미세먼지, 빅데이터로 예측한다.
- 국가정보자원관리원과 UN글로벌펄스가 협업하여 미세먼지 예측 및 주요 요인 파악 -

세계보건기구(WHO)에서 1급 발암물질로 분류한 미세먼지의 고농도 현상이 잦아지는 등 국민건강과 생명을 직접적으로 위협하는 미세먼지는 이제 온 국민의 관심사이자 국가적 재난의 문제로 대두되고 있다.

행정안전부 국가정보자원관리원(원장 김명희)은 UN 글로벌 펄스(UN Global Pulse)* 자카르타 연구소와 업무협력(MOU)을 체결(‘18.4.19)하고, 동북아 지역의 미세먼지 예측 및 주요 요인을 데이터에 기반하여 분석하였다.
* 빅데이터를 이용해 위기 및 재난으로부터 취약계층을 보호하기 위해 마련된 UN사무총장 직속 프로그램으로 현재 뉴욕, 인도네시아 자카르타, 우간다 캄팔라에 Pulse Lab을 운용 중

국내외 요인을 정확히 파악하기 위하여 서해안의 인구 밀집지역인 인천지역을 분석대상으로 선정하였으며, 기존의 수치예측모델과 달리 머신러닝을 활용하여 ①내일의 미세먼지 예측을 위한 미세먼지 예측모델을 개발하고 ②미세먼지에 영향을 미치는 주요 요인을 파악한 것이다.

이번 분석에는 ‘15.1월부터 ‘18.3월까지의 ①인천 지역 미세먼지·대기오염 데이터(환경부, 28,464건), ②미국항공우주국(NASA)에서 제공하는 동북아 지역의 위성 센서 데이터* 및 ③에어로넷(AERONET)**의 지상 관측 센서 데이터를 활용하였으며,
* NASA Aqua 위성의 MODIS(중간해상도 영상 분광계) 센서 데이터로 미세먼지와 같이 공기 중에 떠 있는 작은 입자인 에어로졸을 관측
** NASA가 운영하는 국제 공동 에어로졸 관측 네트워크로 지상에서 관측

UN 글로벌 펄스 자카르타 연구소에서는 인도네시아 대기오염 관련 데이터 분석* 경험을 바탕으로 기술 자문을 제공하였다.
* Nowcasting Air Quality by Fusing Meteorological Data, Insights from Satellite Imagery and Photos Shared on Social Media Using Deep Learning (2018)

먼저 미세먼지 예보에 최적의 성능을 보인 그래디언트 부스팅* 기반의 예측 모델을 구현하였으며,
이를 통해 ‘18년 1분기를 예측한 결과, 미세먼지(PM10) 84.4%, 초미세먼지(PM2.5) 77.8%의 정확도를 보여 기존 국내 미세먼지 예보에 비해 정확도가 약 15% 높아진 것을 확인할 수 있었다.
* 약한 예측 모델을 결합하여 예측도를 향상시키는 기계 학습 모델

주요 예측변수로는, 미세먼지의 경우 풍향, 강우량, 서해안 및 중국 산둥성 지역의 에어로졸 농도로, 초미세먼지의 경우 풍속, 풍향 및 중국 내몽골, 베이징·허베이성 지역의 에어로졸 농도로 나타났다.

상세 분석 결과, 미세먼지가「나쁨」일 경우 풍향은 서풍이 불며 산둥성, 산시성, 베이징·허베이성 등의 중국 지역의 에어로졸 농도가 매우 높다는 것을 확인할 수 있었다.

특히 인천지역 20개 관측소의 미세먼지 예측 연관성을 비교한 결과, 인천 도심 지역이 아닌 백령도 지역의 미세먼지 및 이산화질소(NO2)가 가장 높은 연관성을 보였으며, 이는 국내 요인보다 국외 요인이 상대적으로 높음을 보여주는 결과이다.

또한 데이터에서 국외 요인을 제거 후 ‘18년 1분기를 예측한 결과,「좋음」등급은 20일에서 30일로 50%나 증가하는 것으로 나타났다.

향후 국가정보자원관리원은 보다 정확한 예측을 위해 에어로졸 분석 성능이 뛰어난 국내 정지 위성(천리안 2A·2B) 데이터를 추가로 확보하고 다른 분석 모델과의 결합을 통해 예측 정확도를 높인다는 계획이다.

김명희 행정안전부 국가정보자원관리원장은 “이번 분석은 국민의 생존권과 직결되는 미세먼지 문제를 빅데이터로 접근한 아주 의미있는 사례”라고 말하며, “미세먼지 예보에 기계학습 예측모델이 적극적으로 활용되기를 기대하며 향후에도 재난·안전 등 사회적 가치가 높은 분석과제를 지속적으로 수행하여 정부정책에 대한 국민의 신뢰를 얻고 국민의 삶이 개선되도록 노력할 계획”이라고 밝혔다.

* 담당 : 빅데이터분석과 박인창 (042-250-5655)