Acoustic-Image Data Fusion for Noise Annoyance Modeling and Pavement Type Classification
연구 내용
건설현장 소음의 성가심(annoyance)을 개인·상황 변수로 모델링하고, 타이어-노면 잡음을 음향과 영상 특성으로 결합해 도로 포장 유형을 분류하는 연구
건설현장 및 도로 환경에서 관측되는 소음 데이터를 바탕으로 인지 기반 모델링과 공학적 분류 문제를 동시에 다룹니다. 개인·상황 변수를 포함한 성가심 모델을 구축하여 소음 노출의 심리·통계적 변화를 설명하고, 도로 포장 유형 분류에서는 OBSI 기반 음향 지표와 노면 이미지에서 추출한 Hough transformation 및 HOG 특징을 결합합니다. 이후 변수 중요도 선정을 거쳐 인공신경망 및 머신러닝 모델 성능을 비교하는 방식으로 입력 설계와 예측 정확도를 최적화합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2021년에는 건설현장 소음을 대상으로 개인 및 상황 변수를 포함한 성가심 모델링을 수행하며 소음 인지의 설명력을 확보했습니다. 같은 해에는 타이어-노면 잡음의 포장 유형 분류 문제로 확장하여 OBSI 측정 음향과 노면 이미지 특징을 함께 입력하는 데이터 구성 전략을 제안했습니다. 이후 축적된 음향-영상 특징 설계 경험을 바탕으로, 소음의 인지 지표와 공학적 분류 성능을 동시에 개선하는 방향으로 모델을 고도화하는 흐름을 유지했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Annoyance modeling using personal and situational variables for construction site noise in urban areas
A Study on a Machine Learning Model to Classify Road Pavement Types Based on Acoustic and Image Data for Road Maintenance