실시간 대구 공기오염 예측을 위한 시공간 빅데이터 기반 CNN LSTM 하이브리드 모델

초록

본 논문은 대구시 택시에 탑재된 센서를 통해 1초 간격으로 수집된 대규모 시공간 공기오염 데이터를 활용한다. 공간적 분포를 회색조 이미지 형태로 변환한 뒤 CNN으로 실시간 오염 등급을 분류하고, 시간적 흐름은 LSTM으로 예측한다. 날씨 등 외부 요인은 별도 신경망으로 모델링하여 LSTM 출력과 가중합(α)으로 결합한 하이브리드 구조를 제안한다. 실험 결과 CNN은 74% 정확도를 보였으며, α값을 조정한 하이브리드 모델이 단일 RNN·LSTM보다 낮은 평균 절대 오차(RMAE)를 기록했다.

상세 분석

이 연구는 기존의 시간당 수집되는 관측소 데이터와 달리, 이동형 택시 센서를 이용해 1초 간격으로 33백만 건 이상의 레코드를 확보한 점이 가장 큰 강점이다. 데이터 전처리 단계에서 Spark 기반 분산 처리 파이프라인을 구축해 대용량 데이터를 효율적으로 집계하고, 32×32 격자 형태의 공간 이미지로 변환한 것은 CNN 적용을 위한 합리적인 설계라 할 수 있다. CNN 아키텍처는 두 개의 Conv‑Pool 블록에 이어 완전 연결층과 Softmax를 두어 4가지 등급(좋음, 보통, 나쁨, 위험)으로 분류하도록 구성했으며, 100 epoch, 배치 64, Adam 옵티마이저를 사용해 74%의 테스트 정확도를 달성했다. 이는 동일한 시공간 해상도의 데이터가 없으므로 직접적인 베이스라인 비교는 어려우나, 1시간 단위로 집계해 적용했을 때도 유의미한 성능을 보여준다.

시간적 예측 부분에서는 LSTM을 선택해 시계열 특성을 포착하고, 날씨 변수(온도, 습도, 강수량, 풍속·풍향 등)를 별도 전결합 신경망(NN)으로 학습시킨 뒤, 가중 파라미터 α로 두 출력을 선형 결합한다. α를 01 사이에서 변화시켜 RNN·LSTM 단독 모델과 비교했을 때, α가 0.50.9 구간에서 가장 낮은 RMAE(≈4.2)를 기록, 특히 LSTM+NN 조합이 RNN+NN보다 일관되게 우수함을 확인했다. 이는 LSTM이 장기 의존성을 더 잘 학습한다는 기존 연구와 일치한다.

하지만 몇 가지 한계점도 존재한다. 첫째, 공간 CNN이 단순히 등급 분류에 머물러 정량적 농도 예측을 제공하지 않는다. 둘째, α값을 고정된 스칼라로 두어 상황에 따라 동적으로 조정되지 않아, 날씨 영향이 급변할 경우 모델 적응성이 떨어질 수 있다. 셋째, 데이터 라벨링이 PM2.5 기준 임계값에 기반한 등급 구분인데, 실제 건강 영향 평가에 필요한 연속형 목표 변수로의 전환이 필요하다. 마지막으로, 실험에 사용된 테스트 기간이 1개월에 불과해 계절적 변동성을 충분히 검증하지 못했다. 향후 연구에서는 멀티스텝 예측, 동적 α 학습, 그리고 다른 도시·국가 데이터와의 교차 검증을 통해 모델의 일반화 능력을 강화할 여지가 있다.