Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citation Korean Bibliography PMC Previewer
ISSN : 2288-9167(Print)
ISSN : 2288-923X(Online)
Journal of Odor and Indoor Environment Vol.24 No.2 pp.124-134
DOI : https://doi.org/10.15250/joie.2025.24.2.124

Characteristics of indoor PM2.5 distribution in residential houses by occupancy and air purifier use

Shin-Young Park, Hyeok Jang, Jung-Bo Kwon, Cheol-Min Lee*
Department of Environmental Chemical Engineering, Seokyeong University
* Corresponding Author: Tel: +82-2-940-7615 E-mail: cheolmin@skuniv.ac.kr
18/05/2025 30/05/2025 09/06/2025

Abstract


This study examined the influence of multiple factors—particularly occupant presence and air purifier operation—on indoor PM2.5 concentrations across 104 households in the Seoul metropolitan area. Both indoor and outdoor PM2.5 concentrations were continuously monitored and integrated with time-specific survey data to analyze spatial and temporal patterns of indoor exposure. Results showed that occupant presence significantly elevated indoor PM2.5 concentrations, especially during periods of high activity (08:00~15:00 and 18:00~20:00). The indoor/outdoor (I/ O) concentration ratio was also significantly higher during these periods, indicating that occupant activities were a major contributor to indoor PM2.5 concentrations. Air purifier use was found to be associated with a consistent reduction in indoor PM2.5 concentrations, regardless of occupancy status. Notably, the I/O ratio also decreased when air purifiers were in operation, demonstrating their effectiveness in controlling both indoor emissions and the infiltration of outdoor pollutants. These findings provide empirical evidence of the multifactorial dynamics governing indoor PM2.5 exposure and highlight the importance of occupant-centered and time-specific strategies for effective residential air quality management.


Indoor air quality , PM2.5 , Air-purifier , Occupant-centered

재실 여부 및 공기청정기 사용에 따른 주택 실내 PM2.5 농도 분포 특성에 관한 연구

박신영, 장혁, 권중보, 이철민*
서경대학교 환경화학공학과

초록

    © Korean Society of Odor Research and Engineering & Korean Society for Indoor Environment. All rights reserved.

    1. 서 론

    국립환경과학원의 조사에 따르면, 한국인은 하루의 약 91% 시간을 실내 공간에서 생활하며, 이 중 주택에서의 점유 시간은 약 66%(15.93시간)에 달한다(NIER, 2019). 세계보건기구(world health organization, WHO)에 따르면 매년 300만명이 실내 오염물질로 인해 조기 사망하는 것으로 보고된 바 있으며(WHO, 2022), 이 중에서도 미세먼지(Particulate matter, PM)는 장· 단기 노출 시 호흡기 질환뿐만 아니라 천식 및 만성 폐쇄성 폐질환(COPD) 등 다양한 건강 영향을 유발하는 것으로 알려져 있다(Andersen et al., 2011;Hamra et al., 2014;Li et al., 2019;Tsai et al., 2020;Xie et al., 2020). 특히, 공기역학적 직경이 2.5 μm 이하인 초미세먼지(PM2.5)는 호흡기 깊숙이 침투할 수 있으며, 단위 체적당 표면적이 미세먼지(PM10) 대비 커 다양한 유해 화학물질이 흡착될 가능성이 높다.

    주택은 조리 활동, 방향제 사용, 향초 연소, 흡연, 의류 등 다양한 실내 오염원이 혼재하는 공간이며, 외기 유입의 영향까지 동시에 받는다(Wallace et al., 2003;Ferro et al., 2004;Isaxon et al., 2015). 또한, 주택은 사적 공간으로서 법적 관리가 어려워, 실내공기질 개선을 위한 공공 정책의 직접적인 적용에 한계가 존재한다. 이를 보완하고자 건축 초기 단계에서의 설계 개입, 환기 시스템 설치, 저방출 자재 사용, 베이크아웃 공정(bake-out) 등이 활용되지만(Lu et al., 2011;Ścibor et al., 2019), 입주 이후에는 재실자의 일상적 활동이 오염원의 주요 기여요인으로 작용하게 된다(Liu et al., 2022;Zhou et al., 2022).

    최근 사물인터넷(Internet of Things, IoT) 기반 스마트홈 기술의 발전으로 실시간 공기질 모니터링 및 자동 제어가 가능해졌으나(Hwang et al., 2020), 현재 대부분의 시스템은 센서가 설치된 공간의 측정값에 의존한 환기 및 공기청정기 제어에 한정되고 있다. 이로 인해 센서가 설치되지 않은 공간의 공기질은 반영하기 어려우며, 재실자의 활동 패턴 등과 같은 주요 영향 요인이 시스템에 충분히 반영되지 않을 수 있는 한계가 존재한다. 따라서 본 연구는 주택 내 PM2.5 농도에 영향을 미치는 재실 여부, 공기청정기 가동 여부, 실외 PM2.5 농도 간의 정량적 관계를 분석하고, 이들 간의 상호작용을 규명함으로써, 향후 실시간 환경제어 기술의 고도화를 위한 기초자료를 제공하고자 한다.

    2. 연구 방법

    2.1 주택 실내·외 공기질 모니터링

    본 연구는 알레르기질환(천식, 비염, 결막염, 아토피 질환)과 환경 유해인자 노출 간의 연관성을 규명하기 위한 연구 과제의 일환으로 수행되었으며, 수도권에 거주하는 패널 연구 참가자 총 104개 가구를 대상으로 실내 공기질을 모니터링하였다. 실내 공기질은 광산란 방식을 적용한 IoT 기반 센서 장비(IAQ-C7, K-Weather, Korea)를 활용하여 2022년 11월부터 2023년 4월, 2023년 11월부터 2024년 4월까지 1분 단위로 주택 내 공기 질을 측정하였다(Fig. 1(a), Table 1). 본 연구는 수행에 앞서 기관생명윤리위원회(IRB)의 승인을 받았으며, 세부 내용은 “미세먼지 유입 영향 실내공기오염물질 노출에 의한 알레르기질환 영향 규명 기술개발” 연구(IRB No. 2022R0384)를 따른다.

    실외 농도는 서울시 전역에 설치된 1,018대의 IoT 기반 대기질 측정 장비(OAQ-C300, K-weather, Korea)를 통해 수집된 PM2.5 농도 자료를 활용하였다(Fig. 1(b)). 수집된 실외 측정값은 정규 크리깅 기법(Ordinary Kriging, OK)을 활용하여 500 m × 500 m 해상도로 공간 보간하였다. 여기서, OK 기법은 대표적인 확률 기반 공간 보간 기법으로, 지리적으로 연속적인 환경자료의 공간적 자기상관을 고려하여 미측정 지점의 값을 추정하는 방법이다. 본 기법은 평균이 일정하다는 가정 하에, 주변 측정 지점과의 거리 및 상호 관계를 반영한 가중치를 적용하여 예측 지점의 값을 계산한다. 특히 대기오염물질처럼 공간적 분포 특성이 뚜렷한 환경 자료에 적합하며, 실외 대기질의 지역 간 농도 차이를 보다 정밀하게 반영할 수 있다는 장점이 있다(Cho and Jeong, 2006).

    이렇게 보간된 약 5,000개의 500 m 격자별 PM2.5 농도 값은, 개별 가구의 위도·경도 좌표와의 곡면 거리(하버사인 공식 기준)를 계산하여 가장 가까운 격자와 매칭되었으며, 해당 격자의 농도 값을 실외 PM2.5 농도로 간주하여 분석에 활용하였다. 이때, 위·경도 좌표는 별도의 TM 좌표계 변환 없이 그대로 사용되었으며, 거리 계산은 Python의 내장 수학 모듈(math)을 활용하여 하버사인 공식을 직접 구현하였다. 또한, 위치가 서울시 범위 내에 포함되는지를 판별하기 위해 shapely. geometry 라이브러리를 사용하였다.

    2.2 설문조사

    실외 대기 중 PM2.5 농도 외에도, 실내 PM2.5 농도에 영향을 미치는 재실 여부 및 공기청정기 가동 여부의 효과를 확인하기 위해 설문조사를 실시하였다(Table 2). 재실 여부는 시간활동일지를 바탕으로, 주택에 점유한 시간과 비점유한 시간을 30분 단위로 기록하도록 하였으며, 공기청정기 가동 여부는 하루 단위로 조사하였다. 모든 설문은 패널 구축 기관에서 자체 개발한 연구용 모바일 애플리케이션을 통해 참여자가 직접 입력하는 방식으로 수집되었다.

    2.3 자료의 전처리 및 분석 방법

    본 연구에서 활용한 장비는 광산란 방식을 적용한 IoT 기반 센서(IAQ-C7)로, 입자의 광산란 특성을 이용해 입자 개수와 크기를 측정한 뒤, 질량 환산계수를 적용하여 PM2.5 농도를 산출한다(Lee et al., 2021). 이러한 광산란 기반 측정 방식은 상대습도, 온도 등 작동 조건에 따라 측정값이 달라질 수 있으며, 이로 인한 정확도 저하에 대한 문제는 지속적으로 제기되어 왔다(Jayaratne et al., 2018;Magi et al., 2020). 따라서 본 연구에서는 장비 정확도의 한계를 보완하기 위해, 기준 장비인 GRIMM 11-A (GRIMM AEROSOL TECHNIK GmbH & Co.KG, Germany, Table 3)의 측정값을 기반으로 보정 수식을 도출하고 이를 적용 하였다(Kim et al., 2023;Macías-Hernández et al., 2023).

    이에 더하여, 측정 데이터의 품질 향상을 위해 다음과 같은 이상값 제거 및 선별 기준을 적용하였다.

    • (1) 1시간 이상 동일한 값이 지속되는 구간은 센서 이상으로 판단하여 해당 구간 전체를 제거하였다.

    • (2) 일시적 고농도 피크(peak)는 전·후 변화량과 사분위수 범위를 활용하여 제거 기준을 설정하였다. 이때, 피크 제거 기준은 아래 식 (1)~(3)과 같다.

    D e v i a t i o n t = x t − x t − 1 + x t − x t + 1
    (1)

    I f   D e v i a t i o n t > Q 3 + 1.5 × I Q R , t h e n   x t   i s   r e m o v e d
    (2)

    I Q R = Q 3 − Q 1
    (3)

    여기서 Dcviationt는 시점 t에서의 전·후 값 간의 변화량을 의미하며, xt는 시점 t에서의 센서 측정값이다. IQR은 사분위 수로 제3사분위수인 Q3에서 제1사분위 수인 Q1을 뺀 사분위 범위로 정의된다.

    이상값 제거 이후, 기준장비(GRIMM 11-A)를 기반으로 도출된 보정 수식을 적용하여 데이터를 보정하였고, 보정된 값은 최종 분석에 활용되었다(Table 4). 또한, 본 연구에서는 1분 단위로 수집된 원시 데이터를 10분 평균값으로 변환하여 분석에 사용함으로써, 데이터의 노이즈를 줄였다. 아울러, 재실 여부 및 공기청정기 사용 정보는 패널 참여자가 설문 어플리케이션을 통해 입력한 날짜의 정보에 한해 분석에 포함하였으며, 관련 정보가 누락된 경우는 분석에서 제외하였다. 실내·외 PM2.5 농도를 비교하는 분석에서는 동일 시점에 실내·외 농도 값이 모두 존재하는 경우에 한해 데이터를 사용하였다. 이와 같은 전처리 과정을 거쳐, 이론적으로 측정기간 동안 1분 단위로 약 5,400만 건의 데이터가 생성될 수 있었으나, 이상값 제거, 보정, 평균화, 설문응답여부, 실내·외 동시 측정 조건 등을 적용한 결과, 최종적으로 약 2,500,000건의 데이터가 분석에 활용되었다.

    2.4 통계분석

    본 연구에서는 실내공기 중 오염물질의 농도 및 주택 실내 PM2.5 농도에 영향을 끼칠 수 있는 변수 간의 차이를 분석하기 위해 기술통계 및 검정 분석을 수행하였다. 기술통계 분석에서는 각 변수에 대해 산술평균, 표준편차를 산출하였으며, 시간대에 따른 PM2.5 농도 차이를 검정하고, 공기청정기 가동 가구와 미가동 가구별 따른 PM2.5 농도 차이를 비교하기 위해 각 paired t-test 와 student’s t-test를 활용하였다. 유의수준은 0.05로 설정하였다.

    통계분석은 R (Ver. 4.2.1)을 활용하여 수행하였으며, 시각화 및 자료의 전처리 시에는 Python (Ver 3.11.3) 언어와 함께 Pandas, NumPy, Matplotlib(시각화용), math (위도·경도 거리 계산), shapely.geometry(공간 포함 여부 판단)와 같은 라이브러리를 활용하였다. 분석 스크립트의 작성 및 실행은 R Studio와 Visual Studio Code를 개발 도구(integrated development environment, IDE)로 활용하였다.

    3. 결 과

    3.1 주택 실내 PM2.5 농도 분포

    연구 대상 주택의 실내 PM2.5 농도는 21.61±51.18 μg/ m3로 나타났다(Table 5). 이는 주택에 적용되는 실내공 기질 관리기준은 부재하기 때문에 직접적인 비교는 어려우나, 다중이용시설에 적용되는 ⸢실내공기질 관리법⸥ 의 유지기준(35 μg/m3)과 비교하면 상대적으로 낮은 수준이다.

    설문조사 결과를 바탕으로 재실자의 유무에 따라 실내 PM2.5 농도를 비교한 결과, 재실 시 22.31±51.77 μg/ m3, 비재실 시 20.29±50.03 μg/m3로 재실자가 있는 경우 농도가 통계적으로 유의하게 높은 것으로 확인되었다(p<0.05).

    시간대별 재실 여부에 따른 PM2.5 농도 분석 결과 (Fig. 2), 하루 중 2:00, 7:00, 14:00~17:00를 제외한 대부분의 시간대에서 재실자 유무에 따른 농도 차이가 통계적으로 유의하였다(p<0.05). 특히, 이른 새벽부터 오전 시간대(0:00~5:00)에는 비재실 시 평균 농도(26.51 μg/m3)가 재실 시 평균 농도(22.44 μg/m3) 보다 높았다. 이는 새벽 시간대에는 대기 정체로 인해 실외 공기 중 PM2.5 농도가 상대적으로 높아지고, 재실자가 부재하더라도 외부 공기가 실내로 유입되었을 가능성을 시사한다(Lee et al., 2023). 이 시기에는 실내활동이 적고, 연구 대상자들의 공기청정기 가동률이 약 70% 수준으로 높은 것을 고려할 때, 일부 가구에서는 공기청정기를 통해 실외로부터 유입된 PM2.5가 효과적으로 저감되었을 것으로 추정된다. 이러한 결과는 외기 유입이 실내 PM2.5 농도의 주요 요인으로 작용할 수 있음을 시사하며, 야간 및 새벽 시간대에도 공기청정기의 지속적 운용 혹은 외기 유입 차단을 통한 수동적 관리의 필요성을 보여준다.

    반면, 오전부터 오후 시간대(8:00~15:00)에는 재실 시 평균 PM2.5 농도(27.37 μg/m3)가 비재실 시(21.94 μg/m3) 보다 높았으며, 저녁 식사 시간 대(18:00~ 20:00)에도 재실 시(26.68 μg/m3)가 비재실 시(21.17 μg/m3) 보다 높게 나타났다. 이러한 결과는 실내 PM2.5 농도가 재실자의 존재 여부뿐 아니라 시간대에 따라 상이한 경향을 보임을 나타내며, 재실자의 활동이 활발한 시간대에는 실내 오염원이 증가할 가능성이 높아 집중적인 공기질 관리가 필요함을 시사한다.

    3.2 주택 실내 PM2.5 농도와 실외 PM2.5 농도 간 관계

    연구 대상 주택의 실내 및 인근 실외 PM2.5 농도를 비교한 결과(Table 6), 전체 평균 I/O ratio는 1.33으로 나타났으며, 이는 실내에서 자체적으로 생성되는 PM2.5 오염원이 존재함을 시사한다. 재실자 여부에 따른 평균 I/O ratio는 재실 시 1.39, 비재실 시 1.21로, 재실자의 존재가 실내 PM2.5 농도 상승에 유의한 영향을 미치는 것으로 확인되었다(p<0.05).

    재실자 여부에 따른 I/O ratio의 시간대별 변화를 분석한 결과(Fig. 3), 01:00, 02:00, 14:00~17:00를 제외한 대부분의 시간대에서 재실 여부에 따른 유의한 차이가 나타났다(p<0.05). 특히 새벽부터 오전 시간대 (00:00~08:00)에는 재실 시 평균 I/O ratio (1.31)가 비 재실 시(1.44)보다 낮게 나타났는데, 이는 재실자가 부재한 상황에서도 실내 PM2.5 농도가 상대적으로 높게 유지되었음을 의미한다.

    이러한 결과는 해당 시간대의 실내 활동이 제한적임에도 불구하고, 대기 정체 등으로 인한 실외 고농도 PM2.5가 실내로 유입되어 I/O ratio를 높인 것으로 해석된다. 반면, 재실자의 존재 시에는 공기청정기 가동 가능성이 상대적으로 높아, 외부 유입 오염물질이 효과적으로 저감되었을 가능성도 제기된다. 즉, 이와 같은 결과는 재실자 유무뿐 아니라 시간대별 외기 환경 및 실내 가전기기의 운용 상태가 복합적으로 작용했음을 시사하며, 실내공기질 관리를 위한 정밀한 시간대 기반 접근의 필요성을 강조한다. 한편, 본 연구에서는 재실자의 구체적인 활동 유형이나 강도에 대한 정량적 정보가 확보되지 않아, 실내 PM2.5 농도에 미치는 활동별 기여도를 명확히 규명하는 데에는 한계가 있었다. 향후 연구에서는 정밀한 시간활동 데이터와 실내 행태 정보를 수집·통합함으로써, 실내 오염원의 구성과 작용 경로를 보다 명확히 이해할 수 있을 것으로 기대된다.

    3.3 공기청정기 가동 여부에 따른 주택 실내 PM2.5 농도 분포 특성

    전체 조사 대상 104 가구 중 약 70%에 해당하는 73 가구에서 공기청정기를 사용하는 것으로 나타났다. 그러나 연구 기간 동안의 일일 평균 가동률은 약 64%로, 공기청정기가 지속적으로 가동된 것은 아님을 확인할 수 있었다.

    공기청정기 가동 여부에 따른 실내 PM2.5 농도 및 I/ O ratio를 확인한 결과(Table 7), 재실 여부와 관계없이 공기청정기 가동 시의 실내 PM2.5 농도는 19.28±46.16 μg/m3, 미가동 시는 24.70±60.94 μg/m3로 통계적으로 유의하게 다르게 나타났으며(p<0.05), 가동 시 평균 농도가 약 21.9% 낮게 나타났다. 재실 여부에 따라 구분 해 보면, 재실자가 있는 경우 공기청정기 가동 시 PM2.5 농도는 19.75±47.15 μg/m3로, 미가동 시(25.67± 60.40 μg/m3)보다 약 23.1% 낮았다(p<0.05). 재실자가 없는 경우에도 가동 시(18.15±43.71 μg/m3) 농도가 미가동 시(22.84±61.92 μg/m3)보다 약 20.5% 낮게 나타났다 (p<0.05).

    I/O ratio 또한 공기청정기 가동 여부에 따라 뚜렷한 차이를 보였다. 전체적으로 가동 시 I/O ratio는 1.09, 미 가동 시는 1.50으로 나타났으며, 이는 공기청정기 작동 시 실내 농도가 실외 농도에 비해 더 낮아지는 경향을 시사한다. 재실자가 있는 경우 I/O는 가동 시 1.15, 미 가동 시 1.58이었으며, 재실자가 없는 경우 각각 0.94와 1.36으로 확인되었다.

    이러한 결과는 공기청정기 가동이 실내 PM2.5 농도를 효과적으로 저감시킬 수 있으며, 실외 유입뿐 아니라 재실자의 활동으로 인해 발생하는 실내 오염원에도 일정 수준의 제어 효과를 보임을 나타낸다. 즉, 공기청정기 가동은 주택 실내공기질 개선을 위한 효과적인 수단임을 본 연구를 통해 확인하였다.

    4. 고 찰

    최근 IoT 기반 스마트홈 기술을 통해 실시간 공기질 제어가 가능해졌지만(Hwang et al., 2020), 현재의 스마트홈 시스템은 대부분 IoT 장비의 실시간 측정값에 기반한 환기 제어나 공기청정 기능에 의존하고 있으며, 센서가 설치되지 않은 공간의 공기질은 반영하기 어렵다. 이와 같이 공간적 제약이 존재하고, 재실자의 활동 패턴에 대한 정보가 충분히 확보되지 않은 경우에는 실질적인 건강 보호를 위한 맞춤형 관리에는 여전히 한계가 있다. 이러한 문제점을 보완하기 위해, 본 연구는 주택 실내 PM2.5 농도에 영향을 미치는 주요 요인인 재실 여부, 공기청정기 가동 여부, 실외 PM2.5 농도를 정량적으로 분석하고, 이들 간의 상호 연계를 파악함으로써 향후 IoT 기반 실시간 모니터링 및 자동 제어 기술 개발에 필요한 기초자료를 제공하고자 한다.

    본 연구에서 조사된 주택의 평균 실내 PM2.5 농도는 21.61±51.18 μg/m3로 나타났으며, 이는 관리대상 시설 차이로 인해 직접적인 비교는 어렵지만 국내 다중이용 시설 실내공기질 유지기준(35 μg/m3)보다는 낮은 수준 이었다. Kim et al. (2024)에 따르면, 대구광역시에 위치 한 주택 실내 PM2.5 농도는 여름, 가을 각 15.27±11.09 μg/m3, 13.82±9.61 μg/m3로 본 연구 대상 가구 대비 낮은 농도로 나타났다. 이 외 매사추세츠주 로웰의 아파트에서 측정된 PM2.5 농도의 경우 16.2±2.7 μg/m3로 역시 본 연구에서 조사된 PM2.5 농도 대비 낮은 수준인 것으로 확인되었다(Kadiri et al., 2024). 이러한 결과는 연구 대상 가구의 실내 공기질이 국내 다중이용시설 기준(35 μg/m3)보다는 양호한 수준임을 시사하나, 국내 타 지역이나 해외 사례와 비교했을 때 상대적으로 높은 수준일 수 있음을 보여준다. 특히, 본 연구의 측정 기간이 실외 PM2.5 농도가 높고 환기가 상대적으로 제한되는 봄과 겨울철에 집중되었기 때문에(Kim and Yoo, 2025), 계절적 요인이 실내 농도 상승에 영향을 미쳤을 가능성이 있다. 이는 측정기간의 확대를 통해 후속 연구에서 정밀하게 고려될 필요가 있다.

    또한, 높은 표준편차는 일부 가구 혹은 특정 시간대에 일시적인 고농도 노출이 있었을 가능성을 내포한다. 특히, 재실시의 평균 PM2.5 농도는 22.31±51.77 μg/m3로 비재실 시(20.29±50.03 μg/m3) 보다 통계적으로 유의하게 높게 나타났으며(p<0.05), 이는 재실자의 일상적 활 동이 실내 PM2.5를 상승시키는 주요 요인으로 작용했음을 시사한다. 선행연구에 따르면, 실내 PM2.5의 주요 발생원은 조리 활동, 향초 사용, 흡연, 세척제 그리고 화학 제품 사용 등 매우 다양하다(Wang et al., 2006;Bennett et al., 2011;Goyal and Kumar, 2013;Kuo et al., 2015;Höllbacher et al., 2017). 이러한 다양한 오염원들이 재실자의 활동과 결합하여 실내 PM2.5 농도를 증가시킨 것으로 판단되며, 향후에는 오염원별 재실자 활동을 정밀하게 파악함으로써 구체적인 관리 방안을 도출할 수 있을 것으로 기대된다.

    시간대별 재실 여부에 따른 PM2.5 농도 분석 결과, 대부분의 시간대에서 유의한 차이가 관찰되었으며 (p<0.05), 이는 실내 PM2.5 농도가 재실자의 활동 패턴과 밀접하게 연관되어 있음을 보여준다. 이러한 경향은 Sung and Kato (2011)의 연구와도 일치하며, 실내공기 질 관리에 있어 재실자 활동 정보를 기반으로 한 세분화된 전략 수립의 필요성을 강조한다.

    실내 PM2.5 농도에 영향을 미치는 주요 요인 중 실외 공기 유입 및 공기청정기 사용 여부에 대해 확인하였다. I/O ratio를 분석한 결과, 전체 평균 I/O는 1.33으로 나타났으며, 이는 실내 발생원이 존재함을 의미한다. 특히, 재실자 점유 시 I/O는 1.39로, 비재실 시(1.21) 보다 통계적으로 유의하게 높았다(p<0.05). 이는 실내 활동이 실내공기질에 미치는 영향을 실측 자료를 통해 확인한 것으로, Amato et al. (2014), Kalimeri et al. (2017) 등의 연구 결과와도 유사한 것으로 확인되었다.

    공기청정기 사용 실태 분석 결과, 연구 대상 가구 중 약 70%에 해당하는 가구가 공기청정기를 사용하고 있었으며, 평균 일일가동률은 64%로 나타났다. 이는 참여 가구가 알레르기 질환자(천식, 비염, 아토피 피부염, 결막염)를 포함하고 있던 점을 고려할 때, 자발적인 공기질 관리 의지의 반영으로 추정된다. 공기청정기 사용 여부에 따른 실내 PM2.5 농도를 확인한 결과, 사용한 날의 평균 PM2.5 농도는 19.28±46.16 μg/m3로 미사용한 날(24.70±60.94 μg/m3) 대비 21.9% 낮은 농도로 나타 났다. 이러한 결과는 공기청정기의 실내 미세먼지 저감 효과를 보고한 선행연구 결과(Lee et al., 2004;Li et al., 2021)와도 일치하며, 공기청정기 사용이 실내 PM2.5 농도를 효과적으로 저감시킬 수 있음을 정량적으로 보여준다. 재실 여부에 따른 분석에서도 일관된 경향이 확인되었으며, 재실 시 가동군(19.75±47.15 μg/m3)은 미 가동군(25.67±60.40 μg/m3)보다 약 23.1%, 비재실 시 에는 각각 18.15±43.71 μg/m3, 22.84±61.92 μg/m3로 약 20.5% 낮은 농도를 보였다. 즉, 공기청정기의 효과는 재실자 유무와 관계없이 일관되게 관찰되었으며, 이는 공기청정기가 실내 활동으로 인해 발생할 수 있는 오염 물질뿐 아니라 외기 유입으로 인한 오염물질까지 효과적으로 제거할 수 있음을 시사한다.

    공기청정기의 가동은 I/O ratio에도 영향을 미쳤다. 재 실 시, 미가동군의 I/O ratio는 1.58이었으나 가동 시에는 1.15로 감소하였다. 비재실 시에도 I/O ratio는 1.36 에서 0.94로 감소하여, 공기청정기가 실내 오염원뿐만 아니라 외부 유입 PM2.5까지 효과적으로 저감하는 데 기여함을 시사한다. 이는 공기청정기의 지속적 운용이 실내공기질을 안정적으로 유지하는 데 있어 핵심적인 역할을 수행함을 의미한다. 다만, 본 연구는 수도권 내 104가구를 대상으로 2022년 11월부터 2023년 4월, 2023년 11월부터 2024년 4월까지의 데이터를 기반으로 수행된 연구로, 연구결과의 일반화에는 제한이 있다. 또한, 재실 여부는 단순한 이진 분류(재실/부재)로 판단되었으며, 실제 활동의 강도나 성격(예: 요리, 흡연, 수면, 청소 등)은 반영되지 않았다. 아울러, 공기청정기의 성능, 설치 위치, 필터 관리 상태 등 세부 운용 조건 또한 본 연구에서는 고려되지 않았다. 더불어, 본 연구에 사용된 IoT 기반 PM2.5 센서는 광산란 방식으로, 공정시험법 대비 수증기나 기체상 휘발성 물질에 의한 간섭 가능성이 존재하며, 특히 조리나 가습기 사용 시 비입자성 물질이 PM2.5로 오인될 우려가 있다. 본 연구에서는 기준 장비(GRIMM 11-A)를 이용한 보정 수식 적용 및 이상값 제거 절차를 통해 이러한 간섭의 영향을 최소화하고자 하였으나, 센서의 구조적 특성상 일부 오차는 완전히 배제하기 어렵다는 한계가 있다.

    향후에는 다양한 지역과 계절을 포함한 장기적인 연구 설계와 함께, 공기청정기 운용 특성(예: 필터 교체 주기, 가동 시간대 등)을 고려한 분석이 병행되어야 하며, 재실자의 상세한 활동 데이터를 포함한 분석이 병행되어야 한다. 또한, 공기청정기의 운용 특성과 센서 의 측정 특성을 모두 고려한 다각적 효과 분석이 병행될 경우, 실내 PM2.5 농도 관리에 있어 보다 정교하고 실질적인 정책적 제언이 가능할 것으로 기대된다.

    그럼에도 불구하고 본 연구는 실제 거주 환경에서 장기간 수집한 실측 데이터를 바탕으로, 재실자의 존재 및 공기청정기 사용 여부에 따른 실내 PM2.5 농도 및 I/ O ratio 변화 특성을 정량적으로 제시하였다는 점에서 의의가 있다. 특히, 단순 평균값 비교를 넘어 시간대별 재실자 활동 및 시간과 연계한 세분화된 분석을 통해 실내공기질의 동태적 특성을 규명하였으며, 이는 향후 시간 기반 맞춤형 실내공기질 관리 전략 수립에 기초자료로 활용될 수 있을 것으로 기대된다.

    5. 결 론

    본 연구는 수도권 내 104 가구를 대상으로, 재실자 여부 및 공기청정기 사용 여부 등 주택 실내 PM2.5 농도에 영향을 미칠 수 있는 다양한 요인을 고려하여 실측 데이터 및 설문조사 결과를 통합적으로 분석하였다. 연구 결과, 재실자의 존재는 실내 PM2.5 농도에 유의한 영향을 미쳤으며, 특히 재실자의 활동이 활발한 시간대 (08:00~15:00, 18:00~20:00)에서 농도가 상대적으로 높게 나타났다. 또한, 실내·외 농도의 비율을 나타내는 I/O ratio 역시 이들 시간대에서 재실 시 유의하게 높은 값을 보여, 재실자의 활동이 실내 오염원의 주요 기여 요인으로 작용함을 정량적으로 확인하였다.

    공기청정기의 가동은 실내 PM2.5 농도를 저감하는 데 효과적인 수단일 것으로 추정되었으며, 재실 유무와 관계없이 일관된 저감효과가 관찰되었다. 특히 공기청정기 가동 시 I/O ratio가 전반적으로 낮게 나타났는데, 이는 공기청정기가 실내 발생원으로부터 배출되는 오염 물질뿐 아니라 외부로부터 유입되는 PM2.5 농도 또한 일정 수준으로 감소시킬 수 있음을 시사한다. 이러한 결과는 공기청정기가 주택 실내공기질 유지 및 향상에 있어 실질적이고 효율적인 관리 수단임을 입증하는 근거로 작용한다.

    한편, 새벽 시간대(00:00~05:00)에는 재실자가 부재한 경우에도 실내 PM2.5 농도가 상대적으로 높게 나타나는 경향이 확인되었다. 이는 이 시기 대기 정체로 인해 실외 PM2.5 농도가 상승하고, 그 영향이 실내로 유입 되었을 가능성을 시사한다. 해당 시간대는 일반적으로 수면 시간에 해당하며, 실내 활동이 최소화되는 구간임을 고려할 때, 실내 농도 상승의 주요 요인은 외기 유입으로 판단된다. 또한, 전체 가구의 약 70%가 공기청정기를 사용하고 있었음에도 불구하고 일부 시간대에 고농도 현상이 나타난 점은, 공기청정기의 미가동 시간대, 운용 조건(예: 설치 위치, 필터 상태), 또는 정화 효율의 한계 등이 복합적으로 작용했을 가능성을 제기한다.

    이러한 결과는 실내공기질 평가에 있어 단순한 재실 여부만을 고려하는 접근 방식의 한계를 보여주며, 시간대별 외기 영향, 재실자의 활동성, 그리고 공기청정기와 같은 가전기기 운용 상태를 종합적으로 고려한 정밀한 관리 전략이 필요함을 시사한다. 본 연구는 실내공 기질에 영향을 미치는 다양한 요인을 통합적으로 분석하고, 시간대와 재실 조건에 따른 PM2.5 농도 변화 및 I/ O ratio의 차이를 정량적으로 검토함으로써, 재실자 중 심의 시간대 기반 맞춤형 실내공기질 관리 전략 수립에 과학적 근거를 제공하였다는 점에서 의의가 있다.

    감사의 글

    본 결과물은 환경부의 재원으로 한국환경산업기술원의 환경성질환 사업의 지원을 받아 연구되었습니다(과제번호-RS-2022-KE002323/ 2480000106).

    <저자정보>

    박신영(박사과정), 장혁(석사과정), 권중보(석사과정), 이철민(교수)

    Figure

    JOIE-24-2-124_F1.gif

    Measuring sites in this study. (a) Measuring sites of residential house (IAQ-C7), (b) Measuring sites of ambient air (OAQ-C300).

    JOIE-24-2-124_F2.gif

    Comparison of PM2.5 concentration by occupancy status (Hourly). * p-value from the paired t-test.

    JOIE-24-2-124_F3.gif

    Comparison of I/O of PM2.5 concentration by occupancy status (Hourly).

    Table

    Information on IoT devices used in this study

    1) Results of the performance certification evaluation for PM2.5 portable measurement devices conducted by the Ministry of Environment in Korea

    Information of survey for this study

    Information of GRIMM 11-A

    The range of concentration using decision tree method by devices in indoor and outdoor

    Concentration of PM2.5 in house by occupancy (unit: μg/m3)

    1) p-value from the paired t-test

    Outdoor PM2.5 and I/O ratio of PM2.5 in house by occupancy

    1) p-value from the paired t-test

    Concentration and I/O of PM2.5 in house by operation of air-purifier

    1) p-value from the student’s t-test

    Reference

    1. Amato, F., Rivas, I., Viana, M., Moreno, T., Bouso, L., Reche, C., Àlvarez-Pedrerol, M., Alastuey, A., Sunyer, J., Querol, X., 2014. Sources of indoor and outdoor PM2.5 concentrations in primary schools. Science of the Total Environment 490, 757-765.
    2. Andersen, Z. J., Hvidberg, M., Jensen, S. S., Ketzel, M., Loft, S., Sørensen, M., Tjønneland, A., Overvad, K., Raaschou-Nielsen, O., 2011. Chronic obstructive pulmonary disease and long-term exposure to traffic-related air pollution: a cohort study. American Journal of Respiratory and Critical Care Medicine 183(4), 455-461.
    3. Bennett, D., 2011. Indoor Environmental Quality and Heating, Ventilating, and Air Conditioning Survey of Small and Medium Size Commercial Buildings: Field Study: Final Collaborative Report. California Energy Commission.
    4. Cho, H. L., Jeong, J. C., 2006. Application of spatial interpolation to rainfall data. The Journal of GIS Association of Korea 14(1), 29-41.
    5. Ferro, A. R., Kopperud, R. J., Hildemann, L. M., 2004. Elevated personal exposure to particulate matter from human activities in a residence. Journal of Exposure Science & Environmental Epidemiology 14(1), S34-S40.
    6. Goyal, R., Kumar, P., 2013. Indoor-outdoor concentrations of particulate matter in nine microenvironments of a mix-use commercial building in megacity Delhi. Air Quality, Atmosphere & Health 6, 747-757.
    7. Hamra, G. B., Guha, N., Cohen, A., Laden, F., Raaschou- Nielsen, O., Samet, J. M., Vineis, P., Forastiere, F., Saldiva, P., ... Loomis, D., 2014. Outdoor particulate matter exposure and lung cancer: a systematic review and meta-analysis. Environmental Health Perspectives 122(9), 906-911.
    8. Hwang, J. H., Kim, I. J., Jin, S. G., Lee, Y. G., 2020. Smart home to keep clean indoor air. In Proceedings of the Korea Information Processing Society Conference 288-291.
    9. Höllbacher, E., Ters, T., Rieder-Gradinger, C., Srebotnik, E., 2017. Emissions of indoor air pollutants from six user scenarios in a model room. Atmospheric Environment 150, 389-394.
    10. Isaxon, C., Gudmundsson, A., Nordin, E. Z., Lönnblad, L., Dahl, A., Wieslander, G., Bohgard, M., Wierzbicka, A., 2015. Contribution of indoor-generated particles to residential exposure. Atmospheric Environment 106, 458-466.
    11. Jayaratne, R., Liu, X., Thai, P., Dunbabin, M., Morawska, L., 2018. The influence of humidity on the performance of a low-cost air particle mass sensor and the effect of atmospheric fog. Atmospheric Measurement Techniques 11, 4883-4890.
    12. Kalimeri, K. K., Bartzis, J. G., Saraga, D. E., 2017. Commuters’ personal exposure to ambient and indoor ozone in Athens, Greece. Environments 4(3), 53.
    13. Kadiri, K., Turcotte, D., Gore, R., Bello, A., Woskie, S. R., 2024. Determinants of indoor NO2 and PM2.5 concentration in senior housing with gas stoves. Toxics 12(12), 901.
    14. Kim, D., Shin, D., Hwang, J., 2023. Calibration of low-cost sensors for measurement of indoor particulate matter concentrations via laboratory/field evaluation. Aerosol and Air Quality Research 23(8), 230097.
    15. Kim, D., Min, G., Shin, J., Choe, Y., Choi, K., Sim, S. H., Yang, W., 2024. Measurement of PM2.5 concentrations and comparison of affecting factors in residential houses in summer and autumn. Journal of Environmental Health Science 50(1), 16-24.
    16. Kim, J. E. E., Yoo, C., 2025. Mechanisms of synoptic circulation patterns influencing winter/spring PM2.5 concentrations in South Korea. Atmospheric Environment 343, 121016.
    17. Kuo, S. C., Tsai, Y. I., Sopajaree, K., 2015. Emission identification and health risk potential of allergy-causing fragrant substances in PM2.5 from incense burning. Building and Environment 87, 23-33.
    18. Li, C., Bai, L., He, Z., Liu, X., Xu, X., 2021. The effect of air purifiers on the reduction in indoor PM2.5 concentrations and population health improvement. Sustainable Cities and Society 75, 103298.
    19. Li, P. H., Yu, J., Bi, C. L., Yue, J. J., Li, Q. Q., Wang, L., Liu, J., Xiao, Z., Guo, L., Huang, B. J., 2019. Health risk assessment for highway toll station workers exposed to PM2.5-bound heavy metals. Atmospheric Pollution Research 10(4), 1024-1030.
    20. Liu, Q., Son, Y. J., Li, L., Wood, N., Senerat, A. M., Pantelic, J., 2022. Healthy home interventions: Distribution of PM2.5 emitted during cooking in residential settings. Building and Environment 207, 108448.
    21. Lee, C. M., Kim, Y. S., Lee, T. H., Kim, J. C., Kim, J. H., 2004. Efficiency of removal for PM10 and NO2 by air cleaner in residential indoor environment with monte-carlo simulation. Korean Journal of Environmental Health Sciences 30(3), 221-229.
    22. Lee, J. H., Lee, J. H., Choi, Y. J., Jung, C. H., Park, J. S., Shin, H. J., 2021. Effect of humidity on the measurement of PM2.5. Transactions of the Korean Society of Mechanical Engineers B 45(3), 145-153.
    23. Lee, H. J., Jo, H. Y., Kim, J. M., Bak, J., Park, M. S., Kim, J. K., Jo, Y. J., Kim, C. H., 2023. Nocturnal boundary layer height uncertainty in particulate matter simulations during the KORUS-AQ campaign. Remote Sensing 15(2), 300.
    24. Lu, Y., Liu, J., Yoshino, H., Lu, B., Jiang, A., Li, F., 2011. Use of biotechnology coupled with bake-out exhaust to remove indoor VOCs. Indoor and Built Environment 21(6), 741-748.
    25. Macías-Hernández, B. A., Tello-Leal, E., Barrios, O., Leiva- Guzmán, M. A., Toro, R., 2023. Effect of environmental conditions on the performance of a low-cost atmospheric particulate matter sensor. Urban Climate 52, 101753.
    26. Magi, B. I., Cupini, C., Francis, J., Green, M., Hauser, C., 2020. Evaluation of PM2.5 measured in an urban setting using a low-cost optical particle counter and a federal equivalent method beta attenuation monitor. Aerosol Science and Technology 54(2), 147-159.
    27. National Institute of Environmental Research (NIER), 2019. Korean Exposure Factors Handbook.
    28. Ścibor, M., Balcerzak, B., Galbarczyk, A., Targosz, N., Jasienska, G., 2019. Are we safe inside? Indoor air quality in relation to outdoor concentration of PM10 and PM2.5 and to characteristics of homes. Sustainable Cities and Society 48, 101537.
    29. Sung, M., Kato, S., 2011. Estimating the germicidal effect of upper-room UVGI system on exhaled air of patients based on ventilation efficiency. Building and Environment 46(11), 2326-2332.
    30. Tsai, P. J., Young, L. H., Hwang, B. F., Lin, M. Y., Chen, Y. C., Hsu, H. T., 2020. Source and health risk apportionment for PM2.5 collected in Sha-Lu area, Taiwan. Atmospheric Pollution Research 11(5), 851-858.
    31. Wallace, L. A., Mitchell, H., O’Connor, G. T., Neas, L., Lippmann, M., Kattan, M., Koenig, J., Stout, J. W., Vaughn, B. J., ... Liu, L. J. S., 2003. Particle concentrations in inner-city homes of children with asthma: the effect of smoking, cooking, and outdoor pollution. Environmental Health Perspectives 111(9), 1265-1272.
    32. Wang, X., Bi, X., Chen, D., Sheng, G., Fu, J., 2006. Hospital indoor respirable particles and carbonaceous composition. Building and Environment 41(8), 992-1000.
    33. World Health Organization (WHO), 2006. Air quality guidelines: global update 2005: particulate matter, ozone, nitrogen dioxide, and sulfur dioxide.
    34. Xie, J., Jin, L., Cui, J., Luo, X., Li, J., Zhang, G., Li, X., 2020. Health risk-oriented source apportionment of PM2.5- associated trace metals. Environmental Pollution, 262, 114655.
    35. Zhou, Y., Yang, G., Xin, S., Yang, Y., 2022. An evaluation model of indoor PM2.5 dynamic characteristics considering human activities. Energy and Buildings 263, 112037.