본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

국문초록

목차

ABBREVIATIONS 15

ORIGINAL PUBLICATIONS 16

제1장 서론 17

제1절 연구의 배경 및 목적 17

제2절 연구의 내용 및 범위 24

제2장 문헌 고찰 27

제1절 층간소음 민원 및 관련 제도 27

1. 층간소음 민원 및 관리 현황 27

2. 층간소음 관련 제도 및 측정방법 36

제2절 선행연구 검토 40

1. 층간소음 저감 연구 40

2. 인공지능 모델을 활용한 환경 소리 분류 연구 44

3. 보행으로 인한 바닥 충격 연구 51

제3장 층간소음 오디오 데이터 셋 구축 55

제1절 층간소음 오디오 데이터 셋 구축 필요성 55

제2절 층간소음 소음원 분류를 위한 데이터 구성 58

1. 층간소음 현장 녹음 및 어노테이션 58

2. 녹음 파일의 소음원 및 길이 60

제3절 층간소음 분류 연구 예비 실험 64

1. CNN 모델 실험 개요 및 평가지표 64

2. 분류 성능 및 추론시간 실험 결과 67

제4절 소결 71

제4장 오디오 기반 직접충격 소음 분류 및 평가 73

제1절 직접충격 소음 분류 및 자동 평가 필요성 73

제2절 발걸음 소리 분류 실험 개요 75

1. 검증 데이터 구성 75

2. 실험 변수 설정 78

제3절 직접충격 소음 분류 결과 및 평가 알고리즘 제안 82

1. MFCC 특징에 따른 성능 82

2. 직접충격 소음 규제 기준 평가 알고리즘 88

제4절 소결 90

제5장 진동 신호 기반 직접충격 소음 예측 92

제1절 진동 신호를 활용한 층간소음 모니터링 필요성 92

제2절 직접충격 소음 예측 실험 개요 97

1. 데이터 셋 구축 97

2. CNN 모델을 활용한 STFT 기반 음압레벨 예측 실험 개요 101

제3절 진동 특징에 따른 음압레벨 예측 실험 결과 105

1. 직접충격 소음에 따른 진동 가속도와 등가소음레벨 105

2. 센서 위치 및 STFT 특징에 따른 예측 성능 평가 결과 108

제4절 소결 117

제6장 결론 120

제1절 연구 요약 및 결론 120

제2절 연구의 의의 및 향후 연구 123

참고문헌 125

ABSTRACT 139

표목차

〈표 2-1〉 층간소음 상담기관 28

〈표 2-2〉 층간소음 이웃사이센터에 접수된 층간소음 민원 현황 29

〈표 2-3〉 층간소음 민원인의 거주 위치 31

〈표 2-4〉 소음 측정시 기준 초과 여부 31

〈표 2-5〉 소음 원인별 층간소음 접수 현황 31

〈표 2-6〉 주거형태별 층간소음 접수 현황 31

〈표 2-7〉 층간소음 이웃사이센터 상담 소음원 및 건물 32

〈표 2-8〉 층간소음 대응 방법에 따른 구분 35

〈표 2-9〉 바닥충격음 차단성능 관리 관련 국내 법령체계 37

〈표 2-10〉 층간소음 기준(공동주택층간소음규칙 내 [별표] 층간소음의 기준) 38

〈표 2-11〉 소음원별 발생 횟수와 길이 42

〈표 2-12〉 환경 소리 분류를 위한 데이터 셋 47

〈표 3-1〉 ESC50 오디오 데이터 셋 구성 59

〈표 3-2〉 층간소음 오디오 데이터 셋 구성 62

〈표 3-3〉 층간소음 오디오 데이터 셋 분류 결과(교차 검증) 69

〈표 3-4〉 다른 데이터 셋과의 정확도(accuracy) 비교 70

〈표 3-5〉 최고성능 모델(state-Of-the-Art)과의 비교 70

〈표 4-1〉 실험 변수에 따른 분류 성능 실험 개요(어노테이션 전체 구간) 78

〈표 4-2〉 최대소음레벨에 따른 분류 성능 실험 개요 81

〈표 4-3〉 MFCC 특징에 따른 분류 성능 83

〈표 4-4〉 최대 주파수 대역 설정에 따른 분류 성능 83

〈표 4-5〉 데이터 증강에 따른 분류 성능 84

〈표 4-6〉 CNN 모델에 따른 정확도 87

〈표 4-7〉 최대소음레벨에 따른 정확도 87

〈표 5-1〉 STFT 산출시 프레임의 길이 및 간격 102

〈표 5-2〉 진동 센서 위치 103

〈표 5-3〉 활동별 진동 가속도 실효치 106

〈표 5-4〉 활동별 등가소음레벨 106

〈표 5-5〉 바닥 슬래브 진동가속도와 등가소음레벨 회귀분석 결과 109

〈표 5-6〉 벽체 진동가속도와 등가소음레벨 회귀분석 결과 110

〈표 5-7〉 진동 가속도로 등가소음 예측시 성능 111

〈표 5-8〉 센서 위치에 따른 예측 성능 113

〈표 5-9〉 STFT 설정에 따른 예측 성능 114

〈표 5-10〉 직접충격 소음 평가시 마이크로폰과 진동 센서 장단점 119

그림목차

[그림 1-1] 층간소음 이웃사이센터 접수 민원 현황 18

[그림 1-2] 공동주택 층간소음 민원 유발 소음원 20

[그림 1-3] 공동주택 거주자 층간소음 만족도 향상을 위한 기술 범위 23

[그림 1-4] 전체 연구 구성 26

[그림 2-1] 소음원별 발생하는 시각 43

[그림 2-2] CNN을 활용한 소리 분류 46

[그림 2-3] MFCC 산출 과정 49

[그림 2-4] 고무공 충격력 51

[그림 2-5] 발걸음으로 인한 진동 가속도 및 음압레벨 53

[그림 2-6] 보행 유형에 따른 수직 항력 54

[그림 2-7] 보행 유형별 보폭, 속도, 피크 충격력, 지면에 닿는 시간 54

[그림 3-1] 직접충격 소음에 영향을 미치는 요소 56

[그림 3-2] 1분 간격으로 측정한 등가소음레벨 및 최대소음레벨 59

[그림 3-3] 층간소음 오디오 클립 길이 61

[그림 3-4] 층간소음 오디오 클립별 소음원 62

[그림 3-5] 층간소음 오디오 데이터 셋 스펙트로그램 및 원 신호 63

[그림 3-6] 실제 클래스 및 예측 클래스에 따른 구분 65

[그림 3-7] CNN 모델별 파라미터 개수 및 정확도 69

[그림 4-1] 직접충격 소음 분류를 위한 학습과 검증 74

[그림 4-2] 검증 데이터 수집 세대 평면 76

[그림 4-3] 기준 초과 소음을 포함한 윈도우 프레임과 레이블 판단 기준 예시(해당 프레임의 레이블을 하늘색으로 표시하였음) 77

[그림 4-4] 58 dB(A) 이상 초과 구간 추출 예시 81

[그림 4-5] 데이터 증강 기법에 따른 직접충격 소음의 MFCC 85

[그림 4–6] 직접충격 소음 최대소음레벨 기준 초과 여부 판단 알고리즘 89

[그림 5-1] 발걸음 유발 진동 영향 요소 94

[그림 5-2] 진동 기반 직접충격 소음 예측 연구 방법 98

[그림 5-3] 데이터 수집을 위한 센서 위치 및 세대 평면 100

[그림 5-4] 활동에 따른 주파수 대역별 음압레벨 107

[그림 5-5] 바닥 슬래브 진동 가속도와 등가소음레벨 109

[그림 5-6] 벽체 진동 가속도와 등가소음레벨 110

[그림 5-7] 실제 음압레벨과 예측된 음압레벨간의 비교(센서: 바닥 슬래브 및 벽체, STFT : 프레임 길이 100 ms 프레임 간 간격 20 ms) 115

[그림 5-8] 예측 모델 성능(센서: 바닥 슬래브 및 벽체, STFT : 프레임 길이 100ms 프레임 간 간격 20ms) 116

초록보기

 공동주택은 우리나라 주택의 78.3 %를 차지하며, 층간소음 민원은 지속적으로 증가하고 있다. 층간소음은 어노이언스, 수면 장애 등 건강에 부정적인 영향을 미친다. 공동주택 거주자를 층간소음으로부터 보호하기 위해서 정책적으로 건물의 차음성능을 규제하고 있으며, 이를 향상하기 위한 기술개발이 연구되고 있다. 그러나 층간소음 민원을 저감하기 위해서는 건물의 차음성능 향상과 동시에 거주자가 노출되는 층간소음과 이에 따른 주관적 반응이 모니터링 되어야 한다.

한국환경공단에서는 공동주택에서 층간소음을 측정하는 업무를 수행하고 있다. 그러나 측정한 결과는 주로 층간소음의 법적인 기준 초과 여부를 판단하는데 활용되고 있으며, 민원 신청 후 측정까지 평균 2개월 정도의 대기 시간이 소요되는 것으로 나타나 민원 초기 단계에서 중재를 위한 근거 자료로 활용되기는 어려운 것으로 나타났다. 또한 측정 데이터의 분석 과정에서도 사람이 녹음된 소리를 듣고 소음원을 판단하고 있어 업무의 효율성과 객관성 향상이 필요하다.

본 연구에서는 합성곱 신경망(Convolutional Neural Network, CNN)을 활용하여 층간소음을 정량적으로 분석하는 방법론을 제안하였다. 특히 민원의 원인으로 지적되고 있는 사람의 보행으로 인한 발걸음 소리를 대상으로 하였으며, 오디오와 진동 신호로 소리의 종류, 레벨, 주파수 특성 등과 같은 물리적인 데이터를 수집하여 민원 발생시 중재를 위한 객관적인 근거자료를 마련하고자 하였다. 소음계와 같은 마이크로폰으로 수집한 오디오 신호를 분석할 경우 공실 조건에서 신뢰성 있는 측정 데이터를 얻을 수 있다. 그러나 측정공간에 재실자가 있거나, 배경소음이 발생할 경우 측정 결과에 영향을 미친다. 이에 반해 구조체에 전달되는 진동 신호로 발걸음 소리의 레벨 예측한다면 재실 상태에서도 발생하는 소리의 모니터링이 가능할 것으로 판단된다.

본 연구는 공동주택에서 발생하는 층간소음 분류를 위한 오디오 데이터셋(audio dataset)을 구축하였다. 실제 공동주택 민원 세대에서 녹음한 소리를 바탕으로 민원 자료와 녹음된 소리의 소음원별 빈도를 고려하여 소음원을 선정하였으며, 발걸음 소리, 가구 끄는 소리, 청소기 소리 등을 포함하는 층간소음 오디오 데이터 셋을 구축하여 온라인에 공개하였다. 소리의 특징은 MFCC(Mel Frequency Cepstral Coefficients)로 나타내었으며, CNN 모델로 발걸음 소리를 분류하기 위한 가장 적합한 MFCC 특징(feature), 분류 모델, 데이터 증강(augmentation) 등을 실험하였다. 그 결과 발걸음 소리의 분류 성능(F1 점수)은 0.884로 나타났으며, 자동 소리 분류 모델을 활용하여 사람이 걷거나 뛰는 동작으로 발생하는 직접충격 소음의 법적인 기준 초과 여부를 자동으로 판단하는 알고리즘을 제안하였다.

진동 신호로 발걸음 소리를 평가하기 위하여 진동 특징은 STFT(Short-Time Fourier Transform)로 나타내었으며, 주파수 대역별 음압 레벨과 등가소음을 예측하였다. 예측에 적합한 STFT 특징과 진동 센서 위치를 도출하였으며, 등가소음레벨 예측시 평균 0.99 dB(A)의 오차를 갖는 모델을 구현하였다. 이는 진동 가속도로 예측한 결과(평균 오차 2.28 dB(A)) 보다 높은 성능이다. 이러한 연구는 층간소음 중재를 위한 근거 자료로 활용할 수 있을 뿐만 아니라 향후 진동 모니터링을 통해 과도한 소음이 예상될 경우 발생 세대에 이를 알려 민원을 예방하는 서비스에 활용할 수 있다.

발걸음으로 인해 발생하는 소리의 MFCC와 구조체에 전달되는 진동신호를 STFT로 나타내었을 때 분류 또는 예측에 적합한 특징은 유사하게 나타났다. FFT(Fast Fourier Transform) 분석을 위한 프레임(frame)의 길이는 약 100 ms, 프레임 간 간격은 약 20 ms로 나타나 사람의 보행으로 인한 발걸음을 대표(representative)하는 특징을 도출하였다.

향후 다양한 주거 환경에서 수집한 오디오 데이터 확보를 통해 성능 향상을 도모하고, 거주자의 주관적 반응과 잘 대응되는 평가 지표와 이를 예측하기 위한 모델 연구가 필요하다. 이와 더불어 바닥충격음 사후확인제도가 도입되면서 신규 공동주택의 바닥충격음 차단성능을 파악할 수 있을 것으로 보인다. 향후에는 주택의 바닥충격음 차단 성능과 실생활 층간소음 노출 간의 관계를 규명하여 거주자 중심의 주거 환경 조성이 필요한 것으로 판단된다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차