環境噪聲監測技術與預測模型的融合

李楠，馮濤，吳瑞，劉元慶

(1.北京工商大學材料與機械工程學院，北京　100048；2.北京市勞動保護科學研究所，北京　100054；3.中國電力科學研究院，北京　100192)

?

環境噪聲監測技術與預測模型的融合

李楠1，馮濤1，吳瑞2，劉元慶3

(1.北京工商大學材料與機械工程學院，北京100048；2.北京市勞動保護科學研究所，北京100054；3.中國電力科學研究院，北京100192)

摘要：環境噪聲的監測技術和預測技術是其管理的重要技術手段。在敘述當前環境噪聲監測技術和預測技術應用現狀的基礎上，指出其在技術融合方面的需求和不足，并提出相應的技術融合框架，來提升噪聲管理項目實施的效率和質量。此外，還討論了該框架涉及的關鍵技術，包括環境噪聲監測設備及其數據管理系統、環境噪聲預測模型、環境噪聲預測反演及修正、相干噪聲模型及噪聲地圖及其快速計算技術，最后給出相關系統研發的初步成果。

關鍵詞：環境噪聲監測；環境噪聲預測；噪聲地圖

近年隨著我國經濟建設的迅猛發展，城市人口呈現激增態勢，隨之而來的是城市工業噪聲和道路交通噪聲等問題日漸突出，大部分居民在不同程度上受到相關噪聲干擾。為降低環境噪聲對居民身心健康的危害，加強城市聲環境管理，輔助城市規劃建設，環境噪聲監測和預測技術已成為相關科研活動和管理行為實施的重要手段。

1噪聲監測及預測技術的應用現狀

歐洲國家對于環境噪聲管理的研究開展較早，2002年6月，歐盟就公布了環境噪聲評價與管理指令，要求各成員國在5年時間內，結合噪聲監測技術和噪聲預測技術，繪制以干線道路、鐵路和機場為主要噪聲源的大區域策略性噪聲地圖，以求擬定緩解噪聲的行動計劃。

相比歐洲國家，我國在環境噪聲監測技術和預測模型方面的研究目前還處于起步階段[1]，從實施和應用角度來講，主要存在以下問題：

(1)技術融合與數據融合不充分。環境噪聲監測相關的軟硬件系統由各專業廠商獨立研發，其數據結構、數據接口、軟件開發接口、軟件實施細節均處于封閉狀態。當實施相對大型的城市環境噪聲監控項目時，多源數據的融合和管理變得十分困難，極大削弱了數據價值的挖掘深度。另外，技術的封閉使得軟硬件協同應用變得阻礙重重，技術人員將大量的精力消耗在不同體系結構軟硬件的適配上。

(2)技術實施難度大且周期長。對于較為大規模的環境噪聲預測項目，如城市噪聲地圖繪制，實施周期往往一年或幾年，人力物力開銷很大。我國正處于城市化進程大發展時期，城市建設速度很快，導致了各種數據時效性與較長實施周期之間的矛盾。因此，對環境噪聲監測系統的系統柔性和環境噪聲預測模型的迭代響應速度提出了更高的要求。

(3)系統自動化和智能化程度不高。相較于目前，大數據、云計算、物聯網等技術的飛速發展，環境噪聲監測軟硬件及預測軟件的研發水平仍存在差距，主要是系統自動化和智能化程度不高，在一定程度上導致環境噪聲監測、預測項目實施周期較長。

針對上述問題，本文將探討環境噪聲監測技術與預測模型的融合，以提升環境噪聲管理效率、優化管理質量相關方法和技術。

2噪聲監測及預測融合的技術框架

數據驅動的噪聲地圖繪制參考框架[2]給出了一個利用監測數據來參與噪聲地圖修正迭代計算的參考模型。在此基礎上，可以進一步擴展出環境噪聲監測技術與預測模型融合技術框架，如圖1所示。該框架主要包括兩部分，第一部分是將多源監測數據進行融合，提供各類監測數據服務；第二部分是把監測數據引入環境噪聲預測模型進行求解計算。

圖1　環境噪聲監測技術與預測模型融合技術框架Fig.1　Integration technology framework of environmental noise monitoring technology and prediction model

為應對監測設備的接口和數據格式多樣的問題，需要建立統一的中央數據倉庫來存儲多源監測數據，并且需要建立相應的數據轉換和數據遷移服務來進行數據規約。另外還需要專門的物理量計算模塊對各類必要統計數據進行計算。需要指出的是，該系統需要有較強的容錯性來應對因數據采集和數據傳輸的不可靠性導致的數據不完整等問題。

3噪聲監測及預測融合的關鍵技術

3.1監測設備及數據管理系統

環境噪聲監測數據的積累是一個復雜的系統工程。高質量、長時間的數據積累是噪聲管理研究和實施的重要前提。如西班牙馬德里在2002年左右實施噪聲地圖項目時，已經累積了30年的監測數據，城市部署了400多個固定監測點，并且進行了4 000多次移動監測，為得到高質量噪聲地圖提供了保障。

環境噪聲監測設備的發展主要經歷了3個技術階段：第一階段是手持設備現場監測，人工成本和時間成本高，且監測數據的導出、整理和匯總也需要消耗大量時間；第二階段是全天候無人值守監測站點，目前大多數監測站的數據接口開放度不夠，當組建一個由多種品牌設備構成的監測網絡時，其數據融合將產生較多問題；第三階段為基于云平臺的監測網絡， 由多種監測終端結合云計算和云存儲平臺構成的一體化軟硬件系統。通過中間件技術充分消解硬件接口的不一致性，能夠對外提供高質量、柔性化的數據分析和數據可視化服務。

3.2預測模型及誤差來源

近年來，很多國家都推出環境噪聲預測模型，包括美國FHWA、英國CoRTN、日本ASJ RTN-Model、法國NMPB、歐盟Harmonoise以及我國的公路和鐵路交通噪聲預測模型等。預測模型基本都由兩部分組成，聲源模型和傳播模型。聲源模型主要是將復雜的聲學對象(如公路噪聲、鐵路噪聲、工業區噪聲等)等效為抽象的聲學對象(點聲源、線聲源、面聲源等)，而傳播模型主要是求解聲源點到預測點之間的衰減量，進而得出指定位置的預測結果。

以我國模型為例，《環境影響評價技術導則 聲環境》中給出了戶外聲傳播衰減計算的基本形式：Lp(r)=Lp(r0)-(Adiv+Aatm+Agr+Abar+Amisc)

(1)

式中，Lp(r)為預測點r處的聲壓級，dB；Lp(r0)為已知距離無指向性點聲源參考點r0處的倍頻帶聲壓級，dB；Adiv為幾何發散引起的衰減；Aatm為大氣吸收引起的衰減；Agr為地面效應；Abar為聲屏障衰減；Amisc為其他衰減。

預測模型求解的結果與監測站點監測的數據一般會有差異，稱之為預測誤差。文獻[3]分析了預測誤差的來源，主要包括3類：(1)預測模型的準確性。由于不同國家、不同地區的環境狀況、交通狀況及城市規劃都有所不同，所以難以找到一個通用的預測模型。(2)聲源信息的準確性。環境噪聲預測涉及的聲源參數非常復雜，例如針對交通噪聲，主要包括道路狀況、車流量、車速、車型比例及每種車型的參考噪聲級等。上述參數的輸入值一般來自于以往長時間實測數據的平均值或等效值，與噪聲監測點測量的真實值往往有較大偏差。(3)傳播模型和傳播路徑的準確性。在預測求解中，聲源與接收點之間的聲傳播環境十分復雜，而具體計算過程中關于聲傳播環境的輸入信息一般來自于GIS統計數據，可能出現信息滯后甚至信息錯誤的狀況，導致預測值和監測值之間產生較大誤差。另外，預測模型的可計算化程度和完備度也是計算誤差產生的原因。

3.3預測反演及修正技術

環境噪聲預測模型需要利用監測數據對其計算過程進行修正，改善后續預測計算的質量。這種修正過程是一個持續的迭代過程，需要監測數據不斷更新，不斷地驅動預測計算過程。目前，基于監測數據的反演和修正已經取得了一些研究成果[3-4]，其原理一般可以用式(2)來表達：

(2)

式中，S表示聲源離散化點的源強；R表示各個預測點位置的預測結果；SR表示從聲源到聲預測點之間的傳播衰減矩陣。

預測模型通過對傳播衰減矩陣的計算來得到預測結果值。當發現預測點的實際監測值和預測值有偏差時，則利用測量值代替預測值，假設衰減矩陣不變，反求出各個點聲源的源強值。需要指出的是，上述反演方法無法處理傳播路徑不準確產生的誤差，只能處理源強信息不準確而產生的誤差。由于衰減矩陣的求解十分復雜，涉及的衰減量很多，所以利用有限的監測數據來反演衰減矩陣難度很大。

目前，針對不同預測誤差來源需要采取不同的修正策略，總結如下：

(1)因預測模型不適用而產生的誤差。此類誤差往往是由于預測區域的城市環境或交通流特征與預測模型的適用范圍存在較大距離而產生。有兩種解決策略，一種是假設預測模型誤差出現在聲源計算部分，通過監測值對源強進行修正；另一種是對預測模型本身進行修正，通過大量實驗及利用回歸分析等方法對聲源模型的相關系數進行調整。

(2)聲源信息不準確產生的誤差。車速信息、車型比例等交通流信息更新不及時會產生聲源誤差。其應對策略一般有兩種，一種是將交通監測裝置、氣象監測裝置等與環境噪聲預測系統進行數據聯動，保證所有數據處于最新狀態，增強聲源信息的時效性；另一種是通過監測數據反演出等效源強，其中等效源強一般用單位長度聲功率級來表示。利用第二種方法時需要注意監測點數目往往少于聲源數目，且聲源的粒度很難統一。例如一般將道路抽象成線聲源，而線聲源在計算中會進一步等效成一系列點聲源。那么不同長度道路離散的點聲源數量是不同的，其傳播路徑一般單獨計算。由于一個監測點可能受到若干道路離散出的點聲源影響，因此如何將監測值反演回每一個離散點進而更精確地等效出線聲源的源強成為一個問題。一般對于此類反演會進行一些假設，如假設每個聲源點源強雖然需要調整，但其對預測點影響的貢獻比例不變。但由于商用預測軟件求解過程一般被視為黑箱，難以進行如此粒度的假設操作，只有在自研的高度可控的預測軟件包中才能實現。

(3)傳播過程中產生的誤差。由于傳播模型一般固定不變，此類誤差主要由計算原始數據和真實環境數據不一致造成。為降低此類誤差，地理信息數據的及時更新至關重要。傳播模型軟件化實現是另外一個關鍵，即傳播模型計算模塊是否能處理復雜的反射繞射環境，及復雜地形的影響。

3.4相干噪聲模型

在環境噪聲預測中，聲接收點處的聲壓往往是多個聲源共同作用的結果，設聲接收點處聲壓為pR，兩個聲源經傳播衰減達到聲接受點處的聲壓分別為p1和p2。一般情況下，聲源間不相干，聲接收點處聲壓可按能量來疊加，如式(3)所示：

(3)

但在某些特殊情況下，如聲源構成主要為A、B、C三相變壓器的變電站，各相變壓器輻射噪聲相位相差120°，需要將相干噪聲模型引入到環境噪聲預測中。相干噪聲模型如式(4)所示：

(4)

式中，θ為接收點處兩聲源聲壓信號的相位差。

3.5噪聲地圖及快速計算技術

噪聲地圖是利用環境噪聲監測技術和預測技術進一步衍生出的用于噪聲管理的重要工具。噪聲地圖主要用途[5]有：(1)量化確定主要噪聲源；(2)可視化顯示噪聲分布，為決策者提供決策依據；(3)推動噪聲控制政策的發展；(4)區域噪聲控制的成本決策與效益分析；(5)預測環境噪聲的發展趨勢；(6)改進國家或區域性政策，減少新噪聲源，保護噪聲敏感區域；(7)監控環境噪聲變化趨勢；(8)監控治理噪聲污染執行過程中降低效果；(9)提供噪聲對人類影響研究的基礎平臺。

噪聲地圖的求解依賴于環境噪聲預測模型的軟件化實現，目前商業化的噪聲預測軟件包括CadnaA、Lima、SoundPlan、SwallowSound等。但由于商業化軟件的封閉性，使得計算軟件與監測系統數據平臺之間的集成變得困難，因此預測軟件的云端化、平臺化、服務化逐漸將成為趨勢。

另外，噪聲地圖計算，特別是3D噪聲地圖計算，是高度的計算密集性任務，需要消耗大量的計算資源。傳統計算軟件主要是利用并行計算技術來提升計算效率。其并行模式一般為：軟件多節點部署并直接通訊、子任務分發、子任務計算、結果匯總展示。此并行模式優點是機制簡單、實現容易；缺點是系統部署較為復雜，系統柔性、容錯性和冗余性都較差，并且計算任務管理不夠靈活，難以應對大型噪聲地圖繪制項目中的軟硬件環境重構及海量計算任務數據管理。

目前來看，充分利用云計算或分布式計算技術，甚至是通用計算技術來求解噪聲地圖，將成為噪聲地圖計算軟件下一階段的發展方向。圖2給出了利用面向服務的體系結構進行噪聲地圖分布式計算的體系結構圖[6]。

圖2　基于SOA的噪聲地圖分布式計算Fig.2　SOA-based distributed computing of noise mapping

4監測數據與預測模型的融合平臺

目前，環境噪聲預測的關鍵技術研發已經取得了一些初步成果，如圖3所示。基于這些平臺，可以實現環境噪聲監測數據與預測模型的融合。

4.1開放式動態噪聲地圖計算平臺

圖3　環境噪聲監測數據與預測模型的融合平臺研發成果Fig.3　Development results of integration platform for the environmental noise monitoring technology and prediction model

基于監測數據的開放式動態噪聲地圖計算平臺集成了多種環境噪聲監測設備的數據源，能夠將異構數據規約化處理，并針對環境噪聲預測計算平臺實現基于監測數據的聲源反演算法，可用于動態更新噪聲地圖計算結果。

4.2相干環境噪聲計算工具

相干環境噪聲計算工具在傳統環境噪聲預測模型的基礎上增加了相位計算功能，針對特殊需求進行快速相干噪聲分布圖計算。

4.3噪聲地圖實時渲染系統

噪聲地圖實時渲染提供了數據驅動的三維建筑物和噪聲地圖渲染引擎，能夠根據GIS數據自動生成3D建筑物模型，并能夠實現二維和三維噪聲地圖的等值線、溫標圖、差值等顯示方法。

5結語

環境噪聲管理是典型的跨學科技術領域，涉及環境聲學、測量儀器儀表、計算機與互聯網、高性能計算、地理信息系統等技術。同時，相關政策和標準的研究制定對于環境噪聲管理也有著舉足輕重的影響。

因此，充分結合現有技術優勢，在數據層面、模型層面、算法層面和技術層面進行深度融合，是未來提升環境噪聲管理技術水平的重要舉措。

參考文獻(References)：

[1]李本綱, 陶澍. 道路交通噪聲預測模型研究進展[J].環境科學研究, 2002,15(2):56- 59.

[2]李楠, 馮濤, 劉斌. 噪聲地圖求解中的多源數據融合方法[J]. 噪聲與振動控制, 2013, 33(S1): 167- 169.

[3]李楠, 馮濤, 李賢徽, 等. 交通噪聲地圖的聲源反演及修正計算[J]. 中國環境科學, 2013, 33(6): 1 081- 1 090.

[4]Probst W. Noise Prediction based on Measurements[EB/OL]. (2012-08-23) [2016-04-12]. http://www.datakustik.com/fileadmin/user_upload/PDF/Papers/Paper_Measurement Calculation_Probst_DAGA2010.pdf.

[5]DEFRA. Towards a national ambient noise strategy[Z]. 2001.

[6]李楠, 馮濤, 劉斌, 等. 基于面向服務對象體系結構的交通噪聲地圖分布式計算方法[J]. 計算機應用, 2012, 32(8): 2 146- 2 149.

收稿日期：2016-04-12

基金項目：北京市自然科學基金(L150007)；國家電網公司科技項目資助(BB1508-1508-00561)

作者簡介：李楠(1979—)，男，北京人，副教授，博士，主要研究方向為環境聲學，E-mail：linan@th.btbu.edu.cn 通訊作者：馮濤(1969—)，男，上海人，教授，博士，主要研究方向為環境聲學，E-mail：fengt@th.btbu.edu.cn

DOI:10.14068/j.ceia.2016.04.003

中圖分類號：X593

文獻標識碼：A

文章編號：2095-6444(2016)04-0009-05

The Integration Between the Monitoring Technology and Prediction Model of Environmental Noise

LI Nan1, FENG Tao1, WU Rui2, LIU Yuan-qing3

(1.School of Material and Mechanical Engineering, Beijing Technology and Business University, Beijing 100048, China;2.Beijing Municipal Institute of Labour Protection, Beijing 100054, China; 3.China Electric Power Research Institute, Beijing 100192, China)

Abstract:The monitoring technology and prediction model are important technical measures for the environmental noise management. This paper investigated the current application status, pointed out the demand and inadequacy in the technical integration, and put forward the corresponding technology integration framework to improve the implementation efficiency and quality of environmental noise management projects. In addition, key technologies involved in this framework were discussed in this paper, including the environmental noise monitoring equipment and its data management system, the prediction model, the prediction inversion and correction model, the coherent noise model, and the noise mapping and its fast computation technology. Finally, the preliminary development results of related systems were introduced in this paper.

Key words:environmental noise monitoring; environmental noise prediction; noise map