GIS 기반 다기준 클러스터링 기법을 활용한 대도시 소음측정망 입지선정의 체계적 모형화 연구 = Systematic Modeling Study on the Site Selection of Urban Noise Monitoring Networks Using GIS-Based Multi-Criteria Clustering Methods

국문 초록 (Abstract)

대도시의 소음 문제는 지속 가능한 도시 환경과 주민의 삶의 질에 대한 향상에 있어 중요한 과제 중 하나이다. 특히 도로, 철도, 항공기 등의 교통 소음, 공장소음 등의 산업소음, 생활 소음 등 다양한 소음원을 혼재하고 있는 대도시에서는 소음 모니터링을 통한 실시간 소음 감시와 데이터 수집이 필요하다. 이에 따른 대도시 소음 관리 정책 수립의 기초 자료로 활용하기 위해 현재 국내에서는 수동측정망을 자동측정망으로 전환하고 있으며, 기존에 체계적이지 않던 소음측정망의 위치를 체계적으로 선정하는 방법론이 요구되고 있다. 본 연구는 대도시를 대상으로 소음측정망의 적정 위치를 선정하기 위하여 데이터 기반의 군집화와 다기준 의사결정법을 중심으로 분석 기법을 제안하고자 하였으며, 이를 통해 소음측정망 위치선정의 합리성을 확보하고자 하였다.
본 연구에서는 먼저 대도시의 다양한 데이터를 통하여 소음 모니터링의 설지치점 결정을 위해 기초인자를 확정하고, 소음측정망의 지점 결정을 자동화하는 것을 목적으로 설정하였다. 소음 모니터링의 주된 목적은 교통 소음, 산업 소음, 생활 소음 등 다양한 소음 발생원에 대하여 소음도를 수집하고, 이에 대해 기준을 초과하는 지점을 감시하여 주거지역, 교육 시설, 의료 기관 등 소음 민감 지역에서의 피해를 최소화하는 데 있다. 이러한 이유로 소음측정망은 향후 지속적으로 보급될 예정이며, 이러한 소음 측정망의 위치를 선정하기 위해서 국가 소음 관리 기준 및 소음측정망 선정기준 등에 대한 지침을 검토하여 자동으로 소음측정망 위치를 합리적으로 선정하는 데 기여하고자 하였다. 이러한 소음측정망 위치선정을 하기 위해 주요 내용으로 소음지도를 활용한 소음 현황, 소음측정망의 지역적 분배, 용도지구별 분배, 인구 특성 등을 반영할 수 있도록 데이터 기반 접근법과 최적화 기법 적용 등을 적용하였다.
본 연구의 주요 분석 방법은 크게 다섯 단계로 구분된다.
첫째, 소음지도를 통해 대도시 내 소음 지역을 파악하였다. 소음지도는 도로 인자로 만들어진다. 대구광역시 전 구간의 도로에 대해 도로 교통 소음을 예측하였다.
둘째, 소음측정망의 위치선정을 위해 기초자료를 수집하였다. 대상 지역인 대구광역시의 교통정보, 도로, 인구, 유동인구, 고도, 용도지구, 학교, 종합병원 등 소음 관련 자료와 도시 관련 인자 자료를 수집하였으며, 소음측정망 위치를 선정할 수 있도록 모든 데이터를 격자화하고 상관관계를 분석하였다.
셋째, 소음측정망 위치선정을 위해 소음도, 인구, 용도지역, 좌표를 이용하여 다양한 군집화 방법 중에 K-means 방법과 K-medoids 방법을 비교하였고, K-means 방법을 선택하여 측정지점 후보지의 3배수를 산출하였다. 이후 용도지구에 따른 면적 비율, 소음도 구간의 비율, 소음측정망 배치계획 등에 따라 238개의 소음 모니터링 지점을 선정하였다.
넷째, 다기준 의사결정법(MCDM)을 활용하여 우선 선정 지점을 도출하 였다. MCDM 중 환경측정망 선정방법 중 많이 사용하는 계층분석(AHP) 기법과 이상해 유사도 분석(TOPSIS)기법을 비교하였으며, 자동화를 위해 TOPSIS 기법을 활용하였다. TOPSIS를 이용하기 위하여 변수 가중치가 다른 Entropy-TOPSIS와 CRITIC-TOPSIS 방법을 비교하였으며, 이에 대한 특징을 설명하고 최종적으로 CRITIC-TOPSIS를 활용하여 소음측정망 우선 설치 순위를 도출하였다.
다섯째, 이러한 방법론을 이용하여 현재 춘천시의 자동측정망의 배치를 같이 검토하고 이 방법에 대한 타당성을 검증하였다.
여섯째, 최종적으로 소음측정망 설치 시 자동화 기법에 대한 내용을 제시하였다.
본 연구의 결과, 대도시의 소음측정망 위치선정에 있어 군집화 기법인 K-means 방법과 다기준 의사결정법 중 CRITIC-TOPSIS방법을 적용할 수 있음을 파악하였으며, 국가 소음측정 가이드라인에 맞춰 K-means 방법과 TOPSIS 방법을 결합한 분석 기법이 복잡한 도시 환경 및 다양한 인자가 존재하는 도시들에 대하여 소음측정 위치선정 문제를 해결하고 자동화할 될 수 있다. 향후 연구에서는 선정된 소음측정망 설치 후 실측된 소음 데이터를 활용하여 추가적인 소음측정 위치선정에 대한 방향성 연구가 필요하다. 특히 소음 예측만으로는 반영하기 어려운 소음의 변동 패턴 등을 함께 고려할 필요가 있다. 또한 검증을 통해 소음측정망 설치 시 추가적인 검토 인자에 대해서도 논의가 필요하다. 본 연구는 도시 소음측정망 관련 정책 수립과 실시간 모니터링 체계 구축을 위한 기초 자료로 활용 할 수 있으며 다양한 도시 환경의 소음 관리 방안 수립에 실질적인 기여를 할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

The issue of noise in metropolitan areas is one of the critical challenges in improving sustainable urban environments and the quality of life for residents. Especially in metropolitan areas that has sources of noise, such as traffic noise from roads, railways, and aircraft, industrial noise from factories, and residential noise, it is necessary to implement real-time noise monitoring and data collection. In order to use this as a foundational resource for formulating metropolitan noise management policies, the country is currently transitioning from a manual measurement network to an automated one, and there is a need for a systematic method for selecting the locations of the noise monitoring networks, which were previously not very specific. This study aims to propose an analytical method focused on data-driven noise clustering and multi-criteria decision-making to determine the appropriate locations for the noise monitoring networks in metropolitan areas, thereby ensuring the rationality of the site selection.
In this study, the goal was to first identify the foundational factors for noise monitoring using various data from the metropolitan area, and to automate the selection of the measurement points for the noise monitoring network. The main purpose of the noise monitoring is to collect noise data from various sources, such as traffic noise, industrial noise, and residential noise, and to monitor the points that exceed established thresholds, thereby minimizing the impact on noise-sensitive areas like residential zones, educational facilities, and medical institutions. For this reason, the noise monitoring networks will be continuously expanded in the future, and to select the locations for these networks, the guidelines for national noise management standards and the criteria for selecting noise monitoring will be reviewed, contributing to the rational selection of these locations automatically. To determine the locations of the noise monitoring network, the main approach involved using noise maps to reflect the current noise conditions, the regional distribution of the network, the distribution by land use, and population characteristics, along with a data-driven approach and optimization techniques.
The main analytical method of this study is divided into five main steps. First, the noise zones within the metropolitan area were identified using noise maps, which are based on road data, and the road traffic noise was predicted for the road segments in the Daegu metropolitan area.
Secondly, basic data was collected for selecting the locations of the noise monitoring network. This included noise-related data and urban factors for the target area, Daegu, such as traffic information, road data, population, floating population, elevation, land use zones, schools, and general hospitals. All the data was gridded and the correlations were analyzed to determine the locations of the noise monitoring network.
Third, to select locations for the noise monitoring network, clustering methods K-means and K-medoids were compared using noise levels, population, and land use area coordinates. The K-means method was chosen, and three times the number of candidate measurement sites was selected. Then, based on land use area ratios, noise level categories, and the noise monitoring network layout plan, a total of 238 noise monitoring points were finalized.
Fourth, priority selection points were derived using the multi-criteria decision-making method(MCDM). In this study, the AHP and TOPSIS methods were compared, and the TOPSIS method was used for automation. Also, to determine the priority installation areas, the Entropy-TOPSIS and CRITIC-TOPSIS methods—each applying different variable weights—were compared. Their characteristics were explained, and ultimately, CRITIC-TOPSIS was used to derive the priority ranking for installing the noise monitoring network.
Fifth, using this methodology, the placement of the automatic monitoring network in Chuncheon city was reviewed, and the validity of this method was verified.
Sixth, the study ultimately presented an approach for automating the installation of the noise monitoring network. The results showed that, for selecting locations in large cities, the clustering technique K-means and the multi-criteria decision-making method Critic-TOPSIS can be applied. In line with the national noise measurement guidelines, the combined use of K-means and TOPSIS provides a useful analytical method to solve and automate the site selection process in complex urban environments with various influencing factors.
In future research, after installing the selected noise monitoring network, it will be necessary to use the actual noise data to guide further decisions about where to install additional monitoring points. Especially since noise fluctuations and patterns—which are difficult to reflect through prediction alone—should also be considered. Moreover, there needs to be discussion about additional review factors when installing the monitoring network, based on validation. This study can be use as a foundational resource for forming noise monitoring policies and building real-time monitoring systems, and it’s expected to make a practical contribution to developing noise management strategies for various urban environments.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구배경과 목적 1
• 1. 연구의 배경 1
• 2. 연구의 목적 3
• 제2절 연구범위와 방법 5
• 1. 연구 범위 5
• 2. 연구 방법 6
• 제3절 연구절차와 논문구성 8
• 제2장 이론적 고찰 11
• 제1절 소음측정망 11
• 1. 국내소음측정망의 운영 12
• 2. 환경 자동소음측정망 15
• 3. 환경소음 자동소음측정망 위치선정 가이드라인 16
• 제2절 소음지도 18
• 1. 도로교통소음 예측 방법 20
• 2. 도로교통소음 예측모델 RLS-90 22
• 제3절 GIS 공간분석과 소음 24
• 제4절 군집화(Clustering) 방법 25
• 1. K-means 군집화 26
• 2. K-medoids 군집화 28
• 3. 환경 분야 사례 29
• 제5절 다기준 의사결정 모델 31
• 1. MCDM 기법 및 적용 대상 32
• 2. 환경 분야 사례 45
• 제6절 소결 47
• 제3장 연구 자료와 방법 52
• 제1절 연구 대상 지역 개요 : 대구광역시 52
• 제2절 데이터 수집 54
• 1. 도로 관련 데이터 55
• 2. 인구 통계 데이터 55
• 3. 용도지역지구 데이터 57
• 4. 병원 및 학교 데이터 59
• 5. 건물 및 건물군 데이터 59
• 제3절 소음도 및 도시인자 자료 및 구조화 61
• 1. 소음지도 작성 및 대표소음도 산정 62
• 2. 도시계획인자의 대푯값 산정 64
• 제4절 연구방법 70
• 1. 환경소음측정망 국가가이드라인 및 기존선정프로세스 70
• 2. 소음측정망 위치선정 방안 73
• 제5절 소결 90
• 제4장 연구결과 93
• 제1절 격자 산정 결과 93
• 1. 소음도 93
• 2. 인구 93
• 3. 지형정보 95
• 4. 용도지역 관련 정보 97
• 제2절 데이터 통계 102
• 1. 용도지구 격자 데이터 분석 102
• 2. 인구, 소음도 격자데이터와 도시 인자들과의 상관관계 분석 103
• 제3절 군집화 결과 110
• 1. 인자의 정규화 110
• 2. K-means와 K-medoids 결과 분석 113
• 3. K-means 결과 분석 114
• 제4절 설치 우선지점 선정을 위한 MCDM 방법 결과 140
• 1. 전체 점수 분포 및 상위 지점 비교 141
• 2. 가중치 차이의 영향 142
• 3. 고정지점 외 41개 지점의 선정 편차 143
• 4. 기존 50개 우선 설치지점과 본 우선 지점과의 비교 145
• 제5절 다른 도시의 적용 결과 147
• 제6절 소결 152
• 제5장 결론 156
• 참고문헌 160
• ABSTRACT 167