매개변수 연구와 민감도 분석을 통한 도로교통소음 예측식의 평가: NMPB2008과 RLS90의 비교연구를 중심으로 :Evaluation of road traffic noise model by parametric study and sensitivity analysis : focusing on the comparison of NMPB2008 and RLS90

문성준

추천

검색

자료유형: 학위논문

저자정보: 문성준 (서울시립대학교, 서울시립대학교 일반대학원)

지도교수: 장서일

발행연도: 2018

저작권: 서울시립대학교 논문은 저작권에 의해 보호받습니다.

이용수16

이 논문의 연구 히스토리 (3)

2018

도로교통소음 예측식 내 입력변수의 3차원 매개변수연구

문성준 , 류훈재 , 장서일 한국소음진동공학회 학술대회논문집 2018.04 학술대회자료

매개변수 연구와 민감도 분석을 통한 도로교통소음 예측식의 평가: NMPB2008과 RLS90의 비교연구를 중심으로

문성준 에너지환경시스템공 2018.01 학위논문

2017

도로교통소음 예측식 내 입력변수의 영향도 비교

문성준 , 류훈재 , 장서일 한국소음진동공학회 학술대회논문집 2017.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

세계 여러 나라에서는 교통수단으로부터 발생하는 소음을 관리하거나 그 영향을 파악하기 위해, 일정 지역의 소음 분포를 예측하고 이를 지도에 도시하여 나타내는 소음지도를 사용하고 있다. 각 국가들은 이를 위한 예측식을 개발해왔으며, 우리나라는 개발된 예측식이 탑재된 상용 소음 예측 프로그램을 사용하여 소음도를 예측하고 있다. 본 논문에서는 도로교통소음 예측식의 계산 과정을 분석하여 입력변수에 대한 매개변수연구를 통해 각 예측식의 결과 값이 입력변수의 변화에 따라 어떻게 거동하는지를 파악하고자 한다. 또한, 민감도 분석을 통해 각 예측식의 결과 값이 어느 입력인자에 더 민감하게 반응하는지를 파악하여, 상황에 따라 결과 값의 예측오차를 줄이는데 기여할 수 있는 입력인자를 찾아내고자 한다.
매개변수 연구를 위해 구성한 시나리오는 교통량 정보 제공 시스템(TMS)에서 제공하는 값을 기반으로 설정하였다. 두 가지 예측식에서 구성된 시나리오를 바탕으로 매개변수의 구간과 변화량을 설정하고, 매개변수마다 결과 값의 거동을 확인하였다. 배출 관련 인자에서는 두 예측식에 대해 매개변수의 변화량에 대한 결과 값의 변화가 크게 차이 나지 않았다. 하지만 전파 관련 인자의 경우 두 예측식에서 차이가 발생하는 것으로 나타났다. 그 원인으로는 두 식에서 주파수 성분의 보정 여부, 지면흡음 보정 여부 등에 대한 차이를 들 수 있다.
본 논문에서는 대역적 민감도 분석의 기법 중 하나인 몬테카를로 시뮬레이션을 이용하여 민감도를 분석하였고 Sobol의 민감도 지수를 통해 입력변수의 민감도를 나타내었다. 모든 입력변수의 분포를 정규분포로 가정하였고 각 변수의 평균, 표준편차를 구분하여 시나리오를 구성하였다. 또한 시뮬레이션의 계산시간과 결과의 신뢰도를 고려하여 반복수행 횟수를 10,000번으로 결정하였다. 분석 결과는 두 식 모두 교통량에 대해 강건한 모델이며 대형차량 혼입률과 이격거리의 경우에서 변수 값 크기와 이로 인한 결과의 불확실도가 서로 비례관계를 가지는 것으로 나타났다. 차량속도의 경우 NMPB2008은 강건한 모델로 나타났지만 RLS90은 소형차 속도의 경우 비례관계, 대형차 속도의 경우 반비례 관계를 가지는 것으로 나타났다.

In many countries, noise maps are used that predict noise distributions in certain areas and show them to maps in order to manage the noise generated from the transportation and to understand their effects.
In order to predict the noise generated by the transportation, various countries have developed prediction models. In Korea, the prediction models are used through commercial noise prediction programs.
In this study, the calculation process of road traffic noise models is analyzed and then that is analyzed how the result of each model behaves according to the change of the input parameter through the parametric study. Finally, through the sensitivity analysis, the input factors which can contribute to reduce the prediction error of result according to the situation are found by knowing which input parameter in more sensitive to the result of each model.
Scenarios constructed for the parametric study are set based on the value provided by the Traffic Monitoring System(TMS). Based on the scenario, the interval and the variation of each parameter are set and the behavior of the output value from the models are confirmed according to the change of each parameter. In the emission factors, the results were not significantly different for the two models. However, there were differences between the two models in the case of propagation factors. The reason for this is the difference between the two models whether the frequency component is corrected or whether the ground absorption is corrected.
In this paper, the sensitivity is analyzed using Monte Carlo simulation which is one of the methods of global sensitivity analysis and the sensitivity of input parameters is shown through Sobol’s sensitivity index. The distribution of all input parameters is assumed to be a normal distribution, and scenarios are constructed by categorized the mean and standard deviation of each parameter. Also the number of iterations is determined to be 10,000 in consideration of the calculation time of the simulation and the reliability of the result. The results of the analysis show that both models are robust for traffic volume, and the magnitude of the variable value and the uncertainty of the result are proportional to each other in the case of the percentage of heavy vehicle and distance. In the case of vehicle speed, NMPB2008 is a robust model, but RLS90 has a proportional relationship for speed of light vehicles and an inverse relationship for speed of heavy vehicles.

#도로교통소음 예측식 #매개변수 연구 #몬테카를로 시뮬레이션 #Sobol의 민감도 지수

1. 서론 1
1.1 연구배경과 목적 1
1.2 연구절차와 방법 3
2. 연구의 이론적 배경 5
2.1 연구 대상 도로교통소음 예측식 5
2.1.1 RLS90 5
2.1.2 NMPB2008 11
2.2 민감도 분석(Sensitivity analysis) 20
2.2.1 민감도 분석 20
2.2.2 Sobol 민감도 지수(Sobol’s sensitivity index) 22
3. 연구 모델의 검증 25
4. 연구 방법 30
4.1 매개변수 연구 방법 30
4.2 민감도 분석 방법 32
4.2.1 몬테카를로 시뮬레이션 32
4.2.2 민감도 분석 35
5. 연구 결과 37
5.1 매개변수 연구 결과 37
5.2 민감도 분석 결과 44
5.2.1 RLS90의 민감도 분석 결과 44
5.2.2 NMPB2008의 민감도 분석 결과 47
6. 결론 50
참고문헌 53
부록 A. 매개변수 연구 결과 (방음벽이 없는 경우) 57
부록 B. 매개변수 연구 결과 (방음벽이 있는 경우) 65
ABSTRACT 73

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)