Statistical analysis of waste generation in Bukavu city using IoT sensor data

기술 요약: IoT 센서 데이터를 활용한 부카부 시(Bukavi City)의 폐기물 발생량에 대한 통계적 분석

문제 정의
콩고민주공화국의 부카부 시는 부적절한 고체 폐기물 관리로 인해 심각한 보건 및 환경 위기에 직면해 있다. 이러한 도전 과제는 극심한 인구 밀도(26,667명/km²)와 험준한 지형(해발 1,463–2,200m), 그리고 제한된 인프라로 인해 더욱 악화되고 있다. 지역 사회 청소 캠페인("Salongo")이나 수거 서비스에 대한 자발적 구독과 같은 기존의 제도적 조치들은 물류적 제약, 낮은 참여도, 통합된 기술 시스템의 부재로 인해 미미한 결과만을 낳았다. 또한, 이 지역은 신뢰할 수 있는 세밀한 데이터가 부족하여 효과적인 계획 수립 및 경로 최적화를 저해하고 있다.

연구 방법론
본 연구는 12주간의 파일럿 기간(2025년 11월–2026년 3월) 동안 배치된 사물인터넷(IoT) 시스템을 통해 수집된 데이터에 대한 종합적인 통계 분석을 수행한다.

• IoT 인프라: 시스템은 부카부의 까다로운 지형에서도 장거리 커버리지와 에너지 효율성을 보장하기 위해 LoRaWAN 프로토콜을 통해 통신하는 폐기물통 뚜껑에 장착된 EM310-UDL 초음파 센서를 활용한다. 데이터는 The Things Network(TTN)를 통해 처리되며, OpenRemote 플랫폼에서 시각화 및 분석된다.
• 샘플링 전략: 세 가지 층위(주거 지역: Nyalukemba, Ndendere; 준도시 지역: Nyakavogo, Lumumba; 밀집 지역: Nyakaliba, Kasali)를 대표하는 6개 동네에 7개의 스마트 빈(smart bin)을 배치하였다. 이 동네들은 3개 구(Ibanda, Kadutu, Bagira)에 걸쳐 있다.
• 데이터 전처리: 72,120개의 행으로 구성된 원시 센서 데이터는 뚜껑이 닫힌 상태의 측정값 47,013개만을 유지하도록 필터링되었다. 데이터의 롱 포맷(long format)에서 와이드 포맷(wide format)으로의 변환, 시간적 정규화(10분 간격), 결측치에 대한 전방 채우기(forward-filling), 이상치 제거(예: 거리 >881 mm) 기법이 포함되었다.
• 통계 및 예측 분석:
  • 기술 및 추론 통계: 동네 유형별 폐기물 생산량의 차이를 테스트하기 위해 일원 분산 분석(One-way ANOVA)을 사용하였다.
  • 외삽(Extrapolation): 각 구별 가구당 평균 일일 생산량을 계산하고 이를 2026년 인구 통계 투영치(추정 가구 수 220,255가구)에 적용하는 층화 가중치 방법을 사용하여 도시 전체의 생산량을 추정하였다.
  • 예측 모델링: 일일 폐기물 생산의 예측 요인을 식별하기 위해 랜덤 포레스트(Random Forest) 모델을 학습시켰다.
  • 클러스터링: 사용자 행동 프로필을 식별하기 위해 K-평균(K-means) 클러스터링을 적용하였다.
  • 차원 축소: 폐기물통 채워짐 행동 및 인프라 상태를 분석하기 위해 주성분 분석(PCA)을 사용하였다.

주요 결과

• 폐기물 발생량 추정: 본 연구는 2026년 부카부의 총 일일 폐기물 생산량이 약 642톤(연간 234,320톤)에 달할 것으로 전망한다. 가중 평균 생산량은 가구당 일일 2.92kg이며, 구별 1인당 생산량은 지역에 따라 0.26kg에서 0.58kg 사이이다.
• 공간적 격차: 동네 유형 간에 유의미한 차이가 존재한다. 주거 지역이 가장 많은 폐기물을 생산하며(가구당 일일 3.74kg), 밀집 지역(가구당 일일 2.36kg), 준도시 지역(가구당 일일 1.71kg)이 그 뒤를 잇는다. Ibanda 구는 도시 전체 폐기물의 60% 이상을 생성하는 것으로 추정된다.
• 인프라 압박: 도로 킬로미터당 폐기물 밀도는 심각한 격차를 보여준다. Kadutu(49.76톤/km)와 Ibanda(48.33톤/km)는 Bagira(3.91톤/km)보다 훨씬 높은 압박을 받고 있다.
• 운영 패턴:
  • 수거 빈도: 이론적 채워짐 시간은 구역별로 다르다: 주거 지역 5.8일, 밀집 지역 9.2일, 준도시 지역 12.6일.
  • 이상 징후: 감지된 74건의 비움 이벤트 중 평균 간격은 3일이었으며, 이는 수거가 종종 필요 이상으로 일찍 이루어지고 있음을 나타낸다. 이상 징후 분석 결과, 주거 지역은 불규칙한 수거(35.3%의 이상 징후)를 겪는 반면, 준도시 지역은 과도한 조기 수거(87.5%)를 경험한다.
  • 사용자 프로파일: K-평균 클러스터링을 통해 "수동적(Passive)"(47.4%), "표준(Standard)"(48.9%), "활동적-임계(Active-Critical)"(3.7%)의 세 가지 프로필을 식별하였다.
• 예측 모델링: 랜덤 포레스트 모델은 $R^2$ 값 0.257을 달성했다. 특성 중요도 분석 결과, 폐기물 생산은 주로 자기회귀(autoregressive) 과정임을 보여주었다. 즉, 3일 이동 평균이 예측력의 57.3%를 차지하며, 정적 변수(동네 유형, 배터리 잔량)의 기여도는 미미했다.
• 미래 전망: 연간 4.5%의 성장률을 가정할 때, 총 폐기물 생산량은 2026년 수준에서 19.4% 증가한 279,859톤/년에 도달할 것으로 전망된다.

의의 및 기여
저자들은 본 연구를 지형적, 에너지적 제약이 있는 사하라 이남 아프리카 맥락에서의 데이터 기반 폐기물 관리에 대한 엄격한 접근 방식으로 규정한다. 주요 기여는 다음과 같다:

1. 심층 통계 분석: 시스템의 타당성 검증을 넘어, 1차 센서 데이터를 사용하여 폐기물 발생(양, 위치, 시기)에 대한 세밀한 특성을 제공한다.
2. 외삽의 방법론적 엄밀성: 제한된 파일럿 데이터를 인구 통계적 가중치를 사용하여 도시 전체 추정치로 확장하는 투명한 3단계 프로세스를 도입함으로써, 해당 지역의 신뢰할 수 있는 폐기물 데이터 부족 문제를 해결한다.
3. 운영 의사결정 지원: 차별화된 수거 전략에 대한 근거를 제공한다. 데이터는 균일한 수거 일정이 비효율적임을 시사한다. 대신, 주거 지역은 더 빈번한 수거(주 2회)가 필요하며, 준도시 지역은 더 낮은 빈도(10일마다)로 서비스가 가능하다.
4. 인프라 계획: 도로 킬로미터당 높은 폐기물 밀도로 인해 Kadutu와 Ibanda에 우선적인 개입이 필요함을 강조하며, 2030년까지 인프라 적응의 시급한 필요성을 전망한다.

한계점
본 논문은 다음과 같은 몇 가지 제약을 인정한다:

• 센서 제한: 네트워크 패킷 손실로 인해 빈 뚜껑 열림 감지가 신뢰할 수 없었으며(감지된 열림 현상은 관측치의 3.8%에 불과), 이로 인해 뚜껑 움직임에 의존하는 행동 지표의 정확도가 제한되었다.
• 시간적 범위: 90일간의 관찰 기간은 계절적 변화(예: 우기 대 건기)를 포착하지 못한다.
• 데이터 공백: 상세한 사회경제적 데이터(소득, 가구 규모)의 부재로 인해 클러스터 간의 차이에 대한 인과 관계 분석을 수행하는 데 한계가 있다.
• 외삽의 불확실성: 도시 전체 추정치는 모니터링된 7개의 빈이 각각의 층위 내 모든 가구를 대표한다는 가정에 의존하며, 이는 공동 빈 사용이나 불법 투기로 인해 영향을 받을 수 있다.

결론적으로, 본 연구는 IoT 데이터가 부카부와 같은 도시에서 폐기물 수거 경로를 최적화하고 개입의 우선순위를 정하는 데 기초적인 도구가 될 수 있음을 입증하며, 지역 내 유사한 도시들을 위한 확장 가능한 모델을 제시한다.