[논문]환경 소음 자동측정망 데이터 분석을 통한 수동 측정 적정 시간대 선정에 관한 연구

류훈재; 장서일; 고준희; 최성규; 이병찬; 주대영; 민재홍

문제 정의

본 연구에서는 먼저 연중 전체 데이터 시계열 분석을 통해서 일별, 시간별 소음도 추이를 알아보고 분기별 분석이 가능한지를 평가하였다. 그 다음 시간대별 데이터가 분기의 대표 소음도 오차 내에 들어오는 확률을 도출해 어떤 시간대가 대표 소음도에 가까운 데이터를 많이 포함하고 있는지 알아보았다.
본 연구에서는 먼저 연중 전체 데이터 시계열 분석을 통해서 일별, 시간별 소음도 추이를 알아보고 분기별 분석이 가능한지를 평가하였다. 그 다음 시간대별 데이터가 분기의 대표 소음도 오차 내에 들어오는 확률을 도출해 어떤 시간대가 대표 소음도에 가까운 데이터를 많이 포함하고 있는지 알아보았다.
따라서 본 연구는 환경 소음 자동측정망의 데이터를 이용해 대표성이 있는 소음도를 획득할 수 있는 수동 측정 시간대를 선정하기 위해 진행하였다.

제안 방법

또한 주·야간에는 소음도의 차이가 크고 교통 상황 및 환경의 차이도 현저하므로 주간, 야간을 각각 달리 분석할 필요가 있어 본 연구는 주간 시간대만을 고려하여 분석 및 평가를 실시하였다.
분석은 선정된 각 장소의 분기당 등가소음도를 대표소음도로 하여 분기별로 각 시간대의 모든 데이터가 대표 소음도의 ±1dB내에 몇 퍼센트의 확률로 들어오는지를 분석하였다.

대상 데이터

자동측정망 데이터 사용 지점 선정을 위해 62개 지점의 현장 조사를 실시하였고 그 중 서울 지역 4지점, 서울 외 지역 4지점, 총 8지점을 선정하였다. Figure 1에 연구대상 선정 지점을 나타내었다.
본 연구에 사용된 데이터는 2.1절에서 선정된 2그룹의 8개 지점의 자동측정망의 2010년에 측정된 1년의 등가소음도 데이터이다. 연간 전체 데이터 분석에서는 1년간의 모든 5분 L_Aeq 데이터를 사용했으며 시간대별 분석에서는 현재의 수동 측정 방법을 고려해 주말 데이터를 제외한 평일 데이터를 사용하였다.
1절에서 선정된 2그룹의 8개 지점의 자동측정망의 2010년에 측정된 1년의 등가소음도 데이터이다. 연간 전체 데이터 분석에서는 1년간의 모든 5분 L_Aeq 데이터를 사용했으며 시간대별 분석에서는 현재의 수동 측정 방법을 고려해 주말 데이터를 제외한 평일 데이터를 사용하였다. 또한 주·야간에는 소음도의 차이가 크고 교통 상황 및 환경의 차이도 현저하므로 주간, 야간을 각각 달리 분석할 필요가 있어 본 연구는 주간 시간대만을 고려하여 분석 및 평가를 실시하였다.

성능/효과

또한 서울 지역, 서울 외 지역, 전체 지점의 확률 평균을 모두 고려했을 때, 공통적으로 10시∼13시대, 21시대가 모두 60%이상의 확률로 다른 시간대 보다 상대적으로 분기 대표 소음도에 가까운 데이터를 많이 갖는 것으로 분석되었다.
얇은 실선은 일일 시간대별 소음도 추이를 보여 주고 굵은 실선은 1분기의 모든 일일 소음도를 각 시간대에서 에너지 평균한 소음도 추이이며 굵은 점선은 산술 평균한 소음도 추이이다. 시간대별 소음도 추이 특징은 전체 24시간동안의 변화를 고려하면 서울 외 지역이 서울 지역보다 상대적으로 더 큰 폭으로 변동했다. 최고 소음도와 최저 소음도의 차는 서울 지점들인 G1이 5dB(A)이하, 서울 외 지점들인 G2가 5dB(A)이상으로 분석되었다.
시간대별 소음도 추이 특징은 전체 24시간동안의 변화를 고려하면 서울 외 지역이 서울 지역보다 상대적으로 더 큰 폭으로 변동했다. 최고 소음도와 최저 소음도의 차는 서울 지점들인 G1이 5dB(A)이하, 서울 외 지점들인 G2가 5dB(A)이상으로 분석되었다. 따라서 서울 외 지점들이 상대적으로 24시간중 소음도 변동성이 컸다.
Figure 4는 서울 지역, 서울 외 지역, 전체 지점 평균의 시간대별 확률 분포의 그래프이다. 10시대의 모든 지점에서 60%이상의 확률을 가졌고 전체 평균에서도 가장 좋은 확률로 분석되었다. 또한 서울 지역, 서울 외 지역, 전체 지점의 확률 평균을 모두 고려했을 때, 공통적으로 10시∼13시대, 21시대가 모두 60%이상의 확률로 다른 시간대 보다 상대적으로 분기 대표 소음도에 가까운 데이터를 많이 갖는 것으로 분석되었다.
본 연구의 시간대별 확률 분석의 결과로 서울 지역의 18시, 19시대의 확률이 떨어지는 이유는 차량 정체로 인한 속도 저하로 인해 소음도가 대표소음도 보다 떨어지는 것 또는 소음도의 변화가 크기 때문인 것으로 판단된다. 주간 시간대중 서울 지역, 서울외 지역, 전체 지점의 확률 평균을 모두 고려했을 때, 공통적으로 10시∼13시대, 21시대가 모두 60% 이상의 확률로 다른 시간대 보다 상대적으로 분기 대표 소음도에 가까운 데이터를 많이 갖는 것으로 분석되었다.
본 연구의 시간대별 확률 분석의 결과로 서울 지역의 18시, 19시대의 확률이 떨어지는 이유는 차량 정체로 인한 속도 저하로 인해 소음도가 대표소음도 보다 떨어지는 것 또는 소음도의 변화가 크기 때문인 것으로 판단된다. 주간 시간대중 서울 지역, 서울외 지역, 전체 지점의 확률 평균을 모두 고려했을 때, 공통적으로 10시∼13시대, 21시대가 모두 60% 이상의 확률로 다른 시간대 보다 상대적으로 분기 대표 소음도에 가까운 데이터를 많이 갖는 것으로 분석되었다. 따라서 위 시간대에 측정 샘플링을 하면 보다 정확한 측정을 할 가능성이 높아질 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 환경 소음 자동측정망 데이터 분석을 통한 수동 측정 적정 시간대 선정에 관한 연구
Determination of appropriate time zone for manual measurement using environmental noise automatic system data analysis 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 환경 소음 자동측정망 데이터 분석을 통한 수동 측정 적정 시간대 선정에 관한 연구 Determination of appropriate time zone for manual measurement using environmental noise automatic system data analysis 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 환경 소음 자동측정망 데이터 분석을 통한 수동 측정 적정 시간대 선정에 관한 연구
Determination of appropriate time zone for manual measurement using environmental noise automatic system data analysis 원문보기

AI 본문요약
AI-Helper