建筑与艺术学院规划与风景系张雨洋博士最近发表的论文《使用旋转移动监测和机器学习方法预测高动态交通噪声》(Predicting highly dynamic traffic noise using rotating mobile monitoring and machine learning method)荣获第十七届北京青年优秀科技论文奖。该成果在国际知名环境健康期刊《Environmental Research》上发表,张博士作为第一作者(个人链接https://jzys.ncut.edu.cn/info/1032/2542.htm),论文DOI为:10.1016/j.envres.2023.115896。
张雨洋博士的研究聚焦于全球第二大环境问题——高度波动性的交通噪声。由于缺乏大量精细的噪声监测数据以及面临在无噪声数据情况下精确预测噪声水平的挑战,高动态噪声地图的创建一直是交通噪声管理中的关键难题。张博士提出了一种创新的噪声监测方法——旋转移动监测法,该方法结合了固定和移动监测的优势,显著扩大了噪声数据的空间覆盖和时间解析能力。
通过在北京海淀区进行的监测活动,该研究覆盖了54.79公里道路和22.15平方公里的总面积,收集了来自152个固定采样点18213个1秒间隔的A加权等效噪声(LAeq)测量值。研究还整合了自采集街景图像、气象数据和建筑环境数据,利用计算机视觉和GIS工具在四个类别中测量了49个预测变量,并训练了六个机器学习模型以及线性回归模型来预测LAeq。其中,随机森林模型以0.72的R2值和3.28 dB的RMSE表现最佳,其次是K-近邻回归模型。
最佳模型揭示了到主要道路的距离、街道绿视率指数和过去3秒内汽车的最大视野比例是影响噪声水平的主要因素。此外,该模型成功应用于生成研究区域的点和街道层面的9天交通噪声地图,证明了研究的可复制性和扩展性,为获得高动态噪声地图提供了新的途径。
![图片1.png 图片1.png](//www.al608.com/__local/0/9C/04/7EB90A5EB888F2EF8D592847844_8625D25F_11888B.jpg)
多传感器融合采集模式
![图片2.png 图片2.png](//www.al608.com/__local/4/21/B8/3E79FDA3355B2DA3252508F5881_D05D593C_3501C8.png)
论文中生成的高精细化交通噪声地图
编辑:左芳舟