Transformer 기반 민간항공기 소음 이벤트 감지 모델의 소음평가 적용성 분석

키워드

확장요약문

본 연구는 항공기 소음 평가의 자동화를 위해 1/3옥타브 밴드 자료를 입력으로 하는 Transformer 기반 모델을 적용하고, 기존 CRNN 모델과 이벤트 분류·감지 성능 및 실무 적용 가능성을 비교하여, Transformer 기반 모델의 적용 가능성을 검토하였다. 기존 학위 논문에서는 Transformer 기반 모델로 PaSST 사전 인코더를 활용했으나, 이번 연구에서는 1/3옥타브 밴드 자료에 특화된 구조를 도입하기 위하여 CNN에 자연어 처리 모델인 BERT를 결합한 CBERT를 추가하여 3가지 모델을 비교하였다.

김포국제공항 주변 각 지점에서 7일간 측정한 1/3옥타브 밴드 소음 자료를 8:1:1 비율로 시간 순서 분할 방식으로 나누어 세 모델의 학습과 평가에 활용하였다. 모델별로 산출한 F1-score를 간략하게 비교하고, 모델별로 산정한 Lden을 엔지니어의 수작업 결과와 비교하였으며 주요 결과는 다음과 같다.

1) 각 지점의 특징은 다음과 같다. N1 : 7일평균 61 Lden의 정온지역, N2 : 7일평균 56 Lden의 복합소음지역, N3 : 67 Lden의 정온지역, N4 : 59 Lden의 정온지역

2) 세 모델의 전반적인 이벤트 분류 및 감지 성능은 유사하였다. CBERT 모델은 단일 지점의 학습에서는 유리한 성능을 보였으나, 그러나 학습자료를 확대한 추가 실험에서는 이러한 경향이 일관된 성능 우위로 이어지지 않았고, 그 차이가 미미하였다.

3) 세 모델 모두 각 유형에서 계산한 소음 평가 지표는 엔지니어의 수작업 결과와 높은 일치도를 보였다. 수작업 결과 대비 Lden의 차이는 0.1 dB(A) 이내로 나타나, 본 연구의 분석 조건에서 Transformer 기반 모델의 실무 적용 가능성을 확인할 수 있었다.

따라서 향후에는 모델 구조의 비교와 함께 학습자료의 규모 및 구성 비율에 따른 성능 변화를 체계적으로 분석할 필요가 있다. 또한 다양한 공항과 배경소음 자료를 활용한 혼합 학습 및 도메인 일반화 기법을 적용하여, 새로운 환경에서의 분류 및 감지 성능을 검증할 필요가 있다.