‘환경 소음’

공간정보와 클라우드 기술로
실시간 관리 할 수 있을까?

환경 소음은 공해의 요인 중 하나로 불필요한 모든 소리를 의미한다. 서울시민의 33.6%가 대기오염(50.9%) 다음으로 소음을 가장 심각한 환경문제로 인식하고 있다). 수동 측정망 기준 대부분의 지역에서 소음기준을 초과, 그 중 도로변 소음도는 일반 소음도보다 더 높은 것으로 조사되었다. 서울연구원의 조사 자료에 의하면 현재 국가에서는 소음 자동 및 수동 측정기를 운영하여 소음 정보를 취득하고 있다.

소음지도란 측정된 소음자료를 바탕으로 공간정보시스템 및 소음예측모델을 이용하여 시각적으로 표현해준 지도를 의미한다. 현재 소음지도의 제작은 GIS의 공간분석 이용하여 측정된 소음데이터와 지형정보를 결합하여 DB화하고, 공간분석 보간법인 Inverse Distance Weighted(IDW), Kriging 등 사용해 주변의 소음도 표시한 방식을 사용한다.

소음예측 모델 제작을 위해 이용하는 소프트웨어(S/W)의 종류에는 SoundPLAN, CadnaA, LimA 등으로 소음에 끼치는 교통량, 차량의 평균속도 등을 이용하여 지도를 제작하는 방식을 사용한다. 소음예측 모델은 소음에 대한 대책 마련 및 소음노출 인구 산정, 소음저감 대책의 효과 예측 등에 활용되고 있다. 유럽의회에 서는 인구 25만 명 이상 도시의 경우 단계적 의무화를 시행하고 있으며 우리나라에서도 제작되어 일부 활용 및 제공되고 있다. 하지만 소음평가는 광역적 지역보다 특정 지점에 대한 평가가 이루어지므로 현재 소음 자 동측정기의 경우 광역적 범위에 일부만으로 제한되어 있고 상세한 소음 현황을 파악하기에 한계가 있다.

특정지역의 소음정보를 실시간으로 측정하기 위한 계측 방법과 대용량의 소음정보를 시계열 정보로 관리하고 서비스하기 위해 클라우드 컴퓨팅 플랫폼의 활용이 가능하다. 클라우드 컴퓨팅은 소프트웨어, 하드웨어 및 인프라를 제공하거나 소비하는 거의 모든 산업이 활용할 수 있는 기술 트렌드로 빠르게 부상하고 있다.

클라우드 서비스가 손쉬운 서버 구축과 확장성을 제공하고 있으며 글로벌 네트워크 인프라를 제공하기 때 문이다. 클라우드 서비스 및 배포 기술 및 아키텍처 모델 제공은 공간정보시스템 기술에 대한 연구 및 개발 의 핵심 영역으로 인식되고 있다. 소음지도 측정과 관리에 클라우드 컴퓨팅 기술이 활용된다면 소음의 수치와 분포를 시간적인 변화에 따라 데이터를 분석하고 지도로 시각적으로 표시하여 지역적인 분석과 소음저감 대책에 효율적으로 이용될 수 있을 것이다.

국내에서는 한국환경공단에서 환경부 국가소음정보시스템을 운영하며 전국 환경소음(자동, 수동), 항공기 소음, 철도소음, 도로 진동 측정망의 운영현황 정보 제공 및 소음저감 계획에 활용하고 있다. 소음진동 측정 망은 국가(환경부)와 지자체가 각각 운영하고 있으며, 국가망 844개 지점, 지자체망 1,161개 지점을 운영하고 있다. 국내 소음정보 시스템의 현황을 분석해 보면 소음 측점 수가 적고 균등하지 못한 지점 수를 바탕으로 2D 기반의 지도 서비스가 이루어지고 있다. 환경소음 데이터 실시간 수집 체계가 미비하며 측점 지점(수동, 자동)이 광역적 분포되어 있어 환경소음 데이터 제공, 관리 및 미시적 분석에 한계를 가지고 있다. 이를 해결하기 위한 개선 방안으로 이 글에서는 특정지역의 소음 정보를 실시간으로 측정하기 위한 모바일 기반 이동식 계측 방법을 제안한다. 또한, 대용량의 소음정보를 시계열 정보로 관리하고 서비스하기 위해서는 클라우드 컴퓨팅 기반 AWS(Amazone Web Service) 플랫폼을 활용한다. 이를 통해 환경 소음의 수치와 분포를 시간적인 변화에 따라 데이터를 분석하고 웹 기반 지도 서비스로 시각화가 가능하게 된다.

국내 소음 환경기준은 국제표준화기구의 주거 환경과 작업능률 및 기타 사회활동에서 가장 적합한 소음 권고기준을 근거하여 환경정책기본법에 규정하고 있다. 전국을 국토이용관리법(도시지역은 도시계획법)의 지역 구분에 따라 4개 지역으로 구분하여 시간대별 차등 설정한다. 국내 환경기준은 영국과 대체로 유사하고 일본보다 완화되어 있으며 미국은 지방자치단체별로 지역 실정에 맞게 기준을 설정하고 있다. 소음은 교통, 생활, 항공기, 공장, 철도 등으로 구분되며 그 특징은 다음과 같다.

교통 소음은 그 배출원이 자동차, 기차 등으로서 발생 소음도가 매우 클 뿐만 아니라 그 피해 지역도 광범위하다. 특히 자동차 도로망이 확장되고 차량 보유 대수가 급격히 증가하고 있어 대도시 소음원으로서 가장 중요한 위치를 차지하고 있다. 생활소음의 경우 소음배출원은 확성기 소음, 건설 공사장의 작업 소음, 소규모 공장의 작업 소음, 유흥업소 심야소음 등 매우 다양하다. 최근 인구 증가와 더불어 도시화, 상업화 등에 따라 생활 소음 배출원은 급격히 증가하고 있으며, 국민들의 생활수준이 향상됨에 따라 조용한 생활환경에 대한 욕구가 날로 증대되어 가고 있어 이에 대한 대책이 절실히 요구된다.

항공기소음은 최근 항공기의 운항 항로 신설 및 운항 회수의 급격한 증가에 따라 항공기 소음 피해는 사회적 문제로 대두되고 있다. 공장소음은 공장에 설치되는 시설은 자동차, 기차, 항공기 등 이동 소음원이 아니고, 한번 설치되면 반영구적으로 사용하게 되므로 인근 지역에 지속적으로 피해를 줄 수 있어, 입지 선정 단계에서부터 고려해야 한다. 철도소음은 유동인구 및 물동량 증가로 철도 운행량이 증가된데다 매스컴과 국민의 환경인식의 증가로 소음민원이 점차 증가하고 있다. 이에 따라 철로변 일부에 방음벽을 설치하였으나, 미미한 수준이다.

이러한 문제에 대응해 클라우드 서비스 기반 실시간 소음지도를 제작하기 위한 전체적인 시스템 아키텍처와 절차는 앞 페이지에 있는 [그림 1]과 같다. 우선, 실시간 소음정보를 취득하기 위해 안드로이드 앱으로 소음레벨, 위치, 측정시간에 대한 데이터를 수집한다. 측정된 데이터는 네트워크를 통해 AWS 클라우드로 전송된다. 안드로이드 단계에서 획득한 데이터들을 네트워크를 통해 AWS 클라우에 등록한다. Amazon API Gateway는 별도의 서버 운영 없이 스크립트 및 API 형태로 서비스를 제공해 개발자가 API를 손쉽게 생성, 유지 관리, 모니터링을 할 수 있게 한다. Amazon EC2(Amazon Elastic Compute Cloud)는 AWS 클라우드에서 제공하는 확장식 컴퓨터로 가상 서버를 구축하고 보안 및 네트워크 구성과 스토리지 관리가 가능하다. AWS RDS(Relational Database Service)에서 클라우드에서 관계형 데이터베이스를 구축하여 전송된 소음정보를 저장 관리한다. 소음 분포 현황을 사용자에게 제공하기 위해 구글지도 open API를 연동하여 소음정도를 지도로 서비스한다.

AWS는 전 세계적으로 분포한 데이터 센터를 가진 아마존에서 제공하는 클라우드 플랫폼으로 네트워킹을 기반으로 가상 컴퓨터와 스토리지, 네트워크 인프라 등 다양한 서비스를 제공하고 있다. 클라우드 컴퓨팅을 활용하면 자체 서버를 업데이트하고 유지 및 관리할 필요가 없어진다. 이러한 클라우드 서비스를 통해 웹에 측정 자료를 저장해 두고, 사용자가 필요한 자료나 프로그램을 자신의 컴퓨터에 설치하지 않아도 웹 접속을 통해 실시간 측정 정보를 통해 소음정보를 분석할 수 있다.

아마존 QuickSight는 AWS의 클라우드 기반 비즈니스 인텔리전스(BI)이다. AWS QuickSight를 통해 S3, RDS, 다이나모 DB, EMR, 레드시프트 등 AWS 저장 서비스에 저장된 데이터를 시각화하고 측정 값 별로 분석 할 수 있다. 또한 병렬 인메모리 데이터 처리 엔진을 사용해 대용량 데이터를 빠르게 처리하며, SQL 구문을 통해 데이터 분석이 가능하다. AWS의 QuickSight를 이용해 소음정보를 차트를 표시하고 좌표를 지오코딩하여 지도로 표시가 가능하다.

사용자 및 정보 이용자는 AWS에서 제공받은 관심 지역의 소음측정보와 구글지도를 결합하여 데이터베이스를 생성하고, 이를 공간분석(Spatial analysis)을 통하여 주변지역의 소음도를 표현할 수 있다. [그림 2]는 소음 측정정보의 소음 등고선과 건물 매핑의 결과를 나타낸다. 이때 자료내삽(Data Interpolation) 보간법인 IDW 방법을 적용하였으며 소음지도의 정밀도는 측정된 지점 수에 따라 영향을 받을 수 있다. 소음 등고선 맵의 값을 3차원 건물에 매칭하여 건물 별 소음 정도와 분포를 가시적으로 확인할 수 있다.