Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A case study with South Korean air quality data

Hyerim Park, Wonho Sohn, eunjin-kang, Jungho Im, 이정혜 (2025) · science-of-the-total-environment 978:179303 · DOI ↗

기존 Air Quality Index (AQI) · Air Quality Health Index (AQHI) · 한국 Comprehensive Air-quality Index (CAI) 의 세 가지 한계 — (i) 단일 pollutant 최댓값으로 환산, (ii) 임계값 기반 불연속 risk, (iii) 시간 의존성 미반영 — 을 unsupervised deep learning 으로 해결한 TARI (Temporal Air-quality Risk Index) 제안. Risk Score embedded LSTM AutoEncoder (RSLAE) 가 (i) Gaussian-cdf 기반 continuous risk score 로 비선형 위험 수준을 quantify, (ii) lstm-autoencoder 가 다중 pollutant 의 상관 + 시간 의존성을 잠재 표현으로 추출, (iii) 추출된 잠재 특성을 AQI/AQHI 와 결합해 최종 index 산출. 한국 250 개 행정구역 × 2010–2020 의 PM10/PM2.5/NO2/SO2/CO/O3 데이터 (월 33,000 / 일 456,500 obs) 에서 (a) 고위험-저위험 지역 discriminative power 가 모든 window size 에서 RSLAE 가 1 위 (rank 1.6–2.2 vs CAI 4.5+, AQHI 3.3+), (b) generalized-additive-model 회귀에서 CVD 의 ER 18.49% vs AQHI 8.70% / CAI 14.50%, AMI ER 20.80% vs 10.49% / 16.98% 로 disease correlation 우월.

• RQ: 단일 pollutant 임계값 기반 (AQI/CAI) · 다중 pollutant 가중합 (AQHI) 기존 환경 index 가 비선형 결합 효과 + 시간 누적 효과 를 놓치는 한계를, 환경 risk score 와 disease 라벨 없이 unsupervised deep learning 만으로 어떻게 극복할 수 있는가? 결과 index 가 health outcome 과의 상관에서 기존 index 대비 정량적으로 우수한가?
• 방법론: lstm-autoencoder (encoder-decoder sequence-to-sequence) + Gaussian-cdf 기반 risk score embedded loss → risk-score-embedded-autoencoder (RSLAE). 잠재 표현 z-score 평균으로 latent characteristic of environment (LCE) 추출, AQI/AQHI 와 linear regression 으로 scale 정렬 후 결합 → TARI. 검증 두 갈래: (a) discriminative power (top 10% vs bottom 10% region 의 risk level 평균 차이), (b) generalized-additive-model Poisson log-link 로 CVD/AMI 와 excess risk (ER = 100×[e^{β·ΔIQR}−1]) 추정. 공간 보간 ordinary-kriging (5-fold CV)
• 데이터: 한국 250 개 행정구역 × 343 도시 대기측정소 (2010–2020), 5 변수 (월) / 6 변수 (일) — PM10, PM2.5 (2015 이후), NO2, SO2, CO, O3. 월 33,000 obs · 일 456,500 obs. Train 일 데이터 2015–2017 / val 2018 / test 2019; 월 2010–2016 / 2017–2018 / 2019–2020. Window size {3,7,10} 일 또는 {2,3,4} 월. Disease 데이터 — 국민건강보험공단 2019 년 일별 CVD · AMI 사례수, 행정구역 × 일자
• 주요 발견: (i) Discriminative power 랭킹 (window 10 일, RS 기준) — RSLAE 2.11 (best) > LAE-E 2.62 > LAE-R 3.09 > AQHI 3.36 > AE 3.65 > CAI 4.48. (ii) CVD excess risk per IQR (window 7 일, lag 0) — TARI 18.71% vs AQHI 13.95% vs CAI 8.59% (CI 95% 비중첩, p<0.001). (iii) AMI excess risk (window 7 일, lag 1) — TARI 23.13% vs AQHI 17.47% vs CAI 10.93%. (iv) GAM R² 도 TARI 가 0.456 (max) 로 일관 우월. (v) 한국 봄·겨울 동/서 격차 (중국 황사·미세먼지 영향으로 서쪽이 동쪽보다 항상 darker) 가 TARI 시각화에서 정확 재현, 2019 년 3 월 5 일 사상 최고 PM2.5 사건 가장 진한 색
• 시사점: 환경 index 의 deep learning paradigm — 임계값 + 가중합 보다 잠재공간 표현이 multipollutant 결합·시간 누적 효과를 더 잘 capture. 정책 함의: 한국 CAI 의 단일 pollutant 의존이 PM2.5 농도 97.96 (제천) vs 115.62 (철원) 의 작은 차이를 큰 CAI score 차이로 증폭시키는 distortion — TARI 가 보다 robust 한 risk 정보 제공. 환경보건 literacy (EHL) 정책 도구로 활용 가능

요약

이 paper 는 이정혜 의 3 기 SNU TEMEP (2023–2026) 도메인 폭발 라인 중 환경 헬스케어 AI 분기점. 그녀의 healthcare AI 와 representation learning 핵심 (2 기 UNIST 시기) 을 환경 도메인에 이식. 1 저자 Hyerim Park (SNU TEMEP) + 동등 1 저자 Wonho Sohn (UNIST 산업공학과) 의 공동 연구, UNIST 환경공학 Jungho Im 그룹과 협업. 기존 환경 index 의 세 가지 알려진 한계 — (i) AQI 의 max pollutant only 단순화, (ii) AQHI 의 epidemiological 회귀 가중합 의존, (iii) 임계값 불연속 → risk score 의 jump distortion — 를 unsupervised end-to-end 학습으로 일괄 해소.

방법론 핵심은 RSLAE (Risk Score embedded LSTM AutoEncoder). 세 단계. (i) 각 pollutant 의 continuous risk score — 환경기준치 μ_j 를 평균으로 하는 Gaussian cdf 로 [0,1] continuous 변환 (PM10 50 μg/m³, PM2.5 15, NO2 0.03 ppm, SO2 0.02, CO 9, O3 0.06). 임계값 근방에서 가파른 jump 가 사라짐. (ii) LSTM autoencoder — 입력 X (raw concentration) 과 P (risk score) 둘 다 reconstruct 하도록 loss 설계 (L = Σ [γ(X, X̃) + γ(P, X̃)]), encoder LSTM 이 window-sized 시퀀스를 잠재 representation h_t ∈ R^q 으로 압축. Window size d 가 short-term vs long-term 분리 — 일 3/7/10 일, 월 2/3/4 개월. (iii) TARI transformation — z-score 평균으로 LCE 계산, 기존 AQI/AQHI 와 linear regression 으로 scale 정렬, 최종 TARI = LCE × σ + AQHI variability term (eq 14).

실증은 한국 343 도시측정소 데이터를 ordinary-kriging 으로 250 행정구역에 spatial interpolation (5-fold CV 검증). 두 종류 validation. 첫째, discriminative power — top/bottom 10% region 의 risk score 차이 Δr 의 rank 평균. RSLAE 가 일·월 모든 window 에서 1 위, CAI 가 일관 최하위. 흥미롭게도 시간 의존성을 포함한 모형 (LAE-E, LAE-R, RSLAE) 이 AE / CAI / AQHI 보다 우수 → 시간 의존성이 의미 있는 신호. 둘째, disease correlation — generalized-additive-model Poisson log-link 로 CVD/AMI number of cases 를 종속변수, TARI/CAI/AQHI 를 독립변수, 기상·인구학적 변수 + spline(time, weekday) 통제. CVD 의 ER — TARI average 18.49%, AQHI 8.70%, CAI 14.50% (window 7 일, lag 0) — TARI 가 약 2 배 우수. AMI 도 동일 패턴 (TARI 20.80% vs 10.49% / 16.98%). 시각적으로도 2019 년 3 월 5 일 한국 PM2.5 사상 최고 기록일에 TARI 가 가장 진한 색을 보여 사건 재현. 한계: deep learning interpretability 부족 (CAI 의 explicit pollutant contribution 손실), real-time inference 자원 부담, LSTM 의 long-sequence vanishing gradient. 향후 Transformer + attention 으로 확장 예고.

핵심 결과

Discriminative power 평균 rank (top-10% vs bottom-10% region risk gap, lower is better)

Window	Risk type	CAI	AQHI	AE	LAE-E	LAE-R	RSLAE
3 일	RL	4.45	3.33	3.75	2.68	3.20	2.00
3 일	AQISS	4.65	3.45	3.97	2.66	3.55	1.68
7 일	RL	4.59	3.41	3.76	2.41	3.14	2.21
10 일	RL	4.48	3.36	3.65	2.62	3.09	2.11
2 월	RL	3.61	3.96	3.91	3.30	2.43	1.22
4 월	AQISS	4.48	2.29	2.81	2.29	2.29	1.38

→ RSLAE 가 일·월 모든 window 에서 1 위. CAI 와 AQHI 가 일관 최하위 그룹.

Excess risk per IQR (95% CI, all p < 0.001)

Disease	Setting	TARI	AQHI	CAI
CVD	window 7d, lag 0	18.71% (18.25–19.18)	13.95% (13.54–14.37)	8.59% (8.33–8.85)
CVD	window 7d, lag 1	19.48% (19.01–19.95)	14.54% (14.15–15.00)	8.76% (8.50–9.03)
AMI	window 7d, lag 0	21.97% (21.25–22.69)	16.42% (15.78–17.06)	10.01% (9.61–10.41)
AMI	window 7d, lag 1	23.13% (22.41–23.86)	17.47% (16.83–18.12)	10.93% (10.52–11.33)

→ TARI 의 disease correlation 이 AQHI 의 1.3 배, CAI 의 2 배 이상. R² 도 TARI 0.456 (max).

시각 validation: 2019 년 3 월 5 일 한국 PM2.5 사상 최고치 사건 — TARI map 이 그날 darkest. 봄(3 월) 의 동/서 격차 (서쪽 황사 영향) 가 TARI 에서 명확 재현, CAI 는 일부 region 의 단일 pollutant max 에 의존해 보다 fragmented.

방법론 노트

본 paper 의 방법론적 기여는 환경 risk 와 deep representation learning 의 결합. Risk score 의 continuous form (Gaussian cdf):

$$p_j = \Phi_{\mu_j, \sigma_j^2}(x_j)$$

$\mu_j$ = 환경기준치, $\sigma_j^2$ = sample variance. 임계값에서의 jump 가 사라지고 위험 수준이 연속 변환.

LSTM cell 의 forget/input/output gate (eqs 3–8) 위에서 RSLAE 의 reconstruction loss:

$$\mathcal{L}_{\mathrm{RSLAE}} = \sum_{i=1}^{R} \sum_{t=d}^{T} \left[ \gamma(X_{t,i}^d, \tilde{X}_{t,i}^d) + \gamma(P_{t,i}^d, \tilde{X}_{t,i}^d) \right]$$

두 항이 raw concentration 과 risk score 모두를 reconstruction 하도록 — 잠재 표현이 raw 변수 분포뿐 아니라 위험 수준 도 보존하게 강제. $\gamma$ 는 MSE.

LCE → TARI transformation:

$$\mathrm{TARI}_i^{(t)} = (\mathrm{LCE}_i'^{(t)} \sigma_{\mathrm{AQIMS}_i} + z_{\mathrm{AQIMS}_i}) + (\mathrm{AQIMS}_i^{(t)} - \mu_{\mathrm{AQIMS}_i})(1 - \beta_1)$$

기존 index 의 scale + variability 유지하면서 잠재 정보로 보강. Disease 회귀는 GAM Poisson log-link:

$$\log(\mathbb{E}[y_i^d]) = \beta_0 + \beta_{\mathrm{index}} x_{i,\mathrm{index}}^d + s(x_{i,\mathrm{weather}}^d) + s(x_{i,\mathrm{time}}^d) + f_i(x_{i,\mathrm{week}}^d)$$

ER = 100 × [e^{β·ΔIQR} − 1] 로 IQR 1 증가당 disease 사례 증가율 측정. 식별의 핵심: (i) 250 region × 2015–2019 일별 panel 의 cross-section + time 변동에서 잠재 dynamics 식별, (ii) RSLAE 가 지도 학습 없이 unsupervised 로 학습되므로 disease 라벨 누설 없음, (iii) discriminative power validation 이 index 의 정의에 의존하지 않는 외부 검증 기준 제공.

연구 계보

본 paper 는 환경 index 문헌의 세 줄기 위에 위치. (i) US EPA AQI (Pri-Simon 1999) 와 한국 CAI 의 max-pollutant approach 의 한계 (Ruggieri-Plaia 2012, Cao et al 2021, Van den Elshout 2014), (ii) 캐나다 AQHI (Stieb et al 2008) 의 supervised epidemiological 가중합의 disease data 의존성 한계, (iii) PCA 기반 unsupervised 시도 (Choi et al 2015, Mester et al 2014) — 선형 가정만 — 의 한계 비판. Deep learning 측은 LSTM (Hochreiter-Schmidhuber 1997), autoencoder representation learning (Olshausen et al 2015, Nguyen et al 2021), Risk Score 정의 (Kim et al 2022 의 health condition risk quantification) 위에 구축. GAM 의 환경 epidemiology 응용 (Chen et al 2023, Jiang et al 2020, Zhang et al 2021) lineage.

이정혜 의 3 기 SNU TEMEP (2023–2026) 도메인 폭발 라인 중 환경 헬스케어 AI 분기점. 그녀의 2 기 UNIST 시기 healthcare time-series modeling 핵심을 환경 도메인에 이식. UNIST 환경공학 Jungho Im 그룹 (원격탐사·기후) 과의 cross-disciplinary 협업 anchor. Sibling 으로 이정혜 가 같은 시기 진행한 graph neural network · representation learning 작업들과 같은 unsupervised representation 패러다임 공유.

See also

• 이정혜
• Hyerim Park
• Wonho Sohn
• lstm-autoencoder
• risk-score-embedded-autoencoder
• generalized-additive-model
• air-quality-index
• ordinary-kriging
• korean-air-quality
• science-of-the-total-environment

인접 그래프

1-hop 이웃 6개

• 인물 4
• 방법론 1
• 주제 1

↻ 초기화

휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

인물 (1)

• 이정혜