环境噪声监测技术与预测模型的融合

李楠，冯涛，吴瑞，刘元庆

(1.北京工商大学材料与机械工程学院，北京　100048；2.北京市劳动保护科学研究所，北京　100054；3.中国电力科学研究院，北京　100192)



环境噪声监测技术与预测模型的融合

李楠1，冯涛1，吴瑞2，刘元庆3

(1.北京工商大学材料与机械工程学院，北京100048；2.北京市劳动保护科学研究所，北京100054；3.中国电力科学研究院，北京100192)

摘要：环境噪声的监测技术和预测技术是其管理的重要技术手段。在叙述当前环境噪声监测技术和预测技术应用现状的基础上，指出其在技术融合方面的需求和不足，并提出相应的技术融合框架，来提升噪声管理项目实施的效率和质量。此外，还讨论了该框架涉及的关键技术，包括环境噪声监测设备及其数据管理系统、环境噪声预测模型、环境噪声预测反演及修正、相干噪声模型及噪声地图及其快速计算技术，最后给出相关系统研发的初步成果。

关键词：环境噪声监测；环境噪声预测；噪声地图

近年随着我国经济建设的迅猛发展，城市人口呈现激增态势，随之而来的是城市工业噪声和道路交通噪声等问题日渐突出，大部分居民在不同程度上受到相关噪声干扰。为降低环境噪声对居民身心健康的危害，加强城市声环境管理，辅助城市规划建设，环境噪声监测和预测技术已成为相关科研活动和管理行为实施的重要手段。

1噪声监测及预测技术的应用现状

欧洲国家对于环境噪声管理的研究开展较早，2002年6月，欧盟就公布了环境噪声评价与管理指令，要求各成员国在5年时间内，结合噪声监测技术和噪声预测技术，绘制以干线道路、铁路和机场为主要噪声源的大区域策略性噪声地图，以求拟定缓解噪声的行动计划。

相比欧洲国家，我国在环境噪声监测技术和预测模型方面的研究目前还处于起步阶段[1]，从实施和应用角度来讲，主要存在以下问题：

(1)技术融合与数据融合不充分。环境噪声监测相关的软硬件系统由各专业厂商独立研发，其数据结构、数据接口、软件开发接口、软件实施细节均处于封闭状态。当实施相对大型的城市环境噪声监控项目时，多源数据的融合和管理变得十分困难，极大削弱了数据价值的挖掘深度。另外，技术的封闭使得软硬件协同应用变得阻碍重重，技术人员将大量的精力消耗在不同体系结构软硬件的适配上。

(2)技术实施难度大且周期长。对于较为大规模的环境噪声预测项目，如城市噪声地图绘制，实施周期往往一年或几年，人力物力开销很大。我国正处于城市化进程大发展时期，城市建设速度很快，导致了各种数据时效性与较长实施周期之间的矛盾。因此，对环境噪声监测系统的系统柔性和环境噪声预测模型的迭代响应速度提出了更高的要求。

(3)系统自动化和智能化程度不高。相较于目前，大数据、云计算、物联网等技术的飞速发展，环境噪声监测软硬件及预测软件的研发水平仍存在差距，主要是系统自动化和智能化程度不高，在一定程度上导致环境噪声监测、预测项目实施周期较长。

针对上述问题，本文将探讨环境噪声监测技术与预测模型的融合，以提升环境噪声管理效率、优化管理质量相关方法和技术。

2噪声监测及预测融合的技术框架

数据驱动的噪声地图绘制参考框架[2]给出了一个利用监测数据来参与噪声地图修正迭代计算的参考模型。在此基础上，可以进一步扩展出环境噪声监测技术与预测模型融合技术框架，如图1所示。该框架主要包括两部分，第一部分是将多源监测数据进行融合，提供各类监测数据服务；第二部分是把监测数据引入环境噪声预测模型进行求解计算。

图1　环境噪声监测技术与预测模型融合技术框架Fig.1　Integration technology framework of environmental noise monitoring technology and prediction model

为应对监测设备的接口和数据格式多样的问题，需要建立统一的中央数据仓库来存储多源监测数据，并且需要建立相应的数据转换和数据迁移服务来进行数据规约。另外还需要专门的物理量计算模块对各类必要统计数据进行计算。需要指出的是，该系统需要有较强的容错性来应对因数据采集和数据传输的不可靠性导致的数据不完整等问题。

3噪声监测及预测融合的关键技术

3.1监测设备及数据管理系统

环境噪声监测数据的积累是一个复杂的系统工程。高质量、长时间的数据积累是噪声管理研究和实施的重要前提。如西班牙马德里在2002年左右实施噪声地图项目时，已经累积了30年的监测数据，城市部署了400多个固定监测点，并且进行了4 000多次移动监测，为得到高质量噪声地图提供了保障。

环境噪声监测设备的发展主要经历了3个技术阶段：第一阶段是手持设备现场监测，人工成本和时间成本高，且监测数据的导出、整理和汇总也需要消耗大量时间；第二阶段是全天候无人值守监测站点，目前大多数监测站的数据接口开放度不够，当组建一个由多种品牌设备构成的监测网络时，其数据融合将产生较多问题；第三阶段为基于云平台的监测网络， 由多种监测终端结合云计算和云存储平台构成的一体化软硬件系统。通过中间件技术充分消解硬件接口的不一致性，能够对外提供高质量、柔性化的数据分析和数据可视化服务。

3.2预测模型及误差来源

近年来，很多国家都推出环境噪声预测模型，包括美国FHWA、英国CoRTN、日本ASJ RTN-Model、法国NMPB、欧盟Harmonoise以及我国的公路和铁路交通噪声预测模型等。预测模型基本都由两部分组成，声源模型和传播模型。声源模型主要是将复杂的声学对象(如公路噪声、铁路噪声、工业区噪声等)等效为抽象的声学对象(点声源、线声源、面声源等)，而传播模型主要是求解声源点到预测点之间的衰减量，进而得出指定位置的预测结果。

以我国模型为例，《环境影响评价技术导则 声环境》中给出了户外声传播衰减计算的基本形式：Lp(r)=Lp(r0)-(Adiv+Aatm+Agr+Abar+Amisc)

(1)

式中，Lp(r)为预测点r处的声压级，dB；Lp(r0)为已知距离无指向性点声源参考点r0处的倍频带声压级，dB；Adiv为几何发散引起的衰减；Aatm为大气吸收引起的衰减；Agr为地面效应；Abar为声屏障衰减；Amisc为其他衰减。

预测模型求解的结果与监测站点监测的数据一般会有差异，称之为预测误差。文献[3]分析了预测误差的来源，主要包括3类：(1)预测模型的准确性。由于不同国家、不同地区的环境状况、交通状况及城市规划都有所不同，所以难以找到一个通用的预测模型。(2)声源信息的准确性。环境噪声预测涉及的声源参数非常复杂，例如针对交通噪声，主要包括道路状况、车流量、车速、车型比例及每种车型的参考噪声级等。上述参数的输入值一般来自于以往长时间实测数据的平均值或等效值，与噪声监测点测量的真实值往往有较大偏差。(3)传播模型和传播路径的准确性。在预测求解中，声源与接收点之间的声传播环境十分复杂，而具体计算过程中关于声传播环境的输入信息一般来自于GIS统计数据，可能出现信息滞后甚至信息错误的状况，导致预测值和监测值之间产生较大误差。另外，预测模型的可计算化程度和完备度也是计算误差产生的原因。

3.3预测反演及修正技术

环境噪声预测模型需要利用监测数据对其计算过程进行修正，改善后续预测计算的质量。这种修正过程是一个持续的迭代过程，需要监测数据不断更新，不断地驱动预测计算过程。目前，基于监测数据的反演和修正已经取得了一些研究成果[3-4]，其原理一般可以用式(2)来表达：

(2)

式中，S表示声源离散化点的源强；R表示各个预测点位置的预测结果；SR表示从声源到声预测点之间的传播衰减矩阵。

预测模型通过对传播衰减矩阵的计算来得到预测结果值。当发现预测点的实际监测值和预测值有偏差时，则利用测量值代替预测值，假设衰减矩阵不变，反求出各个点声源的源强值。需要指出的是，上述反演方法无法处理传播路径不准确产生的误差，只能处理源强信息不准确而产生的误差。由于衰减矩阵的求解十分复杂，涉及的衰减量很多，所以利用有限的监测数据来反演衰减矩阵难度很大。

目前，针对不同预测误差来源需要采取不同的修正策略，总结如下：

(1)因预测模型不适用而产生的误差。此类误差往往是由于预测区域的城市环境或交通流特征与预测模型的适用范围存在较大距离而产生。有两种解决策略，一种是假设预测模型误差出现在声源计算部分，通过监测值对源强进行修正；另一种是对预测模型本身进行修正，通过大量实验及利用回归分析等方法对声源模型的相关系数进行调整。

(2)声源信息不准确产生的误差。车速信息、车型比例等交通流信息更新不及时会产生声源误差。其应对策略一般有两种，一种是将交通监测装置、气象监测装置等与环境噪声预测系统进行数据联动，保证所有数据处于最新状态，增强声源信息的时效性；另一种是通过监测数据反演出等效源强，其中等效源强一般用单位长度声功率级来表示。利用第二种方法时需要注意监测点数目往往少于声源数目，且声源的粒度很难统一。例如一般将道路抽象成线声源，而线声源在计算中会进一步等效成一系列点声源。那么不同长度道路离散的点声源数量是不同的，其传播路径一般单独计算。由于一个监测点可能受到若干道路离散出的点声源影响，因此如何将监测值反演回每一个离散点进而更精确地等效出线声源的源强成为一个问题。一般对于此类反演会进行一些假设，如假设每个声源点源强虽然需要调整，但其对预测点影响的贡献比例不变。但由于商用预测软件求解过程一般被视为黑箱，难以进行如此粒度的假设操作，只有在自研的高度可控的预测软件包中才能实现。

(3)传播过程中产生的误差。由于传播模型一般固定不变，此类误差主要由计算原始数据和真实环境数据不一致造成。为降低此类误差，地理信息数据的及时更新至关重要。传播模型软件化实现是另外一个关键，即传播模型计算模块是否能处理复杂的反射绕射环境，及复杂地形的影响。

3.4相干噪声模型

在环境噪声预测中，声接收点处的声压往往是多个声源共同作用的结果，设声接收点处声压为pR，两个声源经传播衰减达到声接受点处的声压分别为p1和p2。一般情况下，声源间不相干，声接收点处声压可按能量来叠加，如式(3)所示：

(3)

但在某些特殊情况下，如声源构成主要为A、B、C三相变压器的变电站，各相变压器辐射噪声相位相差120°，需要将相干噪声模型引入到环境噪声预测中。相干噪声模型如式(4)所示：

(4)

式中，θ为接收点处两声源声压信号的相位差。

3.5噪声地图及快速计算技术

噪声地图是利用环境噪声监测技术和预测技术进一步衍生出的用于噪声管理的重要工具。噪声地图主要用途[5]有：(1)量化确定主要噪声源；(2)可视化显示噪声分布，为决策者提供决策依据；(3)推动噪声控制政策的发展；(4)区域噪声控制的成本决策与效益分析；(5)预测环境噪声的发展趋势；(6)改进国家或区域性政策，减少新噪声源，保护噪声敏感区域；(7)监控环境噪声变化趋势；(8)监控治理噪声污染执行过程中降低效果；(9)提供噪声对人类影响研究的基础平台。

噪声地图的求解依赖于环境噪声预测模型的软件化实现，目前商业化的噪声预测软件包括CadnaA、Lima、SoundPlan、SwallowSound等。但由于商业化软件的封闭性，使得计算软件与监测系统数据平台之间的集成变得困难，因此预测软件的云端化、平台化、服务化逐渐将成为趋势。

另外，噪声地图计算，特别是3D噪声地图计算，是高度的计算密集性任务，需要消耗大量的计算资源。传统计算软件主要是利用并行计算技术来提升计算效率。其并行模式一般为：软件多节点部署并直接通讯、子任务分发、子任务计算、结果汇总展示。此并行模式优点是机制简单、实现容易；缺点是系统部署较为复杂，系统柔性、容错性和冗余性都较差，并且计算任务管理不够灵活，难以应对大型噪声地图绘制项目中的软硬件环境重构及海量计算任务数据管理。

目前来看，充分利用云计算或分布式计算技术，甚至是通用计算技术来求解噪声地图，将成为噪声地图计算软件下一阶段的发展方向。图2给出了利用面向服务的体系结构进行噪声地图分布式计算的体系结构图[6]。

图2　基于SOA的噪声地图分布式计算Fig.2　SOA-based distributed computing of noise mapping

4监测数据与预测模型的融合平台

目前，环境噪声预测的关键技术研发已经取得了一些初步成果，如图3所示。基于这些平台，可以实现环境噪声监测数据与预测模型的融合。

4.1开放式动态噪声地图计算平台

图3　环境噪声监测数据与预测模型的融合平台研发成果Fig.3　Development results of integration platform for the environmental noise monitoring technology and prediction model

基于监测数据的开放式动态噪声地图计算平台集成了多种环境噪声监测设备的数据源，能够将异构数据规约化处理，并针对环境噪声预测计算平台实现基于监测数据的声源反演算法，可用于动态更新噪声地图计算结果。

4.2相干环境噪声计算工具

相干环境噪声计算工具在传统环境噪声预测模型的基础上增加了相位计算功能，针对特殊需求进行快速相干噪声分布图计算。

4.3噪声地图实时渲染系统

噪声地图实时渲染提供了数据驱动的三维建筑物和噪声地图渲染引擎，能够根据GIS数据自动生成3D建筑物模型，并能够实现二维和三维噪声地图的等值线、温标图、差值等显示方法。

5结语

环境噪声管理是典型的跨学科技术领域，涉及环境声学、测量仪器仪表、计算机与互联网、高性能计算、地理信息系统等技术。同时，相关政策和标准的研究制定对于环境噪声管理也有着举足轻重的影响。

因此，充分结合现有技术优势，在数据层面、模型层面、算法层面和技术层面进行深度融合，是未来提升环境噪声管理技术水平的重要举措。

参考文献(References)：

[1]李本纲, 陶澍. 道路交通噪声预测模型研究进展[J].环境科学研究, 2002,15(2):56- 59.

[2]李楠, 冯涛, 刘斌. 噪声地图求解中的多源数据融合方法[J]. 噪声与振动控制, 2013, 33(S1): 167- 169.

[3]李楠, 冯涛, 李贤徽, 等. 交通噪声地图的声源反演及修正计算[J]. 中国环境科学, 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, 冯涛, 刘斌, 等. 基于面向服务对象体系结构的交通噪声地图分布式计算方法[J]. 计算机应用, 2012, 32(8): 2 146- 2 149.

收稿日期：2016-04-12

基金项目：北京市自然科学基金(L150007)；国家电网公司科技项目资助(BB1508-1508-00561)

作者简介：李楠(1979—)，男，北京人，副教授，博士，主要研究方向为环境声学，E-mail：linan@th.btbu.edu.cn 通讯作者：冯涛(1969—)，男，上海人，教授，博士，主要研究方向为环境声学，E-mail：fengt@th.btbu.edu.cn

DOI:10.14068/j.ceia.2016.04.003

中图分类号：X593

文献标识码：A

文章编号：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