Research Article

The Journal of the Acoustical Society of Korea. November 2020. 606-614
https://doi.org/10.7776/ASK.2020.39.6.606

ABSTRACT


MAIN

  • I. 서 론

  • II. 수중 주변소음 예측 기법

  • III. 선박 통행량 및 해양기상정보 공공데이터 획득

  • IV. 데이터 분석

  • V. 결 론

I. 서 론

수중에서 전달되는 음파를 이용하여 수중의 물체를 탐지하는 소나 시스템은 민간 및 국방 분야 등 다양한 응용 분야에서 사용되고 있다.[1] 소나 시스템은 수중에서 트랜스듀서를 통해 음원을 송신하고 송신된 음원이 수상 또는 수중 물체에 도달하여 반사되는 반향음을 하이드로폰에서 수신함으로써 해당 물체를 탐지하는 능동 소나와 수상 또는 수중 물체에서 발생하는 자체소음을 하이드로폰으로 수신하여 해당 물체를 탐지하는 수동 소나 방식으로 나눌 수 있다.[2]

능동 소나 및 수동 소나 시스템의 운용에 있어서 탐지 성능을 결정짓는 요인은 시스템 요인과 환경적인 요인으로 구분 할 수 있는데 시스템 요인으로는 소나 시스템을 구성하는 센서의 구성, 전시 방식, 사용자의 운용 능력 등이 있으며 환경적인 요인으로는 송신 음압 준위, 표적강도, 표적 소음 준위와 센서(트랜스듀서 및 하이드로폰)와 표적간의 음파 전달 경로 상의 환경요소에 따른 흡수손실 및 전달손실 성분, 센서 주변에서 항해하는 선박 및 파도 및 바람 등 기상에 따른 주변소음 성분 등이 있다.[2] 소나 시스템의 탐지 성능 향상 방법은 센서 입력단에 입사되는 표적 또는 음원에 의한 신호 레벨(송신음압 준위 또는 표적 자체소음 준위에 대한 흡수 및 전달손실, 표적강도 등이 반영된 수신 음압 준위)과 센서 주변을 둘러싼 무방향성 잡음 레벨(주변소음) 간의 신호대잡음비를 배열 신호처리 등을 통해 이를 증가 시키는 데 있다고 할 수 있다.

특히 군사 목적으로 운용되는 소나 시스템에서 잠항하는 정숙화된 잠수함 등을 탐지하거나, 연안이나 천해 환경에서 운용이 필요한 소나 시스템의 경우 센서 주변으로 입사되는 주변소음이 탐지 성능에 큰 영향을 끼친다. 수중 주변소음에 대한 원인 규명 및 측정과 관련된 많은 연구가 진행되어왔으며[3,4] 관련 연구 결과 등에 따르면 센서 주변을 통행하는 선박에 의해 발생하는 소음(엔진 또는 기계류 소음, 함체 기동에 의한 유체소음 및 프로펠러 소음 등), 해양 기상에 따른 파도, 바람, 강우 등으로 인해 발생하는 소음이 주된 요인으로 알려져 있다.[3,5] 이러한 환경에서 운용되는 소나 시스템은 위에서 언급한 주변소음에 대한 측정과 함께 음파 전달 경로에 따른 전달손실을 예측하기 위한 저질, 수심, 수온 등과 같은 해양환경 분석을 통하여 운용 탐지 성능을 예측하거나 예보를 수행한다.

이와 같은 소나 시스템의 탐지 성능 예측을 위한 필수 파라미터인 수중 주변소음 분석에 대한 연구의 중요성으로 인해, 한반도 주변해역의 수중 주변소음과 해양환경 및 선박 통행량간 의존성 분석과 관련한 유사연구가 진행되어 왔다.[5,6] 또한 최근 많은 연구가 진행 중인 인공지능 기술을 이용한 탐지 성능 예측[7] 및 표적 식별[8,9] 등과 관련된 소나 탐지 기술의 자동화 구현을 위한 빅데이터 구축 측면에 있어서도 이러한 해양 데이터 확보 및 데이터간 영향성 분석이 필요하다. 따라서 본 논문에서는 연근해환경에서의 수중 주변소음에 대한 주요인으로 알려진 선박 통행량 및 해양 기상 정보와 수중 주변소음간 영향성 분석을 수행하였다. 본 논문에서 분석된 데이터간 영향성 분석 결과는 향후 소나 분야에 대한 인공지능 기술 적용을 위한 데이터 분석 연구 등에 활용될 수 있을 것으로 기대한다.

본 논문의 구성은 다음과 같다. II 장에서 수중 주변소음 예측 기법에 대하여 논의한 뒤, III 장에서는 선박 통행량 및 해양 기상 정보 공공데이터에 관해서 소개한다. IV 장에서는 II 장에서 언급한 기법을 통하여 획득한 수중 주변소음 데이터와 III장에서 소개한 선박 통행량 및 해양 기상 정보 획득 데이터를 이용하여 데이터간 연관성을 분석하고, V장에서 결론을 맺는다.

II. 수중 주변소음 예측 기법

본 논문에서 분석하고자 하는 수중 주변소음 준위를 예측하기 위한 기법은 다음과 같다. 먼저 수중 음향센서를 통해 획득한 센서신호를 이용하고, 주파수 대역 별 소음 준위 영향성 분석을 하기 위하여 주파수 스펙트럼으로 변환된 센서신호에 대하여 1/3 옥타브 대역 별 스펙트럼 준위를 측정한다. 이는 기존 연구[3,5]에서 알려진 바와 같이 수중소음의 발생주파수 대역별 소음의 주요한 발생 원인이 다르기 때문에 본 연구의 수중소음 측정에 사용된 저주파 음향 센서에서 획득 가능한 전체 주파수 대역 신호에 대하여 세분화된 주파수 대역별 영향성 분석을 위하여 1/3 옥타브 대역 형태로 분석하였다. 이와 같이 분석된 1/3 옥타브 대역 별 스펙트럼 준위에 대하여 측정 시스템에 의한 영향성을 배제한 수중 주변소음 준위 값을 예측하기 위해 시스템 이득 값(센서 전치이득, 배열이득 값 등) 보정을 수행한다.

이러한 수중 주변소음 준위 예측 기법의 상세 블록도는 Fig. 1과 같다. Fig. 1에서 볼 수 있듯이 각 채널 별 시간영역 음향 센서 신호에 대하여 먼저 Fast Fourier Transform(FFT) 수행을 통해 주파수 영역 스펙트럼 정보를 생성한다. 여기에서 각 채널 별 센서 신호는 1 초 주기로 획득되며, 샘플링 주파수와 분석 주파수 해상도는 각각 4,096 Hz 및 1 Hz이다. 일반적으로 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역(f2 kHz)[4]이 본 연구의 주 관심 대역이기 때문에 이를 분석하기 위하여 저주파 탐지용 선형 음향 센서배열을 측정에 이용하였다.

/media/sites/ask/2020-039-06/N0660390613/images/ASK_39_06_13_F1.jpg
Fig. 1

A block diagram of the ambient noise estimation method.

주파수 영역으로 변환된 주파수 스펙트럼 정보에 대하여 전체 수신 주파수를 15개의 1/3 옥타브 대역으로 분석을 위하여 각 1/3 옥타브 대역에 해당하는 주파수 빈(bin) 값에 대한 에너지 합을 계산한다. 15개의 1/3 옥타브 대역 중 본 논문에서 분석에 사용한 5개 대역에 대한 정보는 Table 1과 같다.

Table 1.

Details of the analysis frequency bands.

Frequency band Center frequency [Hz] Bandwidth [Hz]
f1 56 14
f2 113 24
f3 225 50
f4 567 130
f5 1,426 328

다음으로 위에서 계산된 1/3 옥타브 대역 별 에너지 값에 대한 선형적분(T = 8)을 다음과 같이 수행한다.

(1)
Xk<T>=1TTi=1Xi,k,k=1,,15,

여기서 X는 대역 에너지 값, i는 시간 프레임 번호, k는 1/3 옥타브 대역 번호를 각각 의미한다. 선형적분을 수행한 결과 값에 대하여 Eq. (2)와 같이 단순 이동평균을 수행(N = 30)하여 총 240 s에 대한 대역별 평균 에너지를 계산한다.

(2)
XkMA(m)=1Nn=0N-1Xk<Tm-n>,k=1,,15.

Eqs. (1), Eq(2)와 같이 선형적분 및 이동평균을 취하는 이유는 수초내의 단기적 주변 소음 음압 준위에 대한 변화량 통계가 아닌 광의의 주변 소음 음압 준위의 변환에 대한 통계를 얻고자 하는 데 그 목적이 있다.

마지막 과정으로, 분석된 평균 에너지에 대하여 센서 감도 및 전치이득, 자동제어이득 값 등을 보상하여 측정 시스템에 의해 부가되는 이득 성분을 배제함으로써 실제 주변 소음 음압 준위를 추정한다.

III. 선박 통행량 및 해양기상정보 공공데이터 획득

본 연구에서는 측정된 수중 주변소음과의 연관성 분석을 위한 선박 통행량 및 해양기상정보 데이터 획득을 위하여 대한민국 해양수산부 및 기상청의 공공데이터를 이용하였다.

해양수산부는 해운항만물류정보시스템(Port Management Information System, PORT-MIS)[10] 통해 대한민국 연안 및 항만을 통행하는 선박에 대한 선박제원정보, 선박입출항통계, 해운화물 및 컨테이너 수송에 대한 통계자료를 공개하여 민간부문에서 이용 가능하도록 제공한다. 본 연구를 위해 사용된 선박입출항 통계정보의 경우, 각 항별 통행 선박의 선박자동식별장치(Auto Identification System, AIS) 고유 호출부호, 선명, 입/출항 상세시간, 국적 및 선박의 재원정보 뿐만 아니라, 선박의 용도 정보 등을 제공받을 수 있다.

기상청은 기상자료개방포털[11]을 통하여 지상 기상관측소, 기상위성, 레이더 및 해양부이 등을 통하여 관측된 총 30 종류의 기상관련 데이터를 개방하고 있다. 본 연구를 위해서 해양기상부이 및 파고부이에서 측정된 해양기상정보와 수중 주변소음 측정 해역 인근의 기상관측소에서 관측한 기상 데이터를 사용하고, 제공되는 데이터 중에서 기존 연구들을 통하여 수중 주변소음의 주된 영향 요인으로 알려진 풍속, 파고, 강우 정보에 제한하여 데이터를 분석한다.

IV. 데이터 분석

본 장에서는 II 장에서 논의한 수중 주변소음 예측 기법을 통해 측정된 수중 주변소음 데이터와 III 장에서 소개한 선박 통행량 및 해양기상정보 공공데이터를 이용한 데이터 분석 결과를 설명한다.

수중 주변소음 데이터 측정은 대한민국 동해안 연안에서 수행하였다. 많은 수의 선박이 입출항하는 항로 인근에 20 채널 이상의 하이드로폰으로 구성된 배열센서를 약 25 m 수심에 고정 설치하여 수중 주변소음을 약 5 개월간 연속으로 측정하였으며, 전체 센서 채널, 대역, 시간대 별 평균값을 취하여 대푯값으로 분석하였다. 전체 센서 수신 주파수(fs = 4,096 Hz) 중 5 개의 1/3 옥타브 대역을 분석 대상 주파수 대역으로 선정하였으며, 해당 대역의 중심주파수 및 대역폭은 Table 1과 같다.

2020년 1월부터 5월까지 수중 주변소음이 측정이 수행되지 않았거나, 시간 별 데이터가 누락된 분석 일을 제외한 100 일 분량의 데이터를 분석하였다. 수중 주변소음 값은 II 장에서 설명한 수중 주변소음 예측 기법을 통해 매초 출력되는 1/3 옥타브 대역별 스펙트럼 준위값에 대하여 1 시간 단위로 평균을 계산하여 수중 주변소음 값을 측정하였다. 측정된 일일 24 개의 시간별 수중 주변소음 값에 대한 통계를 전체 분석일 동안 대역별로 분석한 결과는 Fig. 2와 같다. 일반적으로 알려진 바와 같이 저주파 대역에서 고주파 대역으로 갈수록 주변소음이 상대적으로 더 낮게 형성됨(NLfn>NLfn+1,n=1,2,,4)을 확인할 수 있다. 100 일간의 일일 평균 주변소음 준위는 각 대역 별로 평균값에서 변화량이 크지 않은(f1: 약 115 dB, f2:약 103 dB, f3:약 90 dB, f4: 약 80 dB, f5: 약 72 dB)값을 나타냄을 확인할 수 있다.

/media/sites/ask/2020-039-06/N0660390613/images/ASK_39_06_13_F2.jpg
Fig. 2

(Color available online) Charts of the measured ambient noise statistics according to analyzed frequencies of (a) f1, (b) f2, (c) f3, (d) f4 and (e) f5.

해상 선박 통행량과 수중 주변소음과의 연관성 분석을 위하여 주변소음 측정 센서 인근을 통행하는 선박 통행량 데이터를 주변소음 측정을 수행한 시점과 동일한 기간에 대하여 분석하였으며, 해당 데이터는 III 장에서 언급했던 바와 같이 해운항만물류정보시스템을 통해 일일 선박의 입출항 횟수를 분석하였다. 분석 기간 동안 인근 해역 입출항 통계 결과는 Fig. 3과 같다. 일평균 20 ~ 30 척의 선박이 인근 해역을 통과함을 확인할 수 있다.

/media/sites/ask/2020-039-06/N0660390613/images/ASK_39_06_13_F3.jpg
Fig. 3

(Color available online) A chart of daily marine traffic statistics.

해상 선박 통행량과 함께 수중 주변소음에 영향을 끼치는 요인으로 알려진 풍속, 파고 및 강우 등 해상기상 관련 영향성 분석을 위하여 해상 선박 통행량 분석과 마찬가지로 수중 센서 인근 파고부이에서 획득한 해당 기간의 파고 정보와 인근 기상 관측소에서 관측한 풍속 및 강우 정보 데이터를 분석하였다. 파고 정보의 경우 매 시간단위 유의파고의 평균값을 활용하였다. 유의파고란 불규칙한 해면을 일정 기준으로 처리하기 위한 일종의 통계량[12]으로, 아래 식과 같이 계산할 수 있다.

(3)
H1/3=1N/3i=1N/3Hi,

여기서 N은 측정한 개별파고 수, Hi는 파고가 높은 순의 수열을 의미한다. 즉, 한 지점을 연속적으로 통과하는 파를 관측하였을 때 불규칙한 파군 중에서 파고가 높은 순으로 1/3에 해당하는 모든 파고를 합산하여 평균한 값으로 정의된다.[12] 유의파고는 통계적 관점에서 해상 상태를 나누는 기준으로 흔히 사용되며, 최고파고는 유의파고의 약 두 배에 달하는 높이를 예상하는 것이 일반적이다.[13]

해상 풍속 및 강우 정보의 경우 파고부이에서는 해당 정보를 제공하지 않는다. 해양기상부이에서는 강우정보를 제공하지 않고 풍속 정보를 제공하지만 해양기상부이의 경우 시험 해역과 수십 km 이상 이격된 거리에 있다. 따라서 본 연구에서는 파고부이 및 해양기상부이 데이터를 이용하지 않고 인근 기상관측소에서 관측된 풍속 및 강우 정보를 분석에 활용하였다. 분석 기간 동안 관측된 파고 정보 및 풍속 정보는 Fig. 4, 강우 정보는 Fig. 5와 같다.

/media/sites/ask/2020-039-06/N0660390613/images/ASK_39_06_13_F4.jpg
Fig. 4

(Color available online) Comparison of the daily significant wave height and average wind speed.

/media/sites/ask/2020-039-06/N0660390613/images/ASK_39_06_13_F5.jpg
Fig. 5

(Color available online) Daily rainfall statistics for the analysis days.

풍속과 파고간의 연관성 관련 기존 연구[12]에서 제시한 바와 같이, 파고는 중력 가속도, 바람이 부는 기간, 바람의 영향 범위, 풍속 등을 변수로 하는 비례 함수로 예측 표현이 가능한데, Fig. 4에서도 마찬가지로 풍속과 파고간의 연관성이 상당히 높음을 확인할 수 있다. 특히 분석일 13 ~ 14 및 분석일 65 ~ 66의 경우 풍속 및 파고가 특히 높이 형성되었음을 확인 할 수 있는데, Fig. 4의 풍속과 파고에 대한 데이터와 함께 Fig. 3의 해당 분석일 입항 및 출항 횟수를 보았을 때 높은 풍랑으로 인한 현저히 적은 선박 통행량을 보였음을 확인할 수 있다.

강우 정보의 경우 일일 시간별 강수량의 전체 합에 대하여 3 mm 이상 비가 내린 경우의 강수량은 Fig. 5와 같으며, 도표 인덱스 상자의 왼쪽 값은 해당 분석일, 오른쪽 값은 그 날의 전체 강수량을 의미한다. 앞에서 언급하였던 바와 같이 풍속 및 파고가 가장 높게 관측된 분석일 13에 가장 높은 강수량(53.9 mm)을 기록하였고, 이는 강한 바람 및 파도와 함께 많은 양의 비를 동반했음을 확인할 수 있다. 분석일 38의 경우에는 풍속 및 파고는 높지 않지만 높은 강수량(46.4 mm)을 기록했음을 확인 할 수 있다.

분석일 별 선박 통행량(입항 및 출항)과 대역 별 수중 주변소음 변화 추이는 Fig. 6와 같다. Fig. 6에서 볼 수 있듯이 전체 5 개 대역 모두선박의 통행량의 변화에 따라 수중 주변소음 역시 강한 연관관계를 가지고 있음을 추측할 수 있다. 단, 강한 바람과 파고로 인해 선박 통행량이 거의 없는 분석일 13 ~ 14 및 분석일 65 ~ 66의 경우에는 f1 ~ f4 대역의 주변소음과 f5 대역의 주변소음의 변화추이가 다름을 확인 할 수 있다. 선박 통행량의 감소로 인해 f1 ~ f4 대역 주변소음의 경우 큰 폭으로 감소하는 경향을 보이는 반면에 f5대역의 경우 감소폭이 적거나 오히려 주변소음이 증가하는 경향을 보임을 확인할 수 있다. 이는 Reference [6]의 결과에서 제시한 특정 대역(700 Hz ~ 2,000 Hz)에서 파고와 수중 소음 준위간 연관성 분석 결과와 유사한 경향을 보임을 확인할 수 있다.

/media/sites/ask/2020-039-06/N0660390613/images/ASK_39_06_13_F6.jpg
Fig. 6

(Color available online) Comparison between marine traffic statistics and ambient noise for each frequency band.

강우에 의한 영향성 확인을 위하여, 풍속 및 파고는 높지 않지만 높은 강수량을 기록한 분석일 38 전후의 선박통행량, 강수량, 파고 및 풍속, 주변소음 값을 정리한 내용은 Table 2와 같다. Table 2에서 볼 수 있듯이 분석일 38의 경우 분석일 36, 37에 비해 선박 통행량 및 파고, 풍속이 낮게 관측되어 f1 ~ f4 대역 주변소음은 선박 통행량에 주로 의존적으로 값이 변동하는 반면, f5 대역의 경우 많은 강우로 인하여 주변소음이 증가하는 현상을 확인할 수 있다.

Table 2.

Details of changes in ambient noise due to changes in the marine environment.

Day Marine traffics (counts) Precipitation (mm) Wave height (m) Wind speed (m/s) Ambient noise level (dB)
f1 f2 f3 f4 f5
36 28 0.0 0.6 2.8 116.5 103.1 89.5 79.7 71.7
37 33 0.0 0.5 2.8 117.3 104.7 92.5 81.5 72.5
38 20 46.4 0.6 2.4 114.1 102.6 90.1 80.2 72.7
39 13 2.8 1.2 2.8 112.0 99.7 85.6 77.7 71.6
40 28 0.8 1.0 2.0 113.2 101.1 87.3 77.4 70.4

위에서 논의한 해상 선박 통행량, 풍속과 파고, 강우에 의한 영향성 분석 결과로 비추어볼 때 선박 통행량의 경우 수중 주변소음 준위 변화 측면에 있어 가장 큰 요인으로 작용함을 확인할 수 있었으며, 대역 별 추이 비교를 통해 f5 대역(1 kHz ~ 2 kHz 영역)의 경우에 나머지 낮은 주파수 대역에 비해 해양 기상에 따른 영향성이 상대적으로 큰 것으로 추측할 수 있으며, 이는 기존 연구 결과[3,5,6]에 일부 부합함을 확인 할 수 있다.

V. 결 론

본 논문에서는 수중 주변소음 생성에 주요 영향을 끼치는 선박 통행량 및 해양기상정보(파고, 풍속, 강우)와 수중 주변소음간 영향성을 분석하였다. 대한민국 동해안 연안에서 수중 음향 센서를 통해 측정된 센서신호를 이용하여 해역의 수중 주변소음을 예측하고, 예측된 수중 주변소음과 함께 해양수산부 및 기상청에서 제공하는 공공데이터를 이용하여 대상 해역의 선박통행량 및 해양기상정보와의 연관성을 분석하였다. 분석 결과 수중 주변 소음은 선박의 통행량의 변화에 따라 높은 연관성을 보였으며, 풍속과 파고, 강우 등 해양환경 요소에 있어서도 특정 주파수 대역에 있어서 영향이 있음을 확인할 수 있었다. 대양심해 수중소음 및 대한민국 연근해 수중소음 분석 등 기존에 진행된 연구들과 달리 본 연구의 경우 선박 통행이 빈번한 대한민국 연안 지역에 주변소음 측정을 위한 센서 배열을 장기간 고정 운용하여 수개월간의 수중 주변소음의 연속적인 변화량을 매 시간단위로 획득 및 분석이 가능 하였으며, 주요 요인 분석을 위한 선박 통행량 및 해양기상정보 데이터의 경우 측정 해역 인근 관측소를 통해 관측된 공공데이터를 활용하여 보다 정확하고 신뢰성 높은 데이터 기반으로 영향성 분석 결과를 도출 할 수 있었다. 수중 주변소음에 대한 본 논문에서 수행한 분석 연구 결과는 기존에 진행된 연구결과와 더불어 추후 인공지능 기술을 이용한 탐지 성능 예측 및 표적 식별 등과 관련된 소나 탐지 기술의 자동화 구현 연구 등에 활용될 수 있을 것으로 기대된다.

References

1
J. S. Kim, S. B. Hwang, and C. M. Lee, "A DEMON processing robust to interference of tonals" (in Korean), J. Acoust. Soc. Kr. 31, 384-390 (2012). 10.7776/ASK.2012.31.6.384
2
A. D. Waite, Sonar for Practising Engineers, 3rd Ed. (Wiley, UK, 2002), pp. xvii.
3
R. J. Urick, Principles of Underwater Sound, 3rd Ed. (Peninsula Publishing, CT, 2010), Chap. 7.
4
R. P. Hodges, Underwater Acoustics: Analysis, Design and Performance of Sonar (Wiley, UK, 2010), Chap. 7. 10.1002/9780470665244
5
B. K. Choi, B.-C. Kim, C. Kim, and B.-N. Kim, "Analysis of dependence on wind speed and ship traffic of underwater ambient noise at shallow sea surrounding the korean peninsula," (in Korean), J. Acoust. Soc. Kr. 22, 233-241 (2003).
6
B.-C. Kim, B.-N. Kim, J. Hahn, and B. K. Choi, "Measurements of underwater ambient noise generated by breaking waves in surf zone," Proc. Symposium on Ultrasonic Electronics, 391-392 (2009).
7
Y. Guo, R. Ai, Y, Chen, and Y. Qi, "Prediction of passive sonar detection range in different detection probability," Proc. ICSAI. 1289-1293 (2018). 10.1109/ICSAI.2018.8599352PMC5778037
8
G. Hu, K. Wang, Y. Peng, M. Qiu, J. Shi, and L. Liu, "Deep learning methods for underwater target feature extraction and recognition," Computational Intelligence and Neuroscience 2018, 1-10 (2018). 10.1155/2018/121430129780407PMC5892262
9
J. Choi, Y. Choo, and K. Lee, "Acoustic classification of surface and underwater vessels in the ocean using supervised machine learning," Sensors 2019, 1-15 (2019). 10.3390/s1916349231404999PMC6721123
10
Port Management Information System (PORT- MIS), https://new.portmis.go.kr/, (Last viewed November 11, 2020).
11
Weather data opening portal, https://data.kma.go.kr/, (Last viewed November 11, 2020).
12
H. U. Sverdrup and W. H. Munk, Wind, Sea And Swell: Theory of Relations for Forecasting (U.S. Navy Hydrographic Office, Washington, 1947), pp. 26. 10.5962/bhl.title.3875116588757PMC1079064
13
National Weather Service, https://www.weather.gov/ key/marine_sigwave/, (Last viewed November 11, 2020).
페이지 상단으로 이동하기