통계적 도로교통 소음지도 작성을 위한 도시구성요소 기반 인공신경망 모형 = Artificial Neural Network Model for Statistical Road-traffic Noise Mapping Based on Elementary Urban Form Indicators
저자
발행사항
서울 : 서울시립대학교 일반대학원, 2021
학위논문사항
학위논문(박사)-- 서울시립대학교 일반대학원 : 에너지환경시스템공학과 2021. 8
발행연도
2021
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
xxiii, 291p. ; 26 cm
일반주기명
지도교수: 장서일, 전종준
UCI식별코드
I804:11035-000000032796
소장기관
도로, 철도 항공기 등 다양한 교통 인프라는 지역 내, 광역 간 인적 · 물적 자원 의 수송을 담당하며, 도시의 유지 및 발전을 위한 필수 사회 기반 시설이다. 특 히 도로교통은 지방도, 간선도로 및 고속도로 등 다양한 형태로 존재하고 있으며, 도심을 포함한 주거 지역에 밀집하게 위치하고 있으며, 이로 인해 도시 거주민의 생활 환경에 직 · 간접적으로 많은 영향을 미치고 있다. 도로교통이 미치는 부정적 영향 중 특히 소음 · 진동은 국내 환경 민원의 약 85%를 차지하고 있으며, 전체 피해 내용 중 약 36%가 정신적 피해를 호소하고 있을 정도로 영향이 크다. 이렇 게 도로교통에 의한 소음에 지속적, 장기적 노출은 불쾌감 호소, 수면 장애 발생 및 심혈관계 질환의 유발로 이어질 수 있으며, 이러한 소음 피해를 예방하기 위 하여 3차원 지리정보 시스템 자료를 기반으로 소음지도를 작성하고 이를 활용하 여 소음 노출 인구 분석, 저감 대책 수립 등 다양한 연구를 수행하고 있다. 소음 환경 관리를 위한 소음지도의 작성은 높은 활용성에도 불구하고, 작성 과정에서 의 다양한 자료, 소음지도를 활용하기 위한 숙련된 인력과 기술, 지도를 작성하기 위한 고성능의 컴퓨팅 시스템과 긴 연산 시간 등이 필요하여 진입 장벽이 높은 편이다.
본 연구에서는 도시를 구성하고, 특성을 반영하는 인구, 교통, 건물, 토지이용 도의 다양한 도시구성요소와 도로교통소음의 관계를 기반으로 도시구성요소를 이 용하여 도시 내 소음 분포를 검토할 수 있는 통계적 도로교통소음 산정 모형을 제 안한다. 광주광역시를 연구 대상지역으로 선정하고, 도로교통소음과 도시구성요소 의 대푯값을 산정하기 위한 적정 크기의 격자시스템을 선정한다. 도로교통소음의 대푯값은 기존에 작성된 3차원 외벽소음지도를 이용하여 계산하고, 도시구성요소 는 소음지도 작성에 활용한 3차원 도시 모형을 기반으로 계산한다. 200m×200m 격자시스템을 적용하여 산정한 도시구성요소와 도로교통소음의 관계 분석을 위해 기초 선형 모형인 통상최소자승 모형, 단일은닉층을 포함한 인공신경망모형 그리 고 두 가지 형태의 합성곱신경망 모형을 선택한다. 통상최소자승 모형과 단일은 닉층-인공신경망 모형은 하나의 격자에서 도로교통소음을 산정하기 위하여 해당 격자의 도시구성요소 자료만을 활용하며, 합성곱신경망 모형은 해당 격자의 도시 구성요소 자료와 함께 인근 8개 격자를 활용하는 3×3 합성곱신경망 모형, 인근 24개 격자를 활용하는 5×5 합성곱신경망 모형으로 구분된다.
광주광역시의 자료를 모형 훈련을 위한 학습자료와 모형 검증을 위한 시험자 료로 구분하고, 먼저 학습자료를 기반으로 네 개의 통계적 도로교통소음 산정 모 형을 작성하였다. 각 모형에 시험자료를 적용하여 계산된 통계적 소음도와 공학 적 소음도의 상관관계 및 결정계수를 분석하고, 두 소음도간 오차 범위에 따른 격자의 갯수를 분석하여 모형의 정확성을 검증하였다. 각 모형의 정확도를 보다 상세히 분석하기 위하여 공학적 소음도 범위별로 통계적 소음도와 관계를 분석하 였고, 50dB(A) 이하 구간에서 통상최소자승 모형과 단일은닉층-인공신경망 모형 의 계산 성능이 떨어지는 것을 확인하였다. 해당 격자를 대상으로 도시구성요소 분포를 검토한 결과, 인구 및 건물 관련 도시구성요소의 특성을 3×3 합성곱신경 망 모형과 5×5 합성곱신경망 모형이 잘 반영하는 것을 확인하였다. 또한 도로 교통량과 같은 도로 관련 도시구성요소가 해당 격자에 존재하지 않고, 인근 격자 에만 존재하는 경우 통상최소자승 모형과 단일은닉층-인공신경망 모형은 이를 반 영하지 못하여 통계적 소음도를 제대로 산정하지 못하는 것을 확인하였다. 광주 광역시의 통계적 소음도와 도시구성요소의 관계를 분석한 결과 공학적 소음도와 도시구성요소의 관계와 유사하였다.
각 통계적 도로교통소음 산정 모형에서 도시구성요소의 중요도를 상대적으로 비교하였으며, 도시구성요소의 변화에 따른 통계적 소음도의 정량적 변화를 간접 적으로 파악하기 위하여 민감도 분석을 수행하였다. 도로 면적 밀도, 도로 교통 량, 상업지역 면적 비율이 상대적으로 중요도가 높은 도시구성요소로 나타났으며, 인구밀도, 방음벽 면적 비율, FSI, 차량 운행 속도가 상대적으로 중요도가 낮은 것으로 나타났다. 모형별 도시구성요소의 민감도 분석 결과는 방음벽 면적 밀도를 제외한 대부분의 도시구성요소가 공학적 소음도-도시구성요소의 관계, 통계적 소 음도-도시구성요소의 관계와 유사하였다. 상대적으로 중요하지 않은 도시구성요 소가 통계적 소음도에 영향을 미치지 못하는 것이 아니라 도시구성요소의 변화에 따른 통계적 소음도의 변화 폭이 작은 것을 확인하였다. 본 연구에서 제시한 네 개의 통계적 도로교통소음 산정 모형을 광주광역시에 적용한 결과를 종합적으로 검토하였을 때 5×5 합성곱신경망 모형의 성능이 가장 뛰어난 것으로 판단하였다. 통계적 도로교통소음 산정 모형의 활용성을 검토하기 위하여 광주광역시의 일 부 도시구성요소 변화에 따른 통계적 소음도의 변화와 다른 도시인 청주시의 통 계적 도로교통 소음지도 작성 결과를 검토하였다. 광주광역시의 FSI, 도로 교통 량, 대형차량 혼입률 변화에 따른 통계적 소음도의 변화는 도시구성요소의 민감 도 분석 결과, 도시구성요소 변화에 따른 공학적 소음도의 예상 변화량의 결과와 유사하였다. 청주시의 통계적 소음도는 두 합성곱신경망 모형을 이용하였을 때 공학적 소음도에 비해 과대평가되는 편의를 확인할 수 있었으나, 공학적 소음도 와 통계적 소음도의 선형 상관성이 강한 것으로 나타났다. 청주시의 공학적 소음 지도의 자료를 임의 추출하여 통계적 소음도를 보정한 결과 통계적 도로교통소음 산정 모형의 다른 도시의 적용 및 활용 가능성을 확인하였다. 하지만 두 활용성 검토 결과는 현장 측정 소음도와 비교 검증 과정이 생략되었으므로 현장의 측정 소음도와 비교를 통해 보다 정확하게 검증할 필요가 있다.
본 연구에서 제안한 합성곱신경망 모형을 이용한 통계적 도로교통소음 산정 모 형을 이용하여 공학적 소음지도의 작성 이전에 도시 내 도로교통소음의 분포를 개 략적으로 파악하고, 문제가 발생할 수 있는 지역을 선정하여 선제적으로 대응하기 위한 자료로 활용할 수 있을 것이다. 또한 도로교통에 의한 소음뿐만 아니라 도 로교통을 배출원으로 공유하는 초미세먼지, 질소산화물 등의 대기오염물질의 분 포를 동시에 산정하는 환경오염인자의 통합 산정 모형으로 발전시킬 수 있을 것 으로 생각된다.
Traffic infrastructure, such as road-, railway- and aircraft-, is responsible for transportation of human and resources in cities, and is an essential social overhead capital for urban maintenance and development. Especially, road- traffic is located near the residential area, so it affects on urban residents directly and indirectly. The complaints of noise and vibration caused by road-traffic accounts majority among various environmental associated complaints in Republic of Korea. Continuous and long-term exposure to noise could cause annoyance, sleep disturbance and cardiovascular disease. In order to prevent adverse effects of noise, the noise map was developed based on 3-D geographical information system data, and it used to manage the noise environment of urban area. Although the utility of noise map is high, there is a high barrier to entry for utilize noise map, because the development of noise map needs many resources and time.
In this study, the relationship between urban form indicators that reflects characteristics of urban area and road-traffic noise was analyzed statistically. And the statistical models for calculating the road-traffic noise based on urban form indicators were developed. 200m×200m grid cell system was applied to Gwangju Metropolitan City and the representative values of road- traffic noise level and urban form indicators were calculated in each grid cell. Ordinary least squares(OLS), single hidden-layer artificial neural network(ANN) and two convolutional neural network(CNN) were chosen to analyze relationship between road-traffic noise and urban form indicators. And the CNN model is divided into two types, first one is a 3×3 CNN that utilize the urban form indicators of 9 grid cells including neighboring cells to predict road-traffic noise of a grid cell. And the second one is 5×5 CNN that utilize the urban form indicators of 25 grid cells including neighboring cells to predict road-traffic noise of a grid cell.
The dataset of Gwangju were divided into training and test dataset. And the training dataset were used to train statistical road-traffic calculation models, the test dataset were used to verify the accuracy of the models. As results, statistically calculated road-traffic noise level of 5×5 CNN model was most similar to acoustically-calculated noise level in total dataset of Gwangju. The relationship between statistically and acoustically calculated noise level was analyzed according to scope of acoustically predicted noise level to verify accuracy of the models in detail. The correlation of between statistically calcuated noise level using OLS and ANN model and acoustically calculated noise level was small in the grid cells that acoustically calculated noise level was lower than 50dB(A). The grid cells did not traffic- related urban form indicators but neighboring cells contained traffic-related urban form indicators. So, statistically calculated noise level of OLS and ANN model was underestimated than acoustically calculated noise level. The two CNN models could reflect urban form indicators of neighboring cells. As result, the explanatory power of two CNN models that utilize urban form indicators of neighboring grid cells were better. To investigate effects of urban form indicators of statistical road-traffic noise calculation model, relative importance and sensitivity of urban form indicators were analyzed. The commonly and relatively important urban form indicators were road area density, traffic volume. and fraction of commercial area. Population density, noise barrier area density, FSI, and traffic speed were less important than other urban form indicators. Also, the quantitative effects on the road-traffic noise level according to change of urban form indicators were diverse, and there is even a greater impact due to changes in neighboring grid cells at some urban form indicators. 5×5 CNN model was best model to calculate road-traffic noise level based on urban form indicators among four statistical models.
The utility of statistical road-traffic noise calculation models was tested through calculation of noise level by changing urban form indicators of Gwangju. Also, the models were applied to another city to develop statistical road- traffic noise map. The change of noise level of Gwangju according changing
of urban form indicators was similar to sensitivity analysis, and expected change of acoustically calculated noise level. Statistically calculated noise level of Cheongju using two CNN models was overestimated than acoustically calculated noise level, but linear correlation between statistically and acoustically calculated noise level was higher than other models. Calibrating statistically calculated noise level using random sampled acoustically calculated noise level improved explanatory power of CNN models.
The statistical road-traffic noise calculation model which suggested in this study could be used to check distribution of road-traffic noise in urban area roughly. And it would be available as a basic data for selecting noise problem- expected area. Air pollutants such as ultrafine dust, nitrogen oxide share road-traffic as emission source. Also the models could improve to calculate not only noise, but also air pollutants.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)