AI 항공기소음 자동선별 구축 방안 연구

키워드

확장요약문

항공기소음 자동식별장치는 소음측정망에서 수집한 음향신호를 분석하여 항공기소음과 기타소음을 자동으로 구분하는 장치이다. 소음 이벤트 발생 시 생성된 MP3 음원과 OCT 정보를 바탕으로 발생 시각·풍속 및 마이크 간 도달시간차(TDOA)를 분석하고 AI 판정 결과를 최종 식별 정보로 기록한다. AI 분석에서는 음향신호를 시간·주파수 특성을 나타내는 Mel-spectrogram으로 변환하고, LCNN 모델이 항공기소음과 기타소음의 특징을 학습하여 분류한다. 항공기소음 측정에는 차량·바람·곤충 등 다양한 소음이 함께 유입되므로, 항공기소음의 선별 정확도를 높여 수작업 검토 부담을 줄이고 측정자료의 신뢰성을 확보할 필요가 있다.

이에 김포공항 3개소(고척도서관·풍무체육관·강서초교), 김해공항 2개소(동자·배영초교), 제주공항 2개소(외도해마루·내도동) 7개 지점을 대상으로 AI 정확도 향상을 추진하였다. 2025년 오분류 음원을 재확인하여 항공기소음과 기타소음으로 재선별한 뒤, 기존 LCNN 추가 학습과 신규 모델 생성을 비교하였다. 또한 지점별 소음 특성을 고려해 학습 데이터의 수량과 항공기소음·기타소음 구성 비율을 달리한 지점별 AI 모델을 생성하고 성능을 비교하였다. 그 결과 7개 지점 모두 정확도가 향상되었으며, 강서초교(+8.19%p)과 동자 (+10.41%p)에서 개선 폭이 컸다.

최종 후보 모델을 2026년 1~4월 수집된 7개 지점의 실제 측정 데이터 153,062건에 적용하여 재검증한 결과 TRUE 150,097건, FALSE 2,965건으로 전체 누적 식별 정확도는 98.06%로 나타났다. 지점별 정확도는 고척도서관 99.68%, 풍무체육관 98.33%, 강서초교 99.75%, 동자 98.01%, 배영초교 97.29%, 외도해마루 96.32%, 내도동 98.29%였다. 고척도서관과 강서초교 2개 지점은 목표 정확도 99% 이상을 달성하였으며, 나머지 5개 지점은 잔여 오분류 음원의 재선별 및 추가 학습이 필요한 것으로 확인되었다. 다만 LCNN 재학습 전후 비교와 실제 측정 데이터 재검증은 평가 조건이 서로 다르므로 구분하여 해석하였다.