만분율) 단위로 다수의 오염물질을 감지하기 위해 MQ135 및 MQ3 가스 센서를 구현한다.
• IoT 기반 마이크로컨트롤러를 사용해 실시간 센서 데이터를 수집하고 클라우드로 전송한다.
• 센서 데이터를 ThingSpeak 클라우드 플랫폼으로 스트리밍하여 저장 및 시각화한다.
• 시간적 패턴을 분석하고 데이터 정확도를 향상시키기 위해 기계학습 알고리즘을 적용한다.
• 실시간 모니터링 및 데이터 해석을 위한 웹 기반 인터페이스를 구현한다.
• 클라우드 기반 처리를 통해 대기질 지표에 대한 확장성 있고 원격 액세스 가능한 접근성을 제공한다.

실험 결과

연구 질문

• RQ1 IoT 기반 시스템은 이동식 하드웨어를 통해 실시간으로 위치 기반 대기질 모니터링을 제공할 수 있는가?
• RQ2 기계학습은 저비용 센서에서 유도된 가스 농도 예측의 정확도를 얼마나 향상시키는가?
• RQ3 클라우드 통합은 최종 사용자에게 데이터 접근성과 시각화를 얼마나 향상시키는가?
• RQ4 이 시스템은 이산화탄소, 연기, 알코올, 벤젠, 암모니아 등 여러 오염물질을 동시에 신뢰성 있게 감지하고 정량화할 수 있는가?
• RQ5 센서 데이터와 기계학습, 클라우드 플랫폼의 통합은 대기오염에 대한 대중의 인식을 어떻게 향상시키는가?

주요 결과

• 저비용 센서를 활용해 다수의 오염물질에서 실시간 대기질 데이터를 성공적으로 캡처했다.
• 기계학습 분석을 통해 패턴을 식별하고 센서 읽기의 노이즈를 감소시켜 데이터 해석 정확도를 향상시켰다.
• ThingSpeak을 통한 클라우드 기반 시각화로 사용자가 어디서든 실시간으로 대기질 데이터를 모니터링할 수 있었다.
• IoT, 센서 네트워크, 기계학습의 통합을 통해 정확하고 확장성 있으며 이식 가능한 대기질 모니터링이 가능해졌다.
• 기존 모바일 애플리케이션에서 실시간으로 지역 기반 대기질 데이터를 확보하지 못하는 격차를 해결했다.
• 프로토타입은 공공 보건 이니셔티브를 지원하기 위해 도시 환경에 배치 가능한 가능성을 입증했다.