[논문 리뷰] Urban Healthcare Big Data System Based on Crowdsourced and Cloud-Based Air Quality Indicators

Min Chen, Jun Yang외 3명|arXiv (Cornell University)|2018. 10. 25.

Air Quality Monitoring and Forecasting참고 문헌 9인용 수 8

한 줄 요약

이 논문은 스마트워치 센서에서 수집한 생리신호와 함께 커뮤니티 기반 및 IoT 기반의 대기질 데이터를 통합하는 도시 헬스케어 빅데이터 시스템인 UH-BigDataSys를 제안한다. 엣지-클라우드 처리 및 머신러닝 모델을 활용하여 다중원천 대기질 지표(예: PM2.5, NO2, O3 등)와 실시간 건강 지표(심박수, 산소포화도, 심전도)를 융합함으로써 호흡기 건강, 실외 활동, 수면 품질에 대한 개인화된 건강 가이던스를 제공한다.

ABSTRACT

The ever-accelerating process of globalization enables more than half the population to live in cities. Thus, the air quality in cities exerts critical influence on the health status of more and more urban residents. In this article, based on urban air quality data collected through meteorological sites, mobile crowdsourcing, and IoT sensing, along with users' body signals, we propose an urban healthcare big data system named UH-BigDataSys. In this article, we first introduce a method of integrating multi-source air quality data for the data preparation of artificial-intelligence-based smart urban services. Then a testbed of UH-BigDataSys is set up with the deployment of air-quality-aware healthcare applications. Finally, we provide health guidance for urban residents in aspects of respiratory diseases, outdoor travel, sleep quality, and so on. The ultimate goal of UH-BigDataSys is for urban residents to lead healthier lives.

연구 동기 및 목표

• 모바일 커뮤니티 기반 및 IoT 센싱을 활용하여 기존 기상학적 대기질 모니터링의 제한된 공간적·시간적 해상도 문제를 해결한다.
• 고정 기상 관측소, 이동 기기, 스마트 웨어러블 기기 등 다양한 원천의 데이터 융합을 통해 대기질지수(AQI) 추정의 정확성과 해상도를 향상시킨다.
• 지역별 오염 수준과 실시간 생리적 데이터(예: 심전도, 심박수, 체온)를 통합하여 개인화된 건강 모니터링을 가능하게 한다.
• 호흡기 질환, 실외 활동, 수면 품질에 대한 실행 가능한 건강 가이던스를 제공하는 클라우드 기반 도시 헬스케어 시스템을 개발한다.
• 실제 도시 센싱 및 건강 분석 시나리오에서 시스템 성능을 검증하기 위한 테스트베드를 구축한다.

제안 방법

• 고정 기상 관측소, 스마트폰을 통한 모바일 커뮤니티 기반 센싱, 내장 센서(예: 온도 측정을 위한 NTC 테리스터, 심전도/근전도 센서)를 탑재한 IoT 기반 스마트 의류를 활용한 다중원천 데이터 수집 프레임워크를 구현한다.
• 다양한 원천의 데이터를 통합하여 공간적·시간적 해상도가 향상된 통합 다중원천 대기질지수(M-AQI)를 생성하기 위해 엣지-클라우드 아키텍처를 구현한다.
• 시스템 서비스를 위한 RESTful API를 구현하기 위해 스프링 프레임워크를 활용하여 클라이언트, 클라우드 서버, 데이터 처리 모듈 간의 상호운용성을 확보한다.
• 빅데이터 분석 및 머신러닝을 적용하여 환경적 대기질과 생리신호(예: 심박수 변동성, 산소포화도) 간의 상관관계를 분석하고 행동 예측 및 건강 가이던스를 도출한다.
• 센서 데이터를 현지에서 처리하고 메모리에 저장하며, 통신 상태에 따라 클라우드 또는 스마트폰으로 전송할 관련 데이터만 전송하는 스마트 의류 시스템을 설계한다.
• 실내 및 실외 대기질이 수면 품질에 미치는 영향을 분석하기 위해 대기질, 생리적 상태 및 일일 활동 패턴 간의 상관관계를 기반으로 수면 품질 영향 평가 예측 모델을 구축한다.

실험 결과

연구 질문

• RQ1 고정 기상 관측소, 모바일 커뮤니티 기반 센싱, IoT 기반 센서에서 유래한 다중원천 대기질 데이터를 효과적으로 융합하여 도시 AQI 추정의 정확성과 해상도를 향상시킬 수 있는가?
• RQ2 스마트 웨어러블 기기에서 수집한 생리신호가 다양한 대기질 조건에 대한 개인의 건강 반응을 평가하는 데 얼마나 유용한가?
• RQ3 환경적 데이터와 생리적 데이터를 실시간으로 융합함으로써 도시 거주자들에게 개인화된 건강 가이던스를 제공할 수 있는가?
• RQ4 대기질이 수면 품질에 미치는 영향은 무엇이며, 통합 센서 데이터를 활용하여 이를 모델링할 수 있는가?
• RQ5 클라우드 기반의 RESTful 아키텍처는 확장성과 반응성에 기여하는 도시 헬스케어 빅데이터 애플리케이션을 지원하는 데 얼마나 효과적인가?

주요 결과

• M-AQI 모델은 고정 기상 관측소, 이동 기기, IoT 센서에서 유래한 데이터 융합을 통해 기존 AQI 추정보다 더 높은 데이터 품질과 더 높은 공간적·시간적 해상도를 확보했다.
• 스마트 의류를 통한 생리적 데이터(예: 심박수 74bpm, 산소포화도 98%, 심전도 1221ADC)가 성공적으로 수집되고 실시간 건강 모니터링을 위해 전송되었다.
• 악화된 대기질(예: PM2.5 = 29 μg/m³, O3 = 180 μg/m³)과 함께 심박수 상승 및 산소포화도 감소와 같은 악성 생리적 반응이 강한 상관관계를 보였다.
• 수면 품질은 실내 대기질과 생리적 스트레스 지표에 의해 크게 영향을 받으며, 시스템은 AQI 및 생체지표 추세를 기반으로 수면 방해를 예측할 수 있었다.
• 테스트베드는 실시간 데이터 처리 및 건강 가이던스 제공에 있어 효과적인 성능을 보였으며, 웹 인터페이스를 통해 최종 사용자에게 통합된 대기질 및 생리적 데이터가 제공되었다.
• 시스템은 고오염 기간(예: AQI = 75) 동안 실외 활동을 피하거나 고오염 지역을 최소화하는 경로 조정과 같은 개인화된 권고를 성공적으로 제공했다.