도로 포장 형태에 따른 타이어-도로 소음의 조사는 시간과 비용이 많이 든다. 본 연구에서는 이러한 문제를 해결하기 위해 인공신경망 모델을 적용하였다. 도로 포장 유형을 분류하기 위한 모델(예: 횡방향 턱(tined), 종방향 턱(tined), NGCS, DG, SMA)을 구현하고, 그 성능을 비교하였다. 입력 데이터는 타이어-도로 소음에서 추출한 특징과 도로 표면 이미지에서 추출한 특징을 결합하여 구성하였다. OBSI 측정 방법을 통해 수집한 타이어-도로 소음을 음압 수준, 음강도, 음질 지표에 대해 분석하였다. 도로 표면 이미지 데이터는 Hough 변환 및 히스토그램 of gradient(HOG)의 영상 특징 추출 알고리즘을 사용하여 분석하였다. 무작위 포레스트 모델에 각 특징을 입력하여 상위 10개의 중요 변수를 선택하였고, 각 특징에 대해 인공신경망 모델을 구축하였다. 음향 특징만 사용한 모델의 분류 정확도는 90.8 %였으며, 이미지 특징만 사용한 모델의 분류 정확도는 88.8 %였다. 음향과 이미지 특징을 모두 사용한 모델의 정확도는 97.3 %였다. 전반적인 분류 성능은 음향 및 이미지 특징을 함께 사용함으로써 향상되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.