본 연구는 기존 연구에서 국내 경상도 광역시 내 산업단지에 의해 발생하는 악취의 분석 및 감시 방안을 살펴보고 이에 관련된 향후 기술 및 관리측면에서의 시사점과 개선방향을 제시하였다. 기존 분석 및 감시 방안은 주로 2020년 이후 국내 연구 문헌을 참조하였는데, 이들은 악취 민원이 다수 발생할 수 있는 광역시 내 제조업체를 다수 포함하는 산업단지를 조사대상으로 하였다. 기존에 제시된 방안은 대체로 다수 지점에서의 기기 및 장비의 추가를 통해 보다 상세한 악취 분석, 지역 내 지리정보나 수학적 모델을 연동하여 악취 보다 과학적인 예측 및 추적, 악취 문제 발견 이후 합리적 진단 및 사후 조치 유도, 그리고 인터넷이나 스마트폰 앱 등을 통한 민원접수 및 주변 거주민과의 정보공유와 상호 커뮤니케이션 등으로 분류된다. 추가적으로 본 연구에서는 해외 연구사례를 참조하여 기계학습 기반 검보정 기술을 통한 저농도 악취 모니터링 시 자동화 및 측정 신뢰도 제고 방안을 소개하고 이를 통하여 다수의 저가 악취센서 기반 측정망과 소수의 고가 정밀측정 기기를 연동한 합리적 모니터링 방안을 제시하였다. 추가적으로 이러한 악취 감시자료를 사업장 근로자 혹은 인근 거주민의 이차자료 기반 건강영향자료 등과 연계한다면 보다 효율적일 것으로 판단된다.

This study reviewed the previous odor monitoring statuses of industrial complexes in the domestic metropolitan cities (Ulsan and Daegu) of Gyeongsang Province and their relevant counter-measures. In addition, it identified future technical and management issues and made suggestions on how to overcome them. The statuses and counter-measures were mainly obtained through domestic research studies from the 2020s. The target industrial complexes included manufacturing plants inside metropolitan city areas where severe civil complaints could occur. The counter-measures were generally classified into further in-depth odor analysis through the placement of monitoring equipment at multiple locations, scientific odor prediction and source tracking by integrating regional database systems or applying mathematical models, reasonable diagnosis and follow-up action after the identification of odor issues, and effective mutual communication with on-going or potential civil complaints from nearby residents through the Internet or smartphone apps. Additionally, this study suggested the automation of odor monitoring by using improved technologies with enhanced reliability through machine learning. These technologies would make it possible to organize a feasible monitoring network by deploying multiple low-cost odor sensors with automatic calibration and validation capabilities. Furthermore, this odor monitoring data could be made more effective when implemented together with health impact analyses based on secondary data from employees at workplaces or nearby residents.