발간등록번호11-1480523-002051-01

NIER NO.NIER-SP2014-180

Environmental Health Services through Mobile Devices

and a Pilot Study

서울대학교

국립환경과학원

제 출 문

국립환경과학원장 귀하

본 보고서를 ‘모바일 환경에서의 환경보건서비스 개발 및 시범연구’

용역 결과보고서로 제출합니다.

2014. 12. 27

연구기관명 서울대학교

연구책임자 조 영 태

연 구 원 이 기 영

연구보조원 심 은 영

임 채 윤

김 혜 진

- ii -

요 약 문

Ⅰ. 연구개요

연구과제명

국문 모바일 환경에서의 환경보건서비스 개발 및 시범연구

영문Environmental Health Services through Mobile Devices

and a Pilot Study

연구기관 서울대학교 연구책임자소속 서울대학교

성명 조 영 태

연구기간 2014. 05. 28 ～ 2014. 12. 27 ( 7 개월)

연구비 50,000,000 원 (부가세포함)

참여연구원수 총 5 명 내부 : 5 명, 외부 : 0 명

Ⅱ. 연구목적 및 필요성

최근 미래 지향적인 환경보건 서비스 체계를 구축하려는 움직임 속에, 환경부에서는 스마트

기기의 급속한 확산 및 모바일 인터넷 활성화 등 정보이용과 소통방식의 일대 변혁에 따른

대국민용 정보서비스 및 콘텐츠에 대한 모바일 기반의 스마트워크 환경으로의 변환요구 증대

에 발 맞춰 모바일을 통해 제공할 수 있는 환경보건 서비스를 중점적으로 개발하려는 움직임

을 보이고 있다.

국내에서의 체계적이고 지속적인 환경보건 감시체계 시스템 및 환경보건서비스 시스템의

구축은 환경보건 정보에 대한 정확하고 신뢰할 수 있는 자료 제공을 가능케 하며, 이에 따라

정책 수요자는 올바른 정보를 얻고 환경보건 분야에서 문제점을 인식하고 문제에 대처할 수

있게 될 것이므로, 미래 지향적인 환경보건 감시체계 구축을 통하여 환경보건관련 정보의 지

속적인 수집, 저장, 분석, 활용이 이루어져야 한다.

모바일을 활용한 환경보건서비스 사업을 수행하기 위해서는 다양한 시범사업과 실험연구가

이루어져야 하나, 국내에서 진행되는 대부분의 환경보건연구는 소규모의 프로젝트 연구결과

일뿐, 대국민 환경보건서비스를 위한 기초자료가 부족한 실정이다. 이는 우리나라에 환경보건

서비스 체계의 구축이 시급하다는 것을 의미하며, 국가별 환경보건 이행계획에 따라 미래 지

향적인 환경보건 서비스 체계를 구축해야 하는 것을 시사한다.

본 연구의 궁극적인 목적은 시범연구를 통해 국내에 적용할 수 있는 모바일 환경에서의 환

경보건서비스를 개발하는 것으로, 이를 달성하기 위한 세부 목적은 다음과 같다.

❍ 환경보건서비스에 대한 모바일 관련 연구동향을 분석한다.

❍ 시범연구로 모바일 환경에서 크라우드소싱을 이용해 얻은 자료를 활용한 환경보건서비스

의 가능성을 평가한다.

❍ 연구결과를 기반으로 하여 국내에 적용가능한 모바일 환경보건서비스의 발전방향을 제시

한다.

- iii -

Ⅲ. 연구개발의 내용 및 범위

1. 환경보건서비스에 대한 모바일 관련 연구동향 분석

각종 국내ㆍ외 문헌 및 선행 연구를 고찰하여 모바일 환경에서의 국내ㆍ외 환경보건 연구

및 환경보건서비스 사례를 알아본다. 또한 기존에 개발되어 연구에 이용 중이거나 상용화된

소음 및 대기질 관련 애플리케이션(App)에 대한 국내ㆍ외 사례를 파악하고, 소음 및 대기 모

니터링에 대한 국내ㆍ외 연구동향을 파악한다.

2. 시범연구 수행

모바일 환경에서 환경보건서비스의 실현 가능성을 평가하기 위해 다음과 같이 시범연구를 수행한

다.

❍ 애플리케이션 업체를 선정하여 애플리케이션을 개발하고 수정한다.

❍ 개발된 애플리케이션의 소음 측정에 대한 정확성(Accuracy)을 평가한다.

❍ 연구 참여자 모집을 위해 리서치 업체를 선정하여 시범조사단을 모집하고 운영한다.

❍ 시범조사단을 대상으로 시범조사를 수행하여 데이터를 수합한다.

❍ 지리정보 시스템(ArcGIS/QGIS)을 통하여 결과를 분석하고 소음 지도를 구현한다.

❍ GPS 정보를 활용하여 입자상물질의 개인노출 농도를 산출한다.

3. 모바일 환경에서의 환경보건서비스 활용방안 모색

시범연구 내용을 바탕으로 향후 진행될 모바일 환경에서의 환경보건서비스에 대한 활용방안을

다음과 같이 모색한다.

❍ 전문가 자문회의를 통하여 향후 진행될 수 있는 환경보건서비스 분야 및 구체적인 사안을 도출한

다.

❍ 시범연구의 결과를 기반으로 하여 국내에 적용가능한 모바일 환경보건서비스의 발전방향을

제시한다.

❍ 시범연구를 통해 생성된 자료 및 공공데이터(open Data-set, open API)를 활용하여 모바일과

연계하는 방안과 그로 인해 나타나는 기술적 문제 해결 방법을 모색한다.

Ⅳ. 연구 결과

1. 환경보건서비스에 대한 모바일 관련 연구동향 분석

가. 스마트폰과 환경보건연구

최근 스마트폰은 빠른 속도로 발전을 거듭하며 전 세계적으로 보급되고 있다. 스마트폰에는

- iv -

많은 수의 센서들이 탑재되어 있고 센서를 통해 생성된 데이터를 다른 스마트폰이나 수합 서

버로의 전송을 가능하게 하는 네트워크 통신 장치 또한 탑재되어 있다. 스마트폰의 빠른 발전

은 환경보건 연구에서의 새로운 패러다임을 불러오며 일반 시민들을 통한 대단위 측정 개념

인 “crowd-sourcing”, “Citizen science”, “Participatory sensing”을 도입시키고 있다.

스마트폰으로 시민들의 주위 환경 데이터를 측정하고 수합된 대단위 데이터를 의미 있는

자료로 가공하여 제공될 수 있는 각종 서비스는 미래형 환경보건 서비스의 대표적인 예이다.

스마트폰을 활용한 환경 모니터링의 가능성이 가시화 될 경우, 기존 환경보건 연구에서 사용

되어 온 방식에 비해 모니터링 관련 비용이 큰 폭으로 감소될 수 있고 실시간 환경 정보를

빠르게 얻을 수 있으며, 측정 시의 시ㆍ공간적인 제약이 없어 더욱 광범위한 자료를 얻을 수

있다는 장점을 바탕으로 더욱 다양하고 부가적인 환경보건서비스를 제공할 수 있을 것으로

기대된다.

나. 모바일 환경에서의 환경보건연구 및 환경보건서비스

(1) 환경부에서 제공하는 모바일 관련 서비스

최근 스마트 기기의 빠른 확산 및 모바일 네트워크의 활성화 등 정보이용과 통신 방법의

큰 변화는 대국민용 정보서비스 및 콘텐츠에 대한 모바일 기반의 스마트워크 환경으로의 변

환을 요구하였으며, 환경부는 이에 따라 모바일을 통해 제공할 수 있는 환경보건 서비스를 중

점적으로 개발 중이다. 개발되어 제공 중인 모바일 관련 서비스는 대부분이 모바일 애플리케

이션 서비스이며 환경보건과 관련된 문자 알림 서비스 또한 제공되고 있다.

(2) 국외 모바일을 활용한 환경보건연구 사례

국외에서 진행되었거나 진행 중인 환경보건 연구들 중 연구 방법에 있어 모바일 기기를 적

극 활용한 연구사례를 다수 찾아볼 수 있었다. 국외의 선행 연구사례 주제는 대부분 스마트폰

으로 손쉽게 측정이 가능한 측정대상과 관련된 주제가 주를 이루고 있는 것으로 조사되었다.

구체적으로는 대기오염물질의 농도를 측정하여 위치별 실시간 오염물질 농도를 알아보거나,

개인노출 지도를 작성하며, 대기의 가시성을 평가하는 등 대기오염물질과 관련된 연구주제가

큰 비중을 차지하였다. 또한 일반 시민들의 스마트폰을 활용하여 특정 지역의 환경소음을 측

정해 소음 지도를 작성하는 등, 스마트폰을 통해 편리하게 측정이 가능한 환경 소음에 관한

주제도 많이 다루고 있는 것으로 조사되었다.

2. 시범연구 수행

본 연구 진행 결과, 연구진은 일반 시민들로부터 얻은 GPS 및 소음 데이터를 활용하여 환

경보건서비스에의 적용 가능성을 평가하였는데, 그 결과는 다음과 같았다.

첫째, 연구 진행 중 소음 측정용 애플리케이션(Application)을 개발하였고, 개발된 애플리케

- v -

이션이 설치된 모바일 기기(스마트폰) 내에 장착된 센서(GPS송수신기와 마이크로폰)를 이용한

국민의 소음노출 측정의 가능성을 평가하였다.

둘째, 연구 결과로 얻은 일반 시민의 GPS 자료와 기존의 대기환경 측정망 자료를 활용하여

국민의 대기오염 노출 수준을 예측하였다.

셋째, 연구 결과로 얻은 일반 시민의 GPS 자료와 마이크로폰으로 측정된 소음 자료를 활용

하여 국민 소음 노출수준 및 분포를 파악하였다.

그리고 이를 토대로 GPS 자료를 활용한 대기오염 노출 예측치와 소음 측정값과의 비교 평

가 및 검증을 진행하려 하였으나, 공통적으로 포함되어야 하는 부분(모바일 기기로 측정된 자

료 또는 기존에 존재하는 국가정보인 환경측정망 자료)의 부재로 인하여 GPS자료를 활용한

대기오염 노출 예측치와 국민 소음노출 측정값과의 직접적인 비교 평가 및 검증에는 무리가

있음을 확인하였다. 본 연구에서는 이러한 제한점을 파악하고 후술된 추후 연구 주제를 통해

좀 더 발전되고 보완된 연구를 제안하였다.

가. 애플리케이션 개발

본 연구에서 개발한 소음 측정 애플리케이션(Smart Noise Monitoring)과 기존에 개발되어 있

는 애플리케이션 7가지를 이용하여 소음 정확도를 검증한 결과, 기존에 개발되어 있는 일부

애플리케이션에서 측정된 소음값이 정밀 지시소음계로 측정한 결과와 큰 차이를 보이는 것에

반해 본 연구에서 개발한 애플리케이션은 정밀 지시소음계와의 차이가 거의 없고 측정값 또

한 일정하게 나타나 측정된 소음값을 신뢰할 수 있는 것으로 확인되었다.

나. 소음지도

스마트폰에 내재되어 있는 대표적인 센서인 소리센서를 이용하여 주중/주말별, 시간별, 사

회인구학적 특성별 소음 노출 차이를 확인하고, 이를 지도에 그려 시각화하였다. 그 결과 남

녀별 연령별 소음 노출 차이는 존재하였으나 통계적으로 유의하지는 않았다. 본 연구에서 개

발한 애플리케이션의 소음측정값이 비교적 정확한 것으로 나타났는데, 향후 이러한 모바일 센

서를 활용한다면 구별로 측정되는 자동측정망 기반의 소음 값보다 세밀하게 환경노출지도를

구현할 수 있음을 확인하였다. 내재된 센서나 add-on센서가 정확하다는 전제하에, 시범조사의

아이디어를 활용한다면 다른 환경요인 모니터링이 충분히 가능할 것으로 파악된다.

다. GPS 정보를 활용한 입자상물질의 개인노출 농도산출

본 연구에서는 GPS 자료와 도시대기측정소 자료를 활용하여 미세먼지(PM10)와 초미세먼지

(PM2.5)에 대한 개인노출을 산출하였다. 미세먼지의 개인노출 농도는 35.3±3.5 ㎍/㎥, 초미세먼

지 개인노출 농도는 18.2±1.7 ㎍/㎥ 이었다. 도시대기측정소의 미세먼지 농도의 범위보다

GPS의 시·공간적 정보를 활용한 미세먼지 개인노출의 범위가 더 넓은 것은 GPS 자료를 활

용하여 입자상물질 개인노출의 고노출군과 저노출군의 분류가 가능함을 보여준다.

- vi -

3. 모바일 환경에서의 환경보건서비스 활용방안 모색

모바일 환경에서의 환경보건서비스는 모니터링 자료의 수집, 수집한 자료의 가공 및 분석,

사람들에게 효과적인 정보 제공의 3가지 단계로 나누어 볼 수 있다. 각 단계에 따라 목적에

맞는 네트워크 구성, 모바일 기기의 기능 확대, 정부 오픈 데이터를 통한 활용 방안을 차년도

연구과제로 제시하였다.

Ⅴ. 기대효과

본 연구는 국내외 모바일 환경모니터링 서비스 현황을 파악한 기초자료로 쓰일 수 있고, 연구

방법은 다른 환경 모니터링에도 적용할 수 있다. 향후 crowd-sourcing을 통하여 환경 관련 정보

를 제공할 때에 고려할 개선점을 확인하였으며, 다양한 환경보건서비스의 가능성을 확인하였다.

- vii -

Abstract

1. Background

As general population's interest in the quality of living environment increases, environment

health became the subject of service provision regarding monitoring, surveillance, analysis,

and/or knowledge generation. At the same time, the penetration rate of smartphone has

dramatically grown. Most smartphones are equipped with various monitoring sensors which

have capability to monitor various types of living environments. Increased interest in public

health service and the growth of smartphone penetration rate have initiated the possibility

of employing smartphone to the public health services in various ways.

2. Objectives

There are three objectives of this research. First, we examine recent trends of academic

research on public health services. Second, we develop a pilot study that utilizes data

monitored by smartphones and apply them to public health service environment. Third, we

evaluate the pilot study by suggesting future directions of environment health service that

acquires smartphone sensor data.

3. Study design and Methods

Previous literature on the application of mobile or smartphone sensor data that utilized in

the area of living environment monitoring and surveillance. For the pilot study, we collected

geographic information and associated noise value via smartphones from over 100 samples

who provided written consent to participate in the study. A smartphone application was

developed for the pilot study, and the results were visualized and analyzed by the

geographic information systems (GIS). Future directions of environment health services are

developed through the rigorous discussion among the researchers of this study and a group

of advisors.

4. Results

Literature review suggested that the use of smartphone sensors and the participation of

citizens in the environment health-related academic studies is becoming more and more

common under the concepts of 'crowd-sourcing', 'citizen scientists', and 'participatory

sensing.'

- viii -

The pilot study revealed that geographic information and associated sound information

monitored by participants' smartphones can provide noise value information of Seoul that are

new and substantially different from the existing value of noise. So far, the noise level of

Seoul has been monitored by the 25 environment monitoring sites in Seoul. Our pilot study

showed that about 100 participants covered large area of Seoul and provided enough

information that can be utilized to estimate the noise value of entire Seoul area. Further,

the sound value was decomposed into in-door and out-door values, which has never been

examined before.

By matching the geographic information of each study participant and the density of

particulate material measured by the 25 environment monitoring sites, we found that

individual exposure to PM10 was greater in weekends than in weekdays, was greatest among

the participants aged 40 and over.

5. Conclusion

This study suggests that individually monitored living environment by one's own

smartphone can be utilized in the process of environment health service development and

provision. Particularly, when the concept of crowd-sourcing or citizen scientists are

incorporated, the utility of service can be enlarged for the wellbeing and goodness of the

general population as well as the participants.

- ix -

목 차

I. 서 론·············································································································· 1

제1절 연구배경 및 필요성················································································ 1

1. 환경보건서비스····························································································· 1

2. 크라우드소싱(crowd-sourcing)과 환경보건············································· 4

3. 대기오염과 환경보건··················································································· 9

4. 소음과 환경보건························································································· 12

제2절 연구목적·································································································· 17

Ⅱ. 연구내용 및 방법························································································· 19

제1절 과업의 범위···························································································· 19

1. 환경보건서비스에 대한 모바일 관련 연구동향 분석························· 19

2. 시범연구 수행····························································································· 19

3. 모바일 환경에서의 환경보건서비스 활용방안 모색··························· 19

제2절 연구추진체계 및 연구진 구성···························································· 19

1. 연구추진체계······························································································· 19

2. 연구진 구성································································································· 21

제3절 연구방법·································································································· 21

1. 환경보건서비스에 대한 모바일 관련 연구동향 분석························· 22

2. 시범연구······································································································· 22

Ⅲ. 연구결과 및 고찰························································································· 35

제1절 환경보건서비스에 대한 모바일 관련 연구동향 분석···················· 35

1. 국내ㆍ외 모바일환경에서의 환경보건서비스 사례····························· 35

2. 국내ㆍ외 소음 관련 애플리케이션(Application) ···································· 49

3. 국내ㆍ외 소음 모니터링 연구동향························································· 51

제2절 시범연구 수행························································································ 52

1. 애플리케이션 개발····················································································· 54

- x -

2. 시범조사 수행 및 데이터 분석······························································· 59

제3절 모바일 환경에서의 환경보건서비스 활용방안 모색························ 95

1. 모바일 환경에서의 자료 수집································································· 95

2. 모바일 환경에서 수집된 자료의 가공 및 분석··································· 97

3. 모바일 기기를 통한 의미 있는 환경보건서비스 제공······················· 99

Ⅳ. 결 론············································································································· 101

Ⅴ. 기대성과······································································································· 105

Ⅵ. 참고문헌······································································································· 107

- xi -

표 목 차

Table 2-1. 연구 수행 일정표 ················································································································· 20

Table 2-2. 연구진 구성표 ······················································································································· 21

Table 2-3. 리서치회사에서 연구에 참여한 패널에게 요청한 질문내용······································· 28

Table 2-4. 서울시가 운영 중인 도시대기측정소 ··············································································· 31

Table 3-1. 환경부에서 제공하는 모바일 관련 환경보건 서비스··················································· 37

Table 3-2. 여러 가지 애플리케이션을 이용한 소음측정 평가······················································· 58

Table 3-3. 패널참여자의 사회인구학적 특성····················································································· 60

Table 3-4. 시간대별 GPS/WPS별 데이터 분포··················································································· 62

Table 3-5. 시간대별 평균 소음············································································································· 66

Table 3-6. 평일과 주말의 시간대별 소음노출 정도········································································· 68

Table 3-7. 성별/연령별 소음 노출 차이 ····························································································· 70

Table 3-8. 연구참여자 특성 및 입자상물질의 개인노출 농도······················································· 77

Table 3-9. 일별 미세먼지(PM10) 개인노출 농도················································································ 79

Table 3-10. 일별 초미세먼지(PM2.5) 개인노출 농도·········································································· 88

- xii -

그 림 목 차

Fig. 1-1. 스마트폰을 활용한 크라우드소싱의 개념도········································································ 4

Fig. 1-2. 소음의 건강영향을 나타낸 피라미드·················································································· 13

Fig. 1-3. 소음계의 기본 구조 ················································································································ 15

Fig. 1-4. 장소에 고정되어 측정중인 소음 측정 장비 ······································································ 16

Fig. 2-1. 연구추진체계···························································································································· 20

Fig. 2-2. 연구흐름도 ································································································································ 21

Fig. 2-3. 기존 측정 방법과의 비교 ······································································································ 22

Fig. 2-4. 소음원으로부터 동일한 거리에 위치한 스마트폰과 정밀 지시소음계 ························ 25

Fig. 2-5. 연구참여자 모집 방법············································································································ 27

Fig. 2-6. 시범연구 진행 방법 및 조사일정 ························································································ 29

Fig. 2-7. 구글 플레이스토어 등록 화면······························································································ 29

Fig. 2-8. 애플리케이션 다운로드 시각 로그······················································································ 30

Fig. 2-9. 시범연구 진행 방법 및 조사일정 ························································································ 30

Fig. 3-1. 대형 폐가전제품 무상 방문수거 시스템 ············································································ 37

Fig. 3-2. 순환자원거래소의 거래 체계································································································ 38

Fig. 3-3. 애플리케이션 ‘우리동네 대기질’···················································································· 39

Fig. 3-4. 화학물질 방제정보 QR코드 ··································································································· 40

Fig. 3-5. 미세먼지 예보 문자 서비스 예시························································································ 40

Fig. 3-6. 아토피피부염 교육용 애플리케이션 ···················································································· 41

Fig. 3-7. 애플리케이션 ‘국립공원 산행정보’················································································ 42

Fig. 3-8. 애플리케이션 ‘우리 집 냉장고’······················································································ 43

Fig. 3-9. 애플리케이션 ‘에코드라이빙’·························································································· 44

Fig. 3-10. 대기 에어로졸 농도 지도···································································································· 45

Fig. 3-11. 호흡률과 가스상물질 측정 장비························································································ 46

Fig. 3-12. NO2 개인노출 지도··············································································································· 46

Fig. 3-13. 스마트폰 배터리 온도와 외기 온도의 변화 양상·························································· 47

Fig. 3-14. 스마트폰을 이용한 가시성 평가 연구의 모식도 ···························································· 47

Fig. 3-15. 주차공간을 찾도록 돕는 시스템 내 정보 흐름······························································ 48

Fig. 3-16. 30일 간의 NO2 개인노출 지도··························································································· 49

Fig. 3-17. 소음측정 애플리케이션 “NoiseTube”············································································ 50

Fig. 3-18. 소음지도와 개인이 느끼는 소음의 크기에 대한 시각화·············································· 50

Fig. 3-19. 스마트폰으로 측정한 소음 데이터로 제작된 소음지도 ················································ 51

Fig. 3-20. 전반적 시범연구개요············································································································ 53

Fig. 3-21. 시범연구 개요 모식도에서 애플리케이션 개발이 해당되는 부분 ······························ 54

Fig. 3-22.“Smart Noise Monitoring”시작화면 ··················································································· 55

- xiii -

Fig. 3-23.“Smart Noise Monitoring”애플리케이션 화면································································· 56

Fig. 3-24. 애플리케이션 버전별 수정내용 ·························································································· 57

Fig. 3-25. Smart Noise Monitoring과 정밀 지시소음계로 측정한 소음값 비교··························· 59

Fig. 3-26. 전송데이터의 형태················································································································ 60

Fig. 3-27. 조사날짜별 데이터 분포 ······································································································ 61

Fig. 3-28. 시간별 데이터 분포·············································································································· 61

Fig. 3-29. GPS/WPS별 데이터 분포 ······································································································ 63

Fig. 3-30. 구별 데이터 측정 수············································································································ 64

Fig. 3-31. 시범연구 개요 모식도에서 소음데이터의 분석이 해당되는 부분 ······························ 65

Fig. 3-32. 소음의 인체영향 ···················································································································· 66

Fig. 3-33. 시간대별 평균 소음(주간.야간) ·························································································· 67

Fig. 3-34. 평일과 주말의 시간대별 소음노출 정도 ·········································································· 68

Fig. 3-35. 성별에 따른 시간별 소음값 ································································································ 69

Fig. 3-36. 성별/연령별 소음 노출 차이 ······························································································ 70

Fig. 3-37. 실내/실외별 소음지도(7시) ·································································································· 71

Fig. 3-38. 서울시 시간대별 소음지도·································································································· 72

Fig. 3-39. 시범연구 개요 모식도에서 대기오염 노출의 예측이 해당되는 부분························ 76

Fig. 3-40. 미세먼지(PM10) 개인노출 농도 분포 ·················································································· 78

Fig. 3-41. 일별 미세먼지(PM10) 개인노출 변이 ·················································································· 78

Fig. 3-42. 평일과 주말의 미세먼지(PM10) 개인노출·········································································· 83

Fig. 3-43. 성별에 따른 미세먼지(PM10) 개인노출 ·············································································· 83

Fig. 3-44. 연령에 따른 미세먼지(PM10) 개인노출 ·············································································· 84

Fig. 3-45. 지역에 따른 미세먼지(PM10) 개인노출 ·············································································· 84

Fig. 3-46. 개인노출과 도시대기측정소 미세먼지(PM10) 농도 비교 ················································ 85

Fig. 3-47. 초미세먼지(PM2.5) 개인노출 농도 분포············································································· 86

Fig. 3-48. 일별 초미세먼지(PM2.5) 개인노출 변이············································································· 87

Fig. 3-49. 평일과 주말의 초미세먼지(PM2.5) 개인노출 ····································································· 92

Fig. 3-50. 성별에 따른 초미세먼지(PM2.5) 개인노출········································································· 92

Fig. 3-51. 연령에 따른 초미세먼지(PM2.5) 개인노출········································································· 93

Fig. 3-52. 지역에 따른 초미세먼지(PM2.5) 개인노출········································································· 93

Fig. 3-53. 개인노출과 도시대기측정소 초미세먼지(PM2.5) 농도 비교··········································· 94

Fig. 3-54. 모바일 환경에서의 환경보건서비스 개념도 ···································································· 95

Fig. 3-55. 개인단위 환경보건서비스 제공························································································ 100

- 1 -

I. 서 론

제1절 연구배경 및 필요성

1. 환경보건서비스

가. 환경보건서비스의 정의

환경보건서비스(Environmental Health Services, EHSs)란 국가, 지역사회 및 단체, 개인 등의

직접적인 참여와 소통을 통하여 환경오염으로부터 국민의 건강을 보호하기 위한 지식과 서비

스 창출 그리고 응용 등의 체계적이고 창조적인 활동이다. 넓은 의미의 환경보건서비스는 공

중보건 서비스의 일부분이며, ‘환경에 대한 모니터링과 이에 대한 관리 활동을 통하여 환경

보건 정책을 수행하는 제반 서비스’이다.

나. 환경보건서비스의 역할

환경보건서비스에서는 여러 환경 요인들을 개선하고 친환경적 기술과 행위 등의 활용을 지

원하고, 환경요인에 대한 개선을 통하여 개인 및 지역사회 구성원들의 안전하고 건강한 생활

과 기본적인 삶의 질 향상을 도모하는 역할을 한다.

다. 환경보건서비스의 전략

환경보건서비스의 전략은 서비스의 수요자와 공급자의 양방향 소통을 통하여 서비스의 대

상과 Needs를 도출하고 수요자와 공급자 모두가 참여할 수 있는 시스템을 만들어 그 혜택이

모두에게 다 제공될 수 있도록 그 목표를 정하며, 그것을 통하여 우리는 새로운 정책을 개발

하고 제시하는 데 선도적인 역할을 할 수 있을 것으로 기대된다.

(1) 10대 필수 공중보건서비스

1994년 미국 의학연구소(Institute of Medicine)에서는 10가지 필수 공중보건 서비스(TES,

The Ten Essential Services of Public Health)를 정의하였다. 이를 토대로 아래의 10대 필수

환경보건서비스의 개념이 형성되었다.

- 2 -

(2) 10대 필수 환경보건서비스

노스웨스트 공중보건센터의 Osaki는 국가 또는 지역사회 수준에서의 10대 필수 환경보건

서비스(TES-EH, The Ten Essential Services of Environmental Health)를 다음과 같이 정의하

였다.

첫째, 커뮤니티의 환경보건 문제를 규명하고 해결하기 위한 환경과 건강상태 감시.

둘째, 커뮤니티에서 환경보건 문제와 건강유해 요인들을 조사하고 진단.

셋째, 환경보건 문제에 대한 정보, 교육 및 전문가 제공.

넷째, 환경보건 문제해결을 위한 커뮤니티간의 동반 관계와 실천방안 강구.

다섯째, 개인과 커뮤니티의 환경보건 유지를 위한 노력을 뒷받침 할 정책 개발.

여섯째, 환경보건과 안전 보장을 위한 법과 규정을 집행.

일곱째, 환경보건 서비스를 이용할 수 없는 계층이나 개인 건강서비스를 필요로 하는 사

람들을 연계.

여덟째, 경쟁력 있는 환경보건인력과 개인 보건의료 인력을 확보.

아홉째, 환경보건 서비스를 기초로 한 개인이나 집단의 질, 효율성 그리고 수용성 평가.

열째, 환경보건 문제에 대한 새로운 시각과 혁신적 해결책의 강구.

나. 환경보건서비스의 사회적 중요성과 사례

(1) 사회적 배경

(가) 환경복지 수요 증가

최근 인구의 고령화, 기후변화, 신기술의 발전에 따라 국민의 건강을 위협하는 요인이 증가

하고 있으며, 국민들의 삶의 질 향상으로 건강장수에 대한 환경복지 수요 또한 증가하고 있

다.

(나) 새로운 환경보건서비스의 필요성

환경유해인자에 취약하고 민감한 계층인 영유아, 어린이, 임산부, 노인 집단은 다른 집단보

다 각별한 관리가 요구되는데, 환경노출 모니터링과 규제에 집중한 기존의 환경정책에서 나아

가 생활환경 개선 및 수요자와의 직접적인 소통으로 이뤄진 환경보건 서비스와 전 생애주기

별 맞춤형 서비스를 통한 국민의 삶의 질 향상을 위해 노력해야 한다.

- 3 -

(2) 환경보건서비스의 사회적 목표

환경보건서비스의 사회적인 목표는 전 국민이 참여하고 소통하는 환경보건 서비스 체계 구

축과 운영으로 이를 통해 건강한 후속세대와 생활환경 개선을 통한 국민들의 건강과 장수, 쾌

적한 환경재생 등을 이루는 것이다.

(3) 국내 환경보건 연구 현황

국내 환경보건 연구는 환경보건인체모니터링 연구, 취약지역 및 민감 집단을 큰 축으로 한

실태조사, 환경보건 기반기술 연구로 나뉜다.

(가) 기존 국내 환경보건서비스

기존의 환경보건 정책 및 규제, 사업을 살펴보면 국내 환경보건 서비스는 환경보건 연구와

정책의 연계가 잘 안되고 있다는 문제점과 국민의 니즈(Needs)를 파악한 생애주기별 환경보건

서비스의 제공이 취약하다는 문제점이 있다.

① 한계점

분야별로 법과 제도가 잘 갖추어져 있고 많은 연구가 이루어지고 있음에도 국내 환경보건

연구는 대부분 기초자료를 생산하는 조사 모니터링 또는 기반기술 연구에 중점을 두고 있고,

단일 연구에서 결과를 도출하고 끝나는 경우가 많아 그 연구결과가 정책에 반영되기 어려운

실정이다. 환경부에서 이루어지고 있는 환경보건 관련 서비스는 대부분 현재 이슈화되고 있는

문제 해결에 중점을 두고 있어, 장기적 측면에서 서비스의 정책, 목표와 계획, 전략, 국민의

환경보건 인식변화 파악과 의사소통 통합을 위한 시스템이 부재한 상태이다.

② 해결방안

이러한 문제점들을 해결하기 위해 환경보건의 연구 결과를 종합하여 활용성을 제고할 수

있도록 체계적인 정리와 국민의 수요 파악 및 진단, 정책평가 등을 통하여 그것이 환경보건

정책으로 연계될 수 있는 환경보건 서비스 도입 방안 마련이 필요하다. 환경보건 서비스의 구

체적인 예로 발전된 기술과 대량정보의 연계활용, 자발적 참여 및 소통, 생애 주기별 맞춤형

서비스의 개발 및 제공 등을 들 수 있다.

- 4 -

2. 크라우드소싱(crowd-sourcing)과 환경보건

가. 크라우드소싱의 개념

(1) 사회적 자본

최근 과학기술의 발전으로 정보의 공유가 쉽고 편리해지면서 국민 참여에 의한 지식의 창

출과 배분이 활성화되고 있으며, 이는 ‘사회적 자본(social capital)’으로 정의된다(Putnam,

Robert D., 1995). 사회적 자본이 효과적으로 활용되기 위해서는 상호 구조적 개체간의 신뢰가

형성되어야 하고, 실질적인 자료 활용과 정보 공유 활동이 계속되어야 한다.

(2) 크라우드소싱의 개념

미래 지향적인 체계를 구축하려는 움직임 속에, 어떠한 정보를 지닌 개개인들이 전달하는

정보를 한 곳에서 수합하여 다른 사람들의 삶의 질을 높일 수 있는 정보로 바꾸어 전달해주

는 ‘크라우드소싱(crowd-sourcing)’의 개념이 빠르게 확산되고 있다. 크라우드소싱은 '대중

(Crowd)’과 '외부 자원 활용(Outsourcing)’의 합성어로, 비전문가인 대중을 통해 문제파악이

나 해결책을 찾도록 아웃소싱하는 것이다. Fig. 1-1은 스마트폰을 이용한 크라우드소싱 개념

구조를 보여준다. 크라우드소싱에 참여하는 시민들은 각자의 스마트폰을 이용하여 일련의 문

제를 해결하기 위한 정보를 생성해 내고, 그것을 가공하여 통합 서버로 제공해 준다. 수집된

데이터는 새로운 서비스의 개발과 적용의 기회를 제공한다(Faggiani et al., 2012).

Fig. 1-1. 스마트폰을 활용한 크라우드소싱의 개념도

자료출처: Faiggiani et al., 2012

- 5 -

(3) 크라우드소싱의 발전

(가) 정보 공유

크라우드소싱의 개념은 Jeff Howe에 의해 2006년 6월 와이어드(Wired) 잡지에 처음 소개되

었다. 크라우드소싱은 그 개념이 태동중인 단계에 있지만 최근 들어 끊임없이 진화중에 있는

개념으로, 이전에는 해당 업계의 전문가들이나 기업 내부자들만 접근 가능하였던 정보를 대중

과 공유하여 제품 혹은 서비스의 개발 과정에 비전문가나 외부 전문가들에게 참여기회를 제

공하여 혁신을 이루고자 하는 방법이다(Howe, 2006; Estellés & González, 2012).

(나) 문제점 해결책으로서의 역할

또한 크라우드소싱은 규모가 정해지지 않은 대중(crowd)으로 하여금 공개적으로 정보를 수

집하여 문제를 해결하는 광범위하게 분산된 모델이며(Faggiani et al., 2012), 이 개념은 웹 2.0

으로 가능해진 새로운 다양한 가능성 중 핵심적인 것 중 하나로서 ‘다수의 인력 풀은 소수

의 전문가보다 낫다’라는 믿음 아래 다양한 사람들이 더 나은 해결책을 제시할 수 있을 것

으로 보고 있다(Howe, 2008).

나. 크라우드소싱의 활용

크라우드소싱은 비전문인력을 대거 투입하여 상당한 양의 데이터를 수집하고 그것을 공유

하며 사람들이 연구 주제에 대한 관심을 증폭시킬 수 있다는 장점이 있으며, 우리 사회의 각

분야에서 활용이 가능하다. 또한 우리 사회의 다양한 분야에서 효율적인 문제의 해결 및 데이

터 수집 방법으로의 활용이 가능하다.

(1) 환경보건서비스와의 연관성

2008년 Paulos는 시민집단을 통한 데이터 수집을 “Citizen science”로 정의하였다(Paulos

et al., 2008). “Citizen Science”는 시민들의 참여를 통하여 데이터가 수집되는

“Participatory sensing”, “crowd-sourcing”과 환경보건학적인 맥락에서 그 의미가 같다고

할 수 있다(Konomi et al., 2013).

(2) 다양한 연구 분야

연구진은 크라우드소싱을 통해 한정적인 내부의 인적 자원에만 의존하지 않고 많은 외부의

인적 자원의 도움을 받을 수 있으며 또한 외부인은 이러한 참여를 통해 자신들에게 더 나은

제품과 서비스를 이용하게 되고 이익을 공유하는 것도 가능하기 때문에, 크라우드소싱은 현재

경제, 문화, 정치 등의 다양한 분야에서 활용되고 있다.

- 6 -

(3) 마케팅 전략

크라우드소싱을 마케팅 전략으로 활용한 한 가지 예로, “Threadless.com”이라는 업체는

의류의 제작과 판매를 위하여 제작될 티셔츠의 디자인에 대한 공모전을 열었다. 일반 시민들

이 다양한 디자인을 공모하였고 투표하였으며, Threadless.com은 가장 많은 표를 얻은 디자인

을 채택하여 티셔츠를 제작하였다. 이는 업체가 정한 디자인이 아닌, 일반 시민들이 자신들이

원하는 방향으로 티셔츠를 디자인하고 크라우드소싱 방법으로 디자인을 제출, 선정하여 최종

적으로 제작된 의상을 구매할 수 있도록 하였다는 데 의의가 있다(Brabham & Daren C.,

2008).

(4) 연구개발(R&D)

아래 소개할 내용은 크라우드소싱 방법의 효과적인 응용으로, 회사에서 지정한 업체 혹은

기관에 소속된 과학자들이 문제를 해결하는 통상적인 방법과는 달리 모든 과학자들이 자유롭

게 자신들의 의견을 제시하고 회사는 그 중 가장 효과적이라고 판단한 해결방법을 채택하고

그에 대한 대가를 지불하는 방식을 따르고 있다(Brabham & Daren C., 2008).

(가) InnoCentive

“InnoCentive.com”에서는 크라우드소싱 개념을 회사들의 R&D에 도입하여 활용하였다.

InnoCentive는 각 회사들의 R&D와 관련된 과학적인 문제점들을 해결하기 위하여, 여러 과학

자들이 이러한 문제점들을 해결할 수 있는 효율적인 방법을 제안할 수 있도록 채택된 방안을

제시한 과학자들에게는 그에 해당하는 재정적인 지원을 하였다.

(나) 실제 사례

실제로 “Boeing”사, “DuPont”사, “Proctor and Gamble”사 등의 회사들이 InnoCentive

를 통하여 세계 각국의 여러 과학자들에 각 회사의 R&D관련 문제점들을 제시하였고, 생명과

학, 화학, 여러 응용과학 분야에서의 과학자들이 참여하였다. 참여하는 과학자들은 문제에 대

한 효율적인 해결방안을 제안하였고, 각 회사에서는 제출된 해결방안들을 검토하여 가장 효율

적인 방안을 채택하였다(Howe, 2006). 이러한 방법의 큰 특징은, 과학자들이 InnoCentive를 통

하여 관심있는 분야에서 회사들이 제시한 문제점들을 살펴보고 자유롭게 해결방안을 제시할

수 있다는 데 있다.

- 7 -

다. 환경보건에서 크라우드소싱의 중요성

(1) 새로운 연구방법으로서의 크라우드소싱

환경보건학적인 측면에서, 크라우드소싱을 활용한 연구는 기존에 사용되는 전통적인 “site

monitoring”방식을 이용한 연구방법에 비하여 상당한 이점을 갖고 있다.

(가) 비전문가 활용

크라우드소싱의 가장 큰 특징은 조직 외부의 비전문가들에게 연구 참여의 기회를 제공하는

것인데 일반 시민들의 연구 참여는 특정 문제에 대한 해결에 있어 창의적인 방안을 제시할

수 있다는 데 의의가 있다. 연구 참여자들은 새로운 지식을 창조해 낼 수 있고 연구 과정에서

새로운 시각을 제시해줄 수도 있다. Van Herzele(2004)은 전문인력의 고정관념을 벗어나 새로

운 시각에서 문제점을 바라보는 비전문가의 참여가 전반적인 연구 계획에 있어 도움을 줄 수

있다고 언급하였다. 비전문가인 일반인들이 과학적인 연구의 문제 해결에 있어서 전통적인 기

존의 연구방법보다 효율적이고 비용 측면에서도 효과적임을 밝힌 사례 또한 다수 찾아볼 수

있다(Lakhani et al., 2007; Lakhani and Panetta, 2007).

(나) 스마트폰을 활용한 mHealth(mobile Health)

크라우드소싱은 스마트폰과 긴밀하게 연관되어 연구에 활용될 수 있다. 스마트폰 네트워크

는 사람들로 이루어진 새로운 시스템 구축이 가능한데, 그 시스템의 중심에는 크라우드소싱의

개념이 내재되어 있다. 스마트폰을 이용한 “mHealth”는 지속적으로 발전하는 다양한 하드

웨어를 탑재한 스마트폰의 발전과 함께 데이터들이 수집되어 최종적으로 제공받는 모든 과정

이 웹을 기반으로 진행되어, 기존에 시행되고 있던 mHealth보다 더욱 다양한 정보를 제공할

수 있을 것이다.

① 자료 수집

스마트폰 센서를 통하여 생성된 데이터는 기존에 측정되던 자료와는 달리 스마트폰 사용자

가 직접 위치에 기반하여 시간에 따라 측정된 데이터이다. 크라우드소싱 시스템은 기존에 시

행되던 자료 수집 방법들보다 값싼 비용으로 시공간적인 측면에서 더욱 높은 정확도를 제공

할 것으로 기대된다(Stevens & D’Hondt, 2010).

② 거대한 측정 네트워크

크라우드소싱을 통해 큰 범위 내의 모든 스마트폰들이 하나의 측정 네트워크를 구성하게

되면, 그것은 역사상 가장 규모가 큰 측정기기가 될 것으로 기대된다(Yang et al., 2012).

- 8 -

③ 쌍방향 정보전달

크라우드소싱을 활용한 연구에서 스마트폰은 연구자뿐만 아니라 시민에게도 자료를 제공할

수 있는 쌍방향 정보전달의 도구가 된다. 특정 조건을 가진 사람에게 필요한 정보를 주기적으

로 제공함으로써 교육과 정보의 공유를 통한 행동의 변화와 교정도 이끌어 낼 수 있다.

(2) 크라우드소싱을 활용한 환경보건 연구의 장점

크라우드소싱은 스마트폰의 높은 보급률과 사용률, 그리고 이용이 편리한 애플리케이션의

개발로 인하여 기존의 방법보다 적은 비용과 노력으로 대중으로부터 빅 데이터를 얻을 수 있

는 유용한 방법 중 하나로 자리잡아가고 있다.

(가) 시공간적 한계 극복

환경보건에서 크라우드소싱을 활용한 연구의 장점 중 하나는 다양한 장소의 많은 사람들로

부터 정보를 수집할 수 있다는 점이다. 일반 시민들이 각자의 이동 중에 데이터를 수집할 수

있는 크라우드소싱 연구는 기존 site monitoring 방식의 시공간적인 제약에서 벗어날 수 있게

끔 도와준다.

(나) 연구에 대한 이해도 향상

크라우드소싱을 통한 연구는 연구 참여자인 일반 시민들에게 해당 연구 주제에 대한 관심

을 심어주고, 연구 참여 과정을 이해할 수 있도록 하는 등 다양한 환경보건 연구에 대해 시민

들의 관심과 참여를 증폭시킬 수 있다는 장점을 갖고 있다.

(3) 크라우드소싱을 활용한 환경보건 연구의 단점

크라우드소싱을 활용한 연구에는 장점만이 있는 것은 아니다. 크라우드소싱 연구가 일반 시

민들로부터 전송받은 자료를 네트워크 인프라에 수집하고 저장하기 때문에 이와 관련된 데이

터를 다루는 작업으로부터 기인한 문제점이 있을 수 있다.

(가) 불완전한 데이터 생성

크라우드소싱을 활용한 소음 측정을 예로 들었을 때, 소음 측정 데이터를 제공할 의사가 있

는 참여자만을 대상으로 하기 때문에 이러한 측정은 참여자가 현재 존재하는 위치에서의 데

- 9 -

이터만을 수집할 수 있다. 또한 연구 참여자들은 스마트폰으로 다른 수많은 작업을 하기도 하

며, 소음 측정 애플리케이션으로 인해 스마트폰의 배터리가 닳는 것을 염려하여 애플리케이션

의 정상적인 구동을 강제적으로 막을 수 있어 불완전한 데이터가 생성될 가능성이 있다.

(나) 개인정보 보호 문제

크라우드소싱 연구에서는 철저히 참여자 제공 데이터를 사용하므로 참여자의 신상 정보가

동시에 수집이 되는데, 이렇게 수집된 개인정보의 보관과 관리에 대한 문제점이 발생할 수 있

다. 일반 시민들이 자신들의 개인정보에 대한 사용에 민감하게 반응하고, 개인정보보호법 등

이 강화되고 있는 추세에 개인정보의 유출은 심각한 사회경제적인 문제를 초래할 수 있다.

(4) 전망

최근 들어 크라우드소싱을 활용한 연구가 전 세계적으로 활발하게 진행되어가는 시점에서

스마트폰과 크라우드소싱을 활용한 환경보건서비스 연구는 기존의 환경보건 연구 방법의 패

러다임을 바꿀 수 있는 큰 전환점으로 작용할 수 있을 것으로 보인다.

3. 대기오염과 환경보건

가. 대기오염의 정의

세계보건기구(World Health Organization, WHO)는 대기오염을 대기의 자연적인 특성을 변화

시키는 화학적, 물리학적, 생물학적인 인자들에 의한 실내 혹은 실외 환경의 오염으로 정의하

였다. 가정에서 사용되는 연소 장비들이나 자동차, 산업시설, 산림의 화재 등이 흔히 찾아볼

수 있는 대기오염의 원인으로 꼽힌다.

나. 대기오염물질의 종류와 건강영향

대기오염물질은 대기환경보전법에 따라 크게 입자상물질과 가스상물질로 나뉜다. 건강상 영

향을 미치는 주요한 대기오염물질로는 입자상물질인 미세먼지(PM10), 초미세먼지(PM2.5), 가스

상물질인 일산화탄소(CO), 오존(O3), 이산화질소(NO2), 아황산가스(SO2) 등이 있으며, 호흡기계

혹은 다른 기관계에 관련된 치명적인 질병을 야기할 수 있다.

(1) 입자상물질

입자상물질은 물질의 파쇄, 선별 등의 기계적인 처리나 연소, 합성 등의 과정에서 발생하는

대기 중의 고체 또는 액체 상태 물질의 총칭이며, 미세먼지(PM10)와 초미세먼지(PM2.5) 등이 입

- 10 -

자상물질에 속하는 대기오염물질이다.

(가) 미세먼지(PM10)

미세먼지(PM10)는 대기 중 입자의 직경이 10㎛ 이하인 입자상물질을 의미한다. 높은 농도수

준의 미세먼지에 노출될 경우 호흡기계의 기능과 폐기능이 저하되고 호흡기 관련된 암 발생

률이 증가한다. 또한 어린이나 노인 계층, 만성적인 폐질환이나 천식 등을 앓고 있는 민감집

단에서는 PM10의 노출이 더욱 큰 건강영향을 나타낸다고 보고된 바 있다(Pope et al., 1992).

(나) 초미세먼지(PM2.5)

초미세먼지(PM2.5)는 대기 중 입자의 직경이 2.5㎛ 이하인 입자상물질을 의미한다. WHO가

제시하고 있는 PM2.5의 배경 농도는 20μg/m3 이며, 이를 초과한 높은 농도의 PM2.5에 노출 시

호흡기 깊숙이 침투가 가능한 초미세먼지에 의해 폐기능이 저하되고 각종 호흡기계 질환이

나타나며 혈관으로 흡수되어 뇌졸중이나 순환기계 질환을 일으키는 것으로 보고되고 있다

(Dckery et al., 1989; Abbey et al., 1994).

(2) 가스상물질

(가) 일산화탄소(CO)

일산화탄소(CO)는 연료의 불완전연소 등의 원인으로 주로 발생한다. 보통 자동차의 배기가

스에 많이 포함되어 있으며, 실내에서는 흡연으로 인해 주로 발생하기도 한다. 높은 농도의

일산화탄소에 노출 시 혈중 COHb가 증가되어 두통, 현기증, 맥박 상승, 구토 등의 증상이 나

타며 저산소증 및 허혈성 심장 질환이 유발될 수 있다. 심할 경우 중추신경계가 큰 타격을 받

아 죽음에 이를 수 있다(Ernst et al., 1998).

(나) 오존(O3)

오존(O3)은 주로 대기 중의 휘발성 유기화합물(VOCs)과 질소산화물(NOx)이 바람이 약한 조

건에서 자외선의 존재 하에 광화학반응을 일으켜 생성된다. 낮은 농도의 오존에 만성적으로

노출될 시, 호흡기계 질환의 유병률이 증가되며, 높은 농도의 오존에 노출될 경우 천식 발생,

호흡기계 세포 염증반응 증가, 폐기능 저하 등의 증상이 나타날 수 있다(Krupnick et al.,

1990).

(다) 이산화질소(NO2)

이산화질소(NO2)는 자극적인 냄새가 나는 기체로 연료의 고온 연소 과정에서 생성되기 때

- 11 -

문에 자동차 배기에서 주로 배출된다. 자외선 조건 하에서 오존을 생성한다. 낮은 농도의 이

산화질소에 노출될 경우 경미한 호흡기계 증상이 나타날 수 있으며 높은 농도의 이산화질소

에 노출될 경우 천식 유병률이 증가하며 폐 기능 저하, 기도 저항성 증가, 세포 변성에 의한

생화학적인 변화 유발 등의 증상이 나타난다(Kampa et al., 2008).

(라) 아황산가스(SO2)

아황산가스(SO2)는 연료중에 포함된 황 성분이 공기중의 산소와 결합하여 주로 생성된다.

낮은 농도의 아황산가스에 노출될 경우, 호흡기계 및 폐질환자의 병원 내원율이 증가하고 민

감집단의 폐기능이 저하된다. 높은 농도의 아황산가스에 노출될 경우, 폐기능이 감소되며 기

도 저항성이 증가되고 상부 기도 점막을 자극하여 기침을 일으킨다(Ware, J. H., et al., 1986).

다. 대기오염물질의 측정방법

대기오염물질은 현재 한국환경공단에서 운영하는 대기측정망을 통해 측정되고 있다. 대기오

염측정망에서 측정된 자료는 국가 대기오염 정보관리시스템(NAMIS)에 수집된 후에 대기오염

도 실시간 공개시스템(www.airkorea.or.kr)을 통해 국민에게 공개되고 있다. 대기오염측정망은

그 설치 목적에 따라 크게 일반대기오염 측정망과 특수대기오염 측정망으로 분류되며, 입자상

물질과 가스상물질을 측정한다. 세부적인 측정방법은 ‘대기오염공정시험기준’ 제4장 제2절

을 따른다.

(1) 입자상물질

미세먼지(PM10)와 초미세먼지(PM2.5) 모두 대기오염공정시험방법에 따라 베타선흡수법(β

-Ray Absorption Method)을 이용하여 농도를 측정한다. 측정 주기는 1시간(일부 장비는 매 5

분)이며, 기록되는 자료는 1시간 농도치로 생성된다.

(2) 가스상물질

(가) 일산화탄소(CO)

일산화탄소(CO)는 비분산적외선법(Non-Dispersive Infrared Method)을 사용하여 매 5분 주기

로 측정한다. 기록되는 자료는 1시간 평균치로 생성된다. 환경정책기본법 시행령에 따른 일산

화탄소의 환경기준은 8시간 평균치가 9 ppm 이하, 1시간 평균치가 25 ppm 이하이다.

(나) 오존(O3)

오존(O3)은 자외선광도법(U.V Photometric Method)을 사용하여 측정한다. 측정 주기는 매 5

- 12 -

분이며, 기록되는 자료는 1시간 평균치로 생성된다. 환경정책기본법 시행령에 따른 오존의 환

경기준은 8시간 평균치가 0.06 ppm 이하, 1시간 평균치가 0.1 ppm 이하이다.

(다) 이산화질소(NO2)

이산화질소(NO2)는 화학발광법(Chemiluminescent Method)을 사용하여 측정한다. 측정 주기

는 매 5분이며, 기록되는 자료는 1시간 평균치로 생성된다. 환경정책기본법 시행령에 따른 이

산화질소의 환경기준은 연간 평균치가 0.03 ppm 이하, 24시간 평균치가 0.06 ppm 이하, 1시

간 평균치가 0.10 ppm 이하이다.

(라) 아황산가스(SO2)

아황산가스(SO2)는 자외선형광법(Pulse U.V Fluorescence Method)을 사용하여 측정한다. 측

정 주기는 매 5분이며, 기록되는 자료는 1시간 평균치로 생성된다. 환경정책기본법 시행령에

따른 이산화질소의 환경기준은 연간 평균치가 0.02 ppm 이하, 24시간 평균치가 0.05 ppm 이

하, 1시간 평균치가 0.15 ppm 이하이다.

4. 소음과 환경보건

대표적인 환경문제 중의 하나인 소음공해는 인간의 행동 및 건강에 영향을 미치는 도시환

경의 주요 문제라고 할 수 있으며, 소음으로 영향을 받는 인구가 전 지구적으로 꾸준히 증가

하고 있다. 유럽연합(EU)에서는 “환경 소음은 유럽에서 문제가 되는 큰 지역사회 환경문제

중 하나이다. 소음 문제로 인해 불평을 호소하는 국민들이 점점 증가하고 있다.”고 밝혔다.

가. 소음의 정의

일반적으로 소음은 물리학적으로 진동의 파형이 불규칙하고 반복되지 않는 소리로 정의하

고 있으나, 공해인자로서의 소음은 주관적으로 판단하였을 때 개인이 듣기 싫고 ‘시끄럽다’

고 느껴지는 소리를 소음이라고 정의하고 있다(EPA, 2005).

나. 소음의 건강영향

소음은 신체적, 정서적, 행동학적, 사회적 기능에 영향을 미쳐 소음성 난청, 작업능률의 저

하, 각종 심혈관계 질환, 급격한 스트레스와 정신장애 등을 유발한다. Fig. 1-2에 소음의 건강

영향을 도식화하였다.

- 13 -

Fig. 1-2. 소음의 건강영향을 나타낸 피라미드

자료출처: Babisch, W, 2012

(1) 기존 연구 결과

유럽연합 내에서는 이미 8천만 명 이상이 생활 허용치를 초과한 환경 소음에 고통을 받고

있고, 1억 7천만 명의 사람들이 낮 시간에 소음으로 인한 성가심 및 짜증을 겪어본 적이 있다

고 보고된 바 있다(Passchier-Vermeer W & Passchier WF., 2000; Maisonneuve et al., 2010).

Babisch 등은 소음에의 노출이 단순히 짜증과 신경질을 유발하는 수준에서 그치지 않고 심혈

관계 질환을 증가시키며 지속적인 소음 노출은 고혈압의 발생률을 높인다는 것을 보고하였다

(Babisch et al., 2005). 또한 소음 노출 수준에 따라 사람들에게서 불안관련 증상 및 우울 증

상, 수면장애에서 유의한 차이를 보인다고 보고되었으며 교통소음이 증가될 때마다 뇌졸중의

위험이 평균 14%씩 높아진다는 연구 결과 역시 발표된 바 있다(Soerensen et al., 2011).

(2) 소음 규제 기준

국가소음정보시스템에 의하면 사람은 보통 20 dB에서 120 dB까지의 소리에 노출되며 50

dB이상의 소리는 인체에 영향을 미친다고 알려져 있는데, 인체에 좋지 않은 영향을 미치는

소음을 규제하기 위해 국가에서는 주거지역의 경우 낮에는 50 dB, 밤에는 40 dB이 넘지 않도

록 그 기준을 정하고 있다(환경정책기본법, 2014).

다. 소음의 측정

- 14 -

(1) 소음 측정 방법

현재 알려진 소음 측정방법은 3가지가 있다. 3가지의 소음 측정 방법을 알아보고 각 방법의

한계점을 알아보았다.

(가) 컴퓨터 시뮬레이션을 통한 소음 예측 방법

음파의 물리적인 전파를 소음원에 적용하여 컴퓨터 시뮬레이션을 이용한 소음 지도 작성방

법이 있다. 이 방법은 예측하기 어려운 소음원으로 인해 소음의 정확도가 떨어지는 단점이 있

으며 비용이 많이 들고, 예측만으로 소음의 발생원을 지정하기 때문에 실제로 개인이 소음에

노출되는 정도를 정확히 파악할 수 없다는 단점이 있다.

(나) 소음 측정 장비를 이용한 소음 측정 방법

이 방법은 소음 측정 장비들을 측정지점마다 배치하여 소음 데이터를 수집하는 것으로, 모

니터링 사이트가 지역 전체를 다루기에 그 개수가 매우 부족하다는 단점이 있다. 또한 이 방

법은 소음 발생 그 자체만을 파악하고 실제로 사람들 개개인이 소음에 노출되는 정도를 알

수는 없는 단점을 갖고 있다.

(다) 개인 소음측정 장비를 휴대한 채 이동하며 소음을 측정하는 방법

이 방법은 사람들에게 개인 소음 측정 장비를 휴대한 채로 이동하게 하여 도시의 소음 지

도를 작성하는 방법이다. 이는 개인이 직접 노출되는 환경소음을 측정할 수 있다는 장점이 있

지만, 비용이 굉장히 많이 들고 숙련된 사람들을 고용하지 않으면 데이터의 신뢰도가 떨어질

수 있다는 단점이 있다(Maisonneuve et al., 2010).

- 15 -

(2) 국내 소음 측정방법

(가) 개요

현재 우리나라에서 시행되고 있는 소음 측정 및 평가방법은 다음과 같이 주택 건설기준 등

에 관한 규정 제 9조의 적합성 판단을 목적으로 하는 건설교통부의 “공동주택의 소음 측정

기준”과 환경정책기본법 제 10조 2항과 소음∙진동규제법에서 정하고 있는 소음한도나 규제

기준에의 적합성 판단을 목적으로 하는 환경부의 “소음진동공정시험방법”이 있으며, 기술표

준원에서 국가표준으로 정하는“공동주택 외부교통소음 현장측정방법”으로 구분되고 있다.

(나) 소음 측정 장비

① 장비의 분류 및 구조

소음을 측정하는데 사용되는 장비인 소음계는 간이소음계, 보통소음계, 정밀소음계 등이 있

는데, 환경부 고시 ‘소음∙진동공정시험방법’에 따라 소음계로 기능하기 위한 최소한의 기본

구조는 Fig. 1-3과 같다. 간이소음계는 예비조사 등 소음도의 대략치를 파악하는데 사용되며,

소음을 규제, 인증하기 위한 목적으로 사용되는 측정기기로서는 KSC-1502에 정한 보통소음계

또는 이와 동등 이상의 성능을 가진 것으로서 dB단위로 지시하는 것을 사용하여야 한다고 고

시하고 있다.

Fig. 1-3. 소음계의 기본 구조

자료출처: 환경부, 2014

- 16 -

② 실제 사용되는 장비의 종류 및 사용방법

현재 시행되고 있는 소음 측정은 대기 측정소와 같은 “site monitoring”방식으로 측정 지

역에서 고정시켜 측정하는 전문 장비를 이용하여 진행하고 있다. 환경부에서 승인하여 사용되

는 장비의 종류로는 TES-53H, ACO-6226, HS-6298, SE-402, NL-21등이 있다. 소음계의 마이

크로폰은 측정위치에 받침장치(삼각대 등)를 설치하여 측정하는 것을 원칙으로 하며, 손으로

소음계를 잡고 측정할 경우 소음계는 측정자의 몸으로부터 0.5m 이상 떨어져야 한다고 고시

하고 있으며, 소음계의 마이크로폰은 주 소음원을 향해야 한다고 정하고 있다. 이러한 장비들

은 환경부 고시 ‘소음∙진동공정시험방법’에 따라 지정된 측정지점에서 고정된 채로 환경소

음 및 교통소음을 측정하도록 정하고 있다.

(다) 소음 측정 위치

① 개요

우리나라에서는 옥외측정을 소음 측정의 원칙으로 정하고 있으며, “일반지역”은 해당지역

의 소음을 대표할 수 있는 장소로 하고, “도로변지역”에서는 소음으로 인하여 문제를 일으

킬 우려가 있는 장소를 택하는 것으로 정하고 있다. 측정지점의 선정 시에는 해당지역 소음평

가에 현저한 영향을 미칠 것으로 예상되는 공장 및 사업장, 건설사업장, 비행장, 철도 등의 부

지 내는 피해야 한다고 정하고 있다. 일반지역의 경우 측정점 반경 3.5m이내에 장애물(담, 건

물, 기타 반사성 구조물 등)이 없는 지점의 지면 위 1.2 ~ 1.5m로 정하고 있다. 도로변 지역의

경우에는 장애물이나 주거, 학교 병원 상업 등에 활용되는 건물이 있을 시 이들 건축물로부터

도로방향으로 1m 떨어진 지점의 지면 위 1.2 ~ 1.5m 위치로 하며, 건축물이 보도가 없는 도

로에 접해 있는 경우에는 도로단에서 측정한다고 정하고 있다. 다만, 상시측정용의 경우 측정

높이는 주변 환경, 통행, 촉수 등을 고려하여 지면 위 1.2~5m 높이로 할 수 있다고 고시하고

있다. Fig. 1-4는 일반지역 및 도로변 지역에서 측정중인 소음 장비의 측정 사진이다.

Fig. 1-4. 장소에 고정되어 측정중인 소음 측정 장비

- 17 -

제2절 연구목적

본 연구의 궁극적인 목적은 시범연구를 통해 국내에 적용할 수 있는 모바일 환경에서의 환

경보건서비스를 개발하는 것이다. 이를 달성하기 위한 세부 목적은 다음과 같다.

❍ 환경보건서비스에 대한 모바일 관련 연구동향을 분석한다.

❍ 시범연구로 모바일 환경에서 크라우드소싱을 이용해 얻은 자료를 활용한 환경보건서비스

의 가능성을 평가한다.

❍ 연구결과를 기반으로 하여 국내에 적용가능한 모바일 환경보건서비스의 발전방향을 제시

한다.

- 18 -

- 19 -

Ⅱ. 연구내용 및 방법

제1절 과업의 범위

1. 환경보건서비스에 대한 모바일 관련 연구동향 분석

❍ 문헌 검색을 통하여 모바일환경에서의 국내ㆍ외 환경보건서비스 사례를 알아본다.

❍ 개발된 소음 관련 애플리케이션(App)에 대한 국내ㆍ외 사례를 알아본다.

❍ 소음 모니터링에 대한 국내ㆍ외 연구동향을 파악한다.

2. 시범연구 수행

❍ GPS 정보를 활용하여 입자상물질의 개인노출 농도를 산출한다.

❍ 애플리케이션 업체를 선정하여 애플리케이션을 개발하고 수정한다.

❍ 모바일 소리 센서의 정확성(Accuracy)을 평가한다.

❍ 리서치 업체를 선정하여 시범조사단을 모집하고 운영한다.

❍ 시범조사를 수행하여 데이터를 수합한다.

❍ 지리정보 소프트웨어(QGIS)를 통하여 결과를 분석하고 소음 지도를 구현한다.

3. 모바일 환경에서의 환경보건서비스 활용방안 모색

❍ 전문가 자문회의를 통하여 향후 과제를 도출한다.

❍ 시범연구결과를 기반으로 국내에 적용가능한 모바일 환경보건서비스의 발전방향을 제시한다.

❍ 시범연구를 통해 생성된 자료 및 공공데이터(open API)를 활용하여 모바일과 연계(App)하는

방안과 그로 인해 나타나는 기술적 문제 해결 방법을 모색한다.

제2절 연구추진체계 및 연구진 구성

1. 연구추진체계

가. 연구추진체계

연구목표 달성을 위하여 아래와 같은 연구추진체계를 구성하여 연구를 진행하였다(Fig. 2-1

참조). 환경보건연구과와의 초기 협의를 통해 연구과제 운영에 대한 협의를 하였고, 세 번의

보고회마다 연구과제 분야의 전문가인 자문위원을 통해 연구진행의 수정사항을 확인하였다.

업무 분장을 통해 효율적인 작업이 가능하도록 하였으며, 상호간 활발한 의사소통을 위해 주

- 20 -

기적인 내부 연구진 회의를 수행하였다. 시범조사에 필요한 애플리케이션은 IRB심의를 진행하

면서 동시에 제작하였으며, 실제 시범조사가 시작되기 전까지 애플리케이션 측정 및 전송 오

류에 대한 지속적인 테스트를 실시하였다.

Fig. 2-1. 연구추진체계

나. 연구 수행 일정

본 시범연구는 먼저 모바일을 활용한 환경보건서비스 연구동향을 고찰하고 연구진행과 방

법에 대해 전문가의 의견을 참고하였다. 애플리케이션 제작 및 배포를 통한 시범조사를 진행

하고. 결과 분석을 통해 결론을 도출한 본 시범연구의 일정은 Table 2-1와 같다.

주요연구내용월별추진일정

비고6 7 8 9 10 11 12

모바일을 활용한 환경보건서비스

연구동향 고찰

연구 진행과 방법에 대한 논의

전문가 자문회의

Data processing

(application 개발, 대상자 모집)

App개발업체 및

Survey업체와 협의

IRB 심의

Data collection

Data analysis

보고회

결과보고서 작성

Table 2-1. 연구 수행 일정표

- 21 -

2. 연구진 구성

본 연구를 수행하는 연구진 구성을 Table 2-2에 제시하였다.

구 분 소 속 직 위 성 명 전 공 담당분야 참여율

연구책임자 서울대학교 교수 조영태 인구학 인구학 10%

연 구 원 서울대학교 교수 이기영 환경보건학 환경보건학 10%

연구보조원 서울대학교 박사과정 심은영 인구학 인구학 33%

연구보조원 서울대학교 석사과정 임채윤 환경보건학 환경보건학 16.5%

연구보조원 서울대학교 석사과정 김혜진 환경보건학 환경보건학 16.5%

Table 2-2. 연구진 구성표

제3절 연구방법

본 연구는 환경보건서비스에 대한 모바일 관련 연구동향 분석을 시작으로 시범조사를 위한 애플리

케이션 개발, 개발된 애플리케이션의 정확성 파악, GIS정보 수집에 대한 방송통신위원회 신고여부

확인 후에 실제 시범조사 수행의 단계로 진행되었다(Fig. 2-2 참조). 다음으로 시범조사를 통한

결과를 분석(대기 분석 및 소음 지도 구현)하여 및 향후 모바일 환경보건서비스의 활용방안을 제시하

였다.

Fig. 2-2. 연구흐름도

- 22 -

1. 환경보건서비스에 대한 모바일 관련 연구동향 분석

스마트폰을 활용한 미래형 환경보건 연구동향 및 애플리케이션 개발자료, 그리고 소음 모니터링에

대한 연구동향을 조사하기 위해, 국외의 선행 연구를 참고하여 스마트폰과 크라우드소싱을 활용한

환경보건 연구동향을 분석하였고, 개발되어 연구에 사용된 애플리케이션을 찾아보았다. 선행 연구

를 찾기 위해 “Citizen science”, “Crowd-sourcing”,“Smartphones”, “Wireless network

devices”, “Wireless network system”의 키워드를 검색하여 환경보건에 관련된 영역에 한해 선정

된 국외 학술지의 논문과 국제 학술대회 발표논문, 국외 단행본 등을 참고하였다.

2. 시범연구

가. 애플리케이션 개발

본 연구는 모바일 환경에서의 개인 환경노출지도를 작성, 이를 통한 환경보건서비스 제공

목적으로 스마트폰의 위치센서 및 소리센서를 활용하고자 하였다. 이를 위해 애플리케이션 개

발 업체를 선정하여 개발을 의뢰하고, 개발된 애플리케이션을 연구자 및 테스터들의 스마트폰

에 설치하여 제대로 실행되는지 여부를 확인하였다. 또한 실제 시범조사에 참여할 패널 모집

을 위해 업체를 선정하여, 패널 모집 방법 및 애플리케이션 배포 방안에 대해 논의하였다.

(1) 애플리케이션 설계

Fig. 2-3. 기존 측정 방법과의 비교

본 연구의 시범조사에서는 스마트폰에 이미 내장되어 있어 별도의 기기 설치 없이 간단하

게 측정이 가능한 소리센서를 포함하고자 하였다. 실제 스마트폰을 통해 얻은 소음 데이터와

- 23 -

기존 실측 데이터를 비교한 결과, 그 두 결과가 상당히 정확하였다는 연구 결과(Ear-Phone: A

Context-Aware Noise Mapping using Smart Phones,2013)도 존재하므로, 시범조사의 측정 정확

성은 높을 것으로 생각된다. 하지만 본 연구에서는 추가적으로, 개발한 애플리케이션과 기존

존재하는 애플리케이션 비교를 통하여 정확성을 검증하고자 하였다.

(가) 스마트폰을 이용한 소음 및 위치 정보 측정 방법

스마트폰이 위치 정보와 동시에 소음 수준을 측정하는 것은 두 가지 방법을 고려할 수 있

다.첫 번째는 정해진 시간마다 스마트폰 사용자가 애플리케이션을 구동시켜 소음과 위치를 측

정하게 하는 것이고, 두 번째는 사용자의 수고 없이 애플리케이션이 자동으로 구동되어 소음

과 위치를 측정하는 것이다.

① 사용자에 의한 애플리케이션 직접 구동

첫 번째 방법은 사용자가 직접 애플리케이션을 구동시켜야 하므로 정확한 주변 소음정보를

측정할 수 있다는 장점이 있지만, 만일 그 주기가 잦다면 이 애플리케이션의 구동 혹은

crowd-sourcing에서의 참여가 사용자의 일상을 침해할 가능성이 매우 높기 때문에 사용자의

지속적인 참여를 유도하기 매우 어려운 단점이 있다.

② 애플리케이션의 자동 구동

두 번째 방법은 반대로 애플리케이션이 스스로 구동하기 때문에 측정이 아무리 잦은 빈도

로 이루어지더라도 사용자의 일상을 침해할 가능성이 매우 낮다. 하지만 애플리케이션이 자동

으로 구동되기 때문에 사용자가 스마트폰을 주머니속이나 가방 안에 지니고 있는 경우 소음

측정의 정확성이 다소 낮아질 가능성도 존재한다.

③ 연구에서 사용된 애플리케이션 구동 방법

본 시범연구에서는 위 두 가지 방법 중 두 번째 방법을 기반으로 애플리케이션을 개발하고

자 진행하였다. 그 이유는 본 연구의 목적이 crowd-sourcing의 개념을 적용하여 모바일 환경

보건서비스 가능성 여부를 확인하는 것이기 때문에 연구 참여자의 참여의지가 축소될 수 있

는 가능성이 농후한 첫 번째 방법보다는 비록 측정에서의 정확성이 낮아질 가능성이 존재하

더라도 참여자의 일상을 방해하지 않고 지속적인 측정이 가능한 두 번째 방법이 본 연구의

목적에 더욱 부합하기 때문이다. 뿐만 아니라 두 번째 방법의 경우 비록 사용자가 스마트폰을

주머니나 가방 안에 넣고 있어 측정의 오류가 발생할 수 있기는 하지만 만일 참여자의 수가

많고 측정이 주기적으로 이루어진다면 각 위치에서 측정된 소음들을 기반으로 내삽법

(interpolation)을 사용한다면 측정오류의 크기를 줄일 수 있는 방안이 충분히 고려될 수 있다.

- 24 -

(나) 애플리케이션 설계의 고려사항

이와 같은 애플리케이션의 개발에 있어 본 연구는 다음 세 가지 점을 충분히 고려하였다.

① 애플리케이션 자동 측정 주기

첫째, 애플리케이션이 스스로 구동하여 위치와 소음을 측정하는 주기를 매 15분으로 설정하

여 배터리소모와 연구 참여자인 스마트폰 사용자의 불편을 초래하지 않도록 구성하였다. 소음

과 위치의 정보가 잦은 주기로 측정이 되고, 그 정보를 바탕으로 개인노출지도를 제작한다면

매우 정확하면서도 유용할 것이다. 하지만 이는 반대로 연구 참여자인 스마트폰 사용자의 불

편을 초래할 가능성이 매우 높고 잦은 위치정보의 측정은 참여자의 개인정보보호를 침해할

가능성이 있다. 그리고 이를 위해 자동으로 구동되는 애플리케이션은 스마트폰의 배터리 소모

를 유발할 가능성도 높다. 그러므로 본 연구는 연구 참여자의 편익을 침해하지 않으면서도

crowd-sourcing에 기반한 환경노출지도의 구축이라는 목표를 달성하기 위해 측정 주기를 신중

하게 고려하였다.

② 애플리케이션의 데이터 전송 주기

둘째, 애플리케이션을 통해 측정된 소음과 위치 정보의 전송이 얼마나 잦은 주기로 이루어

져야 하는지를 고려하였다. 전술한 바와 같이 개인의 스마트폰을 통해 얻어진 소음과 위치정

보들을 기반으로 환경노출지도를 구축하는데 있어서 얼마나 많은 개인이 참여하는지 여부와

얼마나 잦은 빈도로 정보가 수집되는지가 매우 중요하다. 그렇기 때문에 정보의 전송이 정보

가 스마트폰에 축적되는 순간 자동으로 이루어진다면 가장 이상적인 소음지도의 구축이 가능

하다. 하지만 전송의 빈도는 연구 참여자 즉 스마트폰 사용자의 불편을 초래할 수 있다. 기본

적으로 정보의 전송은 데이터의 소모를 의미한다. 만일 Wi-Fi 환경이 갖추어진 곳이라면 괜찮

지만 그렇지 않으면 잦은 정보의 전송은 연구 참여자의 데이터 소모를 유발하게 된다. 뿐만

아니라 건전지의 소비도 함께 발생하므로 어떠한 주기와 방법으로 측정된 소음과 위치의 정

보를 서버로 전송하게 할 것인지는 연구의 성공적인 수행에 매우 중요한 조건이 된다. 본 연

구는 이점을 충분히 고려하여 애플리케이션을 개발할 예정이다.

③ 애플리케이션 구동과 스마트폰 사용의 분리

셋째, 애플리케이션이 자동으로 구동되고, 연구 참여자의 실제 스마트폰 사용과 충돌되어

시스템 장애를 일으키지 않도록 고안되어야 한다. 본 연구는 스마트폰의 소리센서를 통해 소

음을 측정하게 된다. 이 소음의 측정은 바로 스마트폰의 마이크를 통해 이루어지는데, 만일

연구 참여자가 전화를 사용하고 있다면 전화에 따른 마이크와 소음측정에 따른 마이크의 사

용이 충돌될 가능성이 있다. 비록 연구를 위해서는 소음측정이 우선되어야 하겠지만, 본 연구

가 추구하는 기본적인 전제가 사용자의 편익을 방해해서는 안 되므로, 애플리케이션은 사용자

- 25 -

의 전화통화 등 다른 목적의 마이크 사용을 방해하지 않게 개발하였다.

(2) 검증 방법

본 시범연구에서 개발한 애플리케이션인 Smart Noise Monitoring의 성능 검증을 위해 아래

두 가지 실험을 진행하였다.

(가) 다른 애플리케이션과 비교

Smart Noise Monitoring과 기존에 개발된 소음측정 애플리케이션을 스마트폰 한 대에 설치

하여 애플리케이션별로 소음 측정의 정확도를 평가하고자 하였다. 본 연구에서 개발한 애플리

케이션을 포함하여 총 8개의 애플리케이션을 스마트폰(Galaxy S3, Samsung, Korea)에 각각 설

치하여 정밀 지시소음계인 SPL meter(NL-52, RION, Japan)와 정확도 비교를 진행하였다. 사용

된 소음원은 두 가지로, 64 dB(A), 84 dB(A)의 순음(pure tone)을 발생시키는 음향 프로그램을

컴퓨터에 설치하여 스피커를 통해 소음을 발생시키는 방식을 이용하였다. SPL meter와 소음

측정 애플리케이션이 설치된 스마트폰은 순음을 발생시키는 컴퓨터의 스피커로부터 각각 동

일한 거리에 위치시켜 동시에 소음을 측정하였다(Fig. 2-4 참조). 측정조건은 dB(A)로 하였으

며, 소음값은 애플리케이션마다 10회 측정 후 평균값을 사용하였다.

Fig. 2-4. 소음원으로부터 동일한 거리에 위치한 스마트폰과 정밀 지시소음계

- 26 -

(나) 기존 소음 측정기기와 비교

기존 환경보건 연구에서 소음 측정을 위해 사용되는 기기인 SPL meter (NL-52, RION,

Japan)와 정확도를 비교하여 Smart Noise Monitoring의 활용 가능성을 검증하였다. 사용된 소

음원은 90 dB(A)의 순음으로, 측정 방법은 첫 번째 검증과 동일하게 스마트폰과 SPL meter를

소음원으로부터 같은 거리에 위치시켜 진행하였다(Fig. 2-4 참조). 다만 두 번째 검증에서는

애플리케이션으로 측정된 소음의 시간에 따른 변동을 알아보기 위한 목적에 따라 소음값을

실시간으로 기록하여 SPL meter의 측정결과와 애플리케이션을 사용한 측정결과를 비교하였

다. 측정조건은 첫 번째 검증과 동일하게 dB(A)로 진행하였으며, 측정은 22분 동안 진행되었

다. 이 때, 측정 시작과 종료 직전의 연구자의 움직임에 의해 발생할 수 있는 소음으로부터의

영향을 없애기 위해 저장된 데이터의 앞, 뒤 1분씩을 제거하고 총 20분 동안의 데이터로 분석

을 진행하였다.

나. 시범조사단 모집

(1) 연구윤리규정의 준수

본 시범연구의 참여자는 일반 시민이고, 그들이 휴대하는 스마트폰의 센서 수집을 목적으로

하는 것이기 때문에 애플리케이션 개발과 동시에 서울대학교 생명연구윤리심의위원회의 심의를

받았고, 개인식별정보를 수집, 기록하지 않기 때문에 심의면제 통보를 받았다 (SNUIRB No.

E1407/002-003).

(2) 방송통신위원회 허가여부 확인

시범조사에서 애플리케이션을 통해 수집하려고하는 위치정보 즉, GPS를 사용하기 위해서는

사업주체가 방송통신위원회에 위치기반서비스사업자(Location Based System) 허가 신청을 해

야 한다. 연구진은 법적인 이슈를 해결하기 위해 메일과 전화로 해당여부 및 절차에 대해 확

인하였고, 시범연구와 같은 일회성 테스트의 경우 따로 신고를 하지 않고 진행해도 된다는 답

변을 받았다.

(3) 연구참여자 모집

전반적인 시범연구 참여자 모집 방법을 Fig. 2-5에 나타내었다. 본 연구는 애플리케이션을

다운받아 실행하고 정보를 전송하는 절차로 이루어지는데, 이를 위해서는 사용자가 안드로이

드 기반의 스마트폰을 가지고 있어야 한다. iOS기반의 아이폰(iPhone)은 ‘애플리케이션스토

어’를 통해 애플리케이션을 다운받아야 하는데, 등록절차가 까다롭고 시간이 많이 소요되므

로 본 시범조사에서는 제외하였다. 또한 제조사별 국내 스마트폰 구성비를 볼 때, 아이폰은

5% 정도로 낮아 안드로이드만 대상으로 선정하였다. 이번 시범조사의 참여대상은 모바일 패

- 27 -

널업체를 통한 참여자와 불특정 다수인 일반시민으로 구분하였다. 먼저 모바일 패널 업체를

통해 연구 내용에 동의하고, 연구기간 동안 위치 센서를 켜놓는 것에 동의한 응답자를 패널로

모집하였다. 그리고 자발적 시민참여를 통한 데이터 수집 가능성 여부 확인을 위해 일반 시민

들에게도 홍보를 진행하고자 하였다. 그러나 이번이 시범연구이고 연구목적에 부합하는 홈페

이지나 대상 집단을 선택하기 어려워 이번에는 연구진이 속한 서울대학교와 연구 수주기관인

국립환경과학원, 그리고 환경 및 소음관련 학회에 참여 요청 메일을 보냈고, 홈페이지에 시범

연구에 대한 게시를 요청하였다. 또한 사회인구학적 특성별로 환경노출에 대한 차이가 있는지

확인하고자, 연구에 참여한 패널만을 대상으로 성, 연령, 거주지(구)에 대한 개인정보를 얻었

다(Table 2-3).

Fig. 2-5. 연구참여자 모집 방법

- 28 -

사회인구학특

성관련 질문

귀하의 거주지는 어디입니까?

: 강남구/강동구/강북구/강서구/관악구/광진구/구로구/금천구/

노원구/도봉구/동대문구/동작구/마포구/서대문구/서초구/성동구/

성북구/송파구/양천구/영등포구/용산구/은평구/종로구/중구/중랑구

귀하의 성별은 무엇입니까?

: 남/녀

귀하의 연령은 만으로 어떻게 되십니까?

: 20대/30대/40대/50대

귀하께서는 귀하의 핸드폰에 앞에서 설명 드린 애플리케이션 설치에 동의하십니까?

: 예/아니오(탈락)

귀하께서는 스마트폰의 자료를 수집하는 것에 동의하십니까?

: 예/아니오(탈락)

애플리케이션 설치용 SMS를 발송하기 위해 귀하의 정확한 핸드폰 번호를 알려주십시오.

Table 2-3. 리서치회사에서 연구에 참여한 패널에게 요청한 질문내용

- 29 -

다. 시범연구 진행

전체적인 시범연구 조사일정을 Fig. 2-6에 나타내었다. 시범연구는 10월 15일부터 시작되어

10월 28일까지 진행되었다. 리서치 회사를 통해 모집한 패널과 일반시민을 구분하기 위하여

패널의 경우 SMS를 통해 애플리케이션을 다운로드 받을 수 있는 링크를 제공했으며, 일반 시

민의 경우 구글 플레이스토어를 통한 접속을 유도하였다(Fig. 2-7). 홈페이지 게시 및 참여 요

청 메일을 통해 일반 시민들에게 애플리케이션을 홍보하고, 패널 모집 업체에서도 지속적으로

참여를 유도하였지만 생각보다 참여하는 인원이 적어 실제 애플리케이션 설치는 20일까지 진

행되었다. 연구 참여자 수를 모니터링하기 위해 연구 참여자가 애플리케이션을 다운로드하여

설치하면 설치시간이 웹서버에 기록되도록 설계하였다(Fig. 2-8).

Fig. 2-6. 시범연구 진행 방법 및 조사일정

Fig. 2-7. 구글 플레이스토어 등록 화면

- 30 -

Fig. 2-8. 애플리케이션 다운로드

시각 로그

기본적으로 연구종료시점인 10월 28일 오후2시 30분에는 스마트폰 내에 저장되었던 파일을

웹서버로 전송하기 위한 팝업이 뜨며 자료수집에 대한 동의여부를 한 번 더 묻도록 설계되었

다. 그러나 연구종료 후 웹서버로 전달되는 파일의 수는 적었고 손상된 파일이 많았다. 이는

몇 가지 이유로 설명될 수 있는데, 파일의 용량이 커서 또는 동시접속으로 인해 전송이 어려

워서라고 할 수 있다. 그리고 개개인의 핸드폰 사용기간과 사용정도가 다르기 때문에 팝업이

뜨지 않는 경우도 존재하였으며, 기계적인 오류로 인해 기록이 되지 않기도 하였다. 웹으로

파일 전송을 하지 못한 패널의 경우에는 연구진의 메일을 통해 본인의 휴대폰 안에 있는 수

집정보를 전달받았고, 예상치 못한 파일 확인 작업은 11월 10일까지 진행되었다(Fig. 2-9).

Fig. 2-9. 시범연구 진행 방법 및 조사일정

- 31 -

측정소명 주소 설치년도 측정항목

구로구 서울시 구로구 가마산로 27길 45(구로고등학교)

2012SO₂, CO , NO₂, O₃, PM-10 ,

VOCs , 산성우 , 중금속

Table 2-4. 서울시가 운영 중인 도시대기측정소

라. 데이터 분석

(1) 소음 데이터 분석

연구 참여자들이 애플리케이션을 설치하면 그 이후부터 연구종료시점까지 매시 00,15,30,45

분마다 소음값이 애플리케이션에 저장되게 된다. 데이터가 빈값의 경우, 국내 위치주소가 아

닌 경우 해당 레코드를 삭제하였고, 같은 시간에 중복으로 집계된 경우 중복값을 제거하였다.

클러스터링을 통해 아웃라이어들은 제거하였다. 본 시범연구에서는 각 시간별로 사용자의 위

치에 소음값을 붙여 시각화하였고, 내삽을 통해 서울시의 좀 더 세밀한 소음지도를 구현하고

자 하였다.

(2) GPS 정보를 활용한 입자상물질의 개인노출 농도

연구참여자들은 본 시범연구를 위해 개발된 애플리케이션인 “Smart Noise Monitoring”을

스마트폰에 설치하여 소음 정보와 GPS(global positioning system) 정보를 전송하였다. 각 참여

자들은 2014년 10월 17일부터 28일 사이 약 10일에 걸쳐 측정을 실시하였으며, 연구자는 이

중 GPS를 통한 위치 정보와 서울시 도시대기측정소의 자료를 이용하여 연구참여자들의 미세

먼지(PM10), 초미세먼지(PM2.5)에 대한 개인노출을 산출하였다.

(가) 위치 정보

GPS는 GPS 위성에서 보내는 신호를 수신해 사용자의 현재 위치를 계산하는 위성항법시스

템이다. 항공기, 선박, 자동차 등의 내비게이션장치에 주로 쓰이고 있으며, 최근에는 스마트

폰, 태블릿 PC등에서도 많이 활용되는 추세이다.

(나) 도시대기측정소

서울시는 공기의 상태를 파악하고, 개선하여 공기오염으로부터 시민의 건강을 보호하기 위

해 서울의 대기오염도를 상시 측정하고 있다. 대기오염측정소는 도시의 평균대기질을 측정하

는 도시대기측정소 25개소와 도로변의 자동차오염물질 영향을 파악하기 위한 도로변 대기측

정소 15개소, 서울 경계지역 등에 6개 도시배경측정소를 운영하고 있으며, 대기 중의 미세먼

지, 아황산가스, 이산화질소, 오존, 일산화탄소 등을 측정하고 있다. 이 중 도시대기측정소 25

개소의 정보를 아래 표에 나타내었다(Table 2-4).

- 32 -

측정소명 주소 설치년도 측정항목

강동구 서울시 강동구 구천면로42길 59 (천호1동 주민센터)

1997 SO₂, CO , NO₂, O₃, PM-10

광진구서울시 광진구 광나루로 571 (구의아리수정수센터내) 1980

SO₂, CO , NO₂, O₃, PM-10 ,

VOCs , 산성우 , 중금속

영등포구서울시 영등포구 양산로23길 11 (당산1동 주민센터) 1973 SO₂, CO , NO₂, O₃, PM-10

용산구서울시 용산구 한남대로 136 (한남직업전문학교 본관) 1984

SO₂, CO , NO₂, O₃, PM-10 ,

산성우

관악구 서울시 관악구 신림동길 14 (신림동 주민센터)

1979 SO₂, CO , NO₂, O₃, PM-10

강남구 서울시 강남구 학동로 426(강남구청 별관 1동)

2012 SO₂, CO , NO₂, O₃, PM-10

노원구 서울시 노원구 상계로23길 17 (상계2동 주민센터)

1997 SO₂, CO , NO₂, O₃, PM-10

중구서울시 중구 덕수궁길 15 (시청서소문별관 3동) 1981 SO₂, CO , NO₂, O₃, PM-10

중랑구서울시 중랑구 용마산로 369 (건강가정지원센터) 1984

SO₂, CO , NO₂, O₃, PM-10 ,

BTEX

동작구서울시 동작구 사당로16아길 6 (사당4동 주민센터) 1997 SO₂, CO , NO₂, O₃, PM-10

마포구 서울시 마포구 대흥로20길 28 (마포아트센터)

1973SO₂, CO , NO₂, O₃, PM-10 ,

중금속

양천구 서울시 양천구 은행정로11가길 8 (신정4동주민센터)

1997 SO₂, CO , NO₂, O₃, PM-10

은평구 서울시 은평구 진흥로 215 (한국환경정책평가연구원)

1996 SO₂, CO , NO₂, O₃, PM-10

종로구서울시 종로구 종로35가길 19 (종로5ㆍ6가동 주민센터) 1997

SO₂, CO , NO₂, O₃, PM-10 ,

VOCs , 산성우

강북구서울시 강북구 덕릉로41길 74 (번1동 주민센터) 1997 SO₂, CO , NO₂, O₃, PM-10

강서구서울시 강서구 강서로45다길 71 (화곡3동 청소년도서관) 1992

SO₂, CO , NO₂, O₃, PM-10 ,

VOCs , 산성우

도봉구 서울시 도봉구 시루봉로2길 34 (쌍문동 청소년문화의집)

1982SO₂, CO , NO₂, O₃, PM-10 ,

산성우

서초구 서울시 서초구 신반포로15길 16 (반포2동 주민센터)

1982SO₂, CO , NO₂, O₃, PM-10 ,

산성우

성동구 서울시 성동구 뚝섬로 273 (서울숲 방문자센터 옆)

1982 SO₂, CO , NO₂, O₃, PM-10

금천구서울시 금천구 금하로21길 20 (시흥5동 주민센터) 1997 SO₂, CO , NO₂, O₃, PM-10

동대문구서울시 동대문구 천호대로13길 43 (용두초등학교) 1973 SO₂, CO , NO₂, O₃, PM-10

서대문구서울시 서대문구 연희로32길 51 (서대문자연사박물관) 1988

SO₂, CO , NO₂, O₃, PM-10 ,

산성우

성북구 서울시 성북구 삼양로2길 70 (길음2동 주민센터)

1988 SO₂, CO , NO₂, O₃, PM-10

송파구 서울시 송파구 올림픽로 424 (서울시 시사편찬위원회)

1984SO₂, CO , NO₂, O₃, PM-10 ,

산성우 , 중금속 , BTEX

- 33 -

(다) 입자상물질의 개인노출

스마트폰에 설치된 Smart Noise Monitoring을 통해 연구자에게 전송된 자료 중 시간 정보와

GPS의 위치 정보를 이용하여 가장 가까운 도시대기측정소의 미세먼지(PM10), 초미세먼지(PM2.5)

자료를 이용하여 개인노출 농도를 산출하였다.

① 도시대기측정소와의 거리

연구 참여자의 실시간 위치와 가장 가까운 도시대기측정소를 찾기 위해 Smart Noise

Monitoring이 15분 간격으로 측정한 위치 자료(위경도 및 TM 좌표)와 서울시 25개 도시대기측

정소의 위경도 및 TM 좌표값을 정리하였다. 이 값들을 유클리디안 거리(Euclidean distance)

수식(a)를 이용하여 분석하여 각 시간대별 가장 가까운 도시대기측정소를 매칭하였다(SAS 9.4,

USA).

(a)

직교 좌표계로 나타낸 점: p = (p1, p2,..., pn)와 q = (q1, q2,..., qn)

② 입자상물질 농도

도시대기측정소는 한 시간 간격으로 대기오염물질을 측정하므로 본 연구에서는 한 시간 단

위의 입자상물질 농도를 이용하였다. 예를 들어 12시, 12시 15분, 12시 30분, 12시 45분에 측

정한 자료가 있을 경우 12시 자료만 이용하고 나머지 자료는 분석에 이용하지 않았다. 도시대

기측정소에서 측정하는 물질 중 실시간 개인노출 측정이 가능한 미세먼지(PM10)와 초미세먼지

(PM2.5)를 대상으로 분석을 실시하였다.

③ 개인노출 농도 산출

개인노출 농도는 각 개인이 특정 장소에 머무른 시간과 그 장소의 오염물질 농도를 이용하

여 산출한다. 본 연구에서는 연구 참여 기간 동안의 개인노출을 구하기 위해 아래 수식 (b)을

사용하였다.

- 34 -

×

(b)

E : 개인노출(personal exposure) (㎍/㎥)

i : 시각대별 머무른 지역

C : 입자상물질 농도(concentration) (㎍/㎥)

T : 머무른 시간(time) (hour)

④ 개인노출 농도에 영향을 미치는 요인

본 시범연구에서는 연구참여자의 거주지, 성별 및 연령을 조사하였다. 이 중 개인노출 농도

에 영향을 미치는 요인이 무엇인지 알아보기 위하여 일원배치 분산분석(one-way ANOVA)을

실시하였다(SAS 9.4, USA). 거주지의 경우 모든 참여자가 서울시에 거주하여 구체적인 거주지

(구 단위)를 조사하였으며, 한강을 기준으로 하여 강남권과 강북권으로 구분하였다. 연령은 20

대, 30대, 40대 이상의 세 가지로 구분하였다.

- 35 -

Ⅲ. 연구결과 및 고찰

제1절 환경보건서비스에 대한 모바일 관련 연구동향 분석

1. 국내ㆍ외 모바일환경에서의 환경보건서비스 사례

가. 스마트폰의 발전 및 보급

최근 스마트폰은 빠른 속도로 발전을 거듭하며, 더욱 빠르게 전 세계적으로 보급되고 있다.

전 세계 50억 명이 넘는 사람들이 이미 스마트폰을 접하고 있으며(Burke et al., 2006), 스마트

폰은 단순히 전화를 걸고 받는 일반적인 휴대전화 개념에서 빠른 처리 능력을 갖춘 통신 및

측정 장치로 발전하였다. 스마트폰에는 많은 수의 센서들이 탑재되어 있고 센서를 통해 생성

된 데이터를 다른 스마트폰이나 수합 서버로의 전송을 가능하게 하는 네트워크 통신 장치 또

한 탑재되어 있다. 탑재된 스마트폰의 센서들은 빠른 속도로 발전을 거듭하고 있으며 각 장치

들은 오늘날 수준급의 성능을 자랑한다.

나. 환경보건연구에서의 스마트폰

(1) Participatory Sensing

스마트폰의 빠른 발전은 환경 측정에서의 새로운 패러다임을 불러오며 시민들을 통한 대단

위 측정 개념인 “Participatory sensing”을 도입시키고 있다(Campbell et al., 2006).

Participatory sensing의 주요 아이디어는 일반 시민들이 자신들의 스마트폰을 이용해 주위 환

경 데이터를 측정하여 그것을 공유한다는 것이다.

(2) 환경보건연구에서 활용 가능한 스마트폰의 센서

다양한 환경보건 연구에서 스마트폰은 그 내부에 탑재된 여러 센서들과 스마트폰에 탈부착

이 가능한 다양한 장비들을 이용하여 연구 참여자들의 주위 환경 데이터를 수집할 수 있는

가능성을 제공한다. 스마트폰에 내장되어 있는 센서인 가속도계, 나침반, 자이로스코프, GPS,

마이크로폰, 카메라 등과 쉽게 설치할 수 있는 각종 애플리케이션을 환경 유해인자 측정에 활

용할 수 있다(Yang et al., 2012). 스마트폰이 비록 전문적인 측정 장비는 아니지만, 내장된 센

서들은 주위 환경을 측정하는 데 있어 충분한 역할을 수행할 수 있다(Kanhere, 2011).

(3) 스마트폰에 내장된 GPS 센서

환경보건 연구에서 활용도가 가장 높을 것으로 예상되는 장치는 범지구적 위치결정 시스템

- 36 -

(GPS)인데, GPS 데이터와 스마트폰의 원거리 송수신 기능은 환경보건 연구의 흐름을 바꿀 수

있는 영향력이 있을 것으로 기대된다. 예를 들어, 스마트폰 내에 탑재된 GPS 센서를 통해 사

용자의 위치와 이동경로 정보를 중앙 데이터 저장소로 업로드하는 것이 가능한데, 이 때 일정

지역에 들어오면 주의해야 할 건강관련 정보나 환경 관련 정보를 사용자에 전달하는 등의 환

경보건 서비스의 제공이 가능할 것으로 보인다.

(4) 미래형 환경보건 서비스에서의 스마트폰

스마트폰으로 시민들의 주위 환경 데이터를 측정하고 수합된 대단위 데이터를 의미 있는

자료로 가공하여 제공될 수 있는 각종 서비스는 미래형 환경보건 서비스의 대표적인 예이다.

스마트폰을 활용한 환경 모니터링의 가능성이 가시화 될 경우, 모니터링 관련 비용이 큰 폭으

로 감소될 수 있고 실시간 환경 정보를 빠르게 얻을 수 있으며, 이를 통해 부가적인 환경보건

서비스를 구상할 수 있다. 최근 스마트폰을 포함한 휴대형 소형기기의 발전으로 이들을 활용

한 환경 모니터링과 데이터 수집 그리고 수집된 데이터를 무선 통신 네트워크를 통해 공유할

수 있도록 하는 환경보건 연구가 활발히 진행 중이다. 국외에서는 스마트폰 센서를 활용하여

사용자의 “Context(사용자의 행동 및 노출되어 있는 환경 등)”를 파악하려는 연구가 활발히

진행되고 있으며 이 Context들을 결합하여 새로운 정보를 생성하려는 연구들이 시도되고 있

는 등 스마트폰과 크라우드소싱을 활용한 환경보건서비스가 주목받고 있다.

다. 모바일 환경에서의 환경보건연구 및 서비스 사례

(1) 환경부에서 제공하는 모바일 관련 서비스 사례

환경부에서는 스마트 기기의 급속한 확산 및 모바일 인터넷 활성화 등 정보이용과 소통방

식의 일대 변혁에 따른 대국민용 정보서비스 및 콘텐츠에 대한 모바일 기반의 스마트워크 환

경으로의 변환요구 증대에 따라 연구용역 과제 ‘환경부 대국민 모바일 서비스 정보화 전략

계획 수립’을 제안하는 등(2013.05), 모바일을 통해 제공할 수 있는 환경보건 서비스를 중점

적으로 개발 중이다. 본 절에서는 기존에 환경부에서 제공하고 있는 각종 모바일 환경에서의

환경보건서비스를 환경부 홈페이지, 웹 포털 검색 등의 경로를 통해 조사하여 정리하였다.

(가) 모바일 환경보건서비스 분류

조사된 모바일 관련 환경보건 서비스는 제공하는 서비스의 종류에 따라 Table 3-1과 같이

구분할 수 있다.

- 37 -

명칭 분류 서비스 내용

폐가전제품 무상 방문수거 자원재활용 대형 폐가전제품 무상 방문수거 제공

순환자원거래소 자원재활용 폐기물 및 중고물품 거래 서비스 제공

우리동네 대기질 대기질정보 특정 지역 대기질 정보 실시간 제공

화학물질 방제정보 QR코드 화학물질정보 사고대비 화학물질에 대한 특징 및 방제요령 제공

미세먼지 예보 시스템 대기질정보 미세먼지(PM10) 예보 문자 알림 서비스 제공

환경과 아토피 피부염 건강정보아토피피부염의 개념, 증상, 원인, 진단, 치료 예방 및

관리 방법 제공

국립공원 산행정보 지리정보국립공원 길안내 및 날씨정보 제공

조난 시 신속한 구조를 위한 GPS정보 전달

우리집 냉장고 식재료관리 냉장고 내 식재료 관리를 위한 정보 제공

에코 드라이빙친환경운전 및 차

량관리실시간 운전습관 체크 및 차량 관리 정보 제공

Table 3-1. 환경부에서 제공하는 모바일 관련 환경보건 서비스

(나) 세부사항

① 대형 폐가전제품 무상 방문수거 서비스

국내 폐가전제품 재활용률은 EU평균의 약 43%에 불과한 것으로 조사되고 있으며 EU의 폐

전기전자제품 1인당 재활용량은 7.1kg(2010년)에 달하지만, 우리나라는 1인당 3.1kg(2012년)에

불과한 것으로 보고되고 있다. 이렇게 재활용률이 저조한 주요한 원인 중 하나로, 가정에서

쓰지 않는 폐가전제품을 버리는 일이 상당히 까다롭다는 점이 큰 원인으로 꼽혔다. 이에 따라

환경부에서는 ‘대형 폐가전제품 무상 방문수거’를 실시하였고, Fig. 3-1과 같은 체계로 폐

가전제품의 자원 순환을 꾀하였다. 본 서비스를 이용하는 방법은 배출을 원하는 가정에서 직

접 콜센터로 연락하거나 ‘대형 폐가전제품 무상 방문수거 인터넷 홈페이지’ 또는 ‘카카오

톡’을 이용하여 신청이 가능하다. 서비스를 신청한 경우 전담수거차량과 전담수거반이 예약

일자에 방문하여 폐가전제품을 수거해 가며 모든 비용은 무료로 제공된다.

Fig. 3-1. 대형 폐가전제품 무상 방문수거 시스템

자료출처: 환경부

- 38 -

② 순환자원거래소

환경부는 소각, 매립되거나 단순재활용되는 폐기물과 중고물품의 재활용을 활성화하기 위해

폐기물거래 및 유통, 품질 정보체계구축을 통해 폐기물 공급자와 수요자간 최적의 맞춤식 거

래장터인 ‘순환자원거래소’를 제공하고 있다. 순환자원거래소는 환경부와 한국환경공단에서

운영하는 온라인 마켓으로 누구나 안심하고 거래할 수 있는 환경을 조성하고, 순환자원 등의

재사용 및 재활용을 위한 정보제공을 통해 국가 재활용률을 한 단계 높이는 역할을 수행한다.

본 서비스는 폐기물 배출 및 운반 처리자, 지자체 재활용센터, 일반 국민 등 누구나 이용 가

능하며 거래 품목에는 폐기물, 중고물품, 중간가공품, 재활용제품 등이 포함된다. 순환자원거

래소의 큰 특징 중 하나는 모바일을 통해 거래가 가능하다는 것으로, 모바일 QR코드를 스캔

하면 구매자는 관심 물품의 정보를 확인할 수 있고 판매자는 판매 물품의 재고를 실시간으로

확인할 수 있다. 또한 GIS 위치정보 기능이 있어서 물품의 위치를 바로 확인할 수 있고, 애플

리케이션 상에서 지도 속의 위치를 터치하면 물품 정보를 확인할 수 있다. Fig. 3-2에 순환자

원거래소의 체계를 나타내었다.

Fig. 3-2. 순환자원거래소의 거래 체계

자료출처: 환경부

③ 애플리케이션 ‘우리동네 대기질’

환경부에서 개발한 ‘우리동네 대기질’은 간편하게 미세먼지 예보와 대기질 상태를 확인

할 수 있는 스마트폰 애플리케이션으로, 에어코리아(www.airkorea.ac.kr)에서 제공하는 ‘우리

동네 대기질’에 해당하는 항목을 애플리케이션 상에 옮겨 놓은 것이다(Fig. 3-3). 스마트폰

사용자들은 본 애플리케이션을 활용해 실시간 통합대기환경지수, 미세먼지(PM10), 오존(O3), 이

산화질소(NO2), 일산화탄소(CO), 아황산가스(SO2) 농도 정보를 확인할 수 있다. 최근에는 사용

자의 위치 정보를 활용할 수 있도록 애플리케이션의 기능이 개선되어, 스마트폰 사용자가 위

치한 곳의 대기질 상태를 실시간으로 확인할 수 있게 되었고, 대기 오염 정도에 따른 행동 지

- 39 -

침 또한 안내하고 있다.

Fig. 3-3. 애플리케이션 ‘우리동네 대기질’

자료출처: 환경부

④ 화학물질 방제정보 QR코드 제공

화학물질 방제정보 QR코드는 스마트폰을 이용하여 화학물질에 부착된 QR코드를 인식했을

때, 사고대비물질 69종에 대해 화학물질의 명칭, 화재시 방제요령, 누출시 방제요령, 초기이격

거리, 작업장 노출기준, 물리화학적 특징, 사고시 연락처 등의 해당 정보를 간편하게 검색 및

표시해주는 기능이다. 평상시에는 사업장에서 물질의 특징과 방제요령을 익히고, 사고시에는

화재진압 및 방제에 활용하여 사고피해를 최소화시킬 수 있도록 활용 가능하다. 이 기능은 스

마트폰으로 QR코드를 스캔할 수 있는 다양한 애플리케이션을 통해 이용할 수 있다. Fig. 3-4

에서 각종 화학물질에 부착된 QR코드의 예시를 들어 보였다.

- 40 -

Fig. 3-4. 화학물질 방제정보 QR코드

자료출처: 환경부

⑤ 미세먼지(PM10) 예보 문자 서비스

환경부에서는 대기오염으로 인한 국민 건강 피해를 최소화하기 위해 에어코리아

(www.airkorea.or.kr)를 통해 미세먼지(PM10) 농도를 예보하고 있다. 시시각각으로 변하는 대기

질 상황을 전달하기 위해 매일 4회(오전 5시, 오전 11시, 오후 5시, 오후 11시) 미세먼지 농도

등급을 예측하여 홈페이지를 통해 예보한다. 이 때, 미세먼지 예보 문자전송 서비스를 신청한

국민들을 대상으로 미세먼지 예보 등급이 “약간 나쁨” 이상에 해당하는 경우에 한하여 모

바일(휴대폰, 스마트폰) 문자를 통한 알림 서비스를 제공하고 있다(Fig. 3-5 참조).

Fig. 3-5. 미세먼지 예보 문자 서비스 예시

⑥ 애플리케이션 ‘환경과 아토피 피부염’

아토피피부염으로 고통받는 시민들이 증가되면서 각종 서적이나 웹상에서 아토피피부염에

대한 정보가 빠르게 전파되고 있으나, 일부 잘못된 정보로 인하여 환자들의 증상이 더욱 악화

- 41 -

되는 경우 또한 존재한다. 이에 환경부에서는 아토피피부염 예방 및 관리를 위한 ‘아토피피

부염 교육용 애플리케이션(환경과 아토피 피부염)’을 개발하여 무료로 보급하고 있다. 이 애

플리케이션은 환경부에서 지정한 세 곳의 알레르기 질환 환경보건센터에서 제작한 아토피피

부염 교육 자료를 토대로 개발되었다. 본 애플리케이션은 초미세먼지, 실내 유해인자 등으로

유발되는 아토피피부염의 개념, 증상, 원인, 진단, 치료 예방 및 관리 방법 등 6가지 메뉴로

구성되어 있다(Fig. 3-6 참조).

Fig. 3-6. 아토피피부염 교육용 애플리케이션

자료출처: 환경부

⑦ 애플리케이션 ‘국립공원 산행정보’

환경부와 국립공원관리공단은 국립공원 탐방객들에 겨울철 안전 산행을 위한 각종 정보를

제공하기 위해 기존 2011년부터 운영중이던 ‘국립공원 산행정보’애플리케이션을 개선하여

2013년 12월 19일부터 서비스를 시작하였다(Fig. 3-7). 본 애플리케이션은 차량 내비게이션과

동일한 방식으로 탐방객이 출발지, 경유지, 목적지를 선택하면 이에 맞춰 지도 서비스를 제공

하며, 국립공원에서 조난을 당했을 경우 본인의 위치를 포함한 구조 메시지를 구조대에게 전

달 시 스마트폰 GPS 정보 역시 같이 전송되어 신속한 구조 활동을 가능하게 한다. 또한 이

기능에 실시간 기상정보를 연계하여 날씨정보 또한 함께 제공하고 있다.

- 42 -

Fig. 3-7. 애플리케이션 ‘국립공원 산행정보’

자료출처: 환경부

⑧ 애플리케이션 ‘우리 집 냉장고’

환경부에서는 각 가정에서 먹지 않고 버려지는 음식물 쓰레기를 줄일 수 있도록 냉장고에

보관되어 있는 식재료들을 편리하게 관리할 수 있는 애플리케이션 ‘우리 집 냉장고’를 개

발하였다(Fig. 3-8). 본 애플리케이션은 냉장고에 보관된 식재료의 유통기한이 경과되기 전에

사용자에게 알려줘 음식을 버리지 않고 소비하도록 돕기 위해 개발되었으며, 애플리케이션의

주요 기능으로는 냉장, 냉동고에 식품을 등록하는 식품등록기능, 저장된 식품을 분류별로 관

리하는 식품관리기능, 유통기한 도래 알림 기능 등이 있다. 또한 여기에 더해 QR 코드나 바

코드를 사용해 식재료를 입력할 수 있도록 구성되어 있는 것이 특징이다.

- 43 -

Fig. 3-8. 애플리케이션 ‘우리 집 냉장고’

자료출처: 환경부

⑨ 애플리케이션 ‘에코드라이빙’

환경부에서는 친환경 운전을 통해 환경 보전 및 기름값 절감을 위해 애플리케이션 ‘에코

드라이빙’을 개발하였다(Fig. 3-9). 본 애플리케이션은 운전 중 자신의 운전 습관을 체크할

수 있도록 에코드라이빙 체험 기능을 제공하며, 실시간 위치기반 서비스를 활용해 주행하는

동안 운전습관을 바로 확인할 수 있도록 한다. 또한 이 애플리케이션은 주행거리 및 주유비

관리, 차량점검 기록 및 알림, 차량 소모품 교환시기 알림 등의 기능을 제공하여 효율적인 차

량 관리가 가능하도록 돕는다.

- 44 -

Fig. 3-9. 애플리케이션 ‘에코드라이빙’

자료출처: 환경부

(2) 국외 모바일 환경보건연구 사례

(가) 실시간 교통 상황 정보 제공 서비스

인도의 한 연구팀에서는 교통 체증을 줄이기 위하여 스마트폰의 GPS센서와 개발된 애플리

케이션 그리고 운전자들 간의 정보 공유를 통하여 실시간으로 교통 상황을 스마트폰의 애플

리케이션으로 알려주고 우회로를 제안하는 등의 기존과는 다른 새로운 환경보건서비스를 제

안하였다. 이는 개개인의 사용자가 실시간으로 제공하는 데이터는 서버에 통합되어 교통 지도

를 구현하게 되고, 그를 바탕으로 실시간 교통 상황을 파악하고 그에 대한 대처를 할 수 있도

록 한다는 것이다(Roopa et al., 2013).

(나) 스마트폰과 크라우드소싱을 활용한 대기 중 오염물질 농도 지도 작성

① 대기 중 입자상물질 지도

네덜란드에서 진행된 “Citizen Science”프로젝트인 “iSPEX”에서는 크라우드소싱의 개념

을 도입하여 2013년 7월 8일에 네덜란드 전역에서 3000명이 넘는 참여들이 각자의 스마트폰

과 스마트폰에 부착 가능한 대기 중 입자상물질 측정 장비를 이용하여 6000개가 넘는 GPS 및

대기 중 입자상물질 데이터를 수집하고 서버로 전송하게끔 연구를 진행하였다(Rietjens et al.,

2013). 연구진은 비록 하나의 지점에서 측정된 개인 데이터의 정확도가 떨어질지라도, 그 데

- 45 -

이터가 수 천 개 이상이 수집된다면 전체적으로 대기 에어로졸의 광학적인 분포와 입자 특성

을 상당히 정확하게 측정 가능하다고 보고하였다. 다음 Fig. 3-10은 프로젝트 “iSPEX” 연구

진이 제작한 네덜란드 지역의 대기 에어로졸 농도 지도이다.

Fig. 3-10. 대기 에어로졸 농도 지도

자료출처: Rietjens et al., 2013

② 대기 중 가스상 오염물질의 개인노출 지도 작성

Lancaster University의 연구진은 스마트폰의 GPS 데이터를 활용하여 자동차 등의 교통수단

으로 인해 배출되는 일산화탄소(CO), 이산화탄소(CO2), 이산화질소(NO2)의 개인노출을 평가하

였다(Huck et al., 2014). 연구 참여자들은 각자의 스마트폰에 무선으로 통신이 가능한 개인 호

흡률 측정기와 대기오염물질 농도 측정 장비(Fig. 3-11 참조)를 소지하여 다니며 실시간 호흡

률과 CO, CO2, NO2의 농도를 스마트폰에 기록하였다. 연구진은 저장된 데이터를 수합하여 대

기오염물질별 개인 노출 지도를 작성하였다(Fig. 3-12 참조). 이들은 가격이 낮은 대기오염 측

정 장비를 사용하였기 때문에 오염물질의 농도 값 자체의 정확도는 다소 떨어질 수 있으나,

개인 노출의 개인 내에서의 변화를 알아보려는 연구목적은 충분히 달성하였다고 보고하였다.

- 46 -

Fig. 3-11. 호흡률과 가스상물질 측정 장비 Fig. 3-12. NO2 개인노출 지도

자료출처: Huck et al., 2014

(다) 택시기사들을 활용한 대기오염물질의 실시간 감시

세계보건기구(WHO)의 지원으로 가나에서 수행된 한 연구는 택시 운전기사들을 통하여 도

시의 일산화탄소 농도와 온도를 수집하고 수집된 데이터를 바탕으로 도시의 다양한 환경정보

체계를 구축하였다(Paulos et al., 2007). 이는 매일 자동차로 도시 전역을 이동하는 택시운전

기사들을 통한 효율적인 데이터 수집을 실현한 연구이다. 이와 같이 실시간 환경 모니터링을

통한 “map” 구축의 목적은 실시간 환경 감시뿐만 아니라 도시계획 전략의 수립 및 정책의

사 결정, 그리고 개인의 건강수준과 복지를 모니터링하기 위해서 수행되기도 한다(Bessis et

al., 2010).

(라) 스마트폰 배터리 온도 데이터를 활용한 외기온도 추정

Overeem et al. (2013)은 전 세계 주요 8개 도시에서 2012년 5월부터 1년간 일반 시민들의

스마트폰 배터리 온도를 측정한 데이터 셋 약 2천 만 개를 수집하여 동시간대의 외부 기온

자료와 비교하는 분석을 진행하였다(Fig. 3-13 참조). 연구 결과 기상 관측소에서 측정되는 온

도 변화 양상과 스마트폰 배터리의 온도 변화 양상이 상당한 유사성을 나타내어, 연구진은 스

마트폰 배터리 온도를 측정하여 실제 외기 온도를 가늠할 수 있다고 보고하였다.

- 47 -

Fig. 3-13. 스마트폰 배터리 온도와 외기 온도의 변화 양상

자료출처: Overeem et al., 2013

(마) 스마트폰의 카메라를 활용한 대기 가시성 평가

University of Southern California의 연구팀에서는 스마트폰에 내장된 카메라를 이용하여 대

기 중의 에어로졸 농도를 측정하는 애플리케이션 “Visibility”를 개발하였다(Poduri et al.,

2010). 이 연구는 개발된 애플리케이션, GPS센서, 스마트폰 내장 카메라를 이용하여 사진이

찍히는 지점에서의 가시성을 평가하였고 기존의 대기 측정망 관측 결과와도 크게 다름이 없

음을 확인하였다(Fig. 3-14 참조). 연구진은 미국 환경청(U.S. EPA)과 협력하여 애플리케이션의

사용범위와 기술을 확대하여 일반 시민에게 제공하는 환경보건서비스로의 활용 계획을 갖고

있다고 밝혔다.

Fig. 3-14. 스마트폰을 이용한 가시성 평가 연구의 모식도

자료출처: Poduri et al., 2010

- 48 -

(바) 스마트폰 애플리케이션을 활용한 실시간 주차 지도 작성

British Columbia 대학의 연구진은 스마트폰과 크라우드소싱을 바탕으로 한 스마트 주차 시

스템을 개발하기 위한 연구를 진행하였다(Chen et al., 2013). 시민들이 주차를 할 때 비어있

는 주차공간을 좀 더 편리하고 빠르게 찾도록 하는 시스템을 개발하기 위해 진행된 이 연구

에서 연구진은 다음과 같이 시스템 체계를 구성하였다: (1)중앙서버, (2)사용자들의 통신장비,

(3)스마트 이용자(Fig. 3-15 참조) 주차를 하려는 운전자들이 자신들의 스마트폰을 통해 그들

의 위치와 목적지, 현재 위치에서의 주차 가능한 공간의 수 그리고 자동차의 속도 등에 관한

정보를 중앙 서버에 보내주면, 중앙 서버에서는 수합된 데이터를 바탕으로 실시간 ‘주차 지

도’를 작성하여 사용자가 향하는 목적지의 주차 가능 공간을 안내하도록 시스템이 구성되었

다. 연구진은 크라우드소싱을 십분 활용하게 될 경우, 많은 수의 참여자가 보내오는 정보를

바탕으로 전체 지역을 포괄할 수 있는 지도의 작성이 가능하고 실시간으로 시민들에게 주차

공간에 대한 유용한 정보를 제공할 수 있을 것이라고 기대하였다.

Fig. 3-15. 주차공간을 찾도록 돕는 시스템 내 정보 흐름

자료출처: Chen et al., 2013

(사) 유비쿼터스 기술을 활용한 대기 오염의 노출 예측

Nazelle 등은 대기 오염의 노출 평가를 위한 기존의 방법이 시민들의 활동패턴에 대한 정보

를 활용하지 않아 통계적인 처리 및 건강영향의 예측에 어려움이 있는 것을 언급하며, 스마트

폰을 활용한 대기오염 노출 측정이 그러한 단점을 극복할 수 있는 유용한 방법임을 강조하였

다(de Nazelle et al., 2013). 연구진은 약 30명의 연구 참여자들을 모집하여 각자의 스마트폰에

애플리케이션 “CalFit”을 설치하게 하였다. 애플리케이션 CalFit을 이용해 사용자들의 실시

- 49 -

간 위치 정보와 가속 정보를 통한 에너지 소비량 등의 데이터를 수집하였으며, 기존에 모델링

을 통해 작성해 놓은 NO2 농도 지도에 적용시켜 연구 참여자들의 NO2 개인노출을 예측하였

다(Fig. 3-16 참조).

Fig. 3-16. 30일 간의 NO2 개인노출 지도

자료출처: de Nazelle et al., 2013

2. 국내ㆍ외 소음 관련 애플리케이션(Application)

가. NoiseTube

소니컴퓨터 과학연구소는 “NoiseTube”라는 애플리케이션을 통해 전 세계의 소음수준을

Google 지도에 표시하고 사람들이 자신들이 활동하는 지역의 환경 소음 정도를 확인하도록

정보를 제공하고 있다(Fig. 3-17 참조). 연구 참여자들은 스마트폰에 소음 데이터 저장을 위한

애플리케이션 “NoiseTube”를 설치하고 스마트폰을 소지한 채로 이동하였으며, 1초마다 측

정된 소음 값과 GPS데이터는 연구팀의 서버로 전송되었다. 연구진은 수합된 데이터를 바탕으

로 소음 지도를 작성하였고(Fig. 3-18 참조), 이러한 결과가 정부의 도시소음 규제정책의 확립

에 도움을 줄 수 있는 기초자료로 활용될 수 있을 것으로 기대하였다(Maisonneuve et al.,

2009).

- 50 -

Fig. 3-17. 소음측정 애플리케이션 “NoiseTube”

자료출처: Maisonneuve et al., 2009

Fig. 3-18. 소음지도와 개인이 느끼는 소음의 크기에 대한 시각화

자료출처: Maisonneuve et al., 2009

나. “BrusSense”연구팀이 개발한 소음측정 애플리케이션

벨기에 브뤼셀 대학교 "BrusSense" 연구팀에서는 스마트폰에 내장된 마이크로폰과 개발된

애플리케이션을 이용하여 연구 참여자들로 하여금 일상생활 중에 발생하는 소음을 측정하도

록 하였다. 스마트폰에 저장된 데이터는 연구팀의 서버로 전송되었고, 연구진은 수합된 데이

터를 바탕으로 소음 지도를 작성하였다(Fig. 3-19 참조). 연구진은 스마트폰 소음 측정 애플리

케이션과 크라우드소싱을 활용하여 적은 비용으로 특정 지역의 소음 지도를 구현하였다고 보

고하였다(Stevens & D’Hondt, 2010).

- 51 -

Fig. 3-19. 스마트폰으로 측정한 소음 데이터로 제작된 소음지도

자료출처: Stevens & D’Hondt, 2010

3. 국내ㆍ외 소음 모니터링 연구동향

가. 기존 소음 모니터링의 한계점

2013년 국립환경과학원이 분석한 2010-2011년 서울시 구별 야간소음지도에 따르면, 환경기

준을 초과하는 소음에 노출된 비율이 20%이상인 곳이 25개 구 중 8구에 해당하였다. 이는 만

성적인 소음 노출을 모니터링하고 관련 정보를 알리려는 노력이 필요함을 시사한다. 국내에서

는 환경부와 한국 환경공단에서 운영하는 국가소음정보시스템을 통해 측정되고 있는 소음에

대한 자료를 찾아볼 수 있다. 그러나 이를 통해서는 일부 지역에서의 자료만 확인이 가능하

며, 소음계가 설치된 곳이 한 지역의 소음을 대표하여 시민들 개개인의 소음 노출에 대한 정

보를 얻을 수 없다.

나. 스마트폰을 활용한 소음 모니터링 연구

(1) 소음 측정 장비로서의 스마트폰

스마트폰에 탑재된 마이크로폰은 평소에는 음성 송신용도로 사용하게 되지만, 주변 환경 소

음을 측정할 수 있는 "acoustic sensor"로 사용될 수 있다. 발전하는 스마트폰과 크라우드소싱

의 개념을 활용한 소음 모니터링 연구는 현재 우리나라에서 시행되는 "site monitoring" 연구

의 단점을 보완할 수 있는 대안이 될 수 있다. 소니컴퓨터 과학연구소에서 개발한

“NoiseTube"와 같이, 스마트폰의 마이크로폰을 이용하여 소음을 감지하고 그 결과를 화면에

데시벨 단위로 나타내주는 “NoiseWatch”라는 소음 측정 애플리케이션 또한 개발되었으며,

- 52 -

“NoiseTube"나 ”NoiseWatch"와 같은 스마트폰 애플리케이션을 통해 얻은 소음 데이터와

소음을 측정할 때 사용하는 기존 측정 장비로 측정된 데이터를 비교한 결과, 그 두 결과가 상

당히 정확하였다는 연구 결과도 발표되었다(Rana et al., 2014).

(2) 스마트폰을 이용한 소음 측정

2002년에 수행된 유럽의 END(European Noise Directive)연구의 경우 도시의 소음 측정에 관

한 3가지 연구 방법을 수립하였는데, 그 중 한 가지 방법은 시민들의 참여로 인한 소음 데이

터의 수집이다. 이 연구에서는 GPS 및 GIS정보를 활용하여 소음 수준을 모니터링하고, 인터넷

을 통하여 지역별 데이터를 온라인으로 공유하도록 하였다. 앞서 언급된 것처럼 스마트폰에

내재된 위치센서와 소리센서를 활용한다면 보다 많은 지점의 소음 정보를 파악할 수 있을 것

으로 기대된다. 더불어 본인이 노출된 소음을 애플리케이션이 스스로 분석해서 사용자에게 알

려준다면 “personal health record”의 측면에서 굉장히 중요한 정보가 될 수 있다. 그리고

더 나아가 이러한 연구방법에 대한 고찰은 향후 온도 및 공기의 질과 같은 다른 환경 문제에

도 유용한 도구로 활용될 수 있을 것으로 예상된다.

제2절 시범연구 수행

본 시범연구에서는 기존에 진행되어 온 환경보건 연구와 달리, 모바일 기기와 크라우드소싱

을 활용하여 최소한의 인력과 비용을 투자해 진행하였다. 본래 이번 시범연구의 궁극적인 목

표가 모바일 기기를 이용하여 GPS데이터 및 환경 데이터를 측정, 수집하고 그 결과를 바탕으

로 미래형 환경보건서비스 제공의 가능성을 파악하는 것이므로, 이상적인 시범연구의 개요는

Fig. 3-20과 같이 표현할 수 있다. 예상되는 시범연구 결과는 ‘스마트폰’이라는 모바일 기

기를 활용해 GPS와 환경자료를 수집하여 환경요인의 개인노출 수준과 분포를 파악하는 것의

실현 가능성을 평가하는 것과 GPS자료와 기존에 환경 측정망에서 수집되는 환경데이터를 활

용하여 환경 노출을 예측하는 것, 그리고 환경요인의 개인노출 측정값과 국가정보를 활용한

국민노출 예측치와의 비교 평가를 통해 미래형 국민노출 예측 시스템을 제안하는 것을 포함

한다.

- 53 -

Fig. 3-20. 전반적 시범연구개요

본 시범연구 진행 결과, 연구진은 일반 시민들로부터 얻은 GPS 및 소음 데이터를 활용하여

환경보건서비스에의 적용 가능성을 평가하였는데, 그 결과는 다음과 같았다.

첫째, 시범연구 진행 중 소음 측정용 애플리케이션(Application)을 개발하였고, 개발된 애플

리케이션이 설치된 모바일 기기(스마트폰) 내에 장착된 센서(GPS송수신기와 마이크로폰)를 이

용한 국민의 소음노출 측정의 가능성을 평가하였다.

둘째, 시범연구 결과로 얻은 일반 시민의 GPS 자료와 마이크로폰으로 측정된 소음 자료를

활용하여 국민 소음 노출수준 및 분포를 파악하였다.

셋째, 시범연구 결과로 얻은 일반 시민의 GPS 자료와 기존의 대기환경 측정망 자료를 활용

하여 국민의 대기오염 노출 수준을 예측하였다.

그리고 이를 토대로 GPS 자료를 활용한 대기오염 노출 예측치와 소음 측정값과의 비교 평

가 및 검증을 진행하려 하였으나, 몇 가지 원인들로 인하여 용이하지 않았다. 먼저 대기오염

의 경우, 적절한 측정 장비(Sensor)가 마련되지 못한 기술적 제한으로 모바일 장비를 이용한

대기오염 개인노출의 측정이 가능하지 않았다. 그리고 소음의 경우, 본 시범연구에서 모바일

기기를 통해 GPS 자료와 함께 소음 데이터를 얻었으나 기존에 존재하는 환경소음 측정 데이

터가 존재하지 않아 측정된 소음값을 기존의 자료와 비교 평가 할 수 없었다. 결국, 공통적으

로 포함되어야 하는 부분(모바일 기기로 측정된 자료 또는 기존에 존재하는 국가정보인 환경

측정망 자료)의 부재로 인하여 GPS자료를 활용한 대기오염 노출 예측치와 국민 소음노출 측

정값과의 직접적인 비교 평가 및 검증에는 무리가 있음을 확인하였다. 본 시범연구에서는 이

러한 제한점을 파악하고 후술된 추후 연구 주제를 통해 좀 더 발전되고 보완된 연구를 제안

하였다.

- 54 -

1. 애플리케이션 개발

가. 애플리케이션 구성

본 시범연구의 진행을 위해 개발된 애플리케이션 “Smart Noise Monitoring”의 구동 화면

을 Fig. 3-22, Fig. 3-23에 나타내었다. 개발된 애플리케이션이 설치된 모바일 기기(스마트폰)

내에 장착된 센서(GPS송수신기와 마이크로폰)를 이용한 국민의 소음노출 측정의 가능성을 평

가하였다. 이는 환경요인(소음)의 개인노출 수준 및 분포를 파악하기 위해 GPS 자료를 기록함

과 동시에 소음 측정을 가능하게 하는 Mobile sensor를 개발한 것으로, 전반적 시범연구개요

(Fig. 3-20)의 모식도에서 굵은 실선으로 표시된 부분에 해당한다(Fig. 3-21). “Smart Noise

Monitoring”로 명명된 시범조사 애플리케이션은 연구목적 및 연구 방법, 문의처, 연구참여 중

도 포기 방법, 연구윤리심의위원회의 심의통과에 대해 명시하고, 연구참여 및 개인정보활용에

동의한다고 응답한 후에 측정을 시작하도록 설정하였다.

Fig. 3-21. 시범연구 개요 모식도에서 애플리케이션 개발이 해당되는 부분

- 55 -

Fig. 3-22.“Smart Noise Monitoring”시작화면

- 56 -

Fig. 3-23.“Smart Noise Monitoring”애플리케이션 화면

연구진은 8월 중순부터 실제 시범연구 시작일인 10월 15일까지 총 11차에 걸쳐 애플리케이

션의 데이터 정상 수집 및 전송여부를 테스트를 하였고, 해당 오류를 계속 보완하여 애플리케

이션의 완성도를 높이고자 하였다(Fig. 3-24).

- 57 -

Fig. 3-24. 애플리케이션 버전별 수정내용

애플리케이션을 통해 정보가 저장되는 연구의 특성상, 연구 참여자가 연구 중단을 원할 시

에는 언제라도 애플리케이션 삭제를 통해 연구 참여를 중지할 수 있음을 안내하였다. 또한 마

지막 정보 전송단계 직전에 동의 여부를 확인하여 연구 참여자의 의사를 재확인하였다.

나. 여러 가지 애플리케이션을 이용한 소음측정 평가

본 시범연구에서 개발한 “Smart Noise Monitoring”(App no. 1)과 기존에 개발되어 다운로

드가 가능한 7가지 애플리케이션(App no. 2 ~ 8)를 이용하여 소음을 측정한 결과를 Table 3-2

에 나타내었다. 측정에 사용된 애플리케이션 및 정밀 지시소음계의 경우 환경소음을 측정하기

위해 등가소음레벨(equivalent continuous A-weighted sound pressure level)을 사용하였다. 소

음 산출 공식을 (c)에 나타내었다.

(c)

Leq : A가중치를 준 등가음압레벨

p0 : 기준 음압레벨(20µPa)pA : 변화하는 소음의 음압레벨

t1 : 측정시작시간

t2 : 측정종료시간

- 58 -

Noise Level (dB(A), 각 애플리케이션별로 10회 측정 후 평균 산출)

64 dB(A) 84 dB(A)

App no. SPL meter Application SPL meter Application

1 (본연구사용) 64.1 ± 0.1 63.7 ± 0.2 84.4 ± 0.1 84.9 ± 0.2

2 64.9 ± 0.1 64.4 ± 0.4 84.7 ± 0.1 83.3 ± 0.2

3 64.3 ± 0.4 63.7 ± 0.1 84.3 ± 0.1 91.3 ± 0.1

4 64.2 ± 0.2 63.0 ± 0.3 84.3 ± 0.3 82.7 ± 0.3

5 64.4 ± 0.2 61.0 ± 0.2 84.3 ± 0.1 81.0 ± 0.2

6 64.1 ± 0.1 73.7 ± 0.2 84.2 ± 0.2 89.5 ± 0.2

7 64.2 ± 0.2 79.0 ± 0.1 84.2 ± 0.1 94.0 ± 0.3

8 64.6 ± 0.1 45.0 ± 0.1 84.5 ± 0.2 64.8 ± 0.1

Table 3-2. 여러 가지 애플리케이션을 이용한 소음측정 평가

정밀 지시소음계와 애플리케이션으로 측정한 소음값의 차이는 0.4 dB(A)부터 19.7 dB(A)까

지 다양하게 나타났다(모든 결과에서 p<0.05). Smart Noise Monitoring의 경우, SPL meter로 측

정된 소음값이 64.1±0.1 dB(A)일 때 애플리케이션으로 측정된 소음값은 63.7±0.2 dB(A), SPL

meter로 측정된 소음값이 84.4±0.1 dB(A)일 때 애플리케이션으로 측정된 소음값은 84.9±0.2

dB(A)의 결과를 보여 애플리케이션으로 측정된 소음값을 신뢰할 수 있는 수준임을 알 수 있

었다. 그러나 일부 애플리케이션에서는 측정된 소음값이 정밀 지시소음계로 측정된 소음값과

비교했을 때 19 dB(A)이상의 큰 차이를 보여 측정된 소음값을 신뢰하기 힘든 수준임을 알 수

있었다.

다. Smart Noise Monitoring으로 측정한 소음값의 시간적 변동 평가

Smart Noise Monitoring과 정밀 지시소음계(SPL meter)를 사용하여 90 dB(A)의 소음원으로

부터 발생하는 소음을 22분 동안 측정한 결과를 Fig. 3-25에 그래프로 나타내었다.

- 59 -

Fig. 3-25. Smart Noise Monitoring과 정밀 지시소음계로 측정한 소음값 비교

20분 동안 소음원에서 발생하는 소음을 측정한 결과, 본 연구에서 개발한 애플리케이션으로

측정된 소음값은 87.1±0.5 dB(A)였으며 정밀 지시소음계로 측정된 소음값은 87.8±0.2 dB(A)

의 결과를 얻을 수 있었다. 본 연구에서 개발한 애플리케이션으로 측정된 값과 정밀 지시소음

계로 측정된 소음값은 통계적으로 유의한 차이(p<0.05)를 보였지만 그 차이는 미미한 수준이

었다. 개발된 애플리케이션으로 측정된 소음값들의 표준편차는 상당히 작은 수준으로, 본 연

구에서 개발한 애플리케이션이 특정 소음에 대해 일정한 값을 기록하는 것을 보였다.

2. 시범조사 수행 및 데이터 분석

가. 시범조사 데이터의 수집

200명 이상의 패널 및 일반 시민이 시범연구에 참여하였지만 전송오류를 제외하니 총 148

명의 데이터를 얻을 수 있었다. 그 중 최소 1일 값(24시간 × 매 시간마다 4번 측정=96개)보다

적은 참여자(29명)의 데이터 삭제하여 총 116명의 유효 표본을 가지고 분석을 진행하였다. 본

시범연구는 서울시의 환경노출을 파악하고자 하므로 위치좌표를 서울시로 제한하였고 총

72,945개, 연구참여자 1인당 평균 628개의 값을 가진 것을 확인하였다. 애플리케이션으로 측정

된 위치정보(위경도좌표)와 소리값은 측정이 종료된 28일에 Fig. 3-26와 같은 csv파일의 형태

로 웹서버로 전송된다.

- 60 -

Fig. 3-26. 전송데이터의 형태

(1) 시범조사단의 사회인구학적 특성

116명 중 102명은 사회인구학적 특성을 물었던 패널이고, 14명은 연구에 자발적으로 참여한

일반 시민이다. 패널의 사회인구학적 특성은 Table 3-3에 제시되어 있는데, 20~30대의 참여가

제일 많고, 연령이 높을수록 참여자가 적었다. 남자보다 많은 수의 여자 패널이 참여했으며,

연령이 높아질수록 애플리케이션 다운로드 및 설치에 어려움을 느끼고 포기하는 사람이 많았

다.

　 남자 여자 총

20대 12 21 33

30대 23 25 48

40대 9 9 18

50대 2 1 3

총 46 56 102

Table 3-3. 패널참여자의 사회인구학적 특성

(2) 조사날짜별 데이터 분포

조사날짜별 데이터 분포는 Fig. 3-27과 같다. 패널들에게 애플리케이션 배포를 시작한 15일

오후3시부터 참여자가 증가하여 수집데이터가 늘어났다. 데이터는 28일 오후 2시 30분 일괄종

료 후 스마트폰을 통해 웹서버로 전송되었는데, 일괄 전송의 어려움 및 데이터 전송 오류로

- 61 -

동일한 데이터가 반복해서 들어오거나 빈 데이터가 전송된 경우가 있었다. 연구진은 패널을

모집한 리서치 업체를 통하여 전송오류를 겪은 연구참여자에게 스마트폰에 남아있는 수집정

보를 메일로 보내달라고 요청하였고, 메일로 받아 데이터 정상여부를 확인하는 작업은 11월

10일까지 계속 진행되었다.

Fig. 3-27. 조사날짜별 데이터 분포

(3) 시간대별 데이터 분포

시간대별 데이터 분포를 살펴보면 사람들의 활동시간인 주간시간대(06:00~22:00)보다 야간시

간(22:00~06:00)에서의 데이터가 시간대비 수집량이 훨씬 많았다(Fig. 3-28). 야간 시간대의 데

이터는 대부분 WPS데이터로 참여자들이 주로 건물 내에 머물렀다고 가정하였다. 시간대별

GPS/WPS 분포를 Table 3-4에 나타내었다.

Fig. 3-28. 시간별 데이터 분포

- 62 -

시간 GPS WPS 시간 GPS WPS

0 시 209 2,919 12 시 165 2,582

1 시 186 3,041 13 시 200 2,647

2 시 219 3,150 14 시 207 2,632

3 시 251 3,187 15 시 188 2,537

4 시 274 3,196 16 시 192 2,632

5 시 385 3,178 17 시 199 2,641

6 시 338 3,088 18 시 219 2,651

7 시 339 2,939 19 시 234 2,685

8 시 341 2,777 20 시 194 2,799

9 시 246 2,664 21 시 179 2,753

10 시 223 2,613 22 시 166 2,734

11 시 174 2,558 23 시 197 2,817

Table 3-4. 시간대별 GPS/WPS별 데이터 분포

(4) GPS/WPS별 데이터 분포

GPS/WPS별 데이터 분포를 Fig. 3-29에 나타내었다. WPS와 GPS를 나누어보니 실제 WPS

데이터 측정량이 GPS 측정량보다 10배정도 많았다. 현재 스마트폰이 LTE기반으로 가면서 데

이터 소모를 줄이기 위해 참여자들이 Wi-Fi만 사용하여 실외에서의 GPS측정값이 적었을 가

능성이 존재한다. 또한 지속적인 데이터 수집을 위하여 참여자들에게 위치센서를 켜두길 요청

했으나 실제 데이터 분포를 확인결과 대부분 분절적인 데이터 구조를 지니고 있었다.

- 63 -

Fig. 3-29. GPS/WPS별 데이터 분포

(5) 지역구별 데이터 분포

구별 데이터 분포를 Fig. 3-30에 나타내었다. 구별 데이터 측정수는 관악구(7324), 강남구

(5483), 도봉구(4979) 순으로 많았다. 거주지를 확인할 수 있는 패널(102명)은 도봉구, 관악구,

광진구의 순서로 많이 거주한다고 응답하였다.

- 64 -

Fig. 3-30. 구별 데이터 측정 수

(6) 일반시민 참여 부족의 이유

이번 시범연구에서 일반 시민의 참여가 부족했던 이유는 몇 가지 존재한다.

첫째는, 시민들의 노력을 통해 공공데이터 구축에 기여한다는 명분은 좋으나, 실질적으로

시민들이 애플리케이션을 설치하고 전송하는 수고에 대한 보상이 없어서 참여가 부족하다는

의견이 있었다. 굳이 금전적으로 보상을 하지 않더라도 나의 정보가 가치 있는 일, 누군가에

게 도움이 되는 일을 한다는 인식을 제공해주어야 한다.

둘째는 홍보 부족이다. 사람들이 자주 가는 홈페이지 게시판에 게시하는 것에 대한 어려움

도 존재하였고, 게시된 글을 읽는 조회 수는 많지만 행동으로 옮기는 사람도 많지 않았다.

셋째는 전송오류와 같은 예기치 못한 사건에 대한 대처이다. 패널의 경우, 리서치업체에서

패널의 연락처를 가지고 있어 전송오류가 발생했을 시에, SMS를 통해 해당 수집 자료를 이메

일로 수집할 수 있었다. 그러나 시민의 경우, 누가 애플리케이션을 다운로드하여 설치하였는

지 파악할 수 없기 때문에 게시글을 수정하는 방법밖에 없었다. 그러므로 향후 비슷한 연구를

진행할 때에는 여러 전송오류에 대한 방안을 미리 강구해야 할 것이다.

넷째는 연구참여자가 연구 참여를 잊는 것이다. 이번 시범연구에서 측정은 매15분마다 한

번씩 되고, 위치 센서가 활성화되어있지 않을 때에는 진동 없이 팝업을 통해 위치센서를 켜달

라고 요청하였다. 그럼에도 불구하고 본인의 연구 참여 여부를 잊는 참여자가 발생하였다. 시

민의 일상을 방해하지 않고 측정한다는 아이디어는 좋지만, 연구기간이 길수록 본인의 연구

참여를 잊기 쉬우므로 중간점검과 같은 데이터 수집 정상 확인 절차가 필요하다.

마지막으로, 개인정보 노출의 두려움이다. 위치정보는 생각보다 많은 것을 말해주기 때문에

- 65 -

내가 길을 찾기 위해 포털에 위치정보를 제공하거나, SNS에 개인 위치 정보를 태그하는 것과

는 달리 내가 받는 이익이나 피드백 없이 정보를 주기 꺼려하는 것이다. 이는 향후 연구에서

본인의 제공 정보와 기존 정보를 결합하여 연구참여자에게 피드백을 준다면, 충분히 극복될

수 있는 부분이라고 할 수 있다.

나. 소음 데이터 분석

연구진은 시범연구 결과로 얻은 일반 시민의 GPS 자료와 마이크로폰으로 측정된 소음 자료

를 활용하여 국민 소음 노출수준 및 분포를 파악하였고, 수집된 연구참여자의 위치정보 및 소

음 정보를 통해 서울시의 소음노출지도를 작성하고자 하였다. 개발된 애플리케이션이 설치된

스마트폰을 활용하여 국민들이 노출되는 소음에 대한 노출수준 및 분포를 파악하였으며, 이는

Fig. 3-31에서의 굵은 실선의 범위에 해당된다.

Fig. 3-31. 시범연구 개요 모식도에서 소음데이터의 분석이 해당되는 부분

시범연구기간동안 측정된 값 중에서 서울시 내의 위치 좌표로 한정하여 시간대별 특징을

확인하고, 설문조사업체로부터 전달받은 사회인구학적 변수를 통해 노출 정도에 대한 차이를

확인해보고자 하였다. 연구 참여자 중 사회인구학적 정보를 제공한 패널의 기본 정보는 Table

3-3에서 확인할 수 있다. 국가소음정보시스템(www.noiseinfo.or.kr)에 따른 소음도의 인체영향

은 Fig. 3-32과 같다. 소음이 40 dB보다 높아질 경우 건강영향이 나타나기 시작하는데, 60 dB

의 경우 수면장애, 80 dB의 경우 청력장애가 나타난다.

- 66 -

Fig. 3-32. 소음의 인체영향

조사 기간 동안 측정된 연구 참여자의 시간대별 평균 소음은 Table 3-5, Fig. 3-33과 같다.

평균 소음은 새벽 1시 이후로 점점 낮아지다가 5시 이후부터 계속 증가하여 밤 10시까지 60

dB 전후의 값을 유지한다. 현재의 평균 소음은 모든 참여자의 값을 반영한 것이지만, 개인만

을 대상으로 계산 할 경우에는 개인 환경 노출 정도를 계산 할 수 있을 것이다.

시간 평균 소음(dB) 시간 평균 소음(dB)

0 46.1 12 61.3

1 40.8 13 60.1

2 37.5 14 60.5

3 36.2 15 59.8

4 35.5 16 59.8

5 36.2 17 60.6

6 39.7 18 62.8

7 45.9 19 62.9

8 51.3 20 61.5

9 53.0 21 60.6

10 55.1 22 57.3

11 57.2 23 51.5

Table 3-5. 시간대별 평균 소음

- 67 -

Fig. 3-33. 시간대별 평균 소음(주간.야간)

(1) 평일과 주말의 소음노출 차이

데이터 수집 기간은 최소 1주일 이상이기 때문에 평일(월~금)과 주말(토~일)로 나누어 평균

소음 노출 정도를 확인할 수 있었다(Fig. 3-34). 평일-주말에 따른 시간대별 소음노출 정도는

Table 3-6에서 확인 할 수 있는데, 새벽의 경우 주말이 더 소음이 크고, 6시부터 오후1시까지

주중 소음이 더 높았다. 통계적으로 주중평균 소음(51.7)과 주말평균소음(50.0)의 차이는 없었

다.

- 68 -

시간 평일 (dBA) 주말 (aBA) 시간 평일 주말

0 44.3 50.1 12 62.2 59.3

1 39.8 43.2 13 59.6 61.0

2 36.7 39.3 14 59.8 61.9

3 35.6 37.6 15 59.5 60.5

4 35.0 36.4 16 59.4 60.5

5 36.4 35.9 17 60.7 60.5

6 40.4 38.0 18 62.9 62.5

7 48.8 39.8 19 63.3 62.2

8 54.9 43.5 20 62.2 60.1

9 55.0 48.7 21 61.1 59.6

10 56.7 51.7 22 57.5 56.9

11 57.5 56.6 23 52.1 50.3

Table 3-6. 평일과 주말의 시간대별 소음노출 정도

Fig. 3-34. 평일과 주말의 시간대별 소음노출 정도

(2) 성별 소음 노출 차이

성별을 응답한 패널데이터를 가지고 시간대별 소음 노출 정도를 확인하였다(Fig. 3-35). 모

든 시간대에서 남자가 여자보다 시끄러운 환경에 노출되어 있었으며 그 차이는 특히 야간시

- 69 -

Fig. 3-35. 성별에 따른 시간별 소음값

간대에 두드러졌다. 특히, 남자의 경우에는 정오부터 밤까지 수면장애가 시작되는 60 dB 정도

의 소음에 노출되어 있었다. 그러나 그룹 간 유의한 차이는 나타나지 않았다.

- 70 -

(3) 성별/연령별 소음 노출 차이

수집된 데이터를 성별 연령별로 세분화하여 평균 소음을 확인하였다(Table 3-7, Fig. 3-36).

남자가 여자보다 시끄러운 환경에 노출되어 있는 것은 연령에 상관없이 동일하게 나타났지만,

최소-최대의 차이는 연령이 적을수록 더 크게 나타났다. 소음 평균 노출은 남자30대>남자4-50

대>남자20대>여자30대>여자40대>여자4-50대의 순으로 높았다.

　 남자 20대 남자 30대 남자 4-50대 여자 20대 여자 30대 여자 4-50대

평균 52.6 57.8 55.8 49.3 51.6 50.6

최소값 32.7 42.6 34.7 31.7 33.1 34.3

최대값 64.6 67.2 68.9 63.2 62.6 61.9

Table 3-7. 성별/연령별 소음 노출 차이

Fig. 3-36. 성별/연령별 소음 노출 차이

(4) 실내/실외별 환경노출지도(7시)

WPS와 GPS로 측정된 데이터를 구분하여 실내 및 실외환경에 머문 것으로 가정하였다. 환

경과학원의 조사에 따르면, 하루 중 실내에 머무르는 시간은 평균 20.0시간으로 나타났다. 해

마다 실내에 거주하는 시간이 증가하고 있지만 실내 공기의 질과 노출 소음에 대해서는 관심

정도가 낮다. 실외와 실내의 소음은 발생원 자체가 다르기 때문에 그에 따른 감소 대책을 다

르게 적용할 수 있다. 실내에서 지속적인 소음에 노출될 경우, 저감 기계를 설치하거나 방음

- 71 -

벽을 설치하는 등의 다른 접근을 할 수 있다. 아래 Fig. 3-37는 저녁 8시의 소음값을 서울시

전체 지도에 표시하고, 값이 없는 부분까지 내삽하여 나타현재의 소음지도는 보간 하지 않은

그 위치의 소음 값을 나타낸다. 전체 위치 데이터에서 WPS데이터의 수는 GPS데이터보다 3배

정도 많았다. 그러므로 같은 시간이라고 하더라도 WPS만을 포함한 소음지도가 더욱 많은 정

보를 포함하고 있다고 할 수 있다. 이때 측정된 노출값을 구별로 계산한다면 집단 단위의 노

출 정도를 구현할 수 있고, 자동측정망으로 측정된 데이터와 비교한다면 정확성 파악도 가능

할 것이다(현재는 6개월 전까지의 측정 데이터만 확인 가능함).

Fig. 3-37. 실내/실외별 소음지도(7시)

(5) 서울시 시간대별 소음지도

애플리케이션을 통해 수집된 데이터를 GIS 프로그램을 활용하여 서울시 지도위에 구현하였

다(Fig. 3-38). 소음값을 나누는 기준은 소음정보시스템에 기재된 소음의 인체영향에서 일부

선택하였다. 아래의 소음지도는 각 시간대별 연구참여자의 위치와 해당 소음 값을 나타낸다.

이러한 개인단위의 소음노출지도는 지역단위의 소음을 하나로 표기하는 것보다 더욱 자세하

게 표현되며, 시민들에게 정보를 제공해 줄 때에도 더욱 적합할 수 있다. 측정된 노출값을 모

아 구별로 계산한다면 집단 단위의 노출 정도를 구현할 수 있고, 자동측정망으로 측정된 데이

터와 비교한다면 정확성 파악도 가능할 것이다(현재는 6개월 전까지의 소음측정 데이터만 홈

페이지를 통해 확인 가능함).

- 72 -

서울시 소음지도 (00시) 서울시 소음지도 (01시)

서울시 소음지도 (02시) 서울시 소음지도 (03시)

서울시 소음지도 (04시)서울시 소음지도 (05시)

- 73 -

서울시 소음지도 (06시) 서울시 소음지도 (07시)

서울시 소음지도 (08시) 서울시 소음지도 (09시)

서울시 소음지도 (10시) 서울시 소음지도 (11시)

- 74 -

서울시 소음지도 (12시) 서울시 소음지도 (13시)

서울시 소음지도 (14시) 서울시 소음지도 (15시)

서울시 소음지도 (16시) 서울시 소음지도 (17시)

- 75 -

서울시 소음지도 (18시) 서울시 소음지도 (19시)

서울시 소음지도 (20시) 서울시 소음지도 (21시)

서울시 소음지도 (22시) 서울시 소음지도 (23시)

Fig. 3-38. 서울시 시간대별 소음지도

- 76 -

다. GPS 정보를 활용한 입자상물질의 개인노출 농도산출

연구진은 본 시범연구 결과로 얻은 일반 시민의 GPS 자료와 기존의 대기환경 측정망 자료

를 활용하여 국민의 대기오염 노출 수준을 예측하였다. 이는 아래 시범연구 개요의 모식도에

서 굵은 실선의 범위에 해당된다(Fig. 3-39).

Fig. 3-39. 시범연구 개요 모식도에서 대기오염 노출의 예측이 해당되는 부분

애플리케이션으로 얻은 GPS 정보와 서울시 도시대기측정소에서 측정한 입자상물질 정보를

이용하여 116명 참여자의 미세먼지(PM10)와 초미세먼지(PM2.5)에 대한 개인노출을 산출하였다.

설문조사업체에서 기존에 구축하고 있는 연구 참여에 동의한 사람의 성, 연령, 거주지에 대한

개인정보를 얻을 수 있었다. 116명의 참여자 중 개인정보를 이용할 수 있는 참여자는 총 102

명이었다. 연구참여자 102명의 기본 정보와 개인노출 농도는 아래 Table 3-8과 같다.

- 77 -

참여자 수

(N)

PM10 개인노출(㎍/㎥)

PM2.5 개인노출(㎍/㎥)

성별

남 46 35.1±3.1 18.2±1.8

여 56 35.3±3.4 18.2±1.6

연령

20대 33 35.6±3.1 18.5±1.1

30대 48 34.6±3.6 18.1±1.7

40대 이상 21 36.0±3.0 17.9±2.3

지역강남권 57 34.6±3.1 18.5±1.5

강북권 45 36.1±3.5 17.7±1.8

Table 3-8. 연구참여자 특성 및 입자상물질의 개인노출 농도

(1) 미세먼지(PM10)

전체 측정 기간 동안 연구참여자 116명의 미세먼지 개인노출 농도 범위는 28.0 ㎍/㎥ ~

47.6 ㎍/㎥ 이었으며 평균 농도는 35.3±3.5 ㎍/㎥ 이었다. 아래 그림은 미세먼지 개인노출 농

도의 분포를 보여주고 있다(Fig. 3-40 참조). 같은 기간 서울시 도시대기측정소 25곳에서 측정

한 미세먼지의 평균 농도는 35.7±17.9 ㎍/㎥ 이었다.

- 78 -

Fig. 3-40. 미세먼지(PM10) 개인노출 농도 분포

(가) 일별 개인노출

측정 기간 동안 날짜별로 미세먼지의 개인노출 농도가 어떻게 달라지는지 파악하기 위해

일별 개인노출 농도를 계산하였다. 일별 미세먼지 개인노출 농도에 변이가 있음을 알 수 있었

으며, 개인노출 농도가 가장 낮은 날은 Day 5 (10월 21일)로 12.3 ㎍/㎥, 가장 높은 날은 Day

12 (10월 28일)로 57.8 ㎍/㎥ 이었다(Fig. 3-41 참조). 각 연구참여자의 일별 개인노출 농도를

아래 Table 3-9에 나타내었다.

Fig. 3-41. 일별 미세먼지(PM10) 개인노출 변이

- 79 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

측정기간

평균

1 39.0 27.0 62.0 9.0 15.3 37.7 37.4 47.6 66.0 60.5 38.8

2 35.9 36.9 49.5 37.9

3 35.8 32.3 39.9 29.0 40.4 64.8 42.4

4 29.8 35.7 27.2 31.1 50.1 47.0 36.5

5 28.9 35.4 44.4 25.5 48.0 41.0 36.9

6 38.6 38.6

7 29.0 40.2 33.8 47.5 62.1 47.6

8 6.7 14.0 26.8 40.5 44.3 29.5

9 38.0 63.0 28.0 18.6 50.0 53.0 62.5 44.7 40.0 59.0 43.7

10 52.0 40.1 43.6 34.9 48.9 57.4 43.9

11 29.2 36.2 55.7 34.5

12 33.0 52.0 15.3 12.4 16.5 45.7 38.5 32.5 66.0 29.4

13 32.9 36.3 48.0 32.0 8.3 13.5 27.1 43.1 43.0 27.1 33.2 67.0 31.2

14 27.6 31.1 47.1 51.3 58.0 38.0

15 27.8 33.8 58.1 12.0 8.6 13.8 23.5 31.5 44.7 29.3

16 28.3 51.0 74.8 25.3 13.1 16.1 28.5 32.0 38.3 57.0 29.0

17 35.7 29.7 40.3 44.8 37.0

18 41.7 36.1 49.6 35.8 39.5 53.6 43.5

19 28.0 38.7 46.3 42.7 11.3 13.5 37.0 33.6 43.3 40.1 48.8 60.5 32.8

20 34.0 42.6 61.1 32.4 13.9 14.0 36.5 48.4 38.2 47.8 58.3 42.0

21 26.2 55.1 44.4 11.2 15.2 24.1 37.3 42.1 42.2 60.8 37.0

22 35.0 51.3 53.0 21.0 8.0 16.0 23.8 38.4 43.3 38.7 41.5 53.0 38.6

23 50.0 52.2 37.6 11.8 13.0 27.6 38.0 54.2 40.9 37.5 54.3 36.0

24 29.0 55.4 59.5 17.7 10.0 13.7 30.6 38.6 35.8 24.8 34.3 56.1 30.7

25 29.0 33.6 41.6 33.6 44.9 60.9 40.4

26 18.6 31.4 33.9 39.8 25.3 46.4 64.8 35.3

27 9.8 16.4 24.2 33.1 40.7 32.5 42.0 54.7 34.4

28

Table 3-9. 일별 미세먼지(PM10) 개인노출 농도 (단위: ㎍/㎥)

- 80 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

측정기간

평균

29 30.3 39.9 49.6 40.8 12.3 15.3 17.8 28.6 39.0 38.3 35.3 53.5 31.2

30 36.1 44.4 66.5 9.3 9.1 15.8 32.7 41.2 50.0 35.1 41.8 61.7 40.5

31 37.4 40.9 60.6 37.2 17.1 16.3 23.3 38.0 51.7 45.3 47.1 67.0 39.6

32 32.1 39.0 49.3 38.3 43.0 57.6 44.4

33 29.1 32.8 58.5 25.8 16.2 16.3 28.2 38.7 43.9 40.4 29.1 55.5 34.0

34 48.5 15.6 10.5 14.4 22.5 39.1 41.5 31.6 39.9 55.6 30.8

35 28.9 37.1 59.5 18.1 11.0 15.4 26.4 34.5 40.9 32.7 30.5 56.0 32.0

36 35.4 42.5 53.9 36.4 8.7 16.1 28.9 41.2 45.8 61.2 37.2

37 30.1 32.5 56.5 31.5 13.9 16.5 28.1 33.0 44.9 37.7 38.5 55.3 35.4

38 29.5 40.2 49.0 20.7 45.8 42.0 31.0 43.4 61.9 41.1

39 30.0 35.9 58.2 44.9 11.1 15.3 20.3 42.4 49.4 37.6 46.4 57.3 38.5

40 38.3 32.3 59.8 26.3 13.7 13.1 28.0 36.8 43.5 29.0 32.4 56.1 34.3

41 31.9 37.0 56.9 29.3 18.7 14.3 25.1 37.6 43.0 33.5 44.8 57.6 36.1

42 32.4 38.8 54.2 30.0 10.1 15.1 27.3 38.4 43.4 37.2 37.5 54.0 35.5

43 30.5 38.9 59.4 38.5 12.5 16.0 21.2 39.3 50.2 36.9 30.7 54.0 34.8

44 14.2 22.5 33.2 45.1 32.9 41.2 49.9 35.4

45 31.6 34.9 54.5 28.1 11.7 14.4 26.6 37.6 42.7 32.3 40.5 64.1 32.3

46 28.0 34.2 52.9 26.6 9.7 15.8 24.2 33.8 38.2 32.9 36.6 60.0 31.3

47 30.8 38.8 62.4 46.7 11.4 17.4 35.4 35.9 50.0 30.9 48.1 60.4 37.5

48 27.0 36.7 52.8 24.2 12.4 14.3 28.6 40.5 34.2 30.5 43.6 53.0 33.3

49 18.9 12.6 16.2 29.6 40.2 51.8 49.0 42.5 59.8 34.9

50 48.9 56.9 26.9 8.8 17.6 29.1 38.9 40.3 27.2 48.8 64.6 35.7

51 28.2 35.5 60.8 29.8 13.2 14.2 24.2 40.3 42.4 39.2 38.6 56.6 34.1

52 31.8 49.0 14.0 15.1 24.6 39.8 43.1 30.0 40.6 58.6 34.2

53 40.0 40.3 52.8 34.6 9.3 13.6 26.3 39.8 45.7 34.1 38.8 50.6 34.1

54 42.0 36.7 51.6 36.9 10.4 14.7 27.7 36.8 47.5 40.7 46.6 56.4 37.3

55 32.4 37.3 54.8 27.8 14.6 15.2 23.9 40.1 41.9 29.0 59.0 31.3

56 32.4 32.0 52.2 32.1 15.9 14.3 29.3 39.5 43.7 35.9 41.4 54.8 34.3

57 74.3 33.6 13.4 15.9 30.2 38.6 44.2 38.3 37.0 54.1 34.3

58 37.7 52.0 63.2 31.4 8.6 17.4 30.3 37.2 54.6 44.1 40.9 41.3

- 81 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

측정기간

평균

59 46.0 59.8 60.3 25.0 9.1 16.7 30.2 39.9 45.5 35.3 29.3 56.8 35.6

60 26.3 32.2 50.2 20.2 13.8 15.9 28.8 40.1 39.8 23.6 47.4 59.6 33.6

61 39.3 49.6 28.7 17.0 14.6 25.0 37.1 39.0 35.1 37.9 59.2 33.5

62 26.9 36.4 50.1 30.4 7.1 13.1 25.3 33.5 37.5 29.8 41.1 54.6 31.9

63 38.4 44.7 65.6 45.5 8.5 15.1 29.3 43.0 50.9 40.9 45.1 59.7 41.3

64 35.5 36.9 55.2 38.5 13.8 15.9 22.6 37.0 41.5 39.5 48.9 62.4 37.0

65 31.9 33.7 46.5 29.3 12.7 17.4 24.7 38.3 39.8 27.8 40.4 61.0 32.7

66 29.5 36.4 54.7 34.7 14.8 15.4 26.5 39.9 43.6 37.8 33.2

67 29.8 45.3 53.6 27.4 14.8 14.7 19.0 46.3 31.5 42.2 55.2 33.0

68 31.0 28.7 59.2 27.3 10.2 15.5 25.6 32.9 39.7 47.0 45.4 49.9 33.5

69 29.0 45.3 14.8 9.6 14.4 22.1 32.6 38.6 29.6 37.2 51.6 28.0

70 31.1 32.0 50.3 23.9 12.0 14.4 27.1 37.6 38.5 28.3 39.3 58.0 31.3

71 28.5 42.5 46.7 25.8 13.8 16.3 21.3 43.8 36.8 26.1 40.5 57.3 31.8

72 31.2 33.9 56.9 21.6 10.0 13.0 30.1 37.4 42.0 31.3 40.9 59.2 34.2

73 37.2 37.2 56.9 37.5 10.4 15.4 35.2 39.1 48.6 39.4 37.6 56.3 35.5

74 33.6 47.8 54.1 17.7 14.0 15.7 27.8 38.8 43.3 38.7 38.9 54.1 35.3

75 34.2 38.2 56.7 39.5 11.3 15.9 24.1 43.1 44.0 34.7 42.8 60.5 36.9

76 43.9 59.1 33.3 15.9 16.4 25.0 39.0 48.3 38.3 37.4 56.0 36.5

77 29.4 35.5 57.9 29.9 14.6 15.5 29.3 39.2 47.9 40.6 36.2 56.2 36.1

78 32.6 49.5 36.1 11.6 16.7 25.7 40.4 44.9 35.4 42.8 63.1 35.6

79 32.2 39.3 54.1 28.4 11.4 12.4 24.9 33.1 44.7 34.6 43.6 53.3 34.0

80 30.8 38.9 51.5 47.1 11.8 14.6 23.7 35.5 45.6 40.2 43.9 61.0 37.1

81 23.5 40.3 54.8 32.7 14.7 14.7 24.8 38.1 42.6 37.8 34.3 51.5 33.6

82 29.2 41.5 46.3 26.5 11.9 16.1 24.5 39.6 39.8 30.0 51.3 55.9 32.6

83 31.1 37.2 52.3 32.5 10.6 15.4 25.6 35.5 39.3 28.9 42.9 61.4 33.9

84 28.5 32.4 53.6 31.5 13.4 14.0 26.1 35.3 41.1 31.3 41.1 57.4 34.2

85 31.0 30.3 53.0 28.1 14.5 15.0 25.2 35.7 41.6 35.2 40.4 58.3 33.4

86 31.6 39.4 56.8 32.9 11.9 16.0 25.4 37.2 46.7 36.3 36.3 57.0 34.1

87 32.4 34.6 52.6 29.7 16.9 15.2 23.8 38.0 42.0 30.0 41.0 58.5 34.3

88 29.0 39.0 55.7 26.4 11.7 16.2 24.7 35.4 47.7 34.5 43.5 61.8 34.9

- 82 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

참여자

평균

89 29.4 34.0 47.6 26.1 12.4 16.0 26.3 38.3 43.6 29.5 42.6 62.2 32.3

90 31.6 43.5 54.4 24.5 14.6 15.5 24.1 36.7 46.3 45.1 40.4 53.8 33.3

91 35.8 53.7 30.4 12.1 14.9 28.3 38.3 43.7 37.0 37.3 58.5 33.7

92 31.2 36.1 52.1 29.9 14.3 15.6 24.1 40.9 43.2 29.6 43.1 57.6 33.6

93 37.6 46.2 65.7 40.8 8.4 15.2 28.1 41.6 51.4 42.3 45.5 65.0 40.1

94 31.6 33.7 51.8 24.8 16.4 16.2 25.4 32.7 44.9 37.4 36.9 50.1 32.3

95 32.2 37.1 62.6 33.2 14.0 15.3 28.8 41.6 48.3 39.8 44.9 59.8 37.4

96 32.4 34.1 58.2 29.5 13.3 16.2 26.5 39.9 45.7 33.9 50.6 55.1 34.7

97 27.2 35.0 58.6 35.1 9.9 16.8 25.2 35.1 37.9 29.7 45.8 61.0 33.1

98 36.2 45.6 63.7 31.5 9.4 15.3 27.6 36.9 50.8 41.5 46.0 61.8 39.5

99 28.0 35.9 53.7 32.3 10.6 16.0 26.7 36.6 39.7 31.5 44.8 62.1 34.2

100 29.2 35.0 50.0 28.1 13.2 14.3 26.3 36.1 42.1 30.3 46.9 55.0 32.4

101 33.4 42.1 62.5 28.0 12.5 16.0 26.6 38.7 49.4 40.5 41.6 61.1 37.2

102 28.3 40.0 49.6 29.2 14.2 15.3 24.7 40.3 49.2 34.6 41.9 58.2 35.5

103 31.1 36.9 55.0 30.3 15.9 15.6 27.0 39.0 48.2 32.0 42.6 57.9 35.4

104 34.7 41.5 61.8 39.5 11.9 16.2 32.7 42.4 48.1 35.8 45.3 62.2 38.8

105 27.8 36.5 54.7 31.3 11.5 14.0 22.9 30.8 38.3 31.0 42.1 60.6 33.5

106 31.3 38.7 49.6 32.5 9.0 15.0 26.2 36.6 39.8 29.1 39.7 64.8 35.4

107 32.6 36.2 52.5 28.9 13.3 12.8 22.7 37.1 43.9 29.6 45.2 53.0 34.6

108 34.3 39.1 55.1 33.5 10.1 17.2 37.7 40.3 45.0 36.2 50.3 65.0 35.9

109 33.6 42.2 58.6 33.0 9.8 14.6 27.3 39.3 48.6 34.9 34.8

110 32.8 39.8 54.0 18.5 11.9 17.0 26.9 37.4 38.4 38.6 42.0 59.9 34.6

111 25.8 31.4 49.5 22.4 11.2 14.1 18.5 32.0 38.6 33.4 48.8 47.5 30.0

112 29.9 35.1 54.2 36.2 11.9 14.0 23.1 32.1 43.0 37.5 38.0 53.6 33.0

113 30.3 37.2 54.5 29.6 10.7 16.4 28.3 36.7 43.6 33.5 42.7 61.3 34.5

114 27.5 34.9 55.9 27.0 17.2 14.1 22.3 31.4 40.0 34.6 38.0 55.7 33.3

115 30.6 34.9 50.1 31.0 11.5 16.0 22.6 31.6 38.6 33.1 46.6 63.1 33.0

116 33.5 38.0 56.5 37.6 12.4 17.3 27.3 40.1 47.1 38.5 40.7 56.9 37.2

일평균

개인노출31.5 37.9 55.1 30.7 12.3 15.4 26.4 37.4 44.0 34.7 41.7 57.8 -

- 83 -

(나) 평일과 주말의 개인노출 농도

시범연구 참여자들은 약 10일간의 GPS 자료를 전송해왔고, 이 10일 중에는 주말(토요일, 일

요일)이 포함되어 있었다. 주중(평일, 월-금요일)과 주말의 시간활동패턴이 상이한 것을 고려

하여 개인노출 농도를 주중과 주말로 구분하여 살펴보았다. 미세먼지 개인노출은 주말

42.8±4.7 ㎍/㎥, 평일 31.2±5.1 ㎍/㎥ 으로 평일보다 주말에 통계적으로 유의하게 높은 것으

로 나타났다(Fig. 3-42 참조).

(다) 성별에 따른 개인노출

참여자 총 116명 중 성별 정보 이용에 동의한 참여자 102명의 미세먼지 개인노출을 아래

그래프에 나타내었다(Fig. 3-43 참조). 102명 중 남성은 46명(45.1%), 여성은 56명(54.9%)이었

다. 평일과 주말의 개인노출에 통계적으로 유의한 차이가 있었으므로 먼저 평일과 주말로 구

분한 후 성별에 따른 개인노출을 살펴보았다. 평일의 미세먼지 개인노출은 남성 30.8±5.1 ㎍/

㎥, 여성 31.0±4.7 ㎍/㎥이었으며, 주말에는 남성 43.0±4.4 ㎍/㎥, 여성 43.1±5.2 ㎍/㎥이었다.

미세먼지에 대한 개인노출은 여성이 남성보다 높게 나타났으나 통계적으로 유의한 차이는 없

었다.

Fig. 3-42. 평일과 주말의 미세먼지(PM10)

개인노출

Fig. 3-43. 성별에 따른 미세먼지(PM10) 개인노출

- 84 -

(라) 연령에 따른 개인노출

총 시범연구 참여자 116명 중 연령 정보 이용에 동의한 참여자 102명의 미세먼지 개인노출

을 아래 그래프에 나타내었다(Fig. 3-44 참조). 102명 중 20대는 33명(32.4%), 30대는 48명

(47.1%), 40대 이상은 21명(20.6%)이었다. 평일과 주말의 개인노출에 통계적으로 유의한 차이

가 있었으므로 먼저 평일과 주말로 구분한 후 연령에 따른 개인노출을 살펴보았다. 평일의 미

세먼지 개인노출은 20대 31.5±4.6 ㎍/㎥, 30대 30.0±5.1 ㎍/㎥, 40대 이상은 32.3±4.1 ㎍/㎥이

었으며, 주말에는 20대 43.0±3.8 ㎍/㎥, 30대 42.9±4.6 ㎍/㎥, 40대 이상은 43.5±6.8 ㎍/㎥이

었다. 미세먼지에 대한 개인노출은 40대 이상이 가장 높고 20대, 30대의 순으로 높은 것으로

나타났으나 통계적으로 유의한 차이는 없었다.

(마) 지역에 따른 개인노출

총 시범연구 참여자 116명 중 거주지 정보 이용에 동의한 참여자 102명의 미세먼지 개인노

출을 아래 그래프에 나타내었다(Fig. 3-45 참조). 102명 모두 서울시에 거주하였으며 구체적인

거주지는 구단위로 조사되었는데, 한강을 기준으로 하여 강남권과 강북권으로 구분하였다.

102명 중 강남권 거주자는 57명(55.9%), 강북권 거주자는 45명(44.1%)이었다. 평일과 주말의

개인노출에 통계적으로 유의한 차이가 있었으므로 먼저 평일과 주말로 구분한 후 거주지에

따른 개인노출을 살펴보았다. 평일의 미세먼지 개인노출은 강남권 30.4±4.2 ㎍/㎥, 강북권

31.7±5.5 ㎍/㎥이었으며, 주말에는 강남권 42.1±3.9 ㎍/㎥, 강북권 44.3±5.6 ㎍/㎥이었다. 미

세먼지에 대한 개인노출은 강북권이 강남권보다 높은 것으로 나타났으나 통계적으로 유의한

차이는 없었다.

Fig. 3-44. 연령에 따른 미세먼지(PM10) 개인노출 Fig. 3-45. 지역에 따른 미세먼지(PM10) 개인노출

- 85 -

(a) GPS 자료를 활용한 개인노출 (b) 도시대기측정소

Fig. 3-46. 개인노출과 도시대기측정소 미세먼지(PM10) 농도 비교

(바) 개인노출과 도시대기측정소 비교

GPS 자료를 활용한 미세먼지의 개인노출 산출법의 가지는 의미를 파악하기 위하여 측정기

간 중 가장 많은 참여자의 개인노출 농도가 있는 날(2014년 10월 24일, 108명)을 택하여 서울

시 25곳 도시대기측정소의 미세먼지 농도와 개인노출 농도를 비교하였다(Fig. 3-46 참조). 도

시대기측정소의 미세먼지 평균 농도는 35.6±2.8 ㎍/㎥, 최솟값은 30.2 ㎍/㎥, 최댓값은 42.2 ㎍

/㎥ 이었으며, GPS 자료를 활용한 미세먼지의 개인노출 평균 농도는 37.8±3.8 ㎍/㎥, 최솟값

은 28.6 ㎍/㎥, 최댓값은 53.0 ㎍/㎥ 이었다.

이와 같이 도시대기측정소의 미세먼지 농도의 범위보다 GPS의 시·공간적 정보를 활용한

미세먼지 개인노출의 범위가 더 넓은 것은 GPS 자료를 활용하여 미세먼지 개인노출의 고노출

군과 저노출군의 분류가 가능함을 보여준다.

본 시범연구에서는 GPS 자료와 도시대기측정소 자료를 활용하여 미세먼지 개인노출을 산출

하였다. 이 방법으로 구한 개인노출이 실제와 얼마나 근접하는지는 추후 연구에서 실시간 기

기를 이용, 개인노출을 직접 측정하는 방법을 이용하여 검증할 수 있을 것이다.

- 86 -

(2) 초미세먼지(PM2.5)

전체 측정 기간 동안 시범연구 참여자 116명의 초미세먼지 개인노출 농도 범위는 12.2 ㎍/

㎥ ~ 23.3 ㎍/㎥ 이었으며 평균 농도는 18.2±1.7 ㎍/㎥ 이었다. 아래 그림은 초미세먼지 개인

노출 농도의 분포를 보여주고 있다(Fig. 3-47 참조). 같은 기간 서울시 도시대기측정소 25곳에

서 측정한 초미세먼지 평균 농도는 18.5±9.4 ㎍/㎥ 이었다.

Fig. 3-47. 초미세먼지(PM2.5) 개인노출 농도 분포

(가) 일별 개인노출

측정 기간 동안 날짜별로 초미세먼지의 개인노출 농도가 어떻게 달라지는지 파악하기 위해

일별 개인노출 농도를 계산하였다. 일별 초미세먼지 개인노출 농도에 변이가 있음을 알 수 있

었으며, 개인노출 농도가 가장 낮은 날은 Day 5 (10월 21일)로 평균 농도가 8.2 ㎍/㎥, 가장

높은 날은 Day 3 (10월 19일)로 평균 농도는 29.4 ㎍/㎥ 이었다(Fig. 3-48). 각 연구참여자의

일별 개인노출 농도를 아래 Table 3-10에 나타내었다.

- 87 -

Fig. 3-48. 일별 초미세먼지(PM2.5) 개인노출 변이

- 88 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

측정기간

평균

1 17.0 14.0 29.0 7.0 9.0 25.3 22.4 20.0 26.0 28.5 20.7

2 18.9 11.7 17.3 13.5

3 22.0 20.0 22.3 18.3 11.7 20.8 19.7

4 14.9 18.6 10.4 15.6 20.0 15.8 16.8

5 12.1 18.7 28.2 17.0 23.0 19.0 20.3

6 12.2 12.2

7 18.0 24.3 17.6 15.8 20.8 18.3

8 5.3 9.2 17.6 26.3 25.3 18.7

9 15.3 32.3 12.5 10.6 28.5 26.0 33.5 24.3 10.1 14.0 18.5

10 35.0 22.5 25.8 19.9 14.7 15.8 19.7

11 11.6 14.6 24.7 14.1

12 16.0 40.3 11.0 7.0 12.2 27.3 22.9 22.3 31.0 18.5

13 11.6 18.1 16.0 17.0 5.5 9.5 16.3 22.6 17.7 12.4 11.3 17.0 14.3

14 13.3 18.4 30.6 38.1 22.0 23.3

15 15.5 14.8 31.1 11.0 6.2 10.5 16.5 17.0 22.2 16.2

16 13.3 22.4 40.2 15.9 8.7 9.6 17.3 12.0 13.3 25.0 15.6

17 19.6 17.1 13.5 18.4 16.4

18 33.0 22.3 26.6 18.3 13.9 23.4 21.8

19 13.0 20.0 26.1 27.0 7.3 8.3 26.7 18.8 20.3 23.0 22.8 31.3 18.2

20 12.7 19.5 24.8 14.8 7.5 10.0 19.8 20.1 18.2 14.4 18.3 17.7

21 9.0 29.9 26.0 8.9 9.6 13.5 23.1 24.2 11.9 19.4 18.4

22 14.0 31.7 36.0 9.7 14.0 24.1 21.4 21.2 19.0 25.0 21.7

23 20.3 29.4 23.6 7.5 9.1 16.8 21.0 29.2 21.1 15.5 25.8 19.6

24 12.7 23.3 30.5 10.6 7.3 8.8 18.8 24.2 20.6 15.6 12.4 24.1 15.7

25 18.6 23.5 21.9 17.9 15.6 19.8 19.6

26 11.3 18.4 24.4 26.2 20.3 15.3 28.1 20.7

27 7.8 10.8 16.5 22.5 22.6 18.4 13.7 22.5 17.9

28 16.9 27.3 20.8 7.6 10.9 16.4 20.2 22.0 16.9 13.1 27.9 17.9

Table 3-10. 일별 초미세먼지(PM2.5) 개인노출 농도 (단위: ㎍/㎥)

- 89 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

측정기간

평균

29 14.5 24.8 32.5 37.9 11.6 10.0 10.6 22.9 30.3 25.8 12.5 22.0 20.3

30 13.8 20.1 32.8 12.0 6.3 10.3 17.0 21.4 26.0 17.7 17.8 23.9 19.5

31 17.4 21.8 33.6 25.9 12.3 11.0 12.8 22.4 26.9 28.6 14.9 26.4 21.3

32 21.3 21.3 28.0 21.6 11.3 17.6 20.9

33 12.9 18.3 28.4 20.6 11.8 10.9 18.9 26.8 26.3 26.1 8.8 22.7 19.9

34 23.0 16.0 8.3 9.6 13.2 23.3 26.1 19.2 14.3 23.3 17.2

35 13.4 17.4 33.1 12.0 7.0 11.0 16.9 20.8 24.9 19.0 10.7 21.5 17.3

36 14.3 22.6 30.3 21.7 4.9 9.3 17.3 24.1 23.3 22.6 19.3

37 9.9 16.1 25.4 24.7 8.7 9.4 16.2 22.1 30.1 21.5 9.4 16.9 17.2

38 14.1 24.5 36.4 13.6 27.2 26.7 18.6 12.3 27.6 21.1

39 12.3 14.3 25.4 22.8 7.7 9.6 11.2 22.0 27.8 21.0 10.7 15.2 18.0

40 14.0 17.3 27.9 18.8 9.3 7.4 12.9 21.2 23.2 14.2 12.6 16.3 16.6

41 12.2 17.8 27.6 19.2 11.5 8.7 18.8 20.6 22.2 22.8 12.4 26.1 18.1

42 15.1 24.2 32.2 22.5 7.9 10.3 18.8 26.6 22.8 20.0 14.7 22.8 21.2

43 10.6 15.5 25.0 20.9 10.9 9.5 10.5 21.4 27.1 21.0 7.3 15.0 16.2

44 9.0 14.1 20.2 23.1 18.2 15.7 17.1 17.7

45 13.8 16.8 27.4 16.5 7.9 9.5 14.3 21.2 24.8 16.2 10.1 23.6 16.1

46 15.0 16.1 29.2 15.7 7.1 10.5 14.1 21.3 26.1 21.0 13.4 22.1 17.3

47 11.5 17.4 28.8 19.8 6.3 10.0 18.3 18.2 21.7 14.3 15.5 22.9 16.7

48 16.0 20.7 29.5 16.3 8.7 9.6 20.4 25.0 20.4 18.4 14.6 24.1 18.9

49 15.7 7.9 9.2 14.1 22.6 28.8 29.7 13.0 16.6 17.4

50 24.3 31.1 17.9 5.1 11.1 18.3 22.2 23.8 14.6 19.6 26.9 19.2

51 13.3 17.1 31.6 19.2 8.8 8.9 14.9 24.5 23.0 20.3 10.8 21.0 17.1

52 14.0 16.0 27.0 9.5 10.2 15.0 21.9 23.0 17.7 12.4 20.2 17.2

53 20.0 20.9 28.8 22.1 5.8 8.2 16.1 22.7 24.1 17.2 15.4 24.4 18.4

54 22.0 18.1 26.2 22.1 6.5 9.3 16.5 22.9 24.7 21.1 17.0 25.9 19.4

55 15.5 19.0 29.9 17.3 10.2 10.3 13.4 22.6 22.2 28.0 14.0 17.8

56 14.3 20.4 32.3 19.3 9.5 9.4 20.7 25.1 23.7 18.3 14.7 23.5 19.5

57 37.1 24.3 8.4 9.4 17.1 22.9 24.9 23.6 12.3 20.6 18.5

58 12.8 18.2 31.5 25.0 4.7 8.9 14.7 20.6 26.8 19.8 11.3 18.6

- 90 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

측정기간

평균

59 29.0 24.4 24.5 13.3 5.9 9.9 14.7 19.4 18.8 17.3 9.3 17.3 16.2

60 12.8 16.4 32.3 12.8 7.8 10.8 20.5 23.9 26.4 12.5 14.4 25.1 18.6

61 14.3 25.0 16.9 11.5 9.7 14.7 23.0 28.0 22.9 11.6 22.8 18.3

62 12.8 22.3 30.7 30.2 7.3 10.6 14.9 21.2 29.6 21.9 15.3 21.5 20.1

63 11.8 17.2 32.0 27.0 5.3 8.2 13.2 21.1 24.7 19.2 12.4 23.1 18.1

64 14.4 18.0 25.8 17.7 7.9 9.3 12.4 20.5 22.9 15.5 16.0 20.4 16.8

65 16.5 20.0 28.7 19.5 8.8 11.8 16.9 24.6 27.5 18.2 11.8 27.0 18.9

66 15.3 19.0 30.0 23.9 9.7 9.9 15.9 24.6 24.6 23.8 19.9

67 14.1 21.1 27.2 16.8 9.6 9.5 11.0 19.7 18.3 12.4 20.5 16.1

68 11.7 16.7 33.1 15.7 7.0 9.3 15.7 19.5 18.6 23.0 12.9 18.2 16.4

69 15.0 22.3 20.0 9.8 9.8 17.4 25.7 29.0 20.3 13.8 22.3 18.7

70 13.7 16.6 29.7 15.4 8.2 9.4 16.5 21.4 21.4 17.2 13.9 27.0 17.2

71 14.6 21.9 34.7 16.3 8.1 11.3 15.3 26.1 22.2 16.5 11.8 22.2 17.7

72 12.9 16.9 27.4 14.1 7.0 7.2 18.3 22.3 23.7 17.9 12.9 24.3 17.3

73 15.8 18.5 29.1 23.9 6.2 10.4 21.0 22.2 24.8 21.1 13.8 24.4 18.6

74 14.3 25.1 29.0 13.7 9.5 10.8 17.1 24.8 24.8 23.5 13.0 23.0 19.3

75 13.3 17.5 26.3 20.2 7.1 9.8 12.7 23.4 22.3 15.6 11.5 18.3 16.4

76 20.0 25.7 19.6 11.1 10.0 12.4 21.3 28.1 21.1 10.0 14.7 17.7

77 11.5 18.9 32.1 20.0 8.9 9.2 17.3 24.3 28.3 25.6 10.8 22.1 19.5

78 15.6 29.4 17.6 7.1 10.0 17.9 21.6 25.4 15.0 13.5 22.1 17.7

79 11.3 18.1 24.8 20.1 10.2 6.4 12.8 19.7 22.9 14.3 19.9 18.1 16.6

80 13.7 20.7 28.2 30.4 8.5 8.2 14.2 22.5 24.7 22.7 16.6 27.1 19.8

81 13.7 22.9 32.5 22.4 9.3 8.2 15.6 27.1 22.7 20.2 12.2 19.2 19.7

82 15.6 22.7 28.9 17.7 6.5 11.0 19.8 26.2 23.6 17.7 18.0 22.6 18.9

83 12.1 19.4 29.4 20.7 7.8 10.3 14.3 22.4 28.1 20.0 17.7 28.6 19.7

84 12.0 16.3 30.0 21.1 8.6 10.0 17.4 22.4 23.3 16.4 14.6 24.5 18.5

85 13.0 16.8 29.9 19.5 8.2 9.3 14.3 21.6 23.3 19.3 12.1 22.6 17.4

86 14.7 19.7 29.3 21.1 7.3 10.1 15.4 21.0 25.7 18.7 11.9 25.0 17.7

87 13.7 16.7 26.5 17.8 11.6 10.2 14.5 21.9 22.6 18.8 11.8 19.8 17.2

88 12.2 17.2 25.0 16.9 7.7 9.5 13.7 18.9 23.1 16.8 11.3 18.5 15.7

- 91 -

참여자

고유번호

Day1

(10/17)

Day2

(10/18)

Day3

(10/19)

Day4

(10/20)

Day5

(10/21)

Day6

(10/22)

Day7

(10/23)

Day8

(10/24)

Day9

(10/25)

Day10

(10/26)

Day11

(10/27)

Day12

(10/28)

참여자

평균

89 14.5 17.8 30.4 16.6 7.1 10.7 17.2 21.9 23.4 20.0 17.1 25.9 18.2

90 14.5 25.7 33.1 14.9 9.6 10.4 16.1 24.8 24.1 24.6 12.5 20.1 18.6

91 21.2 34.8 20.1 10.0 10.2 17.3 25.7 22.4 20.4 12.2 22.6 19.4

92 12.4 18.3 27.5 16.0 9.1 9.8 13.8 21.9 22.6 17.8 11.3 17.8 16.4

93 12.3 17.9 32.2 26.5 5.4 8.7 13.1 21.4 24.9 21.9 12.6 23.9 18.2

94 10.8 17.6 26.3 19.7 10.5 9.4 14.5 22.6 28.1 23.4 11.0 20.6 17.6

95 13.8 16.1 32.1 18.0 9.0 9.6 16.9 24.8 27.9 21.8 13.7 21.4 19.1

96 13.8 15.6 31.0 18.5 8.5 9.2 16.5 24.8 26.8 18.6 18.3 21.0 18.5

97 12.2 16.9 29.5 22.9 8.8 10.5 15.7 23.4 25.2 18.3 14.0 19.0 17.9

98 12.7 17.5 32.0 19.5 5.5 8.6 13.7 21.5 27.0 22.0 13.3 23.5 18.9

99 13.6 17.7 29.1 19.4 8.4 10.3 15.9 23.1 25.3 18.9 16.4 22.3 18.6

100 15.6 18.1 29.3 18.4 8.5 8.7 17.1 22.7 24.1 15.4 19.1 24.7 18.5

101 17.8 18.6 27.3 14.6 6.7 9.5 13.0 20.9 22.3 17.4 12.1 20.5 16.6

102 13.0 21.4 29.4 17.8 10.2 10.2 15.1 24.8 30.4 21.8 12.3 20.3 19.5

103 12.7 17.7 28.0 21.2 11.8 8.9 14.3 21.9 25.5 17.7 15.1 23.6 18.1

104 13.9 17.3 25.4 16.8 6.6 9.0 15.9 21.4 22.5 15.5 14.2 19.2 16.4

105 15.2 17.1 30.2 19.4 10.3 11.2 17.6 25.4 28.0 21.6 14.5 22.6 19.7

106 13.8 22.5 28.0 25.4 7.2 9.6 17.1 21.4 26.5 17.3 10.9 22.5 19.0

107 13.4 18.1 26.8 17.2 9.9 7.4 13.1 21.8 22.5 15.2 17.8 16.4 17.0

108 13.8 19.6 27.7 19.2 7.4 10.9 19.3 22.6 25.6 21.3 19.7 25.0 18.9

109 14.8 21.4 35.1 21.4 6.3 9.9 16.8 23.9 30.1 21.7 20.6

110 14.4 19.7 32.1 11.8 8.1 10.2 16.3 22.8 28.6 20.3 15.8 25.3 18.7

111 12.2 15.8 28.6 14.3 7.1 9.1 11.2 18.8 20.4 19.0 17.2 19.3 16.0

112 10.8 20.6 33.1 21.3 10.7 10.5 18.8 25.7 26.2 20.5 12.7 17.4 19.3

113 13.7 20.3 27.1 20.1 8.2 10.2 16.9 21.6 23.1 19.4 12.1 19.2 17.7

114 12.1 19.7 29.4 19.8 10.7 9.7 14.8 20.3 22.9 18.9 11.2 22.8 17.8

115 12.2 20.5 31.0 18.2 7.5 11.1 18.4 23.7 29.1 20.8 12.7 22.1 18.9

116 12.7 17.1 29.0 21.3 8.1 10.2 14.4 21.5 24.6 20.6 12.9 20.7 18.0

일평균

개인노출13.5 19.0 29.4 19.4 8.2 9.8 15.9 22.5 24.8 19.5 13.6 21.6 -

- 92 -

(나) 평일과 주말의 개인노출 농도

시범연구 참여자들은 약 10일간의 GPS 자료를 전송해왔고, 이 10일 중에는 주말(토요일, 일

요일)이 포함되어 있었다. 주중(평일, 월-금요일)과 주말의 시간활동패턴이 상이한 것을 고려

하여 개인노출 농도를 주중과 주말로 구분하여 살펴보았다. 초미세먼지 개인노출은 주말

23.1±2.5 ㎍/㎥, 주중 15.5±1.9 ㎍/㎥ 으로 주말이 주중보다 높은 것으로 나타났다(Fig. 3-49).

(다) 성별에 따른 개인노출

시범연구 참여자 총 116명 중 성별 정보 이용에 동의한 참여자 102명의 초미세먼지 개인노

출을 아래 그래프에 나타내었다(Fig. 3-50). 102명 중 남성은 46명(45.1%), 여성은 56명(54.9%)

이었다. 평일과 주말의 개인노출에 통계적으로 유의한 차이가 있었으므로 먼저 평일과 주말로

구분한 후 성별에 따른 개인노출을 살펴보았다. 평일의 초미세먼지 개인노출은 남성

15.3±2.0 ㎍/㎥, 여성 15.5±1.6 ㎍/㎥이었으며, 주말에는 남성 23.4±3.0 ㎍/㎥, 여성 23.2±2.0

㎍/㎥이었다. 초미세먼지에 대한 개인노출은 평일은 여성이, 주말은 남성이 높은 경향을 보였

으며 성별에 따른 유의한 차이가 없었다.

Fig. 3-49. 평일과 주말의 초미세먼지(PM2.5)

개인노출

Fig. 3-50. 성별에 따른 초미세먼지(PM2.5)

개인노출

- 93 -

(라) 연령에 따른 개인노출

총 시범연구 참여자 116명 중 연령 정보 이용에 동의한 참여자 102명의 초미세먼지 개인노

출을 아래 그래프에 나타내었다(Fig. 3-51). 102명 중 20대는 33명(32.4%), 30대는 48명(47.1%),

40대 이상은 21명(20.6%)이었다. 평일과 주말의 개인노출에 통계적으로 유의한 차이가 있었으

므로 먼저 평일과 주말로 구분한 후 연령에 따른 개인노출을 살펴보았다. 평일의 초미세먼지

개인노출은 20대 15.7±1.4 ㎍/㎥, 30대 15.3±1.9 ㎍/㎥, 40대 이상은 15.3±2.0 ㎍/㎥이었으며,

주말에는 20대 23.1±1.8 ㎍/㎥, 30대 23.0±2.5 ㎍/㎥, 40대 이상은 23.8±3.4 ㎍/㎥이었다. 초

미세먼지에 대한 개인노출은 평일과 주말에 다른 경향을 보였는데, 평일에는 20대가 가장 높

고 30대와 40대 이상은 비슷하게 나타났으며 주말에는 40대 이상의 개인노출이 가장 높고 20

대, 30대 순이었으나 통계적으로 유의한 차이는 없었다.

(마) 지역에 따른 개인노출

총 시범연구 참여자 116명 중 거주지 정보 이용에 동의한 참여자 102명의 초미세먼지 개인

노출을 아래 그래프에 나타내었다(Fig. 3-52). 102명 모두 서울시에 거주하였으며 구체적인 거

주지는 구단위로 조사되었는데, 한강을 기준으로 하여 강남권과 강북권으로 구분하였다. 102

명 중 강남권 거주자는 57명(55.9%), 강북권 거주자는 45명(44.1%)이었다. 평일과 주말의 개인

노출에 통계적으로 유의한 차이가 있었으므로 먼저 평일과 주말로 구분한 후 거주지에 따른

개인노출을 살펴보았다. 평일의 초미세먼지 개인노출은 강남권 15.8±1.6 ㎍/㎥, 강북권

14.9±1.9 ㎍/㎥이었으며, 주말에는 강남권 23.3±2.2 ㎍/㎥, 강북권 23.1±2.8 ㎍/㎥이었다. 초

미세먼지에 대한 개인노출은 강남권이 강북권보다 약간 높은 것으로 나타났으나 통계적으로

유의한 차이는 없었다.

Fig. 3-51. 연령에 따른 초미세먼지(PM2.5)

개인노출

Fig. 3-52. 지역에 따른 초미세먼지(PM2.5)

개인노출

- 94 -

(바) 개인노출과 도시대기측정소 비교

GPS 자료를 활용한 초미세먼지의 개인노출 산출법의 가지는 의미를 파악하기 위하여 측정

기간 중 가장 많은 연구참여자의 개인노출 농도가 있는 날(2014년 10월 24일, 108명)을 택하

여 서울시 25곳 도시대기측정소의 초미세먼지 농도와 개인노출 농도를 비교하였다(Fig. 3-53).

도시대기측정소의 초미세먼지 평균 농도는 18.5±1.6 ㎍/㎥, 최솟값은 16.0 ㎍/㎥, 최댓값은

22.6 ㎍/㎥ 이었으며, GPS 자료를 활용한 초미세먼지의 개인노출 평균 농도는 22.6±2.2 ㎍/㎥,

최솟값은 15.6 ㎍/㎥, 최댓값은 27.3 ㎍/㎥ 이었다.

(a) GPS 자료를 활용한 개인노출 (b) 도시대기측정소

Fig. 3-53. 개인노출과 도시대기측정소 초미세먼지(PM2.5) 농도 비교

이와 같이 도시대기측정소의 초미세먼지 농도의 범위보다 GPS의 시·공간적 정보를 활용한

초미세먼지 개인노출의 범위가 더 넓은 것은 GPS 자료를 활용하여 초미세먼지 개인노출의 고

노출군과 저노출군의 분류가 가능함을 보여준다.

본 연구에서는 GPS 자료와 도시대기측정소 자료를 활용하여 초미세먼지 개인노출을 산출하

였다. 이 방법으로 구한 개인노출이 실제와 얼마나 근접하는지는 추후 연구에서 실시간 기기

를 이용, 개인노출을 직접 측정하는 방법을 이용하여 검증할 수 있을 것이다.

- 95 -

제3절 모바일 환경에서의 환경보건서비스 활용방안 모색

본 연구진은 문헌 검색과 시범조사 수행을 토대로 모바일 환경에서의 환경보건서비스를 세

가지로 분류하고자 하였다. 시민들에게 제공해 줄 수 있는 모바일 환경보건서비스는 크게 자

료의 수집과 수집된 자료의 가공 및 분석 그리고 정보 제공으로 나누어진다. 기존의 환경보건

서비스와 다른 점은 모바일 기기를 활용하여 장소제약에서 벗어나 다양한 공간에서 측정이

가능하다는 것이고, 사용자에게 적합한 정보도 모바일 기기를 통해 실시간으로 제공할 수 있

다는 것이다. 이 때 수집된 자료는 모바일 기기 스스로 분석되어 제공할 수도 있고, 보안이

철저한 환경과학원 내의 서버에 수집 및 가공되어 시민들이 이해하기 쉽게 제공될 수 있다.

본 장에서는 모바일 환경보건서비스를 세 가지의 큰 틀로 나누어 설명하고, 이를 토대로 향후

제공 가능한 환경보건서비스를 제안하고자 한다. Fig. 3-54에 모바일 환경에서의 환경보건서

비스 개념도를 나타내었다.

Fig. 3-54. 모바일 환경에서의 환경보건서비스 개념도

1. 모바일 환경에서의 자료 수집

기존의 환경 모니터링은 장소기반으로 정해진 위치에 측정기기를 두고 측정하거나, 설정을

통해 환경을 자동측정하는 형태였다. 모바일 환경에서는 이동성이 높은 모바일 기기를 활용하

여 환경측정이 가능한데, 이것은 시민들이 하나의 센서(Citizen as Sensor) 역할을 하는 것이라

고 할 수 있다. 기존에는 한 장소에 하나의 모니터링 기기가 존재하여 그 공간을 대표하는 값

이 하나였다면, 모바일 환경에서는 여러 사람이 모두 모니터링 기기의 역할을 하므로 여러 개

의 값이 존재하게 된다. 데이터 측정을 세분화 할 경우 보다 자세한 설명이 가능하며, 데이터

의 수가 많을 경우, 많은 측정값이 그 공간을 더 명확하게 설명해 줄 수 있다. 이는 수치간의

평균, 분포, 범위 등 다양한 방법으로 설명할 수 있다. 자료 수집의 정확성을 담보하기 위해서

- 96 -

는 모바일 측정 기기의 정확성 확인 여부가 선결되어야 할 것이며 기존 기기를 통해 측정하

는 것에 비해 모바일 기기와 연동되어 측정하는 것이 어떠한 장점을 가지고 있는지를 먼저

확인하여야 할 것이다. 스마트폰에 내재되어 있는 센서의 경우, 사용자의 이용 상태(전화여부,

음악 감상 및 게임 여부) 및 스마트폰의 위치(주머니 안 또는 가방 속)에 따라 영향을 받을

수 있으므로 이를 어떻게 감지할 것인지 고민해야하고, 추가로 장착해야하는 add-on 센서도

어떤 모양으로 만들어져야 하는지에 대한 파악이 필요할 것이다. 이를 위해서는 모바일이 가

진 여러 센서의 특성을 조합하여 사용자의 컨텍스트를 파악하고 추론해야 한다.

측정이 개인의 스마트폰을 통해 이루어질 경우, 자료제공자의 일상을 방해하지 않는 범위

내에서의 정보 수집이 요구된다. 환경 모니터링 자료를 얻기 위해서는 측정에 참여하는 사람

들에게 본인정보제공여부에 관해 인지시키고, 수집 자료의 중요성에 대해 미리 이해시켜야 한

다. 특히, 개인단위의 환경노출을 평가하기 위해서는‘위치정보’제공이 필수적인데, 원하지

않는 개인정보를 뜻하지 않게 제공하는 데이터 누설(data leakage)을 주의해야 한다.

또한 자료수집의 기본이 되는 참여자 모집과 관련하여 철저한 사전조사와 관리가 필요하다.

본 시범연구에서는 크라우드 소싱의 가능성을 확인하기 위한 방법으로, 관련 학회와 홈페이지

에 포스팅을 올리고 참여를 요청하였다. 어떠한 환경요인을 측정하는지, 어떤 지역을 대상으

로 하는지에 따라 모집대상이 일부 달라질 수 있지만, 참여자들이 자발적으로 참여해야한다는

사실은 자명하다. 참여자들에게 환경모니터링의 중요성과 개개인의 참여를 통한 방법이 왜 중

요한지 자료수집활동 전에 알리고, 수집활동에 적극적으로 임하도록 다양한 방면에서 독려해

야한다. 이러한 방법으로 다른 환경모니터링도 충분히 가능하며, 다른 센서 정보를 조합한다

면 개인의 종합적 환경노출지수를 파악할 수 있게 될 것이다. 이와 관련한 세부 제안 과제는

두 가지로 설명할 수 있다.

가. 카롱이의 환경측정 기능 강화

환경부와 국립환경과학원이 개발한 ‘어린이 건강지킴이 카롱이’는 어린이 환경보건의 상

징으로, 실내공기질 측정 장비와 카나리아 캐릭터를 접목시켜 어린이 활동공간(보육시설 및

유치원)의 실내 환경을 건강하게 관리하고 환경보건 교육 및 홍보를 위한 목적으로 개발되었

다. 카롱이는 현재 150개 정도 배포되어 운영 중에 있는데, 실내 CO2농도가 실내 공기질 기준

(1,000 ppm)을 초과할 경우, 자동으로 카나리아의 울음소리를 내어 경고하도록 제작되었다. 카

롱이는 CO2측정 외에도 온습도 측정이 가능하지만, 민감한 어린이집단의 실내 오염정도를 더

욱 자세히 관찰하고자 한다면 실내공기 오염물질을 추가적으로 측정할 필요성이 있다. 현재

많은 문제가 되고 있는 미세먼지(PM10), 초미세먼지(PM2.5) 등을 카롱이를 통해 측정할 수 있도

록 기능 확대를 하고, 여러 오염물질의 조합이 어린이들의 건강에 유해한지 확인하여 어린이

활동공간의 담당자에게 다양한 제안을 해주어야 할 것이다. 여러 오염 원인에 대한 측정은 카

롱이를 통해 이루어지고, 이와 관련된 정보는 애플리케이션을 통해 담당자들에게 전달될 수

있다. 이번 시범조사에서 구축한 애플리케이션은 처음 설치의 수고로움 외에는 사용자의 일상

을 방해하지 않았다. 간단한 알고리즘을 통해 의 수행한 시범조사에서는 소음의 모니터링이

장기적으로 지속된다면 정부에서는 보다 저렴한 비용으로 비교적 빠르게 어린이 관련 여러

- 97 -

오염원의 출처를 파악할 수 있을 것이다. 향후‘카롱이’를 노인 및 환자와 같은 민감 집단이

머무는 장소에 추가적으로 배치한다면 더욱 효과적인 모니터링 서비스를 제공할 수 있을 것

이다.

나. 위치센서를 활용한 실내/실외 생활활동패턴 분석기술 개발

스마트폰의 발달은 스마트폰을 가진 개개인이 주변 환경 데이터를 수집하고 공유하여 의미

있는 정보를 만들어 낼 수 있다는 획기적인 아이디어를 가능하게 하였다. GPS 및 WPS로 파

악되는 위치 정보는 실내, 실외를 막론하고 상당히 높은 정확도로 스마트폰의 위치를 알려준

다. 이를 토대로 GPS가 WPS신호로, 혹은 WPS신호가 GPS신호로 변경되는 시각과 위치를 애

플리케이션을 통해 파악한다면, 단위 집단을 충분히 대표할 만 한 실내/실외 이동 패턴을 그

려 볼 수 있다. 개개인이 스마트폰을 소지한 채로 실내와 실외를 이동할 때, 신호가 변하는

시각과 그 때의 위치정보는 실시간으로 모니터링 될 수 있을 뿐만 아니라 자료를 이용하여

사용자들의 생활활동패턴을 생성해 낼 수 있다. 스마트폰에 내재되어 있는 분석된 스마트폰

사용자들의 생활활동패턴은 ‘국민환경보건기초조사’등의 정부 주관 법정 조사에 적용가능

하며, 참여자의 혈액 및 요 속에 있는 환경오염물질의 농도와 함께 분석한다면 환경노출에 대

해 더욱 자세한 파악이 가능하다. 기술개발을 수행할 경우, 환경 모니터링을 하는데 드는 인

력, 소요시간, 비용을 절감할 수 있으며 GPS와 대기측정망을 활용한 방법을 이용하면 효율적

으로 개인노출 농도 산출이 가능하다.

2. 모바일 환경에서 수집된 자료의 가공 및 분석

기존에 진행되어 온 환경보건 연구에서는 측정 대상 물질에 따라 다양한 장비들이 사용된

다. 대부분의 장비들은 내부에 측정된 데이터를 저장할 수 있는 저장 공간이 마련되어 있어,

연구자들이 측정을 마치고 장비 내부 저장장치에 저장된 데이터를 PC 등과 유선으로 연결하

여 수동으로 전송하는 과정이 필요하였다. 그러나 최근 들어 스마트폰 등을 활용한 연구들이

소개되면서, 측정되는 데이터를 연구진의 서버에 실시간으로 전송할 수 있는 무선 네트워크

시스템에 대한 관심이 증대되고 있다. 자료의 가공 및 분석 작업을 수행하기 위해서는 먼저,

측정되어 제공하는 정보를 개인의 모바일 기기에서만 이루어지게 할 것인지, 또는 하나의 서

버로 정보 수합을 하고 가공을 통해 개인에게 전달할 것인지에 대해 고민해야 한다. 개인의

모바일 기기에서 바로 측정을 통해 환경모니터링의 값이 입력되고 그것이 이해하기 쉽게 알

려준다면 그 때에는 자료를 의미 있는 정보로 변환하는 간단한 수식이 필요할 것이다. 이때에

는 측정 정보가 서버 중앙으로 전송되는 과정을 거치지 않아도 가능하다. 그러나 그 경우에는

나의 위치 정보를 바탕으로 한 환경모니터링 정보만 얻을 수 있을 뿐, 다른 공간에서의 정보

는 얻을 수 없다는 단점이 있다. 만약 모든 자료를 수합하여 대중들에게 의미 있는 정보를 제

공해주고자 한다면 측정값을 효과적으로 저장하고 제공할 네트워크 구축이 우선이다. 수집되

는 모든 자료는 일종의 개인정보이므로, 암호화를 통한 전송과 자료 관리에 각별한 주의가 필

- 98 -

요하다. 수치로 측정된 값들은 기존의 연구를 통해 증명된 건강 영향이나 건강 행동 제안과

같은 의미 있는 형태로 변환되어야 한다. 측정된 값은 단일 형태로 분석될 수 있고, 기존에

공개된 공공데이터나 여러 측정값을 활용한다면 통합된 하나의 건강영향지수로 사용자에게

전달 할 수 있다.

가. 환경 모니터링 플랫폼 구축

기존에는 수동으로 측정데이터를 옮기던 것에서 벗어나 모바일 자체에서 다양한 센서데이

터를 수집하여 환경 모니터링이 가능하게 해주는 서비스를 의미한다. 이러한 플랫폼이 구축되

면 사람들이 실시간데이터를 측정하여 웹을 통해 서버로 보내고, 서버에서 데이터 관리 페이

지나 실시간 변화 그래프, 관련 정보를 사람들에게 제공할 수 있게 된다. 만약, 유행성이나 급

성 질환이 나타나는 경우, 사람들은 무선랜이나 USB, Bluetooth 등을 통해서 빠르게 데이터

전달을 할 수 있고, 관리자들은 데이터 이상 유무를 통해 실시간 분석 및 확산 여부를 감지할

수 있다. 어린이와 같은 민감집단의 경우에는 어린이집의 원장님이나 부모들이 애플리케이션

을 실행함으로써 다양한 정보를 확인할 수 있고, 위급한 경우 알람 등의 서비스도 가능할 수

있다. 플랫폼 구축을 견고히 하기 위해서는 기기에 따른 편차, 수치의 정확성, 배터리 이슈 등

을 먼저 고려해야 한다.

개인노출 농도를 구하는 가장 정확한 방법은 연구 대상자가 직접 이동식 측정기기를 가지

고 다니면서 측정하는 방법이다. 이 방법은 높은 정확성을 가진다는 장점이 있는 반면 활용

가능한 장비가 요구되며 많은 시간이 소요되며 연구 대상자가 직접 측정기기를 다루어야 하

는 등의 부담이 큰 단점이 있다. 따라서 비교적 정확도가 높으면서 기존 자료를 활용하여 개

인노출 농도를 추정할 수 있는 방법의 개발이 요구된다. 만약 기존에 정부3.01)과 같이 오픈된

정보(예- 국립환경공단의 대기 정보(www.airkorea.or.kr) 및 실시간 교통정보)와 본인의 현재

위치정보를 결합하여 새로운 정보를 생성할 수 있다면 비용 절감이 가능하고 효과적인 서비

스 제공이 가능할 것이다.

나. GPS와 대기측정망을 활용한 개인노출 농도 산출

대중의 일상에는 늘 스마트폰이 존재하고, 스마트폰에는 위치정보(Global Positioning

System, GPS)를 파악할 수 있는 센서가 탑재되어 있다. 위치정보를 통해서 그 주변의 컨텍스

트를 파악할 수 있기 때문에, 참여자에게 환경노출에 대한 정보를 제공해 줄 수 있다. 정보제

공은 해당 애플리케이션을 통해 가능할 수 있고 사용에 익숙하지 않은 고령자들에게는 문자

등을 통해 제공할 수 있다. 장소 정보와 그 주변의 환경정보가 결합되면 향후 축적된 대기오

염 노출정보를 분석하여 장·단기적인 대기오염 개선 프로그램을 마련하는데 활용될 수 있을

것으로 기대된다. 연구는 직접 측정을 통해 개인노출 농도를 구하는 방법(측정기기와 GPS를

1) 정부는 ‘정부 3.0’에 의해 민간에 공개되는 공공데이터(빅데이터)를 ‘공공데이터의 제공 및 이용 활성화에 관한 기본계획(2013년 ~ 2017년)’에 따라 2016년까지 공공데이터의 60%를 개방하고 추후 더 많은 양을 공개하여 2020년까지 정부 3.0의 내재화를 목표로 함

- 99 -

가지고 다니면서 연속으로 개인노출반복측정)과 대기측정소 자료와 모바일의 GPS자료를 통해

개인농도를 산출하는 방법, 두 가지로 진행되며 결과값을 통계적으로 비교하여 개인노출 측정

의 대안으로 후자의 방법을 사용할 수 있는지 확인할 수 있다. 대안으로서 가능성이 보인다면

비용절감의 효율적인 개인농도산출이 가능하고, 궁극적으로는 스스로 개인노출농도를 알 수

있어 국민건강증진에 큰 도움이 될 수 있다.

다. ICT 기술(CCTV)을 활용한 어린이 활동패턴과 환경유해인자 연관성 평가

2013년, 한국 공공기관에 설치된 CCTV 대수는 총 565,723개로 굉장히 많은 수의 CCTV가

설치되어 운영되고 있다. 또한 어떤 장소에 설치된 CCTV외에도 오래된 휴대폰이 훌륭한

CCTV의 역할을 수행할 수도 있다. 국내외 연구에 따르면 CCTV 자료를 분석하여 사람들의

행동 패턴을 분석한 연구들이 진행되어 오고 있다(Mazerolle et al., 2002; 정유진, 2014). 대부

분의 연구는 CCTV를 통해 사람들의 행동변화를 확인하거나 정상과는 다른 이상행동을 분석

하기 위한 목적으로 수행되었다. 본인의 행동이나 환경에 대해 정확히 기억하고 논리적으로

설명하기 어려운 어린이 등의 민감집단은 CCTV의 활용이 큰 도움이 될 수 있을 것이다. 특

히, 주요활동공간인 학교, 어린이집, 놀이터 등의 대부분이 이미 설치되어 운영하고 있으므로

설치에 드는 추가적인 비용 없이 어린이들의 활동패턴을 분석하여 호흡기질환과의 연관성 파

악 등 유용하게 활용할 수 있을 것으로 기대된다. 호흡성 질환은 어린이들의 건강을 저해하는

주요한 요소 중 하나로, 여러 가지 호흡성 질환 중에서 특히 급성 호흡감염증(Acute

Respiratory Infections, ARI)은 5세 미만의 유아 사망 원인의 1/3을 차지한다. 이러한 호흡성

질환의 감염 요소 중에는 영양 결핍, 인구 과밀, 위생 불량 등의 요소와 더불어 저하된 실내

공기질도 상당한 비중을 차지하고 있음을 알 수 있다. 환경에 취약한 노인집단의 경우, CCTV

분석을 통해 낙상과 같은 활동 알고리즘을 개발하여 낙상 가능성이 높은 지역이나 집단에게

낙상 예방을 위한 경고를 줄 수 있다.

CCTV와 관련된 모바일 서비스는 2010년 행정안전부가 설명한 모바일 전자정부[M-Gov] 정

책방향에서 언급된바 있다. 행정안전부는 CCTV를 이용한 모바일 서비스의 주요 목적을 사회

안전과 커버리지 확대로 두고 치안 사각지대에도 설치하여 치안을 살피고자 하였다. 세부 목

적으로는 쓰레기 감시 및 버스정류장, 공원, 해안가와 같은 곳의 모니터링도 포함되어 있었다.

정부기관끼리 기 설치된 CCTV를 부처별로 공유해서 쓰고, 문화관광부의 mini공감과 같은 애

플리케이션의 기능을 확대하면 비용절감효과를 볼 수 있을 것이다.

3. 모바일 기기를 통한 의미 있는 환경보건서비스 제공

지금은 정보의 생산과잉(over production) 시대로 사용자가 원하기만 하면 알고자 하는 정보

를 인터넷을 통하여 얻을 수 있다. 그러나 수많은 정보 모두가 사용자에게 모두 도움이 되는

지는 확인할 수 없다. 모바일 기기를 통해 수집, 다른 정보와 결합된 데이터는 의미 있는 정

보로 만들어져야하고, 전달받는 사람이 이해하기 쉽게 구성되어야 한다. 예를 들어 대기질 및

소음의 크기를 어떤 구체화된 기준이 아니라 수치로 제공한다면 비전문가인 대중들은 데이터

- 100 -

를 의미있는 정보로 전환하지 못한다. 그러므로 사용자가 본인의 물리적인 주변 환경에 대해

보다 쉽게 이해할 수 있도록 구성하려는 노력이 필요하다. 예를 들어 동일한 정보에 대해 여

러 가지 버전으로 설명을 제공하여 사용자가 본인이 이해하기에 적합한 것을 고를 수 있다.

만약 정보제공자의 인구특성을 파악할 수 있는 경우에는 개인정보의 조합을 통해 맞춤형 환

경보건서비스를 제공해 줄 수 있다. 환자 및 노인과 같은 민감 집단에게는 꼭 필요한 서비스

로, 이 정보는 개인정보를 제공한 개인에게만 주어야 하며, 개인자료를 통합한 집단자료의 경

우, 개별로 분석이 불가능한 데이터로 변환되어 서비스가 제공되어야 한다(Fig. 3-55).

Fig. 3-55. 개인단위 환경보건서비스 제공

가. 민감집단에 관련 정보 제공

시간활동패턴은 환경오염의 노출을 결정하는 중요한 요인으로, 각 미세환경에 머무르는 시

간에 따라 개인노출의 차이가 현저하게 다를 수 있다(국립환경과학원, 2011). 대부분의 사람들

은 실외보다 실내에 머무르는 경우가 많고, 집과 같이 고정적인 위치는 동일한 노출이 계속될

수 있어 지속적인 모니터링이 필요하다. 특히 건강에 취약한 어린이, 산모 및 영유아, 노령 인

구 등의 민감집단은 주로 어린이집, 병원, 경로당과 같이 사람들이 모여 있는 실내 활동공간

에서 많은 시간을 보내는데, 머무는 장소의 환경요소들을 모니터링 한다면 전염이나 오염 확

산 경로를 추적하기에 이로울 수 있다. 정보를 제공해 줄 때에는 모니터링 값이 아닌, 창문을

열거나, 온풍기의 전원을 끄는 행동과 같이 바로 실행할 수 있는 제언을 해 주어야 한다.

- 101 -

Ⅳ. 결 론

연구목적의 달성을 위해 환경보건서비스에 대한 모바일 관련 연구동향 분석, 시범연구 수

행, 모바일 환경에서의 환경보건서비스 활용방안 모색 결과를 바탕으로 내린 결론은 다음과

같다.

❍ 환경보건서비스에 대한 모바일 관련 연구동향 분석

최근 스마트폰 빠른 발전과 보급을 바탕으로 일반 시민들이 각종 환경보건 연구에 직접 참

여할 수 있도록 하는 도구로 자리매김하고 있다. 스마트폰의 발전은 환경 측정에서의 새로운

패러다임을 불러 일으켰으며, 일반 시민들을 연구에 참여하도록 하는 대단위 측정 개념인

“crowd-sourcing”, “Participatory sensing”, “Citizen science”등의 방법과 함께 환경보건

연구에 큰 변화를 불러오고 있다. 스마트폰 내부에 내장된 GPS/WPS, 카메라, 마이크로폰, 가

속도계, 자이로스코프 등의 센서들은 사용자 위치기반에서 대기 및 실내공기질 측정, 소음 모

니터링 등의 각종 환경보건 연구에서 유용하게 쓰일 수 있을 것으로 기대되며 이를 통해 더

욱 효율적인 연구 방법으로 정착되어 추후 환경보건 서비스 제공에 큰 역할을 할 수 있을 것

으로 기대된다.

❍ 시범 연구 수행

본 연구에서는 모바일 환경보건서비스 시범연구의 도구가 될 애플리케이션을 개발을 먼저

시작하였다. 개발한 애플리케이션과 기존에 개발되어 있는 애플리케이션 7가지를 이용하여 소

음 정확도를 검증한 결과, 기존에 개발되어 있는 일부 애플리케이션에서 측정된 소음값이 큰

차이를 보이는 것에 반해 본 연구에서 개발한 애플리케이션은 정밀 지시소음계와의 차이가

거의 없고 측정값 또한 일정하게 나타나 측정된 소음값을 신뢰할 수 있는 것으로 결론지었다.

시범조사에 참여할 사람들은 2가지 방법으로 모집하였다. 첫 번째는 모바일리서치업체를 통

해 참여자를 모집하는 것이었고, 두 번째는 크라우드 소싱의 가능성을 확인하고자 불특정 다

수의 시민들에게 연구에 대해 홍보하고 참여시키는 방법이었다. 홍보는 지속적으로 진행하였

는데 실제 참여한 사람은 드물었다. 해당 연구와 관련이 있는 기관 및 단체에서의 저조한 참

여 결과는 홍보 기간이나 방법을 개선해야 함을 알려주었고, 향후 시민들이 자율적으로 환경

모니터링에 참여하기 위해서는 홍보 단계에서부터 많은 고려가 필요함을 보여주었다.

본 시범조사의 주된 연구 진행은 애플리케이션을 통해 이루어지는 것으로, 리서치업체를 통

한 연구 참여자에게는 직접 다운로드 링크를, 불특정 다수에게는 구글 플레이스토어의 다운로

드 링크를 제공하였다. 참여자들이 애플리케이션을 설치, 개인정보 수집(위치정보 및 소음정

보)에 대한 동의여부에 클릭을 하면 그 시간부터 연구종료시점까지 매15분마다 센서의 정보

가 애플리케이션 상에 기록된다. 시범조사의 시작은 애플리케이션 설치 기간 동안 참여자가

편한 시간에 할 수 있지만, 조사의 종료는 일괄적으로 10월 28일 자정으로 하였고, 자료에 대

한 전송은 당일 14시 30분으로 일괄 설정하였다. 기계 상의 오류가 나타난 경우, 메일 계정을

- 102 -

통해 파일을 받았다.

참여자들이 연구에 참여하면서 제일 불편해 했던 사항은 2가지로 배터리소모와 개인정보문

제였다. 애플리케이션을 제작하면서 배터리 소모 여부를 확인한 결과, 배터리 소모는 극히 미

미하였지만, 참여자들이 연구에 참여하는 10일 동안 느끼는 심리적 부담은 굉장히 컸다. 또한

참여자가 스스로가 제공하는 위치정보와 소음정보는 개인정보이기 때문에 기타의 인적 정보

가 포함되어 있지 않아도 불편하다는 응답도 있었다. 향후 연구에는 애플리케이션을 다운로드

한 후부터의 소요시간이나, 연구종료시점에 대한 카운트 다운과 같은 정보를 제공해주면 참여

자들의 궁금증을 다소 해결해 줄 수 있을 것으로 생각된다.

❍ 소음지도 작성

스마트폰에 내재되어 있는 소리센서를 이용하여 주중/주말별, 시간별, 사회인구학적 특성별

소음 노출 차이를 확인하고, 이를 지도에 그려 시각화하였다. 통계적으로 유의한 차이는 없었

지만 남녀별 연령별 차이는 존재하였다. 평일과 주말로 구분한 결과, 오전시간에는 평일보다

주말의 소음정도가 낮았다. 실내 및 실외의 소음값을 지도에 표시한 결과, 지도상의 큰 변화

는 확인할 수 없었으나 향후 소음원과 추가로 분석할 수 있다면 실내 대기오염을 파악하는데

에 굉장히 유용할 것으로 보인다. 서울시의 시간대별 소음지도를 그린 결과 사람들의 활동이

시작되는 오전7시부터 소음이 증가하였고, 통학,통근 등 일상활동이 마무리되는 6시부터 소음

정도가 낮아지는 것을 확인할 수 있었다. 측정기계와 본 연구에서 사용한 애플리케이션 비교

한 결과 정확성은 비교적 높은 것으로 나타났는데, 모바일 센서를 이용한다면 구별로 측정되

는 자동측정망 기반의 소음 값보다 세밀하게 환경노출지도를 구현할 수 있을 것이다. 이러한

결과를 기반으로 환경노출지도의 가능성을 확인할 수 있었다.

❍ GPS 정보를 활용한 입자상물질의 개인노출 농도

본 연구에서는 GPS 자료와 도시대기측정소 자료를 활용하여 미세먼지와 초미세먼지에 대한

개인노출을 산출하였다. 미세먼지의 개인노출 농도는 35.3±3.5 ㎍/㎥, 초미세먼지 개인노출

농도는 18.2±1.7 ㎍/㎥ 이었다. 도시대기측정소의 미세먼지 농도의 범위보다 GPS의 시·공간

적 정보를 활용한 미세먼지 개인노출의 범위가 더 넓은 것은 GPS 자료를 활용하여 입자상물

질 개인노출의 고노출군과 저노출군의 분류가 가능함을 보여준다.

이번 연구에서는 미세먼지 개인노출을 직접 측정하지 못한 (기술적인)제한점으로 개인 위치

와 인접한 곳의 대기측정값을 직접 활용하는데 한계가 있다. 향후 개인 노출의 직접적인 측정

과 모바일자료의 활용에 대한 평가를 통해 모바일의 미세먼지 노출 평가에 활용 가능성을 타

진해 볼 추가 연구가 필요하다. 또 궁극적으로 모바일에 연동하여 미세먼지나 다른 노염물질

을 측정할 수 있는 장치의 개발이 해결책으로 필요하다.

❍ 모바일 환경에서의 환경보건서비스 활용방안 모색

- 103 -

모바일 환경에서의 환경보건서비스는 모바일을 통하여 시민이 원하는 환경보건서비스 창출

및 제공을 목적으로 한다. 환경문제 파악과 해결을 위해서는 모니터링 자료의 수집, 수집한

자료의 가공 및 분석, 적합한 환경보건서비스 제공이 유기적으로 이루어져야 한다. 본 연구에

서는 이 세 단계별로 향후 활용방안을 모색하였다. 현재 어린이 환경보건의 상징으로 어린이

활동공간에 설치된 카롱이의 환경측정기능강화 및 모바일 위치센서를 활용한 실내/실내 활동

패턴 분석 기술개발은 그 첫 번째 예로, 기존에 진행하고 있는 기기에 기능을 더하는 것이다.

그 경우 큰 초기비용 없이 정부 주관 법정 조사 등의 보완자료로도 활용가능하다. 이렇게 수

집된 자료를 바탕으로 수집하고 분석하는 작업이 후행되어야 할 것이다. 자료는 방대하게 모

아지는데 이를 적절하게 처리하지 못한다면 서비스 제공이 어려울 수 있다. 관리자들은 대규

모 데이터를 구축할 수 있는 플랫폼을 구축한 후, 의미있는 데이터로 변환하여야 한다. 모바

일 위치정보와 대기측정망을 활용한 개인환경노출 농도를 산출할 수 있고, 공공기관의 CCTV

를 활용하여 어린이의 활동패턴과 환경유해인자와의 연관성을 평가하는 것도 건강에 유용한

정보를 제공할 수 있다. 이러한 정보제공은 확산된 모바일기기를 통해 사람들에게 제공하게

될 것으로, 이때에는 개인에 따라 관련 정보를 맞춤화하여 보내줄 수 있다. 이때에는 개인이

제공한 개인정보는 타인이 확인할 수 없도록 구성해야 할 것이다.

- 104 -

- 105 -

Ⅴ. 기대성과

¡ 본 연구는 국내/외 모바일 환경모니터링 서비스 현황을 파악한 기초자료로 향후 모바일

을 통한 환경보건서비스의 접근 방법을 제시하였다.

¡ 본 연구에서 수행된 시범연구는 향후 crowd-sourcing을 통한 데이터 수집에서 관리자들

이 고려해야 할 사항들을 알려주었다.

¡ 본 연구결과는 모바일 디바이스가 하나의 자료수집원이 될 수 있다는 것을 보여주며, 인

구특성별로 환경에 노출되는 정도가 다를 수 있음을 보여준다.

¡ 본 연구의 방법론은 향후 다른 환경오염물질의 모니터링에 적용할 수 있고, 모바일을 통

해 자료를 수집하거나 관리하기 위한 애플리케이션을 구성하고 시험함으로써 초기 개발

비용을 획기적으로 낮출 수 있는 프로세스를 구축하였다.

- 106 -

- 107 -

Ⅵ. 참고문헌

국립환경과학원, 2013, 환경보건 100+ 서비스 기획 연구

행정안전부, 2010, 모바일[Mobile] 확산에 따른 전자정부[M-Gov] 정책방향

환경부, 2013, 소음·진동 공정시험기준.

환경부, 2014, 대기오염공정시험기준

환경부, 2014, 환경정책기본법

Abbey, D. E., Ostro, B. E., Petersen, F., & Burchette, R. J. (1994). Chronic respiratory

symptoms associated with estimated long-term ambient concentrations of fine particulates

less than 2.5 microns in aerodynamic diameter (PM2.5) and other air pollutants. Journal of

Exposure Analysis and Environmental Epidemiology, 5(2), 137-159.

Babisch, W., Beule, B., Schust, M., Kersten, N., & Ising, H. (2005). Traffic noise and risk of

myocardial infarction. Epidemiology, 16(1), 33-40.

Bessis, N., Asimakopoulou, E., French, T., Norrington, P., & Xhafa, F. (2010). The big

picture, from grids and clouds to crowds: a data collective computational intelligence case

proposal for managing disasters. In P2P, Parallel, Grid, Cloud and Internet Computing

(3PGCIC), 2010 International Conference on (pp. 351-356). IEEE.

Brabham, Daren C. "crowd-sourcing as a model for problem solving an introduction and

cases." Convergence: the international journal of research into new media technologies 14.1

(2008): 75-90.

Burke, J. A., Estrin, D., Hansen, M., Parker, A., Ramanathan, N., Reddy, S., & Srivastava, M.

B. (2006). Participatory sensing. Center for Embedded Network Sensing.

Campbell, A. T., Eisenman, S. B., Lane, N. D., Miluzzo, E., & Peterson, R. A. (2006).

People-centric urban sensing. In Proceedings of the 2nd annual international workshop on

Wireless internet (p. 18). ACM.

Centers for Disease Control and Prevention(CDC, Atlanta, USA). The Public Health System

and the 10 Essential Public Health Services. Available:

- 108 -

http://www.cdc.gov/nphpsp/essentialservices.html [updated 29 May 2014]

Chen, X., Santos-Neto, E., & Ripeanu, M. (2013). Crowd-Based smart parking: a case study

for mobile crowd-sourcing. In Mobile Wireless Middleware, Operating Systems, and

Applications (pp. 16-30). Springer Berlin Heidelberg.

de Nazelle, A., Seto, E., Donaire-Gonzalez, D., Mendez, M., Matamala, J., Nieuwenhuijsen, M.

J., & Jerrett, M. (2013). Improving estimates of air pollution exposure through ubiquitous

sensing technologies. Environmental Pollution, 176, 92-99.

Dockery, D. W., Speizer, F. E., Stram, D. O., Ware, J. H., Spengler, J. D., & Ferris Jr, B. G.

(1989). Effects of inhalable particles on respiratory health of children. American Review of

Respiratory Disease, 139(3), 587-594.

Environmental Protection Agency(EPA, USA). Noise pollution. Available:

http://www.epa.gov/air/noise.html [updated 5 August 2009]

Ernst, A., & Zibrak, J. D. (1998). Carbon monoxide poisoning. New England journal of

medicine, 339(22), 1603-1608.

Estellés-Arolas, E., & González-Ladrón-de-Guevara, F. (2012). Towards an integrated

crowd-sourcing definition. Journal of Information science, 38(2), 189-200.

Faggiani, A., Gregori, E., Lenzini, L., Mainardi, S., & Vecchio, A. (2012). On the feasibility of

measuring the internet through smartphone-based crowd-sourcing. In Modeling and

Optimization in Mobile, Ad Hoc and Wireless Networks (WiOpt), 2012 10th International

Symposium on (pp. 318-323). IEEE.

Howe, J. (2006). The rise of crowd-sourcing. Wired magazine, 14(6), 1-4.

Howe, J. (2008). crowd-sourcing: How the power of the crowd is driving the future of

business. Random House.

Huck, J., Whyatt, D., Coulton, P., & Gradinar, A. (2014). Mapping traffic pollution exposure:

the quantified self.

Kampa, M., & Castanas, E. (2008). Human health effects of air pollution. Environmental

pollution, 151(2), 362-367.

- 109 -

Kanhere, S. S. (2011). Participatory sensing: crowd-sourcing data from mobile smartphones in

urban spaces. In Mobile Data Management (MDM), 2011 12th IEEE International Conference

on (Vol. 2, pp. 3-6). IEEE.

Konomi, S. I., Sasao, T., Ohno, W., & Shoji, K. (2013). Crowd-Powered Mechanisms for

Viewing and Imagining Public Spaces. In The 2013 International Conference on Computer

Graphics, Visualization, Computer Vision, and Game Technology. Atlantis Press.

Krupnick, A. J., Harrington, W., & Ostro, B. (1990). Ambient ozone and acute health effects:

evidence from daily data. Journal of Environmental Economics and Management, 18(1), 1-18.

Lakhani, K. R., & Panetta, J. A. (2007). The principles of distributed innovation. innovations,

2(3), 97-112.

Lakhani, K. R., Jeppesen, L. B., Lohse, P. A., & Panetta, J. A. (2007). The value of openess

in scientific problem solving. Division of Research, Harvard Business School.

Maisonneuve, N., Stevens, M., Niessen, M. E., Hanappe, P., & Steels, L. (2009). Citizen noise

pollution monitoring. In Proceedings of the 10th Annual International Conference on Digital

Government Research: Social Networks: Making Connections between Citizens, Data and

Government (pp. 96-103). Digital Government Society of North America.

Maisonneuve, N., Stevens, M., & Ochab, B. (2010). Participatory noise pollution monitoring

using mobile phones. Information Polity, 15(1), 51-71.

Overeem, A., R Robinson, J. C., Leijnse, H., Steeneveld, G. J., P Horn, B. K., & Uijlenhoet,

R. (2013). crowd-sourcing urban air temperatures from smartphone battery temperatures.

Geophysical Research Letters, 40(15), 4081-4085.

Passchier-Vermeer, W., & Passchier, W. F. (2000). Noise exposure and public health.

Environmental health perspectives, 108(Suppl 1), 123.

Paulos, E., Honicky, R. J., & Goodman, E. (2007). Sensing atmosphere. Human-Computer

Interaction Institute, 203.

Paulos, E., Honicky, R. J., & Hooker, B. (2008). Citizen science: Enabling participatory

urbanism. Handbook of Research on Urban Informatics, 414-436.

- 110 -

Poduri, S., Nimkar, A., & Sukhatme, G. S. (2010). Visibility monitoring using mobile phones.

Annual Report: Center for Embedded Networked Sensing, 125-127.

Pope III, C. A., & Dockery, D. W. (1992). Acute health effects of PM10 pollution on

symptomatic and asymptomatic children. American Review of Respiratory Disease, 145(5),

1123-1128.

Putnam, R. D. (1995). Bowling alone: America's declining social capital. Jouenal of

Democeacy, 6, 68.

Rana, R., Chou, C. T., Bulusu, N., Kanhere, S., & Hu, W. (2014). Ear-Phone: A

context-aware noise mapping using smart phones. Pervasive and Mobile Computing.

Rietjens, J., Snik, F., Keller, C. U., Heinsbroek, R., van Harten, G., Heikamp, S., ... &

Bettonvil, F. (2013). Crowdsourced aerosol measurements using smartphone

spectropolarimeters. In AGU Fall Meeting Abstracts (Vol. 1, p. 0122).

Roopa, T., Iyer, A. N., & Rangaswamy, S. (2013). CroTIS-crowd-sourcing Based Traffic

Information System. In Big Data (BigData Congress), 2013 IEEE International Congress on (pp.

271-277). IEEE.

Sørensen, M., Hvidberg, M., Andersen, Z. J., Nordsborg, R. B., Lillelund, K. G., Jakobsen, J.,

& Raaschou-Nielsen, O. (2011). Road traffic noise and stroke: a prospective cohort study.

European heart journal, 32(6), 737-744.

Stevens, M., & D’Hondt, E. (2010). crowd-sourcing of pollution data using smartphones. In

Workshop on Ubiquitous crowd-sourcing.

Van Herzele, A. (2004). Local Knowledge in Action Valuing Nonprofessional Reasoning in the

Planning Process. Journal of Planning Education and Research, 24(2), 197-212.

Ware, J. H., Ferris Jr, B. G., Dockery, D. W., Spengler, J. D., Stram, D. O., & Speizer, F. E.

(1986). Effects of ambient sulfur oxides and suspended particles on respiratory health of

preadolescent children. The American review of respiratory disease, 133(5), 834-842.

World Health Organization(WHO). Air pollution. Available:

http://www.who.int/topics/air_pollution/en/

- 111 -

Yang, D., Xue, G., Fang, X., & Tang, J. (2012). crowd-sourcing to smartphones: incentive

mechanism design for mobile phone sensing. In Proceedings of the 18th annual international

conference on Mobile computing and networking (pp. 173-184). ACM.

- 112 -

주 의

1. 이 보고서는 국립환경과학원에서 시행한 연구용역과제 결과보고서

입니다.

2. 이 보고서 내용을 발표할 때에는 반드시 국립환경과학원에서

시행한 연구용역과제의 연구결과임을 밝혀야 합니다.

3. 국가과학기술 기밀유지에 필요한 내용은 대외적으로 발표 또는 공개

하여서는 아니 됩니다.

4. 이 보고서와 관련된 문의사항은 주관부서인 국립환경과학원 환경

보건연구과 (전화 032-560-7104)로 하시면 됩니다.