Python 기반 도로교통소음의 A가중 소음레벨 예측 오픈소스 소프트웨어 개발

키워드

확장요약문

도로교통소음은 교통량, 차량속도 및 주변 지형·건축물 등의 조건에 따라 공간적 분포가 달라지며, 이를 평가하기 위해 다양한 소음예측 모델과 상용 소프트웨어가 활용되고 있다. 그러나 상용 소프트웨어는 도입 및 운용에 비용이 발생하며, 예측 알고리즘의 수정이나 새로운 분석 기능의 추가에 제약이 있을 수 있다. 이에 본 연구에서는 RLS-90 기반 도로교통소음 예측 알고리즘을 Python으로 구현하고, GIS 공간정보와 연계하여 A가중 소음도를 예측·시각화하는 소프트웨어를 개발하고자 하였다.

도로교통소음 예측에는 독일의 RLS-90 모델을 적용하였다. 시간당 교통량, 대형차량 혼입률, 차량속도 등을 바탕으로 도로의 소음 방출 특성을 산정하고, 도로를 복수의 구간으로 분할하여 각 구간의 소음 기여도를 계산하도록 구성하였다. 이후 소음원과 수음점 사이의 거리 및 전파 조건에 따른 보정항을 적용하고, 각 구간의 기여도를 에너지 합산하여 수음점의 소음도를 산정하도록 설계하였다.

실제 도시환경에 대한 적용성을 검토하기 위해 서울특별시 동대문구 전농사거리 일대를 연구 대상지역으로 선정하였다. 국토지리정보원의 수치지도에서 도로, 건물 및 지형 관련 공간정보를 추출하여 예측모델의 입력자료로 활용하였다. 대상지역에 수음점 격자를 설정하고, 예측 소음도를 공간 좌표와 연계하여 2차원 및 3차원 소음지도로 시각화하도록 구성하였다.

개발한 알고리즘의 계산 결과를 검토하기 위해 동일한 도로 및 수음점 조건에서 SoundPLAN 9.1의 RLS-90 예측 결과와 비교하도록 하였다. 본 연구에서 개발한 소프트웨어는 도로교통조건과 GIS 공간정보를 활용한 소음도 예측 및 시각화를 통합하여, 도로교통소음의 공간적 분포를 분석하기 위한 기초 도구로 활용될 수 있을 것으로 기대된다.