"1조 - 먼지잡이"의 두 판 사이의 차이
MIE capstone
(→프로토타입 사진) |
|||
| 125번째 줄: | 125번째 줄: | ||
==결과 및 평가== | ==결과 및 평가== | ||
===완료작품 소개=== | ===완료작품 소개=== | ||
| + | 1. 미세먼지 센서 데이터의 수집 | ||
| + | |||
| + | 광학적 방법으로 미세먼지 농도를 측정하는 PMS7003 센서를 이용하여 serial 통신을 통해 라즈베리파이에서 데이터를 수집한다. 수집한 데이터는 HTTP 등의 프로토콜보다 가벼운 MQTT 메세징 프로토콜을 이용하여 HOST-PC에 전달하는데, 이 과정에서 개발용으로 제공되는 테스트 브로커를 이용한다. 라즈베리파이에서 실행한 Publising App은 테스트 브로커로 데이터를 전달하고, 브로커는 다시 HOST-PC의 Subscribing App으로 데이터를 송신한다. | ||
| + | |||
| + | 2. SLAM을 이용한 맵 데이터 수집 | ||
| + | |||
| + | KOBUKI의 Lidar 센서를 이용하여 SLAM 알고리즘을 구현한다. 맵도 주어져 있지 않고, 맵에서의 로봇의 위치도 알 수 없을 때 로봇의 주변 환경을 Lidar 센서로 감지해 맵을 만들고 그 맵에서의 자신의 위치까지 추정할 수 있도록 한다. 이미 존재하는 kobuki_slam 패키지에 Rplidar 센서 데이터를 포팅하여 구현하였으며, 결과적으로 HOST-PC에서 사용자는 KOBUKI가 수집한 맵 데이터와 함께 KOBUKI의 맵상에서의 위치를 알 수 있다. | ||
| + | |||
| + | 3. Navigation을 활용한 KOBUKI 주행 | ||
| + | |||
| + | Navigation 패키지를 이용하여 앞서 SLAM 알고리즘을 바탕으로 작성한 맵 데이터를 주행할 수 있게 한다. KOBUKI의 현재 위치를 Localization 하면 추정치로 현재 KOBUKI의 위치를 알 수 있는데 이는 Kobuki_tf 노드에 있는 transform data에 기록된 위치 데이터 수집하는 것으로 한다. 수집한 데이터는 분산처리를 위해 ROS를 통해 HOST-PC로 전달하며, 미세먼지 센서 데이터와 순서쌍화 한다. 이를 바탕으로 HOST-PC에서 KOBUKI의 위치 목표 값을 순서대로 지정하여 주행한다. 결과적으로 KOBUKI는 정해진 경로를 무한히 주행할 수 있으며, 미세먼지 센서 데이터를 위치별로 수집할 수 있게 한다. | ||
| + | |||
| + | 4. 데이터 DB화 | ||
| + | |||
| + | HOST-PC에서 수신한 센서 데이터와 ROS topic에서 parsing한 KOBUKI의 위치데이터를 순서쌍화 하여 DB에 저장한다. 데이터베이스는 ‘SQLite3’를 이용하며, 테이블에 현재 시간에 해당하는 데이터를 저장한다. ‘SQLite3’는 서버에 데이터를 저장하는 것이 아닌 응용프로그램에 데이터를 저장하여 비교적 가벼운 데이터베이스이다. API가 간단하여, 데이터를 쉽게 호출할 수 있으며, 사용자는 DB browser를 통해 아래와 같은 데이터를 확인할 수 있다. | ||
| + | |||
| + | 5. 데이터 시각화 | ||
| + | |||
| + | DB화된 데이터를 바탕으로 웹에 데이터를 시각화한다. 웹 프레임워크는 ‘Django’를 이용한다. ‘Django’는 파이썬 기반 오픈 소스 웹 어플리케이션 프레임워크로, 데이터베이스 기반 웹사이트를 작성하는데 유리하다. HOST-PC에서 해당 PC의 IP로 서버를 열고, 자바스크립트 기반의 HTML 파일을 작성하여 다음과 같이 데이터들을 시각화 할 수 있다. 맵 데이터위에 미세먼지 센서데이터와 위치좌표를 캘리브레이션 하여 나타내며, 동적인 웹 어플리케이션 작동을 위해 ‘Ajax’를 이용해 특정 함수를 수시로 재호출 함으로써 실시간으로 데이터를 웹에 표현한다. 결과적으로 웹에서는 미세먼지 센서데이터와 KOBUKI의 위치 데이터를 점의 형태로 나타낸다. 추가적인 기능으로는 먼지의 농도에 따라 점의 크기가 커지고 작아질 수 있으며, 미세먼지 센서 농도가 높은 곳에서는 빨강색으로 데이터를 표시할 수 있다. HOST-PC와 같은 WIFI내 기기들은 아래와 같이 데이터를 실시간으로 확인할 수 있다. | ||
| + | |||
| + | |||
====프로토타입 사진==== | ====프로토타입 사진==== | ||
[[파일:noname01.png]] | [[파일:noname01.png]] | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
===완료 작품의 평가=== | ===완료 작품의 평가=== | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
내용 | 내용 | ||
2019년 6월 20일 (목) 07:58 판
프로젝트 개요
기술개발 과제
국문 : 실시간 미세먼지 측정 및 모니터링 시스템 ..
영문 : Real-time Indoor Fine Dust Measurement and Monitoring System..
과제 팀명
먼지잡이..
지도교수
이수일,성민영 교수님
개발기간
2019년 3월 ~ 2018년 6월 (총 4개월)
구성원 소개
서울시립대학교 기계정보공학과 2013430023 연제웅(팀장)
서울시립대학교 기계정보공학과 2015430030 이성재
서론
최근 가장 큰 문제가 되는 실내 오염물질은 ‘미세먼지’다. 미세먼지는 WHO가 지정한 1급 발암 물질로, 질산염·황산염과 탄소류·검댕 등이 주요 성분이다. 미세먼지는 입자의 크기에 따라 PM10(10㎛ 이하)과 PM2.5(2.5㎛ 이하)로 나눌 수 있는데, 크기가 작을수록 체내에 더 깊숙이 침투해 천식, 만성 폐쇄성 폐 질환(COPD), 심정지 같은 호흡기·심혈관계 질환을 유발한다. 또한 미세먼지는 후각 신경을 타고 뇌로 직접 침투해 치매와 파킨슨병, 알츠하이머병 같은 신경성 질환도 일으킬 수 있는 것으로 보고됐다. 따라서 전반적인 실내 미세먼지를 측정하는 시스템을 제안함으로써 더욱 쾌적한 삶을 사용자에게 제공하고자 한다.
개발 과제 요약
본 프로젝트는 대기 질에 대한 관심이 커지는 때에, 외기 미세먼지 뿐 아니라 실내 미세먼지를 측정하고 이를 모니터링 하는 시스템을 제안한다. 생활 공간을 패트롤하는 로봇을 이용하여 실시간으로 실내 미세먼지 농도를 측정하고, 이를 중앙 컴퓨터에서 모니터링함으로서 미리 사용자에게 실내 공기 질에 대한 경고 메시지를 부여할 수 있다. 이를 통해서 외기 미세먼지 측정값으로는 알 수 없는 실내 생활공간에 대한 미세먼지 농도를 정확히 파악하고 경각심을 가질 수 있도록 한다.
개발 과제의 배경 및 효과
정부에서 제공하는 미세먼지 측정소는 서울의 경우 총 56대(2018년 말 기준)가 설치되어있으며, 이는 측정기 한 대가 축구장 1,000개 면적(7㎢)을 담당하고 있는 셈이다. 지방의 경우 지역별 세부 데이터를 측정하기에 턱없이 부족한 실정이다. 또한, 우리가 예보에서 확인하는 미세먼지 수치는 지역별로 위치한 미세먼지 측정소에서 제공한다. 집을 나설 때, 지하철을 탈 때, 실내를 환기하거나 환기하지 않을 때, 그때그때 우리가 들이마시는 일상의 공기 질이 어떻게 달라지는지는 정확하게 알기 어렵다. 이에 대처하기 위해서는 실시간으로 내가 실제 들이마시는 생활 공간의 공기 질에 대한 측정이 필요하다.
개발 과제의 목표와 내용
◇ Robot OS를 이용한 실내 패트롤봇 구현
사용자가 미세먼지 측정을 원하는 곳을 실시간으로 측정하기 위해서 KOBUKI 로봇과 Open source Robot OS(ROS)를 이용한 패트롤봇을 구현한다. RPlidar 센서를 이용하여 과학기술관 3층의 맵 데이터를 수집하여, 그 맵 데이터를 바탕으로 과학기술관 3층을 지속적으로 패트롤하게 한다. 이 구현은 ROS의 패키지인 SLAM과 Navigation을 이용한다. 이 주행 프로세스는 RaspberryPi를 이용하여 처리한다.
◇ 미세먼지 센서를 이용한 실시간 미세먼지 농도 데이터 수집 및 외기 데이터와의 비교
주행도중 미세먼지 센서를 이용하여 수시로 미세먼지 농도 데이터를 수집하고, 이를 RaspberryPi와 UART통신으로 연결한다. 그리고 WiFi를 이용하여 수집한 데이터를 중앙 모니터링 시스템으로 전송한다. 이를 통해 실내 미세먼지 데이터를 지역 외기 데이터와 비교하여 유의미한 정보를 사용자에게 제공하는 것을 목표로 한다.
◇ 모니터링을 위한 시스템 구축
중앙 모니터링 컴퓨터는 WiFi를 이용하여 패트롤봇의 RaspberryPi와 통신한다. 이를 이용해 실내 미세먼지 데이터를 제공받아 사용자가 보기 쉽게 시각화하여 웹에 제공하는 것을 첫 번째 목표로 한다. 또한 공공데이터포털에서 제공하는 무료 미세먼지 데이터를 받아 동대문구 전농동의 미세먼지 농도와 실내 미세먼지 농도를 비교한 데이터를 GUI형태로 제공하는 것을 두 번째 목표로 한다.
관련 기술의 현황
State of art
1) 미세먼지 센서 측정 기술
현재 대기 중의 미세먼지는 다양한 방법을 통해서 측정할 수 있다. 필터 방식의 미세먼지 중량 측정 방식, 베타 감쇠법, 광학적 방법 등이 이에 해당한다. 이 중에서 광학적 방식이 지금까지 가장 저렴한 방식으로 알려져 있다. 기기의 비용이 다른 방식에 비해서 상대적으로 저렴한 편이고, 전력 소모가 적으며 반응속도가 빠른 편이어서 주로 사용된다. 광학 기술의 원리를 간단히 살펴보면, 이 기술에서는 광선이 기기로부터 나와서 대기 중에 있는 미세먼지에 빛이 발산하는 정도를 Photo-meter를 통해서 측정하게 된다. 0.3µm보다 큰 입자인 경우, 빛이 퍼지는 정도가 입자의 농도에 비례한다. 하지만 0.3µm보다 작은 입자인 경우, 빛이 충분히 퍼지지 않아서 광학적 방식으로는 측정이 어려운 편이다. 그래서 발산한 빛을 분포를 분석하거나 필터를 부착하는 간접적인 방식을 활용하여 작은 입자의 경우 측정률을 높이고 있다. 본 프로젝트에 사용하는 PMS7003 역시 레이저 산란 원리를 이용한 센서이며, 레이저를 이용하여 공기 중에 부유 입자를 방출시킨 후 산란광을 수집하여 산란광 변화 곡선을 통해 미세먼지를 측정한다.
2) 네비게이션 및 주행 기술
a) 센서 기술
주행환경을 인지하기 위한 시스템으로는 카메라, 레이더, 라이더, 초음파 등의 다양한 센서 가 있다. 먼저 카메라는 영상을 통해 도로의 차로(차선), 제한속도, 교통표지판, 신호등 정보 등 도로의 주행환경 정보를 인식하는 기능을 수행하며 센서 중 중요도가 가장 높다. 레이더는 카메라처럼 탐지 물체의 종류는 알 수 없지만, 밤이나 악천후 상황에서 사용이 가능하고 측정거리가 길다는 장점 때문에 카메라의 보완 역할을 수행한다. 현재의 기술로는 근거리 60~80m(40~ 60 도), 중거리 150m, 장거리 250m(90~110도)까지 인식 가능하다. 라이더는 측정각도가 넓고 주변환경을 3 차원으로 인지할 수 있는 장점이 있지만, 환경에 영향을 많이 받고 가격이 비싼 것이 단점이다. 최대 150m 이내(360 도)까지 인식 가능한 것으로 알려져 있다. 초음파는 차량의 후방 감시, 주차 등을 위해 사용되고 저렴한 것이 장점이며, 15m 이내로 인식 가능한 것으로 알려져 있다. 최근에는 카메라, 단거리/장거리 레이더, 라이더 등의 센서를 통합 하여 성능을 보완하는 기술 개발이 이루어지고 있다. 카메라는 3 차원 인지 및 기능 다양화, 레이더는 단거리와 장거리의 기능 통합, 라이더는 저가 및 소형화로 기술 발전이 이루어지고 있다.
b) 정밀지도 기술
자율주행을 위해서는 50cm 이하의 지도 정확도가 확보되어야 한다. 정밀지도 구축에는 많은 비용과 시간이 요구되며 정확도 높은 데이터를 축적하는 것이 중요한 이슈이다. 정밀지도를 구축하기 위해 수집차량의 센서로부터 입력되는 초기 데이터에서 차선, 신호등, 표지판 등 자율주행을 위해 필요한 도로교통정보를 구분하는 작업이 필요하고, 위성지도, 등고선 지도 등을 활용하여 보정, 검증하는 후처리 절차가 필요하다. 정밀지도는 일반적인 네비게이션 지도에 비해 용량이 매우 크기 때문에 저장, 활용, 업데이트 등의 어려움이 예상된다. 정밀지도를 제작하고 있는 주요 업체는 Google, Here, 탐탐 등이며, 우리나라도 현대엠엔소프트가 자체 정밀지도를 제작 중이다.
c) 측위 기술
측위 기술은 GPS를 사용하거나 무선 네트워크의 기지국 위치를 활용하여 단말기의 정확한 위치를 파악하는 기술, 네트워크 방식과 단말기 방식, 그리고 이들을 혼합한 하이브리드 방식 으로 분류된다. 대표적 측위 기술은 GPS(Global Positioning System), DR(Dead Reckoning), DGPS (Differential GPS), CDGPS(Carrier phase differential GPS), 복합 측위 기술 등으로 구분할 수 있으나, 10m이상의 거리 오차가 발생하여 현재 자율주행자동차 기능 구현에 사용하진 않는다.
d) V2X 통신 기술
V2X 는 차량 센서로는 감지할 수 없는 다른 차량의 정보(V2V), 전방 도로의 사고 정보(V2I) 등 의 정보를 얻기 위해 자율주행자동차가 외부 차량 혹은 도로 인프라 등과 통신하는 기술이다. 하지만, 개발 비용이 높고, 모든 차량에 동일한 통신 방식이 적용되어야 하기 때문에 일부 완성 차 업체에서 주도하고 있다. 미국의 CAMP(다임러, 도요타, GM, 현대 등 참여), 유럽의 C2C- CC(완성차 12 업체 참여) 등을 예로 들 수 있으며, 구현 방식 차이로 발생하는 통신 오류로 인한 사고를 방지하기 위해 컨소시엄 방식으로 추진되고 있다. 자율주행자동차에 필요한 V2X 통 신은 고속, 장거리, 양방향 통신이 가능한 WAVE 통신 방식이 표준 기술로 자리잡고 있는 추세이다. WAVE 는 차량이 고속으로 이동하는 전파환경에서 정보를 1/20 초 이내 짧은 시간에 주고받는 기술로, 이동속도 최고 200km/h, 통신범위 최대 1km, 통신속도 27Mbps 를 목표로 개발 중이다. 유럽과 미국은 WAVE 기술을 개발 중이고, 일본은 DSRC 기술을 아직 고수하고 있다. 최근 이슈화되고 있는 5G를 통해서도 V2X 통신이 구현 가능하지만, 아직까지는 초기단계이고 구체적인 사양은 제시되지 않고 있다. 자율주행을 위한 V2X 통신은 통신 보안과 프라이버시 보호 문제를 해결해야 하며, 통신의 단절이 발생할 때 생길 수 있는 사고 위험을 최소화하기 위해 통신방식의 이중화가 필요하다.
기술 로드맵
특허조사
1. 아두이노와 통신모듈을 이용한 실내외 원격 미세먼지 측정기, 미세먼지 모니터링시스템, 측정 및 모니터링방법 [출원번호, 1020160138447A]
아두이노와 통신모듈을 이용한 실내외 원격 미세먼지 측정기, 미세먼지 모니터링시스템, 측정 및 모니터링방법에 대한 발명이다. 아두이노, 미세먼지센서, 통신모듈을 이용하여 실시간으로 측정된 미세먼지 농도를 통신모듈을 통해 설정된 사용자의 단말기로 전송한다.
2. 스마트기기 연동 실내외 미세먼지 측정장치 [출원번호, 1020170073109A]
실내와 실외에 각각 측정장치를 부착하여, 각각에 의해 측정된 미세먼지 측정값과 초미세먼지 측정값을 그 농도에 비례하여 표시한다. 측정값을 스마트기기를 통해 전송하여 실시간으로 사용자는 이 정보를 활용할 수 있다.
3. 실내 공기질 개선 시스템 [출원번호, 1020160087450A]
제시하는 실내 공기질 개선 시스템은 특정 공간 내에 위치하며 실내 환경에 영향을 주는 인자들을 측정하는 센서부, 상기 센서부로부터 전달받은 데이터를 분석하며, 상기 분석한 데이터에 기초하여 제어신호를 전달하는 제어부, 및 상기 제어신호에 따라 용액을 방출하는 분사부를 포함하며, 상기 제어부는 상기 분석된 데이터가 기 설정된 기준치보다 높은 경우 상기 분사부가 액체를 분사하도록 하는 것을 특징으로 한다.
4. 미세먼지센서를 이용한 실내공기 청정시스템 및 그 제어방법 [출원번호, 1020170137714A]
미세먼지센서를 이용한 실내공기 청정시스템 및 그 제어방법에 관한 것으로, 환기 시스템에 필요한 유동장치 및 실내의 미세먼지 농도를 측정하는 미세먼지센서를 구성요소로 한다. 상기 미세먼지센서에서 감지되는 미세먼지 농도에 따라 미세먼지 농도를 사용자의 단말기에 알려주고, 사용자의 단말기 신호에 따라 상기 유입유동발생유닛을 작동시킨다.
5. 미세먼지, 온도, 습도측정센서를 기반으로 한 공기질 검출 시각화 장치 [출원번호, 1020160073141B1]
실내 또는 실외의 공기 중에 포함되는 미세먼지, 온도, 습도를 측정하는 측정센서에 의해 그 측정값을 취득하여, 취득된 각각의 측정값간의 알고리즘을 적용하여 공기질을 좋음, 보통, 조금 나쁨, 나쁨, 매우 나쁨으로 판단하고 이를 색상을 달리하여 표시하여, 일반인들이 해당 장소의 공기질을 시각적으로 용이하게 인식하여 판단할 수 있도록 하며, 해당 지역의 측정된 공기질에 대한 상태를 무선통신방식에 의해 스마트 단말, 휴대폰, 테블릿, PC 등의 외부 무선단말에 송신한다.
특허전략
◇ 청구항 회피 계획
위 5개 특허는 고정된 위치의 미세먼지 농도를 지속적으로 측정하는 것을 그 청구항으로 하고 있는데, 이를 회피하기 위해 지속적으로 패트롤봇이 이동하면서 공간 전체에 대한 미세먼지 데이터를 수집하여 시간적, 공간적으로 시각화하는 것을 그 차별점으로 둔다.
관련 시장에 대한 분석
경쟁제품 조사 비교
마케팅 전략
공기청정기 혹은 로봇청소기와 연동할 수 있는 모니터링 시스템을 제공한다면 기존의 시장에서도 수요를 창출할 수 있을 것이다.
개발과제의 기대효과
기술적 기대효과
본 프로젝트는 대중의 실내 공기질 인지에 따른 공기질 개선을 위한 프로젝트로, 이를 보조하는 모니터링 시스템을 제시하는 것을 목표로 한다. 광범위한 지역을 실시간으로 관측할 수 있는 광대역 센서 등 신기술 개발과 IOT를 통한 대기질 측정 및 모바일 활용 등 응용 영역 지원이 확대되는 상황에서, 가장 보급형에 가까운 레이저를 이용한 센서의 활용과 매핑 데이터를 활용한 패트롤 기술 활용은 장기적인 미세먼지 측정 및 모니터링 시장에 이로움이 될 것이다.
경제적 및 사회적 파급효과
국내의 다양한 지역별 미세먼지 발생원을 우선 규명하고 2차 미세먼지의 생성 메커니즘을 밝히기 위한 지속적 연구 수행이 이루어지고 있는 시점에서, 보다 근본적으로 내가 지내는 실내에 대한 모니터링 시스템을 제안함으로써 사용자의 삶의 질 개선에 기여할 수 있다. 또한, 오염 정보에 대한 데이터 축적은 최근 비상저감 조치 등 고농도 미세먼지 발생에 대한 지자체별 원인 분석과 배출 특성에 맞는 대책 마련 요구에 부응할 수 있다.
설계
소프트웨어 설계
결과 및 평가
완료작품 소개
1. 미세먼지 센서 데이터의 수집
광학적 방법으로 미세먼지 농도를 측정하는 PMS7003 센서를 이용하여 serial 통신을 통해 라즈베리파이에서 데이터를 수집한다. 수집한 데이터는 HTTP 등의 프로토콜보다 가벼운 MQTT 메세징 프로토콜을 이용하여 HOST-PC에 전달하는데, 이 과정에서 개발용으로 제공되는 테스트 브로커를 이용한다. 라즈베리파이에서 실행한 Publising App은 테스트 브로커로 데이터를 전달하고, 브로커는 다시 HOST-PC의 Subscribing App으로 데이터를 송신한다.
2. SLAM을 이용한 맵 데이터 수집
KOBUKI의 Lidar 센서를 이용하여 SLAM 알고리즘을 구현한다. 맵도 주어져 있지 않고, 맵에서의 로봇의 위치도 알 수 없을 때 로봇의 주변 환경을 Lidar 센서로 감지해 맵을 만들고 그 맵에서의 자신의 위치까지 추정할 수 있도록 한다. 이미 존재하는 kobuki_slam 패키지에 Rplidar 센서 데이터를 포팅하여 구현하였으며, 결과적으로 HOST-PC에서 사용자는 KOBUKI가 수집한 맵 데이터와 함께 KOBUKI의 맵상에서의 위치를 알 수 있다.
3. Navigation을 활용한 KOBUKI 주행
Navigation 패키지를 이용하여 앞서 SLAM 알고리즘을 바탕으로 작성한 맵 데이터를 주행할 수 있게 한다. KOBUKI의 현재 위치를 Localization 하면 추정치로 현재 KOBUKI의 위치를 알 수 있는데 이는 Kobuki_tf 노드에 있는 transform data에 기록된 위치 데이터 수집하는 것으로 한다. 수집한 데이터는 분산처리를 위해 ROS를 통해 HOST-PC로 전달하며, 미세먼지 센서 데이터와 순서쌍화 한다. 이를 바탕으로 HOST-PC에서 KOBUKI의 위치 목표 값을 순서대로 지정하여 주행한다. 결과적으로 KOBUKI는 정해진 경로를 무한히 주행할 수 있으며, 미세먼지 센서 데이터를 위치별로 수집할 수 있게 한다.
4. 데이터 DB화
HOST-PC에서 수신한 센서 데이터와 ROS topic에서 parsing한 KOBUKI의 위치데이터를 순서쌍화 하여 DB에 저장한다. 데이터베이스는 ‘SQLite3’를 이용하며, 테이블에 현재 시간에 해당하는 데이터를 저장한다. ‘SQLite3’는 서버에 데이터를 저장하는 것이 아닌 응용프로그램에 데이터를 저장하여 비교적 가벼운 데이터베이스이다. API가 간단하여, 데이터를 쉽게 호출할 수 있으며, 사용자는 DB browser를 통해 아래와 같은 데이터를 확인할 수 있다.
5. 데이터 시각화
DB화된 데이터를 바탕으로 웹에 데이터를 시각화한다. 웹 프레임워크는 ‘Django’를 이용한다. ‘Django’는 파이썬 기반 오픈 소스 웹 어플리케이션 프레임워크로, 데이터베이스 기반 웹사이트를 작성하는데 유리하다. HOST-PC에서 해당 PC의 IP로 서버를 열고, 자바스크립트 기반의 HTML 파일을 작성하여 다음과 같이 데이터들을 시각화 할 수 있다. 맵 데이터위에 미세먼지 센서데이터와 위치좌표를 캘리브레이션 하여 나타내며, 동적인 웹 어플리케이션 작동을 위해 ‘Ajax’를 이용해 특정 함수를 수시로 재호출 함으로써 실시간으로 데이터를 웹에 표현한다. 결과적으로 웹에서는 미세먼지 센서데이터와 KOBUKI의 위치 데이터를 점의 형태로 나타낸다. 추가적인 기능으로는 먼지의 농도에 따라 점의 크기가 커지고 작아질 수 있으며, 미세먼지 센서 농도가 높은 곳에서는 빨강색으로 데이터를 표시할 수 있다. HOST-PC와 같은 WIFI내 기기들은 아래와 같이 데이터를 실시간으로 확인할 수 있다.
프로토타입 사진
완료 작품의 평가
내용
