Parameter analysis and Reliability Evaluation of Road Traffic Noise Prediction Model for Highway Traffic Noise Evaluation

The purpose of this study is to evaluate the reliability of prediction models(KHTN, RLS-90, CRTN, NMPB-08) that are widely used in road traffic noise analysis. For this purpose, the accuracy and difference values of the prediction model were analyzed by comparing the measurement values performed at the total of 21 highway sites, reflecting various conditions such as road structure, road pavement type, and noise barrier installation. In addition, the correlation between commercial programs(SoundPlan, CadnaA) was compared and reviewed for each of the same prediction models. First of all, as a result of analyzing the accuracy of each prediction model, KHTN is rated as 92.8% the most accurate based on ±3 dB error range. And CRTN is rated as 74.0~76.8% the most accurate among prediction models inherent in commercial programs. And, as a result of analyzing the correlation between commercial programs for prediction models, CRTN is 100% highly correlated and NMPB has the lowest correlation by 69.6%.

Key words: Highway traffic noise prediction model(KHTN, RLS-90, NMPB-08, CRTN)

요약

이 논문의 목적은 도로교통소음 해석에 많이 사용되는 예측모델(KHTN, RLS-90, NMPB-08, CRTN)의 신뢰성을 평가하기 위함이다. 이를 위해, 예측모델을 음원모델과 전파모델로 분리하여 각각에 대한 특징을 분석하였고, 도로 구조 및 포장종류, 방음벽 설치 유･무 등 다양한 조건의 21개 고속도로 현장에서 수행한 측정치를 예측치와 비교하여 예측모델의 차이값 및 정확도를 분석하였다. 또한, 동일 예측모델에 대해 상용 프로그램간(SoundPlan, CadnaA) 상관성을 검토하였다. 우선, 예측모델별 정확도를 분석한 결과 ±3 dB 오차범위를 기준으로 KHTN의 정확도가 92.8%로 가장 높게 평가된다. 또한, 상용 프로그램에 내재된 예측모델 중에서는 CRTN의 정확도가 74.0~76.8%로 가장 높게 평가된다. 그리고, 예측치에 대한 상용 프로그램간의 상관성을 분석한 결과, 전체구간에 대해 평가 시 CRTN의 상관성이 100%로 가장 높고, NMPB가 69.6%로 가장 낮은 것으로 평가된다.

주제어: 고속도로 교통소음 예측모델(KHTN, RLS-90, NMPB-08, CRTN)

1. 서 론

2000년대 이후 고속도로 주변 택지개발이 활발해지고 2007년 주택법 개정에 따라 고속도로와 일정 이격거리 이내에 공동주택 건설을 제한하는 조항이 없어지면서 고속도로 주변에 대규모의 고층 공동주택 단지가 건설되었다. 최근 건설되는 공동주택은 도시경관 개선을 위한 디자인이 중요시 되면서 예전의 일률적인 모양이 아닌 동마다 건물 높이가 다르고 같은 단지에 있어서도 고속도로와의 이격거리가 다른 경우가 흔히 있다. 이러한 공동주택의 소음대책을 위해서는 기존의 2차원(2D) 해석 방법으로는 정확한 소음해석이 어려워지면서 3차원(3D) 방식의 소음해석이 일반적으로 사용되고 있다. 하지만, 3D 소음해석 방법은 2D 소음해석에 비해 한차원 많은 설계변수가 요구되고 특히, 최근 3D 소음해석에 사용되고 있는 상용 프로그램들은 다양한 예측모델과 함께 많은 설계변수가 적용되고 있다. 따라서, 소음해석에 적용되는 변수들이 다양할수록 보다 정교한 소음해석이 가능하지만 예측모델별로 또한 상용 프로그램 종류별로 적용하는 식이 서로 달라 사용자에 따라 다른 측정치를 가져오게 된다.

이 연구에서는 국내 도로교통소음 해석에 많이 사용되는 예측모델(KHTN, RLS-90, NMPB-08, CRTN)의 인자들을 예측프로그램 종류별(KHTN, SoundPlan, CadnaA)로 분석하고, 고속 도로 주변에서 수행한 측정치와의 비교･분석을 통해 예측결과의 신뢰성을 평가하고자 한다. 이를 위해, 예측모델을 음원모델과 전파모델로 분리하여 각각에 대한 특징을 분석하였고, 도로 구조 및 포장종류, 방음벽 설치 유･무 등 다양한 조건에서 수행한 측정치를 예측결과와 비교하여 예측모델의 차이값 및 정확도를 분석하였다. 또한, 상용 프로그램간(SoundPlan, CadnaA) 상관성을 검토하고 상호간 오차 저감방안을 검토하였다.

2. 본 론

2.1. 3D 소음해석의 개요

도로교통소음 해석에 있어서 2D 해석보다 3D 해석을 주로 수행하는 이유는 Fig.1에서와 같이 2D의 경우에는 무한한 연장을 갖는 도로에 대해 임의지점에서의 단면해석만 가능하지만 3D의 경우에는 도로의 연장 방향으로 직선이 아닌 곡선 도로, 종단면의 구배가 일정하지 않은 도로, 도로의 연장이 무한히 길다고 가정하지 못하는 구간(예 : 예측지점이 터널 출구와 인접한 경우)에서 발생하는 소음에 대해 예측이 가능하다는 것이다.

도로교통소음 예측모델은 크게 음원모델과 전파모델로 구분되어진다. 음원모델은 일반적으로 차종, 주행속도 및 포장 종류의 3가지 인자로 구성되며 예측모델별로 이들 인자가 동일하지 않기 때문에 음원의 파워도 동일하지 않다. 그리고, 전파모델은 일반적으로 공기 흡음, 지면 흡음 및 차폐물(방음벽, 건물 등)에 의한 회절 감쇠의 3가지 인자로 구성되며 이 또한 예측모델별로 동일하지 않다. 참고로, Table 1은 예측모델별 주요 특징을, Table 2는 현재 국내에서 도로교통소음 예측을 위해 많이 적용되고 있는 4가지 예측모델에 대한 차종 분류를 정리한 것이다. 또한, CRTN의 경우 L₁₀으로 예측값이 도출되나 TRL에서 제시한 ‘L_eq = 0.94L₁₀ + 0.77’ 식으로 L_eq 로 변환이 가능하다[6].

2.2. 3D 도로교통소음 예측모델 비교 및 분석

2.2.1. 예측모델 비교를 위한 해석조건

국내･외에서 사용하고 있는 예측모델의 인자분석을 위해 설정한 해석조건을 Table 3에 나타내었다. 평가위치는 높이 및 이격거리를 달리하여 총 24지점을 선정하였고, 차선별로 구분하여 모델링하였다.

2.2.2. 검토결과

① 음원모델

고속도로 소음해석에 사용되는 예측모델 중 음원모델의 분석을 위해 Table 3에 나타낸 총 24개 평가지점에서의 예측치를 산술평균하여 모델별 특징을 비교하였고, KHTN은 5차종 분류이나 다른 예측모델과 조건을 같이 하기 위해 Table 2와 같이 2차종으로 분류하였으며, 평가결과를 Table 4~6에 나타내었다.

우선 Table 4는 대형차 혼입율이 ‘0%’인 경우에 대한 속력 변화에 따른 예측모델별 차이를 분석한 결과로 상호간 차이는 크지 않았고, 상용 프로그램 종류별 차이는 없으며, CRTN 예측모델만 주행차량 속력의 제한이 없어서 속력이 증가함에 따라 소음이 계속해서 증가하고 있는 것으로 분석되었다. Table 5는 교통량 증가에 따른 예측치를 나타낸 것으로, 교통량이 2배가 되면 3 dB씩 증가하며 예측모델별 차이는 없는 것으로 분석되었다. Table 6은 도로구배(G)의 영향에 따른 예측치를 나타낸 것으로, RLS-90은 도로구배가 5% 초과부터 ‘0.6G-3’, 그리고 CRTN은 1% 이상부터 ‘0.3G’에 비례하여 소음이 증가하는 반면에, KHTN 및 NMPB 예측모델은 도로 구배의 영향을 고려하지 않는 것으로 분석되었다.

② 전파모델

고속도로 3D 소음해석에 사용되는 예측모델 중 전파모델의 비교 및 분석을 위해 Table 3과 같이 해석조건을 설정하고 예측치를 비교하였다. 우선, 지면흡음에 대한 검토결과를 Fig. 2에 나타내었는데 지면흡음(GA : Ground Absorption)이 ‘1’ 에서 ‘0’으로 감소하는 경우 지면흡음을 고려하지 않는 RLS-90은 소음레벨의 변화가 없는 반면에, CadnaA의 NMPB 예측 모델은 소음증가량이 가장 크고 이격거리가 멀어질수록 점차 증가하고 있는 것으로 분석되었다. 또한, 예측모델별 방음벽의 회절감쇠 특성을 분석하기 위해 Table 3에 나타낸 평가모 델에서 도로 갓길에 높이 2~4 m의 방음벽을 설치하고 수행한 삽입손실 예측치를 Fig. 3에 RLS-90 모델과 비교하여 상호간 차이를 나타내었는데, CRTN과 NMPB가 RLS-90에 비해 상대적으로 큰 회절감쇠 특성을 나타내는 것으로 분석되었다. 그리고, Fig. 4는 도로 포장 경년변화에 따른 소음레벨의 증가 현상을 반영할 수 있는 NMPB 모델에 대해서 대형차 혼입률이 0%인 경우에 대한 경년변화에 따른 소음예측치를 나타낸 것으로, 일반 포장에 해당하는 ‛R3’보다는 저소음 포장에 해당하는 ‛R1’의 소음증가량이 가장 크고, 도로 포장 후 10년이 경과하면 소음레벨은 포장종류에 상관없이 더 이상 증가하지 않는 것으로 분석되었다.

2.3. 고속도로 현장측정 및 소음해석

2.3.1. 소음측정 및 분석방법

3D 소음예측모델의 타당성 검증을 위해 고속도로 주변 지역에서 다양한 조건을 고려하여 현장측정을 수행하였다. 측정은 총 21개 현장(125개 지점, 2회 반복)에서 진행하였으며 포장종류(아스팔트, 콘크리트) 및 도로 구조(성토, 평지, 교량, 방음벽, 갓길)를 달리하여 현장을 선정하였다. 그리고, 각각의 현장에 대해서는 4시간 이상의 시간 간격을 두고 총 2회씩 측정하여 그 결과를 비교하였고, 현장당 6개 지점에서 동시에 30분 연속으로 소음측정을 수행하되 고속도로 소음을 제외한 특이소음을 제거한 후 등가소음도(L_Aeq)를 산정하였다. 또한, 측정시간대와 동일한 시간에 교통량을 측정하고 소음해석을 위해 이를 2배하여 시간당 교통량으로 산정하였다.

Table 7은 총 21개 현장에 대한 도로구조 및 마이크로폰 설치 위치를 나타낸 것으로 ‘[ ]’는 도로단으로부터의 이격거리, ‘[ ]’ 뒤의 숫자는 도로 포장면의 높이를 ‘0’ m로 가정하고 이 높이를 기준으로 마이크로폰의 상대적인 설치 높이를 의미한다. Table 8은 1개 현장에 대한 기록사항의 예시를 나타낸 것이다.

2.3.2. 3D 소음해석 및 측정치 비교

총 21개 측정현장에 대해 예측모델별 정확도를 분석하고자 전체 측정현장에 대한 3D 소음평가모델을 구축한 후 KHTN, CRTN, RLS-90, NMPB 예측모델에 의한 예측치와 측정치를 비교하여 Table 9~11 및 Fig. 5~6에 나타내었다. 상용 프로그램의 버젼은 CadnaA는 V4.4, SoundPlan은 V8.2를 사용하였다.

Table 9는 전체 측정현장을 주요 도로 구조별(성토, 평지, 교량, 방음벽, 갓길) 및 도로 포장 종류별로 구분한 후 예측모델별 예측치와 측정치의 차이값(예측치 – 측정치)에 절대값을 취한 후 해당 도로 구조의 전체 측정지점에 대해 산술평균하여 나타낸 것으로, 전체 측정지점에 대해 평가 시 KHTN의차이값이 ‘1.8’ dB로 가장 작고, CadnaA를 이용한 NMPB 모델이 ‘4.2’ dB로 가장 큰 것으로 분석되었다. 성토 및 교량구간에 대해서는 KHTN, 도로변은 CadnaA를 이용한 RLS-90, 평지구간은 NMPB 모델이 가장 작은 평균값을 나타내었다. 그리고, 포장 종류별로는 콘크리트 및 아스팔트 포장 모두 KHTN 예측모델이 가장 작은 차이값을 나타내었다. 그러나, 현재 단계에서 도로 구조별 차이값(예측치 – 측정치)이 발생하는 원인에 대해서는 명확한 분석이 어려우며 향후 이에 대한 지속적인 추가 분석이 필요할 것으로 판단된다.

Table 10은 예측 및 측정치의 차이값이 ±3.4 dB 이하인 지점(반올림하여 ±3 dB 이내) 수를 해당 도로 구조의 전체 측정 지점수로 나누어 정확도(Accuracy)를 산정한 것으로, 전체 지점에 대해 평가 시 KHTN의 정확도가 92.8%로 가장 높고, SoundPlan을 이용한 RLS-90이 40.8%로 가장 낮은 것으로 분석되었다. 방음벽 및 성토구간에 대해서는 KHTN, 도로변은 KHTN 및 RLS-90 모델이 가장 높은 정확도를 나타내었다. 그러나, 도로변 및 평지구간에 대해서는 분석 데이터수가 매우 부족(각각 1곳 현장, 6개 지점)하여 확단하기는 어려우며, 따라서 여러 현장에서의 추가 측정을 통해 충분한 데이터를 확보하여 재분석할 필요가 있을 것으로 판단된다. 그리고, 포장 종류별로 정확도를 평가한 결과 콘크리트 및 아스팔트 포장 모두 KHTN이 가장 높은 정확도를 나타내었다. 참고로, 정확도가 100%이면 예측치 및 측정치의 상호간 차이값이 반올림하여 모두 ±3 dB 이하임을 의미한다.

Table 11은 동일 예측모델에 대해 상용 프로그램 상호간 (SoundPlan, CadnaA) 예측치의 차이값이 ±3.4 dB 이하(반올림하여 ±3 dB)인 지점 수를 해당 도로 구조의 전체 측정지점 수로 나누어 상관성(Correlation)을 산출한 결과로, 전체구간에 대해 평가 시 CRTN의 상관성이 100%로 가장 높고, NMPB가 69.6%로 가장 낮은 것으로 분석되었다. 도로 구조 별로 구분해 분석해 보면 CRTN이 전체적으로 높은 상관성을 나타내었고, NMPB의 경우에는 방음벽 및 교량 구간에서 높은 상관성을 나타내었다. 또한, 포장 종류별로 정확도를 평가한 결과 콘크리트 포장은 CRTN이 높은 상관성을 나타내었다. 그러나, 현재 단계에서 도로 구조별 상관성의 차이가 발생하는 원인에 대해서는 명확한 분석이 어려우며 향후 이에 대한 지속적인 추가 분석이 필요할 것으로 판단된다. 참고로, 상관성이 100%이면 상용 프로그램의 상호간 차이값이 모두 ±3 dB 이하임을 의미한다.

Fig. 5는 전체 측정지점에 대한 측정치 및 예측치를 ±3 dB 기준곡선과 함께 예측모델별로 구분하여 나타낸 것으로 KHTN이 다른 예측모델에 비해 비교적 안정적인 범위 내에 분포하는 것으로 분석되었다. 그리고, Fig. 6은 전체 측정지점에 대한 상용 프로그램의 상호간 예측치를 ±3 dB 기준곡선과 함께 예측모델 종류별로 구분하여 나타낸 것으로 다른 예측모델에 비해 CRTN이 가장 안정적인 범위 내에 분포하는 것으로 분석되었다.

2.4. 상용 프로그램 활용방안

상용 프로그램에 내재되어 있는 예측모델(RLS-90, CRTN, NMPB-08)에서 CRTN은 예측치가 L₁₀으로 표현되는 이유로 인해[3,7], 또한 NMPB-08의 경우 국내에 적합한 기상조건 입력인자에 대한 불확실성[4,8]으로 인해 국내에서는 도로교통소음 예측을 위해 RLS-90 예측모델이 가장 많이 사용되고 있다. 그러나, 고속도로 현장에서 수행한 소음측정치와 비교 시 CRTN이 RLS-90보다 정확도도 우수하고 프로그램간(CadnaA & Sound Plan) 상관성도 높은 것으로 분석되었다. 또한, RLS-90 예측모델의 경우 지면흡음을 고려하지 못하여 다소간 높게 예측되는 경향이 있고, CRTN 모델의 경우 과거에 국내 실정과 맞지 않았던 L₁₀ 값은 상용 프로그램 개발사에서 L_eq 로도 표현이 가능하도록 개선하여 더 이상 문제가 되지 않고 있다. 따라서, 상용 프로그램을 이용한 고속도로 소음예측 시 CRTN 예측모델을 적극 활용하는 것도 바람직할 것으로 판단된다.

3. 결 론

이 논문에서는 고속도로 3D 소음해석을 위한 예측모델의 인자분석, 현장 측정치와의 비교를 통한 정확도 및 상용 프로그램간의 상관성을 분석하였다. 또한, 상용 프로그램의 활용방안을 제시하였으며, 주요 연구결과를 요약하면 다음과 같다.

(1) 현재 국내에서 고속도로 소음해석에 사용되는 4개의 예측모델(KHTN, RLS-90, NMPB, CRTN)에 대한 인자를 분석한 결과 모두 독자적인 방법에 의해 구현된 모델을 사용하고 있으며 KHTN과 NMPB만 ISO 9613을 준용한 전파모델을 구성하고 있다. 음원모델의 특징은 4개의 예측모델 모두 차속 증가 및 운행대수의 변화 등에 따른 소음도 증가의 양상은비슷하게 나타내고 있다. 전파모델에서의 방음벽에 의한 회절 감쇠량은 CRTN과 NMPB가 RLS-90에 비해 상대적으로 큰 것으로 분석된다. 또한, NMPB는 다른 예측모델과 달리 기상 조건과 도로 포장의 경년변화에 대한 고려가 가능한 것으로 조사되고, 상용 프로그램간의 예측치 차이값이 다른 예측모델에 비해 상대적으로 큰 것으로 분석된다.

(2) 21개 고속도로 현장에서 수행한 총 250개의 측정값에 대해 예측모델별 정확도를 분석한 결과 ±3 dB 오차범위를 기준으로 KHTN의 정확도가 92.8%로 가장 높은 것으로 평가된다. 그리고, 상용 프로그램에 내재된 예측모델 중에서는 CRTN의 정확도가 74.0~76.8%로 가장 높은 것으로 평가된다.

(3) 예측치에 대한 상용 프로그램간(CadnaA, SoundPlan)의 상관성을 분석한 결과, 전체구간에 대해 평가 시 CRTN의 상관성이 100%로 가장 높고, NMPB가 69.6%로 가장 낮은 것으로 평가된다.

(4) 상용 프로그램에 내재된 예측모델 중에서 CRTN이 RLS-90보다 정확도도 우수하고 상용 프로그램간 상관성도 높은 것으로 분석된다. 따라서, 상용 프로그램을 이용한 고속도로 소음예측 시 CRTN 예측모델을 적극 활용하는 것도 바람직할 것으로 판단된다.

Notes

Declaration of Competing Interest

The authors declare that they have no conflict of interest.

Fig. 1.

Concept of 2D and 3D noise simulation.

Fig. 2.

Noise level difference at ‘GA=0’ compared to ‘GA=1’.

Fig. 3.

Comparison of insertion loss according to the height of noise barrier versus RLS-90 model.

Fig. 4.

Increment value of noise level according to the road pavement aging.

Fig. 5.

Comparison of noise level distribution between measured and predicted values.

Fig. 6.

Comparison of predicted noise level between commercial simulation program.

Table 1.

Characteristics of road traffic noise prediction model. [1∼4]

Item		Prediction model
Item		KHTN [1]	RLS [2]	CRTN [3]	NMPB [4]
Suggested country		Korea	Germany	UK	France
Proposed/Revised year		2001/2007	1990/-	1975/1988	1996/2008
Vehicle speed	Large [km/h]	40~130	30~80	40~	20~100
Vehicle speed	Small [km/h]	40~130	30~130	20~	20~130
Vehicle classification		5 types	2 types	2 types	2 types
Source model		Self-developed model
Propagation model		ISO 9613	Self-developed model
Ground absorption		Consider	Not Cons.	Consider	Consider
Meteorological effect		Consider	Not Cons.	Not Cons.	Consider
Road pavement aging		Not Cons.	Not Cons.	Not Cons.	Consider
Result		L_eq	L_eq	L₁₀	L_eq

Table 2.

Vehicle classification of road traffic noise prediction model. [5]

Classification	Vehicles	Prediction model
Classification	Vehicles	KHTN		CRTN	RLS	NMPB
Small car	Under 15 passengers	Small car	Small	Small	Small	Small
Small truck	Less than 2.5 tons	Small truck	Small	Large	Small
Medium truck	2.5∼3.5 tons	Medium truck	Large		Large
Medium bus	15∼25 passengers	Bus
Large bus	More than 25 passengers	Bus				Large
Large truck	More than 3.5 tons	Large truck				Large

Table 3.

Simulation conditions for comparison of 3D highway traffic noise prediction models.

Input conditions	Cross section of highway
• Roads : 4 lanes
• Traffic volume per lane : 1,000 cars/h
• Number of reflections : 3 times

Table 4.

Increase of noise level according to vehicle speed of small car per 10 km/h increase.

Vehicle speed [km/h]		80▶90	90▶100	100▶110	110▶120	120▶130	130▶140
KHTN2007 [dB]		1.1	1.0	0.9	0.9	0.8	-
CadnaA (V4.4) [dB]	RLS-90	1.3	1.2	1.1	1.0	1.0	-
	NMPB-08	0.9	0.9	0.8	0.8	0.7	-
	CRTN	1.0	0.9	0.9	0.8	0.8	0.7
SoundPlan (V8.2) [dB]	RLS-90	1.3	1.2	1.1	1.0	1.0	-
	NMPB-08	1.0	0.9	0.8	0.8	0.7	-
	CRTN	1.0	0.9	0.9	0.8	0.8	0.7

Table 5.

Increase of noise level according to traffic volume.

Prediction model		KHTN2007				RLS-90
Traffic volume [cars/h]		1,000▶2,000	1,000▶3,000	1,000▶4,000		1,000▶2,000	1,000▶3,000	1,000▶4,000
Increased noise level [dB]		3.0	4.8	6.0		3.0	4.8	6.0

Table 6.

Increase of noise level according to road gradient.

Prediction model		KHTN		RLS-90				NMPB		CRTN
Gradient [%]		0~10		0~5	5▶6	5▶7		0~10		0▶1	1▶2	2▶3
Increased noise level [dB]		No change		No change	0.6	1.2		No change		0.3	0.6	0.9

Table 7.

Locations of noise measurement.

No.	Type of highway (pavement)	Microphone positions [m]
01	Embankment (concrete)	[20] -4, -2, 0, 2 [40] 0, 2
02	Noise barrier (H2.5 m) (concrete)	[20] -4, -3, -2, –1, 0, 1
03	Noise barrier (H7 m) (concrete)	[12] 1, 2, 3, 4, 5, 6
04	Road side(flat) (asphalt)	[9] 1, 2, 3, 4, 5, 6
05	Concrete wall (H2 m) (concrete)	[65] -17, -16, -15, -14, -13, -12
06	Concrete wall (H2 m) (concrete)	[100] -16, -15, -14, -13, -12, -11
07	Bridge (concrete)	[60] -17, -16, -15, -14, -13, -12
08	Bridge (concrete)	[108] -36, -35, -34, -33, -32, -31
09	Bridge (concrete)	[230] -32, -31, -30, -29, -28, -27
10	Embankment (asphalt)	[125] -3, -2, –1, 0, 1, 2
11	Embankment (concrete)	[95] -2, –1, 0, 1, 2, 3
12	Apartment (asphalt)	[326] 52, 57, 64 [330] 75 [325] 83
13	Embankment (asphalt)	[30] 0, 2 [40] 0, 2 [50] 0, 2
14	Embankment (concrete)	[30] 0, 2 [60] 0, 2 [90] 0, 2
15	Embankment (H2.3 m) (concrete)	[25] 2, 4, 6 [50] 2, 4, 6
16	Noise barrier (concrete)	[25] -5, -4, -3, -2, –1, 0
17	Embankment (concrete)	[100] -5, -3, -1 [180] -5, -3, -1
18	Bridge (asphalt)	[25] -3, -1 [50] -3, -1 [75] -3, -1
19	Embankment (asphalt)	[25] 2, 4, 6 [50] 2, 4, 6
20	Noise barrier (asphalt)	[20] –1, 0, 1 [40] –1, 0, 1
21	Noise barrier (asphalt)	[20] –2, 0, 2 [40] –2, 0, 2

Table 8.

Noise measurement : Site ’01’.


Measurements	Traffic volume (both ways)	Noise measurement values [dB(A)]
Measurements	Traffic volume (both ways)	CH1	CH2	CH3	CH4	CH5	CH6
1^st	2,872 [cars/h]	70.9	72.4	73.3	75.9	72.6	73.4
2^nd	2,618 [cars/h]	70.3	71.7	72.6	75.4	71.7	72.6

Table 9.

Arithmetic mean value of noise level difference between predicted and measured values.

Prediction model	KHTN 2007	RLS-90		CRTN		NMPB-08
Prediction model	KHTN 2007	CA	SP	CA	SP	CA	SP
Total (21 sites, 250 data)	1.8	3.6	4.1	2.2	2.4	4.2	2.4
Noise barrier (6 sites, 72 data)	1.9	2.7	3.2	1.7	1.8	3.5	2.2
Road side (1 site, 12 data)	2.9	0.4	0.3	3.8	3.6	1.6	2.7
Embankment (9 sites, 106 data)	1.7	4.6	4.9	2.6	3.0	5.8	2.6
Flat (1 sites, 12 data)	1.2	2.9	2.9	2.0	1.9	2.8	1.1
Bridge (4 sites, 48 data)	1.5	3.5	5.1	1.8	1.7	2.6	2.7
Pavement : concrete (13 sites, 156 data)	1.6	3.4	4.2	1.9	2.2	3.4	2.1
Pavement : asphalt (8 sites, 94 data)	2.1	3.9	4.0	2.7	2.8	5.4	3.0

*) CA : CadnaA, SP : SoundPlan

Table 10.

Accuracy of prediction model in ±3 dB.

Evaluation item		Number of data	Accuracy [%]
			KHTN 2007	RLS-90		CRTN		NMPB-08
			KHTN 2007	CA	SP	CA	SP	CA	SP
Total		250	92.8	48.0	40.8	76.8	74.0	44.0	73.6
Road type	Noise barrier	72	90.3	68.1	65.3	80.6	80.6	37.5	76.4
	Road side	12	100	100	100	50.0	50.0	100	75.0
	Embankment	106	92.5	30.2	24.5	65.1	58.5	27.4	67.9
	Flat	12	100	75.0	75.0	91.7	91.7	66.7	100
	Bridge	48	93.8	37.5	16.7	100	100	70.8	75.0
Road pavement	Concrete	156	94.2	44.9	34.0	84.6	81.4	50.6	81.4
Road pavement	Asphalt	94	90.4	53.2	52.1	63.8	61.7	33.0	60.6

*) CA : CadnaA, SP : SoundPlan

Table 11.

Correlation between commercial simulation program(CA & SP) in ±3 dB.

Evaluation item		Number of data	Correlation [%]
Evaluation item		Number of data	RLS-90	CRTN	NMPB-08
Total		250	98.8	100.0	69.6
Road type	Noise barrier	72	100.0	100.0	83.3
	Road side	12	100.0	100.0	33.3
	Embankment	106	100.0	100.0	49.1
	Flat	12	100.0	100.0	83.3
	Bridge	48	93.8	100.0	100.0
Road pavement	Concrete	156	98.1	100.0	79.5
Road pavement	Asphalt	94	100.0	100.0	53.2

*) CA : CadnaA, SP : SoundPlan

References

1. KHTN(Korea highway traffic noise prediction program) User’s guide Korea Expressway Corporation Research Institute, Korea, pp. 1-57(2007).

2. RLS-90(Road noise abatement guidelines) The Federation Ministry for Travel, Germany, pp. 1-23(1990).

3. CRTN(Calculation of Road Traffic Noise) Department of Transport Welsh Office, United Kingdom, pp. 1-95(1988).

4. Road noise prediction - Noise propagation computation method including meteorological effects(NMPB 2008) Sétra, France, pp. 1-135(2009).

5. Drawing-up method of noise maps : Ministry of Environment Public Notice No.2013-75 Ministry of Environment, Korea, pp. 1-5(2013).

6. P. G. Abbott, P. M. Nelson, Converting the UK traffic noise index LA10,18h to EU noise indices for noise mapping TRL Limited, United Kingdom, pp. 1-33(2002).

7. J. W. Lee, M. J. Kim, Prediction and evaluation of the road traffic noise according to the conditions of road-side building using RLS-90 and CRTN model, J. Korean Soc. Noise and Vibration Eng., 19(4), 425-432(2009).

8. P. L. Kim, S. Y. Ahn, S. I. Chang, Prediction of road traffic noise by NMPB 2008 considering meteorological effect, in Proceedings of the Annual Meeting of Korean Society for Noise and Vibration Engineering, KSNVE. Mokpo943-947(2014).