ABSTRACT
PURPOSES :The objective of this study is to provide for the overall SPL (Sound Pressure Level) prediction model by using the NCPX (Noble Close Proximity) measurement method in terms of regression equations.
METHODS :Many methods can be used to measure the traffic noise. However, NCPX measurement can powerfully measure the friction noise originated somewhere between tire and pavement by attaching the microphone at the proximity location of tire. The overall SPL(Sound Pressure Level) calculated by NCPX method depends on the vehicle speed, and the basic equation form of the prediction model for overall SPL was used, according to the previous studies (Bloemhof, 1986; Cho and Mun, 2008a; Cho and Mun, 2008b; Cho and Mun, 2008c).
RESULTS :After developing the prediction model, the prediction model was verified by the correlation analysis and RMSE (Root Mean Squared Error). Furthermore, the correlation was resulted in good agreement.
CONCLUSIONS :If the polynomial overall SPL prediction model can be used, the special cautions are required in terms of considering the interpolation points between vehicle speeds as well as overall SPLs.
Keywords
overall SPL (Sound Pressure Level), regression analysis, NCPX measurement, correlation analysis, RMSE (Root Mean Squared Error)
NCPX 계측 방법에 따른 속도별 소음 데시벨 예측 모델 개발에 대한 연구
A Study on Development of a Prediction Model for the Sound Pressure Level Related to Vehicle Velocity by Measuring NCPX Measurement
김`도`완 Kim, Do Wan 정회원·서울과학기술대학교 건설시스템디자인공학과 석사과정 (E-mail: [email protected]) 안`덕`순 An, Deok Soon 정회원·한국건설기술연구원 도로연구실 수석연구원 (E-mail: [email protected])
문`성`호 Mun, Sungho 정회원·서울과학기술대학교 건설시스템디자인공학부 조교수·교신저자 (E-mail: [email protected])`
1. 서론
도로에서 발생하는 소음은 주변 주거지역의 정신적인 피해뿐만 아니라 사회적인 민원을 유발하는 등의 경제 적, 사회적, 환경적인 영향을 미친다. 이러한 소음의 크 기를 측정하고 예측하는 방법 및 모델이 국내₩외에서 연구되어지고 있으며 이를 바탕으로 현장에서 소음문제 를 해결하려는 노력이 실시되어지고 있다. 그럼에도 불
구하고 소음 측정 방법 및 지역특성, 도로환경에 따라 달라지는 소음도를 예측하는 것은 오차를 가지고 있다.
이와 관련하여 본 연구에서 NCPX 계측방법에 의한 도 로교통 소음 예측 모델을 개발하고자 한다.
도로의 노면에서 발생되는 소음을 측정하는 방법으 로 Pass by 계측 방법, DSLM(Digital Sound Level Meter) 계측 방법, NCPX(Noble Close ProXimity) Corresponding Author : Mun, Sungho, Assistant Professor
Department of Civil Engineering, Seoul National University of Science and Technology, 232 Gongneung-ro, Nowon-gu, Seoul, 139-743, Korea Tel : +82.31.970.9014
E-mail : [email protected]
International Journal of Highway Engineering http://www. ijhe.or.kr/
ISSN 1738-7159 (Print) ISSN 2287-3678 (Online)
Int. J. Highw. Eng. Vol. 15 No. 4 : 21-29 August 2013 http://dx.doi.org/10.7855/IJHE.2013.15.4.021
계측 방법이 존재한다. 이러한 소음측정 방법 중 NCPX 계측은 타이어 인접위치에 표면 마이크로폰을 설치하여 타이어와 도로의 노면 사이에서 발생하는 마 찰음을 측정하는 방법으로써 측정 시 외부의 주변 소음 을 함께 측정하는 Pass by측정이나 DSLM측정 보다 노면과 타이어에 의해 발생하는 소음을 정확하게 측정 하는 것이 가능하다는 장점을 가지고 있다. 따라서 개 발되어지는 예측 모델은 NCPX 계측 방법에 의존하도 록 한다.
2. 국내₩외 교통소음 예측 모델
도로에서 발생하는 소음을 예측하기 위해 국내₩외에 서 많은 연구가 진행되고 있으며 국가별로 다양한 소음 예측 모델을 사용하고 있다.
국외의 경우, 국가별로 다양한 소음 예측 모델을 개 발함으로써 직접적으로 현장에서 모델을 적용하고 있 다. 다음 Table 1은 국가별 다양한 소음 예측 모델을 나타낸다.
국내에서는 국립환경연구원의 고속화 도로식과 한국 도로공사의 HW-NOISE와 KHTN의 세 가지 예측 모 델이 개발되어 있다. 이 중 한국도로공사의 KHTN은 HW-NOISE 교통소음 예측 프로그램의 단점을 보완하 고 다양한 모델이 가능하도록 되어 있는 상위 소프트웨 어이다.
국립환경과학원의 고속화 도로식인 소음예측 모델은 차량의 주행속도 뿐만 아니라 노폭에 대한 보정, 거리에 대한 감쇠 보정, 관측각 보정, 회절의 보정 등 다양한 환 경적인 요소를 측정하여야 하므로 매우 까다로운 예측
모델이라고 할 수 있다.
KHTN 예측 모델의 경우 포장상태를 아스팔트와 콘 크리트로 나눈 후, 차종을 대형차, 중형차, 소형화물차, 승용차로 분류하여 다른 시나리오 및 조건에 따라 소음 예측 모델이 결정되어 진다. 이 모델의 경우 차량 1대가 발생할 수 있는 소음도를 다음 식과 같이 측정되어진 각 주파수별 음압레벨에 포장상태에 따른 주파수별 보정치 의 합산으로 총 음압레벨을 산정한다.
여기서, 는 차량 한 대에 의해 발생하는 총 음 압레벨이며, V는 차량의 주행속도이다. 이 결과 값은 포장상태와 차종에 따라 다른 보정 값(A)을 갖으며 주 파수별 다른 값으로 지정되어 있는 주파수별 가중치이 다. 속도에 따른 주파수별 음향파워레벨은 로그모델을 갖는다.
고속화 도로식의 예측 모델, KW-NOISE, KHTN의 모델은 복합적인 차종 및 시나리오에 대한 전체적인 소 음을 예측하려는 목적으로 개발되어진 모델로써 주파수 에 따른 속도별 음압레벨과 음향파워레벨을 측정해야 총 음압레벨을 예측할 수 있다. 이에 반해 기존의 연구 (Bloemhof, 1986; Cho and Mun, 2008a; Cho and Mun, 2008b; Cho and Mun, 2008c)에서 NCPX계 측 방법에 대한 속도에 따른 총 음압레벨 예측 모델을 개발하였다. 이 모델은 차량 한 대에 대한 소음도를 예 측할 수 있는 모델로써 본 연구에서는 다른 변수에 대한 정보 없이 측정되어진 속도에 대한 총 음압레벨을 전제 로 다른 주행속도인 경우에 총 음압레벨을 예측 가능한 새로운 모델을 개발하고자 한다.
3. 도로노면과 타이어간의 마찰음 현장 측정
총 음압레벨과 속도와의 관계 모델을 도출하기 위해 현장에서 직접 소음을 측정하였다. 차량은 일반 승용차 와 SUV(Sport Utility Vehicle) 두 종류의 차종으로 구분하여 측정하였으며 Fig. 2와 같은 형식으로 일반 승용차의 경우 노면으로부터 높이 45cm, 차량의 최외 측으로부터 거리 15cm에 표면마이크로폰을 부착하였으 며, SUV차량의 경우 노면으로부터 높이 60cm, 차량의 최외측으로부터 거리 18cm에 표면마이크로폰을 부착하 여 측정을 실시하였다.
Table 1. The Regional Sound Prediction Models
The Road Traffic Noise Prediction models Nation ASJ RTN-Model(1998)
(Acoustical Society of Japan Road Traffic Noise Model)
Japan
CRTN(Calculation of Road Traffic Noise) United Kingdom RLS-1990
(Richtlinien fur den Larmschutz and Straben, 1990)
Germany
FHWA TNM(FHWA Traffic Noise Model) United States Dutch Model-1981 Netherlands
NMPB Model-2008 France
HARMONOISE European Union
(1)
¨ ¨
소음을 측정하는 사용 마이크로폰은 B&K사의 4949 표면마이크로폰으로, 측정가능 데시벨이 140dB이고, 주파수 범위는 5Hz에서 20Hz까지 가능하다. 소음 측 정 장소는 총 2곳의 장소에서 실시되었으며, 측정 위치 는 다음 Fig. 3과 같이 경기도 포천시의 아스팔트 포장 구간과 콘크리트 포장 구간 2곳을 선정하였다.
현장 측정은 같은 구간에서 동일한 속도로 3회 실시하 였으며 측정속도는 60km/hr에서 100km/hr로 10km/hr 씩 증가하면서 총 5가지 속도로 분류하여 측정을 실시하 였다.
4. 소음측정 결과 분석
현장에서 측정한 소음은 펄스장비에 의해서 디지털신 호로 정량화되어진다. 이러한 디지털신호는 신호처리 중 가중치방법인 A-Weighting 과정을 거쳐 디지털신
호처리(DSP, Digital Signal Processing)를 하게 된 다. 디지털신호처리는 사용자의 사용목적에 따라 다르 게 수행되어질 수 있으며 이러한 수행방법에는 DFT(Discrete Fourier Transform), FFT(Fast Fourier Transform), CPB(Constant Percentage
Fig. 1 Testing Vehicles
Fig. 2 Installation of the Surface Microphone (a) Before the installation (b) After the installation
Fig. 3 Noise Measurement Sites and Sections (a) Asphalt Pavement Site (b) Concrete Pavement Site
Fig. 4 Overall SPL for General Car Related to the Vehicle Speed by using NCPX Method
(a) 1st Measurement Result
(b) 2nd Measurement Result
(c) 3rd Measurement Result
(d) Average Result
Bandwidth) 등이 존재한다. 본 과업에서는 주파수별 특성을 파악하는 것이 아니기 때문에 CPB분석에 의한 총 음압레벨만 산정하였다. Fig. 4와 Fig. 5는 속도별 총 음압레벨의 결과를 나타낸 그래프이다.
측정 결과 콘크리트노면에서 발생하는 소음도가 더 크게 나타났으며 속도가 증가함에 따라 총 음압레벨도 증가함을 알 수 있었다.
5. ‘속도-음압레벨’모델 산정
소음 측정 시 타이어와 노면사이에서 발생하는 음향 을 표면마이크로폰과 펄스장비를 이용하여 디지털신호 로 전환한 뒤 디지털신호를 A-가중치에 근거하여 FFT(Fast Fourier Series)분석 및 CPB(Constant Percentage Bandwidth)분석을 통하여 주파수별 소음 레벨을 분석한다. 이러한 주파수별 소음레벨은 다음 Eq. (2)에 근거하여 총 음압레벨로 계산이 가능하다.
여기서, 은 총 음압레벨을 의미하며, SPL은 각 주파수별 음압레벨을 나타낸다. 는 주파수영역대 수를 의미하고 는 주파수 영역대의 음향파워이며, 는 기준음향파워 이다.
NCPX를 계측함에 있어서 이러한 총 음압레벨은 속 도가 증가함에 따라서 그 크기가 커진다. 이것은 차량의 주행속도가 높을수록 소음의 크기가 증가한다는 것을 의미한다. 이러한 차량의 주행속도와 총 음압레벨에 대 한 산정 모델은 기존의 연구(Bloemhof, 1986; Cho and Mun, 2008a; Cho and Mun, 2008b; Cho and Mun, 2008c)에서 다음 Eq. (3)과 같이 규명되었다.
여기서 는 속도에 따른 총 음압레벨을 의미하며, 와 는 모델에 따른 계수, 는 차량의 주행속도를 나타낸다.
본 연구에서는 기존연구에서 규명한 속도에 따라 달 라지는 총 음압레벨 예측 모델을 기준으로 새로운 모델 을 개발하도록 하며, 개발된 모델에 대한 정확성을 판별 하고자 한다. 이를 수행하기 위하여 측정되어진 디지털 신호(Digital Signal)에 대해 분석하여 총 음압레벨과 속도와의 관계를 규명하도록 한다.
본 장에서는 기존 연구에서 제시한 로그형 회귀모델 외의 다양한 모델을 선정하여 가장 오차가 적은 예측 모 델을 결정하고자 한다. 또한 회귀분석에 의해 결정되어 Fig. 5 Overall SPL for Sport Utility Vehicle Related
to the Vehicle Speed by using NCPX Method (a) 1st Measurement Result
(b) 2nd Measurement Result
(c) 3rd Measurement Result
(d) Average Result
(2)
(3)
진 모델을 검증하기 위하여 2변량 간의 데이터 추세의 연관성을 집단의 표준편차를 이용하여 분석하는 상관관 계분석(Correlation Analysis)과 두 변량의 차이를 규 명하는 RMSE(Root Mean Squared Error)를 적용하 도록 한다.
차량의 속도에 따른 총 음압레벨의 예측 모델을 구성 함에 있어서 한 구역에서 동일 속도인 경우 3회 측정한 결과 값에 대하여 각각의 회귀모델을 구성하는 것이 아 니라 한 구역에서 측정되어진 총 음압레벨의 속도별 산 술평균값을 사용할 것이다. 이는 한 구역에서 동일한 조 건으로 측정한 경우 총 음압레벨은 일정하다는 것에 기 초한 것이다.
5.1. 기하학적 확산 효과
위 Eq. (3)의 로그모델은 차량의 측정 속도가 증가함 에 따라 소음도는 커지며 그 증가량은 점차 감소한다는 것(차량의 속도와 총 음압레벨의 관계는 로그형의 관계 를 가진다)을 내포하고 있다. 따라서 해당 측정 지역에 서 측정한 결과에 대한 로그회귀모델은 다음과 같은 결 과를 나타낸다.
Fig. 6에서 볼 수 있듯이 로그회귀모델을 적용한 결 과, 로그회귀모델 주변에 총 음압레벨이 존재하기는 하
지만 오차를 갖는 것으로 판단하였다. 로그회귀모델에 대한 방정식은 Table 2와 같다.
5.2. 속도별 총 음압레벨 예측 모델
독립변수인 5가지 속도에 대한 적용 가능한 회귀모델 의 경우 선형회귀부터 다항식회귀모델까지 다양한 회귀 모델이 적용가능하다. 이에 관련하여 가능한 모든 회귀 모델을 적용하고자한다. 모델을 적용함에 있어서 초기 조건은 차량이 주행하지 않는 경우 총 음압레벨은 존재 하지 않는다는 것이며, 경계조건은 속도가 증가함에 따 라 총 음압레벨 역시 증가한다는 것이다. 하지만 기존 연구의 로그형 예측 모델의 경우에서도 속도가 존재하 지 않는 경우에도 NCPX 계측 시 소음이 존재한다. 이 는 본 연구의 목적과 마찬가지로 총 음압레벨 예측 시 최소 2가지 측정 데이터가 존재해야 함을 내포하고 있 다. 이 두 가지 측정 데이터는 최소 측정 속도의 SPL과 최소 측정 속도 이상의 SPL이다.
이 점을 고려하여 최소 속도의 SPL과 최대 속도인 경 우 SPL의 두 가지 데이터를 예측 모델 개발 정보로 활 용하며 나머지 속도에 대한 SPL 데이터는 검증용 데이 터로 사용하고자 한다. 결국 두 가지 변수에 적용 가능 한 회귀모델은 선형회귀, 2차 회귀, 지수 회귀, 로그 회 귀가 존재한다.
다음 Fig. 7은 승용차에 대한 선형회귀, 2차 회귀, 지 수 회귀, 로그 회귀모델 결과를 나타낸다.
(a) General Car
(b) SUV(Sport Utility Vehicle) Fig. 6 Logarithmic Regression Model
Table 2. Equations for Logarithmic Regression Model
General Car SUV
Asphalt Pavement
road Concrete Pavement
road
(a) Linear Regression Model
< Fig. Continued>
다음 Fig. 8은 SUV 차량에 대한 선형회귀, 1차 회귀,
2차 회귀모델, 로그회귀모델 결과를 나타낸다. 5.3. 속도별 총 음압레벨 예측 모델
본 연구에서 개발한 총 음압레벨 예측 모델과 기존 연 구에서 개발한 모델에 대한 정확성을 검증하고자 한다.
이를 수행하기 위하여 본 연구의 모델에서 예측한 총 음 압레벨과 실제 측정한 총 음압레벨의 상관관계계수를 결정하여 두 변량 사이의 변화 경향의 상관관계를 분석 하고자 한다. 상관관계분석은 회귀분석 수행에 대한 검 증으로써 다음 Fig. 9의 상관도(Correlation Diagram) 를 보면 알 수 있듯이 두 종속변위의 관계가 직선적이므 로 Pearson의 단순상관계수( , Simple Correlation Coefficient)를 구하도록 한다.
Fig. 7 Overall SPL Prediction Model for General Car Related to the Vehicle Speed
(b) 2-order Regression Model
(c) Exponential Regression Model
(d) Logarithmic Regression Model
(a) Linear Regression Model
Fig. 8 Overall SPL Prediction Model for SUV Car Related to the Vehicle Speed
(b) 2-order Regression Model
(c) Exponential Regression Model
(d) Logarithmic Regression Model
Pearson의 단순상관계수는 두 변량의 표준편차로부 터 상관관계를 예측할 수 있으며 다음 Eq. (4)로부터 이 를 구할 수 있다.
여기서, 와 는 수행횟수에 대한 SPL의 크기 및 평균크기이며, 와 는 모델에 의해 예측되어 지는 SPL의 크기 및 평균크기를 의미한다. 는 각 표 본에 대한 표준편차이며 은 표본의 크기를 나타낸다.
결국 Pearson의 단순상관계수는 실제 측정된 SPL과 예측된 SPL의 공분산을 각각의 표준편차로 나눈 값을 의미한다. Pearson의 상관계수를 구하기 위해 통계프 로그램인 SPSS를 사용하였다(Table 3).
이를 수행한 결과 2차 회귀 예측 모델에서 98.3%로
두 변량의 변화 경향이 가장 일치하는 것으로 판단되었 다. 이를 통하여 실제 총 음압레벨의 변화 경향이 기존 연구의 로그형 모델보다 더 우수한 것을 확인하였다. 하 지만 이러한 상관관계분석은 단지 변량의 변화 경향에 대한 정도를 나타내는 것이기 때문에 실제 오차를 계산 하고자 한다. 예측되어진 총 음압레벨과 실제 측정된 총 음압레벨의 오차를 규명하기 위해 RMSE(Root Mean Squared Error)를 적용하였다. RMSE 값은 다음 식에 의해 계산된다.
Table 4는 각 조건에 따른 RMSE값을 나타낸 것이 다. 이 경우 실제 예측모델에 적용되어진 60km/hr와 100km/hr의 총 음압레벨을 제외한 모든 예측된 SPL과 검증용 SPL에 대한 오차를 계산한 것이다.
(4) Fig. 9 Correlation Diagram of Measurement SPL
and Prediction SPL
Table 3. Pearson Correlation Factor by using the SPSS
Actual _SPL
Log_Predicted _SPL
Exp Predicted_SPL
Linear_Predicted _SPL
Second Predicted_SPL
Actual_SPL Pearson상관계수
유의확률(양쪽) N
1
20
.972**
.000 20
.969**
.000 20
.969**
.000 20
.983**
.000 20 Log_Predicted_SPL Pearson상관계수
유의확률(양쪽) N
.972**
.000 20
1
20
.997**
.000 20
.998**
.000 20
.985**
.000 20 Exp Predicted_SPL Pearson상관계수
유의확률(양쪽) N
.969**
.000 20
.997**
.000 20
1
20
1.000**
.000 20
.988**
.000 20 Linear_Predicted_SPL Pearson상관계수
유의확률(양쪽) N
.969**
.000 20
.998**
.000 20
1.000**
.000 20
1
20
.987**
.000 20 Second Predicted_SPL Pearson상관계수
유의확률(양쪽) N
.983**
.000 20
.985**
.000 20
.988**
.000 20
.987**
.000 20
1
20
(5)
Table 4. RMSE Error for Prediction SPL and Verification SPL
General Car SUV
Asphalt Pavement
Concrete Pavement
Asphalt Pavement
Concrete Pavement Log Model 1.11425 1.19303 0.26165 1.20335 Exp Model 0.65783 1.66175 0.56124 1.58886 Linear Model 0.74742 1.57862 0.50119 1.52579
Sec-Order
Model 0.90871 1.24139 0.35568 1.30303
실제 RMSE값을 산출한 결과, 어느 모델이 가장 오차 가 적다고 판단할 수 없을 만큼 다양한 오차값이 계산되 었다. 이를 보다 확실하게 판단하기 위하여 포장상태에 대한 조건을 제외한 전체 결과에 대한 RMSE오차를 Table 5와 같이 계산하였다. Fig. 10은 예측 SPL과 실 제 SPL을 비교하였다.
6. 결론
본 연구의 지수예측 모델, 선형예측 모델, 2차예측 모 델의 경우 기존 연구의 로그형 예측 모델과 비교하였을 때 상관관계분석이나 RMSE오차에서 큰 차이를 보이지 않았다. 하지만 다항식 회귀 모델에 의한 예측 모델이 상관관계분석에서 더 높은 변화 경향을 보인 것으로 보 아 현장 측정 시 다양한 속도에 따른 총 음압레벨을 측 정하고 다른 속도에 대한 총 음압레벨을 예측할 경우 로 그형 예측 모델보다 정확성을 갖을 것으로 판단된다. 만 약 다항식 회귀모델을 적용함에 있어서 변곡점이 예측 하려고 하는 속도 내에 존재할 경우, 속도의 증가와 반 대로 총 음압레벨이 감소할 가능성이 있다. 따라서 다항 식 회귀모델의 적용 시 각별한 주의가 요구될 것으로 사 료된다.
감사의 글
본 연구는 한국건설기술연구원 주요사업“도로소음 모델
링 및 도로위치별 교통 소음저감 기술개발”의 연구비 지원에
의해 수행되었습니다.
References
Chul-Hwan, Kim, Tae-sun, Chang, Ki-Jung, Lee, Hee-Man, Kang.
(2007) “A Study on Comparison of Highway Traffic Noise Prediction Models using in Korea”. Proceedings of 2007 Korean Society for Noise and Vibration Engineering. pp. 1-4.
Dae-seoung, Cho, Jin-Hyeong, Kim, Tae-Muk, Choi, Jung-Han, Oh, Tae-Soon, Jang. (2001) “Prediction of Highway Traffic Noise”.
Proceedings of 2001 Korean Society for Noise and Vibration Engineering. pp. 1280-1286.
Mun, S., and Cho, D-S. (2008) “Development of a highway traffic noise prediction model that considers various road surface Table 5. RMSE Error from the All Overall SPL Data
Log Model Exp Model Linear Model
Sec-Order Model RMSE 1.02242 1.22817 1.18637 1.02362
(a) Logarithmic Overall SPL Prediction Model
(b) Exponential Overall SPL Prediction Model
(c) Linear Overall SPL Prediction Model
(d) 2-order Overall SPL Prediction Model
Fig. 10 Overall SPL Comparison for Prediction Model vs Measurement
types”. Applied Acoustics, Vol. 69. pp. 1120-1128.
Mun, S., and Cho, D-S. (2008) “Determination of the sound power levels emitted by various vehicles using a novel testing method”. Applied Acoustics, Vol. 69. pp. 185-195.
Mun, S., and Cho, D-S. (2009) “Noise measuring technique and field evaluation based on the effects of vehicles and pavement types”. Canadian Journal of Civil Engineering, Vol. 36. pp.
1816-1824.
Sangyum, Lee, Junghoon, Jin, Sungho, Mun, Hak-Ryong, Moon.
(2012) “Study on the Noise Characteristics of Bridge Deck Pavements in Seoul Inner Ring Road”. Journal of the Korean Society of Road Engineers, Vol. 14, No. 2. pp. 19-28.
( 접수일 : 2013. 4. 18 / 심사일 : 2013. 4. 18 / 심사완료일 : 2013. 5. 8 )
