미세먼지, 오존경보와 대중교통량 관계

소개글

"미세먼지, 오존경보와 대중교통량 관계"에 대한 내용입니다.

목차

1. 요약
2. 소제목1 (공공데이터 정제 방법 및 엑셀에서 이용한 함수)
3. 소제목2 (대기오염물질간의 연관성)
4. 소제목3 (베이시안 통계학)
5. Conclusions
6. 참고문헌

본문내용

근 10년간 서울시 대기오염이 심해지고 특히나 중국 발 미세먼지와 초미세먼지로 인하여 대기환경에 대한 이슈가 1년내내 끊임없지않고 있다. 최근에 서울시에서는 미세먼지를 줄이기 위해 미세먼지의 대기 중 농도가 나쁨 이면, 대중교통 무료운행으로 150억원가량의 예산을 쓴 정책까지 내놓았다. 하지만 여론에서는 이 정책이 근본을 제거하지 못하는 눈 가리고 아옹 하기 식 정책이라고 비난하는 의견이 우세하였다. 그래서 저는 이 정책이 타당한 정책이 였는지 눈 가리고 아옹 하기 식 정책이 였는지 알아보기 위해 이러한 주제를 선정하였다.
우선 서울시 공공 데이터 포럼에서 ‘서울 지하철 호선 별 역 별 승 하차 인원 정보’ 와 ’서울 버스 노선 별 정류장 별 승 하차 인원 정보’에서 각각의 데이터의 승차 인원의 합을 하루에 서울시민의 대중교통 이용량 이라고 가정하였다. 데이터 개수는 15~17년도 3년치이며 서울시에서 누락된 데이터가 약20일정도이며 분석한 데이터가 1000일 이상이므로 신뢰 할 만하다. 대기오염 데이터는 서울특별시 대기환경 정보에서3년치를 가져왔다.
이렇게 정리한 데이터를 베이시안 정리로 Prior P(Ai)를 오염물질이 나쁨 일 확률로 설정하였고, LikelihoodP(B|Ai)는 오염물질이 나쁨 확률 시 대중교통을 이용할 확률, PosteriorP(Ai|B)는 대중교통 이용 시 오염물질이 나쁠 확률로 정했다.
Prior P(Ai)는 서울특별시 기상 정보 공공데이터 포털에서 제공하는 ‘서울특별시 대기환경정보 데이터’에서 오염물질 값을 15~17년 3년치를 가져온뒤 ‘그 날짜의 오염물질의양/3년치 오염물질의 최대값’ 공식을 세워 미세먼지 나쁨 일 확률을 구했다. LikelihoodP(B|Ai)는 서울특별시 주요교통통계 2016’에 따르면 2015년 기준으로 대중교통을 이용하는 서울시민의 비율이 65.8%였다.(서울시에서 공개한 최근 데이터이다.) 이것을 바탕으로 15~17년 3년간 하루 버스 총 인원수의 중간값을 65.8%라 가정하고 이 가정과 비례하여 다른값을 계산하였다.

참고 자료

SERI China 경제 포커스 2013.05.14(제13-4호) 중국의 대기오염과 대응방안,黎霞 수석연구원·朱藝星 연구원
초 미세먼지(PM2.5)의 건강영향 평가 및 관리정책 연구I(A Study on the Health Impact and Management Policy of PM2.5 in Korea I),연구보고서 2012-03,공성용 외,한국환경정책-평가연구원
오존 종합대책 수립 마련 기획 연 ,국립환경과학원 발간등록번호 11-1480523-002056-01 NIER-SP2014-184,고려대학교
베이시안 통계의 역사와 미래에 대한 조망,서울대학교 통계학과 이재용·이경재·이영선
베이시안 망을 이용한 법적 논증 분석, 法學 제55권 제1호 2014년 3월 573∼616면 Seoul Law Journal Vol. 55 No. 1 March 2014. pp. 573∼616, 서울대학교
Journal of the Korean Data & Information Science Society 2013, 24(5), 959–974, 빅데이터와 통계학,한국데이터정보과학회지,서울대학교 통계학과 김용대 · 조광현
서울특별시 교통정보 주요교통통계현황·교통 지표
서울특별시 대기환경 정보
서울시 지하철 호선 별 역 별 승 하차 인원 정보
서울시 버스 노선 별 정류장 별 승 하차 인원정원정보
네이버 지식백과
한국민족문화대백과
KOSIS 국가별 도로 보급률
https://www.openstreetmap.org
2차 수도권 대기환경관리 기본계획 추진을 위한 서울특별시 시행계획 수립 (2015~2019)