2차년도 |
○ 소음원 분류 및 생체반응 기반 NSI 예측 머신러닝 모델 개발○ 마스킹 사운드 재생 IoT 모듈 제작 및 웨어러블 디바이스와 IoT 모듈과의 네트워 크 구축을 위한 기술 조사
|
○ 소음원 분류 머신러닝 모델 구현 및 검증- 주거 소음원 데이터 수집 및 현장 녹음- 수집된 소음원 데이터 편집 및 데이터셋 구축- 소음원 분류 머신러닝(CNN 등) 알고리즘 개발과 모델 구현○ 생체반응 기반 NSI 예측 머신러닝 모델 구현을 위한 조사 및 실험실 실험- 실험실 측정(정밀생체반응측정기+웨어러블 디바이스)을 위한 음원 선정 및 편집- 실험실 측정대상 생체반응과 NSI 데이터 정의- 1차 실험실 측정 및 데이터 수집(생체, 심리 반응)○ 마스킹 사운드 재생 IoT 모듈 제작을 위한 기술 조사- 마스킹 사운드 관련 선행연구 조사- 최적 마스킹 사운드 선정 실험○ 웨어러블 디바이스와 IoT 모듈과의 네트워크 구축을 위한 기술 조사 및 정의- 웨어러블 디바이스 관련 선행연구 분석 및 획득 가능한 생체신호 조사- 웨어러블 디바이스 선정 및 API 분석
|
연구성과 |
기술적 기대성과 |
○ 기존의 마스킹 사운드 기술은 주로 인공소음 위주의 단순 기술로 기술적 한계를 보여 마스킹사운드 자체가 오히려 부정적인 영향을 발생시켰음. 반면, 본 연구의 AI기반 마스킹 사운드 기술은 사용자의 심리적 관점에서 마스킹 사운드 기술을 통해 심리적 소음제어의 긍정적인 영향을 줌○ 기존의 웨어러블 디바이스에서 획득한 생체신호는 실내의 공기 질, 조명 등 부분적인 실내 환경 분야에서만 사용해 왔지만 소음 분야에서의 활용성을 증가시켜 향후 전체적인 실내 환경 분야에서 적용하여 스마트 홈 등의 기술에 발전시키도록 이바지함○ 소음원 분류 알고리즘 개발 및 모델 구축을 통해 소음원 분류 기술 증진에 이바지하고 다른 소음원 분류를 위한 연구개발 등 활성화 기여○ 마스킹 사운드 IoT 모듈을 통해 소음과 IT기술 등 다양한 관점의 지식 및 기술을 융합하는데 기여
|
사회 경제적 파급효과 |
○ 경제적ㆍ산업적 측면 - 오피스나 도서관 등에서 주로 사용되던 마스킹 사운드 기술을 더 확장시켜 심리적인 마스킹에도 기술을 적용시켜 마스킹 사운드 시장에 확장시키도록 함 - 본 연구에서 개발한 기술은 건축음향 분야의 생체/심리반응의 데이터 활용성을 높이고 이를 통해 다양한 IoT 기술에 접목하여 활용성을 높여 시장성 확대 효과가 있음○ 사회적 측면 - 층간소음 및 교통소음(도로, 철도, 항공기 등)에 피해 받는 사람들을 대상으로 마스킹 사운드 IoT 모듈을 활용함으로써 해당 소음원에 대한 민원 감소를 통한 사회적 갈등해소 - 주거 소음원으로 인한 피해 개선은 주로 건설 품질 등 기술적인 면에서 많은 노력이 있었지만 그럼에도 불구하고 민원 등이 감소효과가 미비하였지만, 본 연구를 통해 기술적인 면에서 부족했던 것들을 보완하여 향후 주거 소음원으로 인한 민원 감축 - 주거생활환경에 대한 가치 인식 중 ‘쾌적’을 해치는 소음에 대해 마스킹 사운드를 통해 인식 개선에 기여
|
활용방안 |
○ 소음민원 현장에 활용: 소음원 분류 알고리즘 개발과 모델 구축을 통해 층간소음 민원발생시 원인지 분석 도구로 활용 가능○ 머신러닝을 활용한 감성 반응형 IoT기술로서 정온한 환경구현을 위한 스마트홈 IoT 미래원천기술 확보 ○ AI스피커 등 오디오 관련 IoT 제품군에 신기능 모듈로서 시장활성화. ○ 쾌적환경 구현을 위한 HEMS(Home Energy Management System) 등 건물관리 IoT 요소 모듈 기술로 관련 업체로의 기술이전○ 소음 유해인자에 대한 스트레스해소 기술로서 헬스케어 기술분야로의 신사업 창출
|