• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2014년도 추계학술대회 논문집
• /
• pp.943-947
• /
• 2014

NMPB 2008을 포함한 일부 소음 예측식에서는 기상학적 요소를 고려할 수 있다. 특히 NMPB 2008을 이용하여 소음을 예측할 경우에는 기상학적인 요소의 고려는 필수적이다. 하지만, 우리나라의 실제 기상 상황을 반영할 수 있는 방법이 없는 것이 현실이다. 본 연구에서는 기상학적 요소를 적용하기 위해서 하향 굴절 발생 빈도를 적용하여 소음도를 비교하였다. 기상학적 요소의 하향 굴절 발생 빈도의 증가에 따라 소음도가 증가하는 것을 확인하였고, 1kHz 이상의 주파수에서 거리에 따른 소음도의 차이에 상대적으로 큰 영향을 미치는 것을 확인하였다. 기상학적 요소의 적용은 예측 소음도의 정확도를 향상시킬 것으로 기대된다.

• 대한환경공학회지
• /
• 제32권8호
• /
• pp.787-794
• /
• 2010

최근 자동차 보급률과 물동량의 급증으로 인해 도심에서 교통소음은 정온함을 목적으로 하는 전시 및 관람시설의 음환경을 저해하는 중요한 인자로 대두되고 있으며, 이에 따른 불만족이 매우 높은 편이다. 따라서 전시 및 관람시설의 경우 설계단계에서부터 교통소음에 대한 영향평가를 실시하여 전시실 내외부의 소음에 대한 만족 여부를 파악해야 한다. 그러나 설계단계에 있는 건축물의 경우 교통소음으로 인한 실내소음레벨을 측정할 수 없어, 지금까지는 질량법칙을 토대로 한 벽체의 투과손실 식을 사용하여 예측하고 있다. 그러나 실제 건립 후 실내 소음레벨을 측정해 보면 설계단계와는 많은 차이를 보이고 있어 개관 후 이에 대한 대책 마련에 많은 어려움이 있다. 이러한 관점에서 본 연구에서는 고속도로에 인접한 민속박물관 전시실의 실내소음도 평가를 위해 실측한 자료를 토대로 차음벽체의 투과손실과 음향시뮬레이션을 이용한 실내흡음력을 산정하여 실내 소음레벨을 예측 평가해 보았다. 이러한 연구결과는 향후 이와 비슷한 전시시설 건립 시 실내소음도의 예측을 위한 중요한 자료를 제공할 것으로 판단된다.

• 환경정책연구
• /
• 제8권2호
• /
• pp.63-82
• /
• 2009

도로, 철도, 공항을 포함하는 교통시설에 의한 교통소음으로 인하여 많은 사람들이 신체적 및 정신적인 피해를 받고 있는 가운데 선진국의 경우 교통소음에 노출된 인체 건강의 위험성을 인지하고 그것을 해결하기 위한 많은 연구가 수행되고 있다. 이러한 연구흐름에 따라 본 연구에서는 교통소음의 건강영향에 대한 국내외 연구결과를 바탕으로 하여 국내 교통소음에 의한 건강위해성을 평가할 수 있는 기본적인 방안을 모색해 보고자 한다. 교통소음의 건강영향에 대한 평가방법 중에서 많은 연구가 진행되고 있는 교통소음에 의한 성가심 및 수면방해 연구는 교통소음의 측정자료 및 설문조사결과를 바탕으로 소음지표에 대한 불쾌감 및 수면방해 호소비율의 관계를 보여주고 있다. 이에 대한 국내외의 노출-반응 예측결과를 비교해 보면 우리나라 사람들이 다른 나라 사람들보다 교통소음에 대해 대체로 더 높은 소음성 불쾌감 및 수면방해를 호소하는 것을 알 수 있다. 교통소음의 건강영향에 대한 연구결과 및 외국의 사례를 바탕으로 교통소음의 건강위해성을 평가할 수 있는 기본적인 방안을 제시하였는데 그에 대한 내용은 국내 교통소음 건강영향 예측모델의 개선을 통한 객관적인 평가기준 마련과 아울러 교통소음에 대한 사람들의 인식정도나 소음환경의 질을 향상시킬 수 있는 저감방안 마련을 포함한다.

• 한국도로학회논문집
• /
• 제19권4호
• /
• pp.1-7
• /
• 2017

PURPOSES : This study aims to improve complex modeling of multivariable, nonlinear, and overdispersion data with an artificial neural network that has been a problem in the civil and transport sectors. METHODS: Deep learning, which is a technique employing artificial neural networks, was applied for developing a large bus fuel consumption model as a case study. Estimation characteristics and accuracy were compared with the results of conventional multiple regression modeling. RESULTS : The deep learning model remarkably improved estimation accuracy of regression modeling, from R-sq. 18.76% to 72.22%. In addition, it was very flexible in reflecting large variance and complex relationships between dependent and independent variables. CONCLUSIONS : Deep learning could be a new alternative that solves general problems inherent in conventional statistical methods and it is highly promising in planning and optimizing issues in the civil and transport sectors. Extended applications to other fields, such as pavement management, structure safety, operation of intelligent transport systems, and traffic noise estimation are highly recommended.

• 전자공학회논문지
• /
• 제54권8호
• /
• pp.34-41
• /
• 2017

V2I(Vehicle to Infrastructure) 통신은 ITS(Intelligent Transportation Systems)와 텔레매틱스 서비스를 제공하기 위한 차량과 노변 기지국간 통신 기술을 말한다. 차량은 Probe data를 기지국을 통하여 수집하며, 기지국은 도로 상태나 교통 정보를 차량에 제공한다. 이러한 V2I 통신 서비스를 제공하기 위해서는 신뢰성 있으며 높은 전송률을 달성할 수 있는 링크 적응 기법이 필요하다. 수신단은 추정한 CSI(Channel State Information)를 송신단으로 피드백하며 송신단은 이 정보를 이용하여 링크 적응을 한다. 그러나 차량 속도에 의한 채널의 빠른 변화와 계층 간 처리 지연 시간으로 인해 추정한 CSI는 outdated되게 된다. 이를 위해, V2I 통신 시스템에서 링크 적응을 위한 채널 보간과 예측 기법이 필요하다. 본 논문에서는 ADPSS(Advanced Discrete Prolate Spheroidal Sequence) 채널 보간과 예측 기법을 제안한다. 제안한 기법은 정규 직교 기저를 만들고 상관 행렬을 이용하여 채널 보간과 예측을 한다. 또한, 주파수 도메인에서 잡음 제거를 위해 스무딩을 한다. 모의실험 결과, 기존 기법과 비교했을 때 제안한 기법이 차량의 높은 속도와 낮은 속도를 가지는 고속도로와 도심지에서 성능이 향상된 것을 볼 수 있다.