earticle

영어

The air environment problem is directly related to the lives of the people, and the people are concerned about fine dust. Since automobile emissions account for the largest proportion of particulate matter pollutants, the government is trying to improve the air environment by implementing a rating system for automobile emissions. However, regular vehicle inspections and crackdowns at illegal and insolvent inspection centers are difficult to prevent in advance, and there are limitations in that measures are taken after inspections and crackdowns. This study proposes a plan that enables preemptive policy implementation by using intelligent information technology to predict in advance without inspecting and cracking down on all targets. In addition, real-time policy execution is possible through immediate identification of abnormal symptoms. Using deep learning, it is possible to classify similar things through pattern recognition even for unclassified features, allowing for advance prediction. Detailed data models and algorithms for policy implementation need additional research. Through future research, we plan to test and analyze the results by creating a predictive model using actual vehicle inspection results and information on insolvent and illegal inspection sites.

한국어

대기환경 문제는 국민의 생활에 직접 관련이 있고, 국민들은 미세먼지와 관련하여 많은 우려를 하고 있다. 미세먼지 오염원 중에 가장 큰 비중을 차지하는 것이 자동차 배출가스이기 때문에, 정부에 서는 자동차 배출가스 등급제를 시행하여 대기환경을 개선하고자 노력하고 있다. 하지만, 자동차 정기 검사와 불법 및 부실검사소 단속은 사전예방이 어렵고 검사 및 단속 이후에 조치가 되는 한계점이 있 다. 본 연구에서는 지능정보기술을 활용하여 모든 대상을 검사 및 단속하지 않고도 사전 예측하여 선 제적인 정책수행이 가능한 방안을 제시한다. 또한, 이상징후의 즉각적인 파악을 통해 실시간적인 정책 수행이 가능하다. 딥러닝을 활용하면 분류되지 않은 특성에 대해서도 패턴인식을 통해 유사한 것들을 분류할 수 있게 되어 사전예측이 가능하다. 정책의 수행을 위한 구체적인 데이터 모델 및 알고리즘은 추가적인 연구가 필요하다. 향후 연구를 통해 실제 자동차 검사결과와 부실 및 불법 검사소 정보를 활 용하여 사전예측 모델을 만들어 시험하고 결과를 분석할 계획이다.