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.4 pp.367-386
DOI : https://doi.org/10.15250/joie.2025.24.4.367

Assessment of indoor air quality improvement using an IoT sensor-based context-aware mobile air purification system: A residential field study

Shin-Young Park1, Ji-Yun Ceong1, Kwangchul Noh2, Jong-Sun Kim3, Cheol-Min Lee1*
1Institute for Risk Assessment, Seokyeong University
2AirLab Co. Ltd.
3SK Intellix
* Corresponding Author: Tel: +82-2-940-7615 E-mail: cheolmin@skuniv.ac.kr
04/12/2025 22/12/2025 30/12/2025

Abstract


This study quantitatively evaluated the real-world performance of an IoTbased, context-aware mobile air purification system. Additionally, this system is proposed as a practical alternative to conventional stationary purifiers, overcoming their spatial limitations. To analyze concentration variations, removal efficiency, and air cleaning ratio (ACR) for PM2.5, PM10, and HCHO, three scenarios were tested: S1 (natural ventilation), S2 (stationary purifier), and S3 (IoT-based mobile air purification system). The mobile system (S3) achieved a 1.6-fold higher removal efficiency for PM2.5 compared with the stationary purifier (S2) and reduced the ACR to below 0.4 within 30 minutes after high-concentration events. In contrast, stationary purifiers required approximately 333 minutes to reach background levels (17.11 μg/m3), revealing about a 10-fold difference in cleaning speed. Monte Carlo simulations confirmed the consistent superiority of S3 for both particulate and gaseous pollutants, with HCHO concentrations 36.7% lower (90th percentile) than under S2. According to the health risk assessment, the asthma hospitalization rate decreased by over 40%, the HQ for PM2.5 decreased from 1.1 (S1) to 0.64 (S3), and the ECR for HCHO was 0.62 times that of S2. These findings highlight that spatial responsiveness and mobility, along with filter capacity, are key determinants of air purification performance. In conclusion, the mobile air purifier effectively overcomes the structural constraints of stationary devices and establishes a new paradigm for realtime, adaptive indoor air quality management that helps safeguard occupant health.


IoT-based air purification , PM2.5 , ACR , Health risk assessment , Indoor air quality

IoT 센서 기반 상황인지형 이동형 공기청정 시스템을 활용한 주택 실환경 실내공기질 개선 효과

박신영1, 정지윤1, 노광철2, 김종선3, 이철민1*
1서경대학교 위해성평가연구소
2에어랩(주)
3SK Intellix

초록

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

    1. 서 론

    현대 사회의 생활 양식 변화로 인해 개인의 실내 체류 시간이 지속적으로 증가하고 있다(Klepeis et al., 2001;Leech et al., 2002). 이와 동시에 에너지 보존을 위한 건물의 고기밀화는 환기 효율 저하를 야기하여 실내 공기질(Indoor Air Quality, IAQ)을 악화시키는 주요 원인이 되고 있다(Seppänen et al., 1999;Apte et al., 2000). 이러한 환경적 변화는 실내 오염물질의 축적을 가속화하며, 이는 새집증후군(Sick Building Syndrome, SBS)을 포함한 실내 환경 유래 건강 문제의 발생 빈도와 밀접한 상관관계가 있음이 보고된 바 있다(Seppänen et al., 1999;Apte et al., 2000;Joshi, 2008). 특히 초미세먼지 (PM2.5) 및 폼알데하이드(HCHO)와 같은 오염물질에 대한 장기 노출은 호흡기 및 심혈관계 질환을 유발할 수 있으므로(Pope et al., 2018; Yu et al., 2020), 실내 공기질의 효율적 관리를 위한 과학적 · 체계적 접근이 시급한 실정이다.

    실내 공기질을 관리하기 위한 가장 전통적인 방법으로는 창문 개방을 통한 자연 환기가 있으며 (Tantasavasdi et al., 2007;Ji et al., 2021), 이는 외부의 신선한 공기를 유입시켜 실내 오염물질 농도를 저감 할 수 있는 가장 경제적인 방법 중 하나로 알려져 있다 (Fordham, 2000). 그러나 자연 환기는 실외 대기질이 불량하거나 겨울철과 같이 기상 조건이 불리한 경우에는 적용이 제한된다는 한계를 가진다(Gao et al., 2014;Stabile et al., 2017). 실제로 자연환기는 실내 CO2 농도를 효과적으로 희석할 수 있지만 실내 PM2.5 제거 효과는 크지 않는 것으로 보고된 바 있다(Yin et al., 2023). Martins and da Graça (2017)에 따르면, 실외 농도가 높을 경우 실내 PM2.5 노출은 1.9~4.2배 증가할 수 있는 것으로 확인하였다.

    이러한 자연 환기의 한계를 보완하기 위한 대안으로, 최근에는 공기청정기의 활용을 통한 실내 공기질 관리가 널리 제안되고 있다(Oh et al., 2014;Shin et al., 2022). 공기청정기는 필터링 또는 흡착 기술을 통해 PM2.5 및 알레르겐 등을 제거함으로써 실내 오염물질 농도를 효과적으로 저감할 수 있는 장점을 가진다 (Kim et al., 2017;Kim et al., 2018;Shin et al., 2022). 특히 실외 대기질이 나쁘거나 자연 환기가 제한적인 조건에서도 비교적 안정적인 오염물질 제거 성능을 확보할 수 있어, 주거 공간 및 사무 공간을 중심으로 보급이 지속적으로 확대되고 있다(Kim et al., 2019;Park et al., 2020). 실제로 산불 발생이 빈번한 지역을 대상으로 HEPA 필터가 적용된 공기청정기를 사용한 연구에 따르면(Xiang et al., 2021), 실내 PM2.5 농도가 외기 유입 조건 대비 약 48~78% 수준까지 감소한 것으로 보고한 바 있다.

    그러나 기존의 공기청정기 활용 연구 및 적용 사례는 대부분 공기청정기를 특정 공간에 고정 설치하는 방식을 전제로 수행되어 왔으며, 이로 인해 실제 주거 환경의 공간적·행태적 특성을 충분히 반영하지 못하는 한계를 가진다. 일반적인 주거 공간은 거실, 주방, 침실 등으로 구성된 다실(multi-room) 구조를 가지며, 조리 활동, 청소, 재실자 이동과 같은 일상적인 행위에 따라 오염물질의 발생 위치와 농도는 공간별·시간별로 크게 달라진다(Shin et al., 2022). 그럼에도 불구하고 고정식 공기청정기는 설치된 특정 위치를 중심으로 제한된 범위 내에서만 공기 정화 성능을 발휘하므로(Son et al., 2002;Lee, 2016), 오염 발생의 공간적 불균일성이 큰 실제 실내 환경에서는 전체 공간의 공기질을 균등하게 제어하는 데 구조적인 제약이 존재한다. 이러한 한계는 실증 연구를 통해서도 확인된다. 초등학교 교실을 대상으로 한 연구에서는 기밀 성능이 낮고 외부 미세먼지 유입이 많은 환경에서 공기청정기의 설치 위치에 따라 미세먼지 제거 성능이 최대 약 3배까지 차이를 보인 것으로 보고되었으며(Eom et al., 2020), 이는 공기청정기 성능이 장치 자체의 성능뿐만 아니라 설치 위치에 크게 의존함을 시사한다. 이 외에도 다실 환경에서 고정형 공기청정기의 설치 위치 선정과 공기질 개선 효과 간의 관계에 대한 논의가 지속적으로 이루어지고 있으며(Li et al., 2024), 이러한 연구들은 고정식 공기청정기가 공간 전반의 오염을 능동적으로 제어하는 데 근본적인 한계를 가진다는 점을 공통적으로 지적하고 있다.

    이러한 고정식 공기청정기의 한계를 극복하고 실내 공기질 관리의 효율성을 향상시키기 위한 대안으로, 최근에는 IoT (Internet of Things) 기반 상황인지형 이동형 공기청정 시스템이 제안되고 있다. 이 시스템은 공간별로 설치된 IoT 센서 네트워크를 통해 실내 공기질을 실시간으로 모니터링하고, 특정 오염물질 농도가 사전에 설정된 역치(threshold)를 초과할 경우 공기청정기가 해당 지점으로 이동하여 청정 기능을 수행하는 방식으로 작동한다. 이는 고정된 위치에서 작동하는 기존 공기청정기와 달리, 오염 발생 위치에 대한 능동적이고 공간 효율적인 대응이 가능하다는 점에서 새로운 접근법이다. 또한 IoT 기술과의 결합을 통해 공기질 데이터 기반의 자동 제어 및 에너지 효율 최적화가 가능하다는 장점을 가진다(Kim et al., 2017). 이에 본 연구는 주택 실환경을 대상으로 IoT 기반 상황인지형 이동형 공기청정 시스템을 적용하고, 공기오염물질 저감 성능과 잠재적 건강 개선 효과를 실증적으로 평가하고자 한다.

    2. 연구 방법

    2.1 연구대상 공간

    본 연구는 수도권에 위치한 아파트 2개소(R1, R2)를 대상으로, 2025년 6월 24일부터 2025년 8월 7일까지 약 2개월간 실내 공기질을 모니터링하였다. 연구 대상 주택은 각각 경기도 용인시(R1, 37°18'53.59'' N, 127°05'37.78'' E)와 남양주시(R2, 37°36'38.27'' N, 127°09'42.86'' E)에 위치한 공동주택으로, 모두 주거지역에 속하며 4차선 이상 도로와 인접해 있어 실외 주요 오염원은 교통 배출원이 주를 이루는 환경이었다. 인근에 산업시설 등 추가적인 국지 오염원은 존재하지 않았다.

    R1 주택은 8층에 위치한 가구로 전용면적 약 113 m2, 방 3개, 4인 가구가 거주하고 있었으며, R2 주택은 13층에 위치하고, 전용면적 약 162 m2, 방 4개, 3인 가구였다. 두 주택 모두 자연 환기를 주된 환기 방식으로 사용하였으며, 난방은 지역난방 시스템을 이용하고 있었다. 조리 방식의 경우 R1은 가스레인지, R2는 전기레인지를 사용하는 것으로 조사되었다. 측정 기간 동안 실내 평균 온도는 R1에서 26.6 ± 2.5°C, R2에서 26.4 ± 1.5°C로 유사한 수준을 보였으며, 상대습도는 각각 65.7 ± 8.4%와 48.4 ± 6.6%로 주택 간 차이를 나타냈다.

    2.2 주택 실내 공기질 모니터링

    2.2.1 IoT 장비 기반 모니터링

    본 연구는 총 2개 가구를 대상으로 광산란 방식 센서 기반 IoT 장비(IAQ-C7, K-Weather, Republic of Korea) 를 활용하여 실내 공기질을 1분 간격으로 모니터링하였다. 사용된 장비는 환경부 간이측정기 성능인증 1등급을 획득한 기기로, 본 연구의 실측에 활용하였다. 모니터링은 주택 내 다실 환경을 고려하여 거실, 부엌, 안방, 서재 및 방 등 주요 생활 공간에서 수행되었으며, 각 공간별로 장비를 호흡기 높이(약 1 m 내외)에 설치하였다. 또한 벽면으로부터 약 50 cm~1 m의 이격거리를 확보하고, 전원 공급이 가능한 콘센트 인근 위치에 장비를 배치하였다. 측정 항목은 PM10, PM2.5, HCHO를 포함한 실내 공기질 지표와 함께 온도 및 상대습도였다.

    한편, 본 연구에서 활용한 광산란 방식은 입자의 산란광을 이용해 개수와 크기를 측정하고, 질량 환산계수를 적용하여 농도를 산출한다(Lee et al., 2021). 그러나 이 방식은 상대습도와 온도 등 작동 조건에 따라 미세먼지(PM10, PM2.5)의 농도가 달라질 수 있어 정확성에 대한 논의가 지속되고 있다(Liu et al., 2018;Magi et al., 2020). 이에 본 연구에서는 센서 이상에 의한 이상치를 제거하고, 광산란 방식 기반 장비 정확도의 한계 점을 보완하고자 기준 장비로 활용되는 GRIMM 11-A (GRIMM AEROSOL TECHNIK GmbH & Co.KG, Germany)을 활용하여 두 종류의 센서 농도를 보정한 후 분석을 수행하였다(Macías-Hernández et al., 2023;Park et al., 2024). 보정 수식의 산출 과정에 대한 구체적인 내용은 선행 연구(Park et al., 2023)를 통해 제시하였으며, 보정 수식은 장비 및 농도 구간에 따라 서로 다른 수식을 사용하였다(Table 1). 이를 통해 기준 장비 농도에 맞춘 정확한 PM10 및 PM2.5 농도를 활용하고자 하였다.

    2.2.2 확산형 passive sampler 기반 HCHO 시료 채취 및 성분 분석

    일반적으로 IoT 장비에서 가스 감지를 위해 주로 활용되는 반도체 기반 가스센서(Semiconductor or MOX sensor)는 저렴하고 실시간 모니터링에 유리한 장점을 가지지만, 정량적 평가에는 한계가 존재한다는 점이 여러 연구에서 보고되어 왔다(Lewis et al., 2016;Nikolic et al., 2020;Abdullah et al., 2022). 특히 HCHO와 같은 가스상 물질은 센서 감도의 변화, 교차 감도(crosssensitivity), 그리고 온·습도와 같은 환경 조건의 영향을 크게 받아 절대 농도를 정확히 산정하는 데 상당한 불확실성이 존재한다. 따라서 이들 물질은 정밀한 절대 농도 산출보다는 상대적인 농도 변화 경향이나 시간적 변동성을 파악하는 데 더 적합한 도구로 활용될 수 있다.

    이에 본 연구에서는 주택 내 동일 공간에서 확산형 passive sampler (OVM 3721+/3720+, 3MTH, USA)를 이용하여 HCHO에 대해 샘플링을 수행하였으며, 방별로 바닥으로부터 1 m 이상 높이, 벽으로부터 15~30 cm 이격거리를 둔 위치에서 3종의 뱃지를 설치한 뒤, 약 72시간 동안 샘플링을 수행하였다.

    포집된 시료 중 HCHO는 액체크로마토그래피 분석법(High performance liquid chromatography, HPLC)를 기반으로 분석을 수행함으로써, HCHO 농도를 획득하였다. 이때, HCHO 농도 계산 식은 식 (1)과 같으며, 시료 분석 시 표준 용액 제조 및 전처리 방법은 Park et al. (2024)에 제시되어있다.

    C H C H O = 1 , 000 × C A C _ H C H O × V × F × R M × S R × T
    (1)

    여기서, CHCHO는 HCHO의 농도(ppm)이고, CAC_HCHO 는 분석된 농도(μL/mL)이다. V는 추출 용매의 부피 (mL), R은 25°C 기준 몰부피(24.45 L/mole)를 의미한다. M은 HCHO의 몰질량(g/mole), SR는 채취 유량(cc/ min), T는 샘플링 시간(min)을 의미한다. 이때, HCHO의 SR 및 정도관리에 대한 정보는 Table 2 (Park et al., 2024)에 정리하였다. 이와 같은 정밀 분석을 통한 가스상 오염물질 농도 측정을 통해 현 시점에서의 가스상 물질의 반도체 센서의 한계를 보완하고, 가스상 물질에 대한 정밀한 농도 및 노출 특성을 파악하기 위해 수행되었으며, 나아가 건강 위해성 평가에 활용하였다.

    2.3 IoT 기반 상황인지형 이동형 공기청정 시스템 성능 평가

    2.3.1 IoT 기반 상황인지형 이동형 공기청정 시스템 개요

    기존 공기청정기는 특정 공간에 고정식으로 설치되어 기기의 정격 청정면적(예: 20평형)에 국한된 범위에 서만 공기질 개선 효과를 제공한다는 한계를 가진다. 이러한 제한점으로 인해 다실 구조의 주거 공간에서는 공간별 오염도 차이를 충분히 반영하기 어렵고, 설치 위치에 따라 청정 효율의 편차가 발생할 수 있다. 이에 반해, IoT 기반 상황인지형 이동형 공기청정기는 각 실에 설치된 센서(Air-sensor, SK(주), Republic of Korea)를 통해 실내공기질을 실시간으로 모니터링하며, 특정 공간에서 오염 이벤트를 인지했을 때 해당 공간으로 즉각 이동하여 국소적인 오염을 신속하게 저감(본 연구 청정 최대 시간 15분으로 설정)할 수 있는 프레임을 갖추고 있다.

    이때, 각 실별 공기질의 조사를 위한 이동형 공기청정 시스템의 IoT 센서(SK NAMUHX, Air sensor, Republic of Korea)는 개별 공간(방) 마다 IAQ-C7 장비를 설치한 위치와 동일하게 대상 방의 실내공기질을 대표할 수 있는 위치에 설치하고 모니터링을 수행하였다(Fig. 1).

    2.3.2 시나리오별 이동형 공기청정 시스템 성능 평가

    2.3.2.1 시나리오별 측정 방법

    본 연구에서는 세 가지 시나리오를 설정하여 이동형 공기청정 시스템의 성능을 평가하였다. 시나리오는 S1 - 자연환기 (Natural ventilation), S2 - 고정식 공기청정기 사용 (Stationary air purifier), S3 - IoT 기반 상황인지형 이동형 공기청정 시스템 사용(Mobile air purification system) 세 가지로 구분하였다.

    S1(자연환기) 시나리오에서는 일상적인 주거 환경에서의 창문 개방 상태를 유지한 채 측정을 수행하였다. S2(고정식 공기청정기) 시나리오에서는 일반 가정에서 상용되는 미세먼지 및 가스상 오염물질 제거용 복합필터 기반 공기청정기(SK intellix(주), ACL-20C1A, Republic of Korea)를 거실 중앙에 설치하여 운전하였다. S3(이동형 공기청정 시스템) 시나리오에서는 S2 와 동일한 성능의 필터를 사용하는 IoT 기반 상황인지형 이동형 공기청정 시스템(SK NAMUHX, A1, SK NAMUHX, Republic of Korea)을 적용하였으며, 해당 시스템의 중앙 스테이션(거치 및 충전 위치)은 고정식 공기청정기와 동일한 위치에 설치하였다.

    2.3.2.2 시나리오별 오염물질 제거효율 평가

    세 개의 시나리오를 바탕으로 공기청정 시스템의 성능을 평가하고자 하였으며, 각 시나리오별 공기청정기의 오염물질 제거효율을 확인하였다. 이때, 제거효율은 일반적으로 단위 시간 동안의 오염물질 감소율을 이용하며, 이는 질량수지법칙을 기반으로 계산된다(Sohn et al., 2002). 한편, 본 연구는 일반적으로 공기청정기의 성능평가에 활용되는 챔버실험이나 실증주택(real-scale test house)과 달리, 재실자가 실제 생활하는 실환경에서 수행되었다. 즉, 실험실이나 모사 공간과 달리, 실제 거주자의 생활패턴, 환기 행태, 가전기기 사용 등 다양한 요인이 동시에 작용하는 조건에서의 평가가 이루어진다. 이에 따라, 공기청정기 가동 전(S1)과 공기청정기 가동 중(S2 혹은 S3)의 농도 차이를 활용하여 선행연구를 참고한 실환경 에서의 제거 효율(η)을 산출하였으며 (Lee et al., 2004), 산출 식은 (2)와 같다.

    η = C i − C o C i × 100
    (2)

    여기서, η 은 제거 효율(%), Ci는 공기청정기 가동 전 (S1) 농도(μg/m3), Co는 공기청정기 가동 후(S2 혹은 S3) 농도(μg/m3)이다. 또한, 오염물질 농도의 변동성을 고려하기 위해 몬테카를로 모의실험을 수행하여 제거 효율의 분포를 추정하였다.

    2.3.2.3 고농도 이벤트 기반 공기청정 비율(ACR) 평가

    실환경에서의 공기청정 성능 평가는 챔버실험과 달리, 인위적으로 오염원을 주입하여 청정효율을 비교하기 어렵다는 한계를 가진다. 이에 본 연구에서는 선행연구(Lee et al., 2004)를 참고하여, 고농도 이벤트(high-concentration event) 발생 후 시간 경과에 따른 청정화 성능을 정량적으로 평가하였다. 이를 위해 공기청정 비율(air cleaning ratio, ACR)을 산정하였으며, 이를 통해 공기청정 시스템의 단기 저감 성능 및 시간의 존적 정화효과를 검증하였다. ACR은 다음 식 (3)으로 정의된다.

    A C R i = C t , i C 0 , i
    (3)

    여기서, ACRi은 방 i에서 오염물질 농도의 초기농도 (C0,i) 대비 경과 시간 t에서의 농도(Ct,i)의 비율( C t , i C 0 , i )로 정의하였다. 본 연구에서는 하루 중 특정 방 i에서 관찰된 오염물질 농도의 최댓값이 나타난 시점을 오염 event 발생 시점으로 가정하였으며, 이동형 공기청정기의 청정시간이 15분으로 설정하고 센서 인지 및 스테이션으로의 복귀까지의 시간을 고려하여 30분 동안의 방 별 ACRi을 산출하였다. 단, C0,i은 방별 최댓값으로 설정하였으며 ACRi이 1인 시점을 방별 평가 시작지점으로 설정하였다. 즉, ACR은 특정 event(고농도 발생 후 청정기 가동 구간)에서, 초기 최대 농도 대비 시간 경과에 따른 상대적 농도 비율을 나타내는 지표로, 공기청정기의 성능을 오염물질의 농도 절대치에 의존하지 않고 정량적으로 비교할 수 있게 한다.

    이후, 산출된 ACR의 시간 감소 패턴을 정량적으로 분석하기 위해 ACR과 시간(분) 관계에 대한 회귀분석을 수행하였다. 이때, 회귀분석의 구조는 식 (4)와 같다.

    y = β x + 1
    (4)

    여기서, y는 ACR을 의미하고, x는 시간(분)을 의미한다. β 는 시간 경과에 따른 ACR의 기울기로 공기청정기의 청정 속도를 의미한다. β 의 절대값이 클수록 오염물 질의 농도가 더 빠르게 감소함을 의미하며, 절편은 초기시점(ACR0 = 1)으로 고정하여 상대적 농도 변화율을 확인하였다.

    2.4 시나리오별 이동형 공기청정 시스템의 건강 영향 평가

    본 연구에서는 공기청정기의 적용 여부 및 제어 방식 (자연환기, 고정식, 이동식)에 따른 시나리오별 건강 위해성 저감 효과를 정량적으로 평가하였다. 건강 위해성 평가는 NAS (National Academy of Sciences)와 US EPA에서 제안하는 건강위해성평가 방법론을 활용하여 비발암 및 발암 위해성평가를 수행하였다(NRC, 1983; US EPA, 1991).

    2.4.1 급성 건강영향 발현 가능성 평가

    비발암 및 발암 위해성을 평가하기에 앞서, 독성값이 부재한 입자상물질(PM10, PM2.5)의 노출로 인해 발생할 수 있는 주요 건강 종말점(endpoints)을 천식으로 인한 입원 및 진단 등으로 정의하여 건강영향 발현 가능성을 평가 시나리오에 따라 비교하고자 하였으며, 세부 내용은 Table 3에 요약하였다. 각 건강 종말점은 선행연구를 통해 도출된 상대위험도(relative risk, RR) 값을 활용하여 대상 오염물질 노출에 따른 건강영향을 산정하였다.

    이때, lag 0~lag 1에서 나타나는 천식 입원율과 같은 단기 노출 영향(acute effect)은 식 (5)를 활용하여 위해도를 산출하였다.

    R i s k A c u t e = U R A c u t e × C 95 %
    (5)

    여기서, URAcute는 급성 건강영향의 단위 위해도를 의미하며, C 는 대상 오염물질의 농도(μg/m3, ppm)를 의미한다. RiskAcute에서의 오염물질의 농도는 선행연구결과를 참고하여(Jeon et al., 2023), 95% 수준의 농도 값을 사용하여 평가하였다. 이때, HCHO의 급성 건강영향의 경우 Passive sampler로 샘플링된 72시간 평균적인 농도로 순간적인 고농도 노출에 대한 반영이 어려워 수행하지 않았다.

    2.4.2 비발암 위해성평가

    비발암 위해도는 IoT 센서 중 PM10, PM2.5 및 확산형 passive sampler를 통해 얻은 HCHO에 대해 평가하였으며, 식 (6)의 위해지수(Hazard quetient, HQ)를 기반으로 HQ가 ‘1’을 초과할 때 비발암 건강 영향을 야기할 수 있는 것으로 판단하였다(US EPA, 2001).

    H Q = A D D R f D = C × I R × E F × E D × E T B W × A T R f C × I R s B W s
    (6)

    여기서, ADD는 일일평균용량(Average daily dose, μg/kg/day)이고, RfD는 독성참고용량(Reference dose, μg/kg/day)이다. C, IR, ET, EF, ED, BW는 앞서 제시한 바와 동일하며, AT는 평균노출시간을 의미한다. 여기서 RfD는 US EPA의 방법론에 따라 RfC를 표준호흡률(20 m3/day)과 표준체중(70 kg)을 통해 용량으로 변환하여 활용하였다.

    한편, 연구 대상 물질 중 PM10, PM2.5는 다양한 화학 성분으로 이루어진 복합물질로 일반적인 단일 물질과 달리 RfC와 같은 독성값이 제시되어 있지 않으며, RfC 값이 부재하다. 이에 본 연구에서는 선행 연구를 참고 하여(Jeon et al., 2023;Park et al., 2024), RfC가 없는 물질에 대해 WHO 혹은 국내 법령에서 제시하고 있는 기준치 중 24시간 기준 농도 중 가장 낮은 농도를 비발암 건강영향을 야기할 수 있는 역치로 대체하여 평가하였다(Table 4).

    2.4.3 발암 위해성평가

    발암 위해도의 경우 호흡단위위해도(inhalation unit risk, IUR)가 존재하는 HCHO에 대해서만 평가하였으며, 식 (7)의 초과발암위해도(Excess cancer risk, ECR)를 산출하였다. 이때 ECR은 1.00E-04~1.00E-06 범위에 있을 경우 허용 가능한 수준으로 간주하며(US EPA, 2001), 본 연구에서는 1.00E-05를 허용가능한 수준인 것으로 간주하였다(Kwon et al., 2021;NIER, 2021).

    E C R = C S F × L A D D = I U R × B W s I R s × C × I R × E F × E D × E T B W × L T
    (7)

    여기서, CSF은 암발생기울기(Slope facter, (μg/ m3)–1)를 의미하며, IUR은 호흡단위위해도((μg/m3)–1)를 의미한다. 이때, 사용된 IUR은 US EPA에서 IRIS (Integrated risk information system)에서 제공한 독성값을 정리한 Regional Screening Levels (RSL) 요약표를 참고하였다.

    2.4.4 노출시나리오

    본 연구에서는 건강 영향 대상을 본 연구 대상 주택의 주요 재실자인 주부로 설정하였으며, 설정한 노출 시나리오는 Table 5와 같다. 이러한 접근을 통해 단순한 농도 저감 효과뿐만 아니라, 재실자의 건강 위해성 관점에서 이동형 공기청정 시스템의 효과를 종합적으로 비교하고자 하였다.

    또한 본 연구에서는 건강 위해성 평가 시 단일 값을 사용할 때 발생할 수 있는 불확실성을 최소화하기 위해, 몬테카를로 시뮬레이션을 활용한 확률론적 건강 위해성 평가를 수행하였다. 몬테카를로 시뮬레이션은 오염물질 노출에 따른 발암 및 비발암 위해성을 평가할 때 무작위 샘플링을 통해 수백에서 수천 개의 다양한 결과 값을 생성함으로써, 단일 값에 의존하는 결정론적 방법보다 더 유연한 조건에서 불확실성을 추정할 수 있는 장점이 있다(Rauf et al., 2021). 본 연구에서 사용된 변수의 함수는 식 (8)과 같다.

    Y = h X = h X 1 , X 2 , … , X k
    (8)

    여기서, Y는 대상오염물질 5종의 흡입 노출에 따른 건강위해도이며, X는 몬테카를로 시뮬레이션에 사용한 입력변수이다. 본 연구에서는 입력변수로 C, IR, ED, EF, ET, BW, AT 및 LT를 사용하였으며, 시뮬레이션은 10,000번의 반복을 수행하였다(Rauf et al., 2021). 이 중 오염물질 농도는 측정 자료 전체 분포를 기반으로 확률분포를 설정하여 적용하였고, 나머지 변수의 범위와 값은 선행연구 결과를 참고하여 산정하였다.

    2.5 통계분석

    평가 시나리오별 오염물질의 농도 차이를 검정하기 위하여 일원배치 분산분석(one-way ANOVA)을 수행하였으며, 사후분석은 Scheffé 검정을 적용하였다. 또한, 가스상 물질의 IoT 장비 측정값과 passive sampler 간 성분분석 농도를 비교하기 위해 Spearman 상관 분 석 및 짝비교 t-검정을 수행하였다. 이때, N.D. (not detected) 값은 보다 보수적으로 평가하기 위해 각 물질별 MDL의 1/2 값으로 대체하여 분석에 활용하였다 (US EPA, 2006). 모든 통계적 유의수준은 0.05로 설정하였으며, 통계 분석은 R (ver. 4.2.1)을 활용하였고, 자료의 시각화는 Python (ver. 3.13.3)의 matplotlib 및 seaborn 라이브러리를 사용하여 수행하였다.

    3. 결 과

    3.1 시나리오별 실내공기질 분포 특성

    3.1.1 입자상 물질(PM10, PM2.5)의 모니터링 결과

    본 연구에서는 IoT 기반 상황인지형 이동형 공기청정 시스템을 평가하기 위해 주택 2곳의 입자상물질(PM10, PM2.5)의 시나리오별(S1 - 자연환기, S2 - 고정형 공기청정기, S3 - 이동형 공기청정기) 농도 분포를 확인하였다(Fig. 2). 그 결과, S1, S2, S3 순으로 막대 높이 뿐 아니라 오차막대(95% 상한값)의 높이가 점차 낮아져 공기청정 시스템의 작동 여부에 따라 실내 공기질이 뚜렷하게 개선되는 경향을 확인할 수 있었다. 특히, S3은 고정된 위치에서 작동하는 S2에 비해 95% 수준의 농도가 PM10과 PM2.5 각 28.5%, 27.0% 더 낮게 나타났으며, 이는 이동형 시스템이 실내 공기 중 미세먼지가 발생하거나 실내 기류에 의해 잘 확산되지 못하는 사각지대까지 직접 이동하여 즉각적으로 제거하기 때문으로 해석된다. 즉, 이동형 공기청정 시스템의 적용은 평균적인 농도 저감뿐만 아니라 고농도 구간에서의 저감 효율을 극대화하여, 자연환기 및 고정형 공기청정기에 비해 한층 향상된 실내 PM2.5 저감 성능을 보였다. 또한, 이러한 결과는 입자상 물질의 고농도 노출로 인한 불쾌감과 급성 건강영향 발생 가능성을 효과적으로 완화할 수 있는 가능성을 시사한다.

    주택 내 방별 입자상물질의 농도 분포를 확인한 결과 (Fig. 3), PM10과 PM2.5 농도는 대부분의 방에서 S1, S2, S3 간에 유의한 차이를 보였다(p < 0.05). 특히, R2 대 비 R1이 시나리오에 따른 뚜렷한 PM10, PM2.5 농도 저감을 확인할 수 있었다. 먼저, R1의 PM10, PM2.5 농도는 거실(Living room)에서 가장 높은 농도로 나타났으며, 자연환기 상태의 S1의 농도는 PM10은 29.47 μg/m3, PM2.5는 27.38 μg/m3 수준인 것으로 확인되었다. 반면, 공기청정기를 가동한 이후 PM10은 S1 대비 S2와 S3에서 각 33.6%, 33.9%, PM2.5는 51.2%, 53.3% 낮아진 것을 확인하였다. 또한, 거실뿐 아니라 다른 공간에서도 세 시나리오 중 S3의 PM10, PM2.5 농도가 가장 낮게 나타나, 이동형 공기청정 시스템이 자연환기 및 고정형 공기청정기 시스템 운영 대비 주택 전체 공간 및 미세공간별 미세먼지 저감에 효과적임을 확인하였다. 특히, 서재와 방에서 이들의 저감효과가 뚜렷하게 나타났는데, PM2.5의 S1 대비 S2 농도가 서재와 방 각 18.9%, 18.4% 저감된 반면, S1 대비 S3의 농도가 서재와 방 각 53.5%, 48.8% 낮게 나타나 자연환기인 S1 대비 저감률이 약 2.8배, 2.7배 높게 나타난 것을 확인할 수 있었다.

    반면, R2의 경우 모든 방에서 PM10과 PM2.5 농도가 약 15 μg/m3 내외로 전반적으로 낮게 유지되어, 시나리오 간 농도 차이가 R1에 비해 뚜렷하지 않았다. 이러한 결과는 입자상 물질의 경우 전반적으로 농도가 낮은 환경보다는 R1과 같이 고농도 사건이 빈번하게 발생하는 조건에서 청정 성능이 더욱 효과적으로 발휘될 수 있음을 시사한다. 또한, 선행연구(Park et al., 2013;Shin et al., 2022)에서도 공기청정기 작동 이후 실내 PM2.5 농도가 약 10~15 μg/m3 수준에서 수렴하는 경향이 보고된 바 있으며, 본 연구에서도 유사한 패턴이 확인되었다. 이러한 결과는 실내 배경농도, 외기 유입, 비제어 미세 오염원 등으로 인해 일정 농도 이하의 추가 저감이 어려운 저감 하한선이 존재할 수 있음을 의미한다.

    3.1.2 HCHO의 모니터링 결과

    주택 2곳의 passive sampler 기반 HCHO의 시나리 오별 분포 특성을 확인한 결과(Table 6), HCHO 농도는 S2 (4.93 ± 2.86 μg/m3), S1(3.76 ± 1.81 μg/m3), S3(3.64 ± 1.38 μg/m3) 순으로 높은 농도로 나타났으며 (p < 0.05), 특히 S3은 S2 대비 26.2% 낮아져 저감 효과가 확인되었다. 또한, 95th 백분위수의 농도 역시 S2 (9.35 μg/m3), S1 (6.73 μg/m3), S3 (5.92 μg/m3) 순으로 나타났으며, S3은 S2 대비 36.7% 감소하여 고농도 구간에서도 뚜렷한 저감 효과가 확인되었다.

    또한, 시나리오 및 방별 가스상물질 농도 분포를 확인하였으며(Fig. 4), 모든 조건에서 4 μg/m3 내외로 다중이용시설 중 민감계층 이용시설 권고기준인 80 μg/ m3 대비 1/20 수준으로 상당히 낮은 농도를 보였다. 방 별 HCHO 농도는 R1에서는 침실(bedroom)에서 7.34 μg/m3로 가장 높은 농도로 나타났으며, R2에서는 방 (room)에서 9.73 μg/m3로 가장 높은 농도로 나타났다. 공기청정 시나리오별로 확인한 결과, R1과 R2 모두 S2인 고정형 공기청정기 사용 시 대체적으로 높은 농도로 나타났다. 이는 HCHO의 주택 실내에서의 발생원 (가구, 건축자재 등)의 특성상 동일한 공간에서 반복적 으로 배출되는 특성이 있으나, 고정형 공기청정 시스템은 주로 설치된 공간을 중심으로 청정 효과가 국한되므로, 인접 공간이나 분리된 방에서는 HCHO 저감 효과가 제한적일 수 있음을 보여주는 결과라 할 수 있다. 반면, S3에서는 전반적으로 HCHO 농도가 S1 혹은 S2 대비 낮아지는 경향을 보여, 공간 내 발생원이 분포하는 위치에 따라 공기청정기의 이동이 저감 효율을 높이는 데 기여할 수 있음을 시사한다. 이는 HCHO와 같은 지속적 배출 특성을 가진 가스상 오염물질 관리에 있어 이동형 청정기의 효과적 활용 가능성을 보여주는 결과라 할 수 있다.

    3.2 시나리오별 이동형 공기청정 시스템 성능 평가 결과

    3.2.1 오염물질 제거효율 평가

    각 시나리오별 PM10, PM2.5의 제거효율(η)을 산출하였다(Fig. 5). 이때, PM10 및 PM2.5에 대한 제거효율의 출현 가능성을 확인하기 위해 공기청정기 가동 전(S1)과 후(S2, S3) 농도 변화를 기반으로 몬테카를로 분석을 10,000번 행한 결과로써, 평균적인 제거효율은 고정형 공기청정기(S2)의 경우 PM10과 PM2.5 각 45.2 ± 24.6%, 43.9 ± 24.1%, 이동형공기청정시스템(S3)은 45.31 ± 24.39%, 46.24 ± 46.24%로 확인되었다. 추가적으로 PM10, PM2.5에 대한 공기청정기의 제거효율분포는 30%에서 70%까지 높은 균일하게 높은 빈도수를 나타냈으며, 특히 가장 높은 빈도수를 나타낸 제거효율은 S2의 경우 PM10과 PM2.5에서 각각 52.0%, 39.0%인 반면, S3의 경우 각각 58.0%, 58.0%로 나타났다. 즉, 고 정형과 이동형 공기청정기 모두 전반적으로 우수한 제거 효율을 보였으나, 특히 PM2.5에 대해서는 이동형 공기청정 시스템의 제거 효율이 두드러지게 높아, 실내 미세먼지 저감 측면에서 이동형 시스템의 효용성이 뚜렷하게 나타났다.

    3.2.2 PM2.5의 ACR 평가 결과

    한편, 본 연구에서는 모니터링된 물질 중 PM2.5 만을 활용하여 ACR 및 제거 효율을 시나리오별로 확인하고자 오염 이벤트 발생 이후 30분까지의 ACR을 확인하였다. PM2.5의 ACR을 시나리오별로 확인한 결과 (Fig. 6), R1에서는 S1는 30분이 경과하더라도 ACR 값이 0.9 내외로 높게 유지되어, 자연환기에서는 배경농도로의 회복이 약 10% 수준으로 제한적으로 저감되는 것을 확인할 수 있었다. 또한, 고정된 위치에서 청정이 이루어지는 S2의 경우도 ACR이 20~30분 이내 0.8 내외로 나타났으며, 이는 오염원 발생과 동시에 저감률이 약 20% 내외인 것을 확인한 결과이다. 반면, 이동형 공기청정 시스템(S3)은 동일한 30분 이내에 ACR이 약 0.4로 낮아져 60% 수준의 농도 저감을 달성하였으며, 이는 자연환기(S1) 대비 약 6배, 고정형 공기청정기 (S2) 대비 약 3배 빠르게 저감하는 것을 확인한 결과이다. 즉, 이동형 공기청정 시스템은 오염원 발생 직후의 고농도 구간을 신속하게 인지하고, 오염이 집중된 국소 공간으로 직접 이동하여 단기간 내 효율적인 정화를 수행함으로써, 기존의 고정형 청정 방식 대비 시간 의존적 청정 성능이 우수하고, 단시간 내 급격한 농도 상승을 효과적으로 제어할 수 있는 능동적 대응 기술로서의 가능성을 보여준다.

    한편, R2의 경우에는 전반적으로 R1보다 ACR의 감소 속도가 완만하게 나타나 동일 시간 내 농도 저감 효과가 상대적으로 제한적이며, 방별 저감 속도 및 청정 성능의 차이가 큰 것을 확인할 수 있었다. 먼저, 고정형 공기청정기(S2)의 경우 특정 방(거실, 침실)에서 ACR 이 30분 내 0.5 수준 (약 50%)까지 감소하여 일정 부분 저감 효과가 확인되었으나, 공간별 편차가 크게 나타났다. 반면, 이동형 공기청정 시스템(S3)은 R1에 비해 절대적인 저감 속도는 다소 완만하였으나, 대부분의 방에서 20~30분 이내 ACR이 0.5 이하(약 50%)로 감소하여 고정형 대비 빠르게 개선된 것을 확인할 수 있었다. 이러한 결과는 이동형과 고정형 공기청정 시스템 모두 실내 미세먼지 저감에 효과적임을 보여주는 동시에, 이 동형 시스템이 오염 발생 직후의 농도 상승을 신속하게 인지하고, 국소 고농도 구역으로 즉각 이동하여 빠른 시간 내 효율적인 제거를 수행할 수 있음을 시사한다.

    추가적으로 S3의 경우 30분 동안 청정이 이루어진 이후 PM2.5 농도가 17.11 μg/m3 수준까지 도달하는 것으로 확인되었다. 이를 기준으로, S1(자연환기)과 S2(고정형 공기청정기) 시나리오에서 관찰된 고농도 이벤트 중 동일 농도(17.11 μg/m3)에 도달하는 데 소요되는 시간을 비교하였다. 그 결과(Fig. 9), S2는 평균적으로 약 333분(5시간 33분)이 소요되어 S3 대비 약 10배 이상 긴 것으로 나타났으며, 일부 구간에서는 최저농도에 도달하지 못하는 사례도 확인되었다. 반면 S1은 외기 유입 혹은 실내 이벤트에 따른 지속적인 오염으로 인해 PM2.5 농도가 17.11 μg/m3 이하로 감소하지 않고 장기간 높은 수준으로 유지되는 경향을 보였다. 이러한 결과는 이동형 공기청정 시스템(S3)이 다실환경에서 실내 오염물질 저감 속도 및 효율과 청정 안정성 측면에서 가장 우수함을 시사한다.

    ACR과 시간(분) 간의 회귀분석을 통해 시간 경과에 따른 정화 속도를 확인한 결과(Table 7), 세 시나리오 모두에서 ACR은 시간 경과에 따라 선형적으로 감소하는 경향을 보였으며, 특히 S3에서 가장 큰 절대 기울기 (|β| = 0.0080)를 나타내어 S1(0.0019)과 S2(0.0020) 대비 시간당 ACR 감소율이 각각 약 4.0배, 4.2배 높은 것으로 확인되었다. 이는 이동형 공기청정 시스템이 오염 발생 직후 공간 내 PM2.5 농도를 더욱 빠르게 낮추는 능력을 갖고 있음을 의미한다. 또한, 30분 경과 후 예상 ACR은 S1 (0.943)과 S2 (0.940)에 비해 S3 (0.760)에서 가장 낮게 나타났으며, ACR이 0.5(초기 대비 50% 저감)에 도달하는 데 필요한 시간 역시 S1(4.4시간)과 S2(4.2시간)에 비해 S3은 약 1.0시간으로 가장 짧았다. 즉, 이동형 공기청정 시스템(S3)은 고농도 이벤트 발생 직후 빠른 저감 성능을 보이며, 다른 시나리오 대비 월등히 짧은 시간 내 모든 방에서 낮은 수준에 도달하는 것으로 나타났다. 이는 이동형 시스템의 공간 내 이동성과 상황 대응형 운전 특성이 실환경에서의 효율적 청정화에 기여함을 시사한다.

    3.3 시나리오별 이동형 공기청정 시스템의 건강 영향 평가 결과

    3.3.1 급성 건강영향 발현 가능성 평가

    본 연구에서 건강영향 발현 가능성은 천식입원률(asthma admission rate)를 기반으로 산출된 급성 Risk를 통해 확인하였다. 이때, 급성 건강영향에 대한 평가는 IoT 측정 대상 오염물질 중 정량적 평가가 가능한 PM10과 PM2.5에 대해 수행하였다(Table 8). 그 결과, PM10, PM2.5의 RiskAcute는 S3, S2, S1 순으로 감소하는 경향을 보여, 이동형 공기청정 시스템이 급성 노출로 인한 건강 영향을 가장 효과적으로 저감하는 것으로 나타났다. PM10의 경우 자연환기(S1) 대비 고정형 공기청정기(S2)와 이동형 공기청정 시스템(S3)의 위해도가 각각 약 21.3%, 44.5% 감소하였으며, PM2.5에서도 각각 18.0%, 42.2% 감소하는 것으로 나타났다. 특히 S3은 S2에 비하여도 PM10과 PM2.5 모두에서 약 30% 내외의 추가 저감 효과를 보여, 이동형 시스템이 급성 노출로 인한 건강 위험을 단기간에 가장 효과적으로 완화할 수 있음을 확인하였다.

    3.3.2 비발암 위해성평가

    몬테카를로 시뮬레이션을 활용하여 비발암 위해성평가를 수행하였으며, 이때 활용된 오염물질 농도의 분포 및 대푯값은 Table 9에 정리하였다. 대상 물질 모두 HQ가 50th percentile 수준에서 위해기준인 1을 초과하지 않았으나(Fig. 8, a), 90th percentile 수준에서는 PM2.5 의 S1 (1.1)에서 1을 초과하였다(Fig. 8, b). 반면, 동일하게 PM2.5의 HQ는 S2와 S3에서 각각 0.79, 0.64로 나타났다. 이는 자연환기만 이루어지는 조건에서는 단기간의 고농도 노출이 비발암 건강위해로 이어질 수 있음을 보여주는 반면, 동일 조건에서 S2와 S3은 HQ가 각각 0.79와 0.64로 1 미만으로 나타나, 공기청정기의 사용이 비발암 건강영향에 대해 재실자의 건강 보호에 보다 높은 안정성을 제공할 수 있음을 확인할 수 있었다.

    3.3.3 발암위해성 평가

    발암 위해성평가 대상 오염물질인 HCHO에 대해 ECR을 산출한 결과(Fig. 9), 50th percentile 수준에서 ECR이 약 1.0E-06 내외로 허용 가능한 수준인 것으로 확인되었으며, 90th percentile 수준에서도 역시 ECR 이 최대 2.1E-05 (S2)로 허용 가능한 수준에 있는 것으로 나타났다. 시나리오별 비교 결과, HCHO은 50th percentile에서 S2와 S3의 ECR이 각 8.7E-06, 7.4E- 06로 S3이 S2 대비 약 0.85배 낮게 나타났으며, 90th percentile에서는 S3의 ECR (1.3E-05)이 S2 (2.1E-05) 대비 약 0.62배 낮게 나타난 것을 확인할 수 있었다.

    또한, ECR가 1.0E-05(10만 명 중 1명 발암 확률) 이상인 경우를 ‘허용 가능한 위해 수준 초과’로 정의하고, 이를 10,000번의 시뮬레이션 중 이를 초과한 확률분포를 확인한 결과 HCHO의 경우 S2에서는 42.4%가 기준을 초과한 반면, S3에서는 26.8%로 절반 수준으로 감소하였다. 이와 같이 동일한 필터를 사용했음에도 이동형 공기청정 시스템(S3)은 공간 내 사각지대를 효과적으로 보완하여 고정형 공기청정기(S2) 대비 현저히 낮은 발암 위해도를 보였다. 이는 이동형 시스템이 실내 기류 정체나 구조적 제약으로 인한 오염 불균일성을 완화함으로써, 고위험 농도 구역의 노출 가능성을 실질적으로 저감시킨 결과로 해석된다. 따라서 이동형 공기청정 시스템은 단순한 평균 농도 저감 수준을 넘어, ‘허용 가능한 위해 수준 초과’을 초과하는 고위험군의 비율을 현저히 낮춤으로써 재실자의 발암 건강위해를 완화할 수 있는 대안으로 활용될 수 있을 것으로 기대된다. 이러한 결과는 이동형 시스템이 고정형 청정 방식의 한계를 보완하며, 향후 건강 기반의 실내공기질 관리체계 구축에 기여할 수 있는 잠재력을 지님을 시사한다.

    4. 고 찰

    본 연구는 IoT 기반 상황인지형 이동형 공기청정 시스템이 실제 주거 환경에서 PM10, PM2.5 및 HCHO 농도를 저감하는 효과를 정량적으로 평가하고, 이러한 저감이 재실자의 건강 개선에 기여할 수 있는 가능성을 다각도로 분석하고자 하였다. 특히 기존의 고정형 공기청정기가 가지는 공간적 한계를 보완할 수 있는 이동형 시스템의 효용성을 검증하고, 건강 기반 맞춤형 지표를 활용한 실내 공기질 관리 전략의 적용 가능성을 탐색하 였다.

    이동형 공기청정 시스템의 성능을 평가하고자, 세 가지 시나리오를 설정하여 이동형 공기청정 시스템의 성능을 평가하였다. 이때, 시나리오는 S1 - 자연환기, S2 - 고정식 공기청정기 사용, S3 - IoT 기반 상황인지형 이동형 공기청정 시스템 사용 세 가지로 구분하였다. 시나리오별 실내 공기 중 PM10 및 PM2.5의 분포를 확인한 결과, S1 대비 S2와 S3에서 PM10 및 PM2.5 농도가 유의하게 감소하였다. 특히 S3는 S2 대비 20% 이상의 추가 저감 효과를 보여 이동형 시스템이 고정형 공기청정기의 사각지대를 보완하고 공간별 미세먼지 농도를 보다 효과적으로 관리할 수 있음을 확인하였다. 선행연구에 따르면, 고정형 공기청정기에 대한 평가는 주로 밀폐된 환경에서 단일 기기의 효과에 국한되어 이루어져 왔으며(Grinshpun et al., 2005;Lowther et al., 2023;Sankurantripati and Duchaine, 2024), 정격 면적보다 큰 공간이나 다실 구조와 같은 실제 주거 환경에서는 효과적인 공기질 개선 방법을 제시하는 데 한계가 있었다 (An et al., 2025). 본 연구의 결과는 이러한 고정형 공기청정기의 제약점을 지적한 기존 연구와 일치하며, 특히 IoT 센서를 기반으로 한 실시간 공간 대응 전략이 복잡한 생활 환경에서의 실내공기질 관리에 유효한 대안이 될 수 있음을 보여준다.

    공간별 차이를 분석한 결과, 고농도 사건이 빈번하게 발생한 R1의 거실에서 이동형 시스템의 저감 효과가 두드러지게 나타난 반면, 상대적으로 저농도 환경이 유 지된 R2에서는 시나리오 간 차이가 크지 않았다. 이는 이동형 공기청정 시스템의 성능이 단순히 기기의 특성만이 아니라, 청정이 이루어지는 당시의 실내 오염 수준과 밀접하게 연관되어 있음을 보여준다. 특히 고농도 사건이 빈번하게 발생하는 공간에서는 오염원 발생 직후의 피크 농도를 고정식 공기청정기보다 빠르고 효과적으로 저감하여 재실자의 건강 위해를 줄이는 데 직접적으로 기여할 수 있다. 반면, R2와 같이 전반적으로 저농도가 유지되는 환경에서는 측정 불확실성이나 외기 유입, 자연 환기 등의 영향에 의해 공기청정기의 기여도가 희석됨에 따라 절대 저감량이 제한적이어서 ‘바닥효과(floor effect)’가 나타날 수 있다. 이때, 바바닥효 과란 특정 변수의 초기 수준이 이미 낮아 추가적인 감소가 통계적으로 뚜렷하게 관찰되기 어렵고, 이에 따라 결과의 편향과 불확실성이 증가하는 현상을 의미한다 (Simkovic and Trauble, 2019). 따라서 이동형 시스템은 저농도 환경에서는 바닥효과로 인해 효과가 상대적으로 제한적으로 나타날 수 있으나, 고농도 취약 공간에서는 오염원 발생 직후의 피크 농도를 빠르고 효과적으로 저감함으로써 그 효용이 극대화될 수 있을 것으로 판단된다. 또한 에너지 효율적 운영 측면에서도 상시 가동되는 고정식 공기청정기 대비 불필요한 전력 소모를 줄이고, 오염 발생 시점에 집중적으로 대응할 수 있다는 점에서 실내공기질 관리의 실질적인 대안으로 평가될 수 있을 것으로 기대된다.

    HCHO의 경우 S3에서 S2 대비 26.2% 낮은 농도를 보여, 입자상 물질과 유사하게 이동형 시스템의 저감 효과가 확인되었다. 특히 95th 백분위수에서도 S3가 S2 대비 36.7% 낮게 나타나, HCHO와 같이 고정되어있는 발생원에서 지속적으로 방출되는 가스상 오염물질에서도 이동형 시스템이 고농도 구간을 효과적으로 관리할 수 있음을 보여준다. 따라서 이동형 공기청정 시스템은 단순히 미세먼지 저감에 국한되지 않고, 생활환경 내에서 재실자의 건강 위해에 기여할 수 있는 종합적 관리 수단으로 활용 가능성이 높을 것으로 기대된다.

    또한, Monte Carlo 모의실험을 통해 산출된 시나리오 별 제거효율 분포 결과는 이동형 공기청정 시스템(S3)이 고정형 공기청정기(S2)에 비해 전반적으로 높은 정화 성능을 나타냄을 보여준다. 특히 PM2.5의 경우 S3에 서의 평균 제거효율이 S2 대비 약 1.6배 높게 나타났으며, 이는 미세입자가 실내 공간 내에서 균일하게 확산되지 못할 때 이동형 시스템이 보다 효과적으로 국소 고농도 구역에 접근하여 제거를 수행했기 때문으로 판단된다. 이러한 경향은 기존 연구에서 보고된 결과와 일치한다. 예를 들어, Küpper et al. (2019)은 실제 사무 공간에서 공기청정기의 위치에 따라 정화성능이 달라질 수 있음을 실험적으로 제시하였으며, 책상 아래와 같은 기류 정체 구역(dead zone)에 공기청정기를 설치할 경우 평균 공기 청정 공급률(clean air delivery rate, CADR)이 약 50% 감소한다고 보고하였다. 이는 실내 공기 흐름의 불균일성과 사각지대 존재가 공기청정 효율을 크게 저하시킬 수 있음을 의미하며, 본 연구의 결과에서 이동형 시스템(S3)이 이러한 공간적 제약을 극복하고 더 균질한 정화효율을 보인 원인으로 해석될 수 있다. 즉, 이동형 공기청정 시스템은 고정된 위치에서의 한계를 보완하여 실내의 미세입자 분포를 균질화하고, 오염물질이 집중되는 국소 영역의 농도를 신속히 저감함으로써, 실제 생활환경에서의 공기질 관리 효율을 극대화할 수 있는 대안적 기술임을 시사한다.

    PM2.5의 ACR 분석 결과, 고농도 오염 이벤트 이후 약 30분이 지나면 일정 수준에 수렴했으나, 시나리오 와 공간별 저감 속도에는 차이가 있었다. 고농도 이벤 트가 상대적으로 빈번했던 R1에서 S1은 회복이 제한적이었으나, S3에서는 20~30분 이내에 ACR이 0.4 이하(60% 수준)로 감소해 빠른 저감 효과가 확인되었다. 반면 R2는 절대 농도가 낮아 저감 속도가 완만하고 방별 편차가 컸다. 이러한 결과는 이동형 공기청정 시스템이 단순히 입자상 물질의 고농도 사건에 신속히 대응하는 것에 그치지 않고, 고정형 대비 실내공기질 개선에서 보다 포괄적이고 유연한 대안이 될 수 있음을 재확인하였다.

    본 연구는 이동형 공기청정 시스템이 단순히 평균 농도를 낮추는 수준을 넘어, 급성·비발암·발암 위해 위험을 다각도로 저감할 수 있음을 보여주고자 하였다. 먼저, 급성 건강영향 측면에서 PM10 및 PM2.5에 의한 천식 입원율은 S1 대비 S2에서 약 20% 내외 감소한 반면, S3에서는 약 40% 이상 감소하여, 급성 고농도 노출 상황에서 이동형 시스템이 가장 효과적으로 대응할 수 있음을 입증하였다. 비발암 위해성 평가에서는 모든 오염 물질에서 50th percentile 수준의 HQ가 위해기준인 1을 넘지 않았으나, 90th percentile에서는 PM2.5가 S1 조건 에서 1.1로 기준치를 초과하였다. 그러나 같은 조건에서 S2와 S3는 각각 0.79, 0.64로 기준치 미만이었으로 나타나 공기청정기 사용이 자연환경 대비 비발암 건강 영향에 긍정적인 효과를 야기할 수 있을 것으로 추정되었다. 발암 위해성 평가에서는 HCHO의 ECR이 S3에서 S2 대비 50th percentile에서 약 0.85배, 90th percentile 에서 약 0.62배로 감소하였다. 이는 동일한 필터를 사용하더라도 이동형 시스템이 공간 사각지대를 보완함으로써 발암성 오염물질의 위해도를 현저히 줄였음을 의미한다.

    결과적으로, 본 연구는 이동형 공기청정 시스템이 고정형 대비(1) 고농도 피크 대응, (2) 급성 노출 저감, (3) 급성·비발암·발암 건강 위해 저감에서 포괄적으로 우수한 성능을 보임을 실증하였다. 이는 이동형 공기청정 시스템이 단순한 미세먼지 저감 장치를 넘어, 재실 자의 건강 보호를 위한 실질적이고 효율적인 기술 대안으로서의 가치를 지닌다는 점을 강조한다.

    5. 결 론

    본 연구에서는 IoT 기반 상황인지형 이동형 공기청정 시스템의 실환경 성능을 정량적으로 평가하고, 기존 고정형 공기청정기의 공간적 한계를 보완할 수 있는 실질적 대안으로서의 가능성을 검증하였다. 세 가지 시나리오(S1: 자연환기, S2: 고정식 공기청정기, S3: 이동형 공기청정 시스템)를 설정하여 PM2.5, PM10 및 HCHO를 대상으로 농도 변화, 제거효율, 그리고 ACR을 비교· 분석하였다.

    그 결과, 이동형 공기청정 시스템(S3)은 PM2.5 농도 기준으로 S2 대비 약 1.6배 높은 제거효율을 나타냈으며, 고농도 오염 이벤트 발생 후 30분 이내에 ACR이 0.4 이하로 감소하는 빠른 청정 반응을 보였다. 반면 고정형 공기청정기(S2)는 모든 방에 있어서 약 333분(약 5.5시간) 경과 후에야 배경농도 수준에 도달하여, 공간 내 공기 혼합 및 사각지대에 따른 정화 한계가 확인되었다. 이는 이동형 시스템이 공간 내 오염 분포를 실시간으로 인지하고, 국소 고농도 영역에 능동적으로 접근하여 효율적인 정화를 수행할 수 있음을 시사한다. 또한, Monte Carlo 모의실험 결과 이동형 시스템은 입자상 및 가스상 오염물질 모두에서 일관된 저감 성능을 보였으며, 특히 HCHO와 같은 지속적 방출 특성을 가진 물질에서도 90th percentile 기준 S2 대비 36.7% 낮은 농도를 기록하였다. 이는 이동형 시스템이 단순히 입자상 오염물질의 제거에 국한되지 않고, 복합 오염 환경에서도 효과적인 제어가 가능함을 의미한다.

    건강영향 평가 측면에서도, 이동형 공기청정 시스템은 급성 및 만성 위해성 저감 모두에서 뚜렷한 개선 효과를 보였다. 먼저, 급성 건강영향 지표로 평가한 천식 입원율(asthma hospitalization rate)은 S1 대비 S2에서 약 20% 감소하였고, S3에서는 약 40% 이상 감소하여, 고농도 노출 사건에 신속히 대응함으로써 급성 호흡 기계 부담을 현저히 완화할 수 있음을 확인하였다. 비발암 위해성 평가에서는 PM2.5의 HQ가 자연환기 조건(S1)에서 1.1로 기준치를 초과한 반면, 고정형(S2)에서는 0.79, 이동형(S3)에서는 0.64 수준으로 나타나 비발암 건강영향을 야기하지 않는 것으로 확인되었다. 발암 위해성 측면에서도 HCHO의 ECR이 각각 S3 조건에서 S2 대비 0.62배 수준으로 낮아져, 장기적 위해 감소 가능성을 입증하였다. 이러한 결과는 동일한 필터 성능을 가진 공기청정기라도, ‘공간 내 오염 접근성과 이동 전략’이 건강영향 저감 효율을 결정짓는 주요 요인임을 뒷받침한다.

    결론적으로, 본 연구는 IoT 기반 이동형 공기청정 시스템이 실거주 환경에서 고정형 공기청정기의 구조적 한계를 극복하고, 실시간 공간 대응형 공기질 관리의 새로운 패러다임을 제시할 수 있음을 실증하였다. 본 연구의 결과는 향후 스마트홈·건강보건 융합형 공기질 관리 기술 개발 및 정책적 가이드라인 수립에 중요한 기초자료로 활용될 수 있을 것으로 기대된다.

    <저자정보>

    박신영(박사과정), 정지윤(박사과정), 노광철(대표), 김종선(매니저), 이철민(교수)

    Figure

    JOIE-24-4-367_F1.jpg

    Experimental conditions and operational mechanism of IoT-sensor-based mobile air purifiers in residential environments (R1, R2). (a) A stationary air purifier covers only its rated area (≈ 66 m2), leaving blind spots in other rooms. (b) An IoT-based mobile air purifier receives real-time signals from IoT sensors and moves across rooms to provide immediate localized air cleaning.

    JOIE-24-4-367_F2.jpg

    Scenario-specific distribution characteristics of PM10(a) and PM2.5(b) (μg/m3).

    JOIE-24-4-367_F3.jpg

    The boxplots show the distribution of indoor PM10 and PM2.5 across different rooms under three scenarios. (a) Concentration of PM10 in R1, (b) Concentration of PM10 in R2, (c) Concentration of PM2.5 in R1, (d) Concentration of PM2.5 in R2, Asterisks (*) indicate statistically significant differences between scenarios (p < 0.05). Red crosses (X) represent the mean values of high outliers, defined as data points greater than Q3 + 1.5 × IQR.

    JOIE-24-4-367_F4.jpg

    Concentration of HCHO by rooms.

    JOIE-24-4-367_F5.jpg

    Efficiency of removal for PM10 and PM2.5 of S2 and S3 by using Monte-Carlo simulation. (a) Removal efficiency of PM10 in S2, (b) Removal efficiency of PM2.5 in S2, (c) Removal efficiency of PM10 in S3, (d) Removal efficiency of PM2.5 in S3.

    JOIE-24-4-367_F6.jpg

    Room-specific PM2.5 ACR variation by scenario.

    JOIE-24-4-367_F7.jpg

    Temporal variation of PM2.5 concentration following high-concentration events. (a) natural ventilation (S1), (b) stationary air purifier operation (S2).

    JOIE-24-4-367_F8.jpg

    Probability distribution of hazard quotient by scenario. (a) PM10, (b) PM2.5, (c) HCHO.

    JOIE-24-4-367_F9.jpg

    Probability distribution of HCHO’s excess cancer risk by scenario.

    Table

    The range of concentration using decision tree method by devices

    Sampling rate according to individual components (cc/min) and QA/QC (Park et al., 2024)

    Unit risk values of target pollutants for acute risk assessment

    a Emergency room visits

    Reference concentration and inhalation unit risk of target pollutants

    a) Reference concentration, b) Inhalation unit risk, c) Integreated risk information system (IRIS)

    Exposure factors in this study

    a) Risk assessment, d) Normal distribution (Mean, S.D.), Triangular distribution (Min, Mean, Max)

    Scenario-specific distribution characteristics of HCHO

    a) p-value < 0.05

    Summary of regression parameters describing ACR decay rates for scenarios

    a) p-value < 0.05

    Acute risk assessment of PM10 and PM2.5 by scenario

    Concentration and distribution results for risk assessment

    a) Anderson-Darling, A-D, b) Normal distribution, Log-normal distribution (Mean, S.D.)

    Reference

    1. Abdullah, A. N., Kamarudin, K., Kamarudin, L. M., Adom, A. H., Mamduh, S. M., Mohd Juffry, Z. H., Bennetts, V. H., 2022. Correction model for metal oxide sensor drift caused by ambient temperature and humidity. Sensors 22(9), 3301.
    2. An, I. H., Kwak, D. B., Lee, J., Park, S. H., Yook, S. J., 2025. Optimal operating positions of two air purifiers for improving indoor air quality in hospital wards. Journal of Hospital Infection 159, 42-51.
    3. Apte, M. G., Fisk, W. J., Daisey, J. M., 2000. Indoor carbon dioxide concentrations and SBS in office workers. In Proceedings of Healthy Buildings 1, 133.
    4. Eom, Y. S., Park, B. R., Kim, S. G., Kang, D. H., 2020. A case study on placement of portable air cleaner considering outdoor particle infiltration into an elementary school classroom. Journal of Korean Institute of Architectural Sustainable Environment and Building Systems 14(2), 158- 170.
    5. Fordham, M., 2000. Natural ventilation. Renewable Energy 19(1-2), 17-37.
    6. Gao, J., Wargocki, P., Wang, Y., 2014. Ventilation system type, classroom environmental quality and pupils’ perceptions and symptoms. Building and Environment 75, 46-57.
    7. Grinshpun, S. A., Mainelis, G., Trunov, M., Adhikari, A., Reponen, T., Willeke, K., 2005. Evaluation of ionic air purifiers for reducing aerosol exposure in confined indoor spaces. Indoor Air 15(4), 235-245.
    8. Jeon, J. I., Choi, J. W., Park, S. Y., Lee, H. W., Nam, E. J., Lee, C. M., 2023. The change of comprehensive air-quality index and health effects according to the seasonal PM2.5 management. Journal of Korean Society for Atmospheric Environment 39(4), 427-436.
    9. Ji, W., Chen, C., Zhao, B., 2021. A comparative study of the effects of ventilation-purification strategies on air quality and energy consumption in Beijing, China. In Building Simulation 14(3), 813-825.
    10. Joshi, S. M., 2008. The sick building syndrome. Indian Journal of Occupational and Environmental Medicine 12(2), 61-64.
    11. Kim, H. J., Han, B., Woo, C. G., Kim, Y. J., Lim, G. T., Shin, W. G., 2017. Air cleaning performance of a novel electrostatic air purifier using an activated carbon fiber filter for passenger cars. IEEE Trans. Ind. Appl. 53, 5867-5874.
    12. Kim, M., Lim, G. T., Kim, Y. J., Han, B., Woo, C. G., Kim, H. J., 2018. A novel electrostatic precipitator-type small air purifier with a carbon fiber ionizer and an activated carbon fiber filter. Journal of Aerosol Science 117, 63-73.
    13. Kim, W., Ko, S., Oh, M., Choi, I. J., Shin, J., 2019. Is an incentive policy for energy efficient products effective for air purifiers? The case of South Korea. Energies 12(9), 1664.
    14. Klepeis, N. E., Nelson, W. C., Ott, W. R., Robinson, J. P., Tsang, A. M., Switzer, P., Behar, J. V., Hern, S. C., Engelmann, W. H., 2001. The National Human Activity Pattern Survey (NHAPS): A resource for assessing exposure to environmental pollutants. Journal of Exposure Science & Environmental Epidemiology 11(3), 231-252.
    15. Küpper, M., Asbach, C., Schneiderwind, U., Finger, H., Spiegelhoff, D., Schumacher, S., 2019. Testing of an indoor air cleaner for particulate pollutants under realistic conditions in an office room. Aerosol and Air Quality Research 19(8), 1655-1665.
    16. Kwon, S. M., Choi, Y.-R., Park, M.-G., Lee, H.-J., Kim, G.-R., Yoo, S.-S., Cho, S.-J., Shin, J.-H., Shin, Y.-S., Lee, C.-M., 2021. Health risk assessment of ambient VOCs in Seoul based on source apportionment using a positive matrix factorization (PMF) model. Journal of Environmental Health Sciences 47(5), 384-397.
    17. 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. Journal of Environmental Health Sciences 30(3), 221-229.
    18. Lee, H. S., Hur, J., Shin, H. S., 2021. Dynamic exchange between particulate and dissolved matter following sequential resuspension of particles from an urban watershed under photo-irradiation. Environmental Pollution 283, 117395.
    19. Lee, J. W., 2016. A Study on the Purifying Performance Depending on Sub fan of Air Purifier. Proceedings of the Korean Society of HVAC & Air-Conditioning Engineers Conference, 2016 Summer Meeting, 750-752.
    20. Leech, J. A., Nelson, W. C., Burnett, R. T., Aaron, S., Raizenne, M. E., 2002. It’s about time: A comparison of Canadian and American time-activity patterns. Journal of Exposure Analysis and Environmental Epidemiology, 12(6), 427-432.
    21. Lewis, A. C., Lee, J. D., Edwards, P. M., Shaw, M. D., Evans, M. J., Moller, S. J., Smith, K. R., Buckley, J. W., Ellis, M., … White, A., 2016. Evaluating the performance of low cost chemical sensors for air pollution research. Faraday Discussions 189, 85-103.
    22. Li, X., Xu, Q., Zhang, L., He, X., 2024. Study on the influence of air purifier placement on indoor pollutants. In Fourth International Conference on Sensors and Information Technology (ICSI 2024) 13107, 17-23.
    23. Liu, X., Jayaratne, R., Thai, P., Dunbabin, M., Morawska, L., 2018. The impact of ambient conditions on the performance of a low-cost air quality sensor package (KOALA). In 10th International Aerosol Conference (IAC 2018). URL: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/ https://eprints.qut.edu.au/130040/2/130040.pdf
    24. Lowther, S. D., Deng, W., Fang, Z., Booker, D., Whyatt, J. D., Wild, O., Wang, X., Jones, K. C., 2023. Factors affecting real-world applications of HEPA purifiers in improving indoor air quality. Environmental Science: Advances 2(2), 235-246.
    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. Martins, N. R., da Graça, G. C., 2017. Simulation of the effect of fine particle pollution on the potential for natural ventilation of non-domestic buildings in European cities. Building and Environment 115, 236-250.
    28. National Health Insurance Service (NHIS), 2018. Analysis of healthcare utilization and mortality impacts of respiratory diseases using particulate matter (PM10 and PM2.5) measurement data and National Health Insurance claims data.
    29. National Institute of Environmental Research (NIER), 2019. Korean Exposure Factors Handbook.
    30. National Institute of Environmental Research (NIER), 2021. Regulations on methods of care for evaluation of chemicals No. 2021-13.
    31. National Research Council (NRC), 1987. Division on Earth, Life Studies, Commissionon Life Sciences, & Committee on Public Health Risk Assessment of Poultry Inspection Programs. Poultry inspection:The basis for a risk assessment approach.
    32. Nikolic, M. V., Milovanovic, V., Vasiljevic, Z. Z., Stamenkovic, Z., 2020. Semiconductor gas sensors: Materials, technology, design, and application. Sensors 20(22), 6694.
    33. Oh, H. J., Nam, I. S., Yun, H., Kim, J., Yang, J., Sohn, J. R., 2014. Characterization of indoor air quality and efficiency of air purifier in childcare centers, Korea. Building and Environment 82, 203-214.
    34. Park, H. C., Kim, Y. H., Kim, J. E., Ko, J. Y., Namgoung, S. J., Lee, C. M., Kim, Y.-S., Ro, Y. S., 2013. Effect of air purifier on indoor air quality and atopic dermatitis. Allergy Asthma & Respiratory Disease 1(3), 248-256.
    35. Park, J. H., Lee, T. J., Park, M. J., Oh, H., Jo, Y. M., 2020. Effects of air cleaners and school characteristics on classroom concentrations of particulate matter in 34 elementary schools in Korea. Building and Environment 167, 106437.
    36. Park, S. Y., Jang, H., Kwon, J., Cho, Y., Lee, C.-M., 2023. Proposal for a concentration calibration method for field evaluation of particulate matter monitors based on light scattering using decision tree techniques. Journal of Indoor Environment and Odor 22(4), 314-327.
    37. Park, S.-Y., Jang, H., Lee, J., Kwon, J., Lee, C.-M., 2024. Individual exposure risk assessment of volatile organic compounds using a manual sampler in micro-environment. Journal of Odor and Indoor Environment 23(2), 96-114.
    38. Rauf, R. I., Ifeyinwa, O. J., Yahaya, H. U., 2021. Robustness test of selected estimators of linear regression with autocorrelated error term: a monte-carlo simulation study. Asian Journal of Probability and Statistics 15(2), 1-17.
    39. Sankurantripati, S., Duchaine, F., 2024. Indoor air quality control for airborne diseases: A review on portable UV air purifiers. Fluids 9(12), 281.
    40. Seppänen, O. A., Fisk, W. J., Mendell, M. J., 1999. Association of ventilation rates and CO2 concentrations with health andother responses in commercial and institutional buildings. Indoor Air, 9(4), 226-252.
    41. Shin, D., Kim, Y., Hong, K., Lee, G., Park, I., Han, B., 2022. The actual efficacy of an air purifier at different outdoor PM2.5 concentrations in residential houses with different airtightness. Toxics 10(10), 616.
    42. Šimkovic, M., Träuble, B., 2019. Robustness of statistical methods when measure is affected by ceiling and/or floor effect. PloS one 14(8), e0220889.
    43. Sohn, J. R., Kim, Y. W., Woo, W. G., 2002. The evaluation and investigation of conscious cognition degree on a room-size air cleaner. Journal of Environmental and Sanitary Engineering 17(3), 115-120.
    44. Son, D. Y., Lee, D. H., Kil, J. H., Choi, Y. H., Kim, D. H., 2002. Numerical simulation of flows inside the various rooms for performance assessment of air cleaning system. Journal of Energy Engineering 11(4), 306-316.
    45. Stabile, L., Dell’Isola, M., Russi, A., Massimo, A., Buonanno, G., 2017. The effect of natural ventilation strategy on indoor air quality in schools. Science of the Total Environment 595, 894-902.
    46. Tantasavasdi, C., Jareemit, D., Suwanchaiskul, A., Naklada, T., 2007. Evaluation and design of natural ventilation for houses in Thailand. Journal of Architectural/Planning Research and Studies (JARS) 5(1), 83-98.
    47. U.S. Environmental Protection Agency (U.S. EPA), 1991. Guidelines for developmental toxicity risk assessment. Fed Reg56(234):63798-63826:EPA/600/FR-91/001. Washington,DC:U.S. Environmental Protection Agency. Available: http://cfpub.epa.gov/ncea/raf/pdfs/dev-tox.pdf
    48. U.S. Environmental Protection Agency (US EPA), 2001. Risk Characterization Handbook.
    49. U.S. Environmental Protection Agency (US EPA), 2017. EPA Region 3 guidance on handling chemical concentration data near the detection limit for risk assessment. Avaiilable from://https://19january2017snapshot.epa.gov/risk/epa-region-3-guidance-handling-chemical-concentration-data-near-detection-limit-risk_.html
    50. U.S. Environmental Protection Agency (US EPA), 2006. Data Quality Assessment: Statistical Methods for Practitioners. EPA QA/G-9S, EPA/240/B-06/003. Washington, DC.
    51. World Health Organizatio (WHO), 2021. WHO global air quality guidelines: Particulate matter (PM2.5 and PM10), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide. World Health Organization. Available from:URL: https://www.who.int/publications/i/item/9789240034228
    52. Xiang, J., Huang, C. H., Shirai, J., Liu, Y., Carmona, N., Zuidema, C., Austin, E., Gould, T., Larson, T., Seto, E., 2021. Field measurements of PM2.5 infiltration factor and portable air cleaner effectiveness during wildfire episodes in US residences. Science of The Total Environment 773, 145642.
    53. Yin, H., Li, Z., Zhai, X., Ning, Y., Gao, L., Cui, H., Ma, Z., Li, A., 2023. Field measurement of the impact of natural ventilation and portable air cleaners on indoor air quality in three occupant states. Energy and Built Environment 4(5), 601-613.
    54. Yu, L., Wang, B., Cheng, M., Yang, M., Gan, S., Fan, L., Wang, D., Chen, W., 2020. Association between indoor formaldehyde exposure and asthma: A systematic review and meta‐analysis of observational studies. Indoor Air 30(4), 682-690.