통상적으로 직업소음에 의한 청력손실을 최소화하기 위해서는 작업자가 8시간 동안 85 dBA 이상 소음에 노출되지 않도록 권고하고 있다. 이번 연구에서는 실습선박에서 7종류의 담당업무별 작업자들의 소음노출레벨을 측정하였다. 항해 중, 24시간 동안 작업자의 위치하는 A특성등가소음레벨(LAeq,i)과 소음장소의 지속기간(h) 및 소음기여도(Lex,24h,i)를 고려한 소음노출레벨(Lex,24h)을 측정하였다. 그 결과, 갑판사관 그룹 Lex,24h=56.1 dB, 갑판부원 그룹은 Lex,24h=58.9 dB, 실습항해사들은 Lex,24h=62.0 dB, 취사부원들은 Lex,24h=64.3 dB, 실습기관사그룹 은 Lex,24h=91.1 dB, 기관사관 그룹은 Lex,24h=91.1 dB, 그리고 기관부원 그룹은 Lex,24h=95.1 dB를 나타내고 있다. 따라서 기관 업무를 담당하는 기관사들, 기관부원들 그리고 기관실습생들은 반드시 청력보호구를 착용해야함을 알 수 있었다. 소음이 심한 기관실에서 청력보호구를 착용한다면 기관사관그룹은 Lex,24h=23.1 dB, 기관부원그룹은 Lex,24h=24.4 dB 그리고 기관실습생들은 Lex,24h=21.5 dB의 소음노출레벨을 줄일 수 있을 것으로 추정된다. 또한 실습생들의 거주구역인 제2 강의실 겸 식당구역에 바닥시공을 64 mm, A-60-class 뜬바닥 구조로 개선했다면 실습항해사들의 소음노출도는 Lex,24h=4.3 dB, 실습기관사들은 Lex,24h=1.8 dB 정도 추가적인 감소가 있었을 것이다.

PURPOSES: This study is to predict the Sound Pressure Level(SPL) obtained from the Noble Close ProXimity(NCPX) method by using the Extended Kalman Filter Algorithm employing the taylor series and Linear Regression Analysis based on the least square method. The objective of utilizing EKF Algorithm is to consider stochastically the effect of error because the Regression analysis is not the method for the statical approach. METHODS: For measuring the friction noise between the surface and vehicle’s tire, NCPX method was used. With NCPX method, SPL can be obtained using the frequency analysis such as Discrete Fourier Transform(DFT), Fast Fourier Transform(FFT) and Constant Percentage Bandwidth(CPB) Analysis. In this research, CPB analysis was only conducted for deriving A-weighted SPL from the sound power level in terms of frequencies. EKF Algorithm and Regression analysis were performed for estimating the SPL regarding the vehicle velocities. RESULTS : The study has shown that the results related to the coefficient of determination and RMSE from EKF Algorithm have been improved by comparing to Regression analysis. CONCLUSIONS : The more the vehicle is fast, the more the SPL must be high. But in the results of EKF Algorithm, SPLs are irregular. The reason of that is the EKF algorithm can be reflected by the error covariance from the measurements.