基于地理信息系统的高速铁路噪声地图绘制技术

李晏良，刘兰华，李志强

（中国铁道科学研究院集团有限公司 节能环保劳卫研究所，北京 100081）

噪声地图是一种融合计算机、声学、地理信息等多个学科的噪声可视化技术，通过将噪声的抽象听觉感受转化为直观可视的图像，显著提升人们对噪声影响程度和范围的认知，已成为国内外环境噪声管理的重要技术手段。目前，国内外噪声地图多应用在区域性的城市噪声研究方面，在铁路行业应用较少。我国也尚未形成成熟的铁路噪声地图绘制技术［1］。

噪声地图绘制方法有3 种。第1 种是将监测数据与地理信息系统（GIS）结合的直接绘制方法，通过对一定密度的监测数据插值形成噪声分布地图，如西班牙马德里的噪声地图就是利用25 个固定监测站和14 个流动监测站对4 000 多个监测点位的噪声监测数据插值绘制而成［2］，该方法适合用于小范围内噪声地图绘制，大范围应用时噪声监测成本过高。第2 种是采用噪声预测软件间接绘制的方法：先利用成熟的噪声预测软件（如Cadna/A，Sound Plan 或Lima 等）计算噪声分布，再将计算结果发布至GIS 软件将其与地理位置信息相组合［3−4］，该方法是对GIS 的初级利用和展示，没有深度挖掘GIS 中地理信息的空间分析功能。第3 种方法是将噪声预测技术与GIS深度融合，根据噪声预测参数需求提取GIS中空间地理信息，实现噪声预测模型与GIS的交互应用，绘制出符合实际地理空间特征的噪声地图［5］。

本文基于第3 种噪声地图绘制方法，以国内某高速铁路为研究对象，通过优化噪声预测模型，搭建相应的三维GIS模型，研究高速铁路噪声地图技术方案，绘制我国首幅高速铁路噪声地图并发布。

1 高速铁路噪声预测模型优化

1.1 三等效声源模型

2010年以来，我国高速铁路噪声预测主要参照原铁道部发布的《铁路建设项目环境影响评价噪声振动源强取值和治理原则指导意见》（简称铁计44 号文）。随着对高速铁路噪声特性研究的深入，业内专家学者均认为高速铁路噪声预测应考虑噪声源发声机理及分布特征［6—8］，三等效声源的方法逐渐成为国内高速铁路噪声预测的主流。根据我国高速铁路噪声源识别结果，可将噪声源划分为下部区域、车体区域及集电系统区域等3 部分［8—9］，其中下部区域以轮轨噪声为主，可等效为由不相干偶极子源组成的有限长线声源；车体区域以车身的空气动力噪声为主，可等效为由不相干单极子源组成的有限长线声源；集电系统区域以受电弓空气动力噪声为主，可等效为偶极子的空气动力噪声源［10］。

三等效声源的划分方法是从声源分布的角度提出的，没有考虑轨道结构对噪声源的影响。

1.2 五等效声源模型及其验证

我国高速铁路典型线路形式的横截面示意图如图1所示。由图1可看出：在路基区段，轨道外侧相对开放，各等效声源噪声传播基本不受影响；在桥梁区段，靠近轨道的防护墙及桥面等结构会遮挡下部区域噪声传播，引起较大计算误差。此外，我国高速铁路声屏障典型高度为轨面以上2.05 m，而动车组高度约为4 m，在声屏障区段将整个车体区域视为单一的噪声源，也会导致声屏障的插入损失计算误差较大。

图1 我国高速铁路横截面示意图

根据不同线路形式结构差异及典型声屏障高度特点，将高速铁路噪声源分布区域进一步细化为5个部分，构建更为细化的五等效声源噪声预测模型，各区域噪声源划分情况如图2所示。五等效声源与三等效声源的关系见表1。

根据图2和表1的三等效声源、五等效声源所在范围划分方法，轨下区域、车轮区域噪声源属于下部区域，其噪声传播规律均符合式（1）；车体两部分噪声源属于车体区域，其噪声传播规律均符合式（2），集电系统区域噪声传播规律符合式（3）。通过式（4）对各等效声源在预测点P处的噪声贡献量叠加，即可求得P点的列车通过等效声级Leq。上述各式为

表1 三等效声源与五等效声源区域划分

图2 五等效声源划分示意图

式中：LPl为轨下区域或车轮区域噪声源对预测点P的贡献噪声等效声级，dB（A）；LWl为轨下或车轮区域噪声源声功率级，dB（A）；d为预测点至相应声源的直线距离，m；l为动车组长度，m。

式中：LPf为车体下半部或上半部区域噪声源对预测点P的贡献噪声等效声级，dB（A）；LWf为车体下半部或上半部区域噪声源声功率级，dB（A）。

式中：LPp为集电系统区域噪声源对预测点P的贡献噪声等效声级，dB（A）；LWp为集电系统区域噪声源声功率级，dB（A）；l1为受电弓与列车车头的距离；v为动车组运行速度，km·h−1。

为验证五等效声源模型相对于三等效声源模型的准确度优势，在所研究高速铁路的桥梁区段距离外轨中心线25 m 处布设不同高度的测点，监测某天24 h 内动车组以350 km·h−1速度通过测试断面时的等效声级Leq，实测Leq的最大值、最小值、均值并与三等效声源模型、五等效声源模型的预测结果对比如图3所示，图中A 为某一基准值。由图3可知：三等效声源模型和五等效声源模型在轨顶面以上3.5 m 处的预测值与实测均值基本一致；随着测点高度下降，防护墙与桥梁结构对下部区域噪声的影响逐渐增大，三等效声源模型预测值与实测均值差异可达到1 dB（A），而五等效声源模型的预测值更接近实测均值，差异小于0.4 dB（A）；当测点高度进一步降低，桥面对下部区域噪声源形成整体遮挡后，三等效声源模型、五等效声源模型的预测值与实测均值的差异又呈减小趋势。

图3 距离外轨中心线25 m 的不同高度处等效声级实测结果与预测结果

可见，五等效声源模型是对三等效声源模型基于具体线路结构特征的细化，虽然等效声源数量增加会提高计算复杂度，但可有效降低线路结构差异对预测结果的影响，使预测结果更加准确。

1.3 声屏障端部插入损失修正

声屏障对行驶至其端部与中间位置处动车组的噪声遮蔽效果有显著差异，为通过噪声地图分析声屏障设计长度的合理性和有效性，在噪声地图的预测算法中需考虑声屏障附加长度对降噪效果的影响。文献［11］提出了一种用于计算声屏障不同附加长度时的插入损失计算式［11］为

式中：a为声屏障相对于预测点的附加长度，m；RP（a）为声屏障附加长度为a时预测点P的插入损失，dB（A）；y为预测点至轨道中心线的直线距离，m；n为动车组通过时段等效声级随lgy衰减的常数；R为动车组全部驶入声屏障后声屏障对预测点P的插入损失，dB（A）。

目前围产医学技术迅速发展，早产儿存活率逐渐增加。但早产儿远期后遗症的发生率也逐渐增加，而且胎龄越小，出生体重越低，其发生脑瘫可能性越大。其中甲状腺激素对脑发育起着重要作用，在早产儿甲功异常中暂时性低甲状腺素血症最为常见，但国内外学者对THOP是否对早产儿神经系统有影响暂无定论。故本实验研究THOP与脑损伤相关生物标志物和神经行为相关性研究，进一步探讨THOP对早产儿神经系统发育的影响。现报告如下。

在利用式（5）计算声屏障端部不同位置处声屏障的插入损失时，a，y，l可通过预测点与线路相对位置关系以及动车组类型获得，此外还需已知R和n的值。R值可通过对比无声屏障区段和有声屏障区段的计算或实测结果获取，n值可通过对不同距离处的噪声预测后，利用趋势线拟合的方式获得。

对所研究高速铁路的桥梁区段噪声随距离变化规律进行分析，结果如图4所示。图中：B 为某一基准值。由图4可知：根据距离外轨中心线20～120 m 范围的噪声拟合结果得到n的值约为11.2。利用相同方法得到路基区段n的值约为10.8。

图4 噪声随距离变化情况

在高速铁路典型明线区段，可直接使用五等效声源预测模型计算列车通过等效声级；在声屏障区段，需在五等效声源噪声预测模型的基础上利用铁计44 号文中声屏障插入损失计算方法及声屏障端部插入损失修正方法对预测结果进行修正；其他需要对噪声进行修正的环境条件均按照铁计44 号文中相应规定执行。五等效声源噪声预测模型、铁计44 号文及声屏障端部插入损失修正方法共同构成了高速铁路噪声地图所使用的噪声预测理论模型。

2 基于GIS的噪声地图绘制

根据高速铁路噪声预测模型涉及的计算参数可知，绘制高速铁路噪声地图所需的关键地理信息主要包括预测点与线路之间的相对位置、地形起伏、建筑物影响、预测点所在区段的线路形式（桥梁、路基）及声屏障安装的范围和高度等，因此需基于上述需求搭建包含上述关键信息的三维GIS模型。

2.1 三维GIS模型搭建

在地理信息系统桌面端加载卫星影像图、高程数据（DEM）、铁路沿线建筑矢量面要素数据及铁路轨道中心线要素。将高程数据作为高程源形成起伏地形，将建筑物矢量面要素按照楼房高度属性进行垂直拉伸，并将建筑物高程设置为地面以上，形成三维建筑体要素，即可得到所需的三维基础地理信息模型，如图5所示。

图5 三维基础地理信息模型

由于高程数据未包含线路高度信息，当前基础地理信息模型无法提取接收点与其对应区段的线路相对高度、线路形式及声屏障安装情况等信息，因此需针对高速铁路进行单独的三维设计。为使铁路线同时包含高度、线路形式和声屏障安装情况等信息，需要搭建三维铁路模型，其流程如图6所示，主要包括以下步骤。

图6 三维铁路模型搭建流程

第1 步，将二维铁路中心线离散为沿线的节点，根据铁路纵断面图补充线路起伏的关键节点。

第3 步，将各节点按高度属性顺序连接生成三维铁路线。

第4 步，创建路基区段和声屏障区段面要素，分别将其与二维铁路中心线相交，得到路基/桥梁区段、有/无声屏障区段的划分，并对声屏障区段赋予相应的声屏障高度信息。

第5 步，通过邻近分析和连接分析将线路形式、声屏障等属性根据与线路的相对位置关系赋给三维铁路线相应区段。

通过以上操作，即构建出包含三维铁路的三维GIS 模型，对于模型中任意位置均可通过空间分析提取相应的地理信息参数作为开展噪声预测计算的基础数据。

2.2 噪声数据生成及可视化

为建立包含即拿即用地理数据信息的噪声数据库，可对分析区域面进行网格划分，并把计算得到的网格中心点噪声值作为整个网格面内的噪声值，实现噪声数据库的快速构建。但该方法得到的噪声图像在复杂边界处（如建筑物轮廓处、曲线段边界处）会产生锯齿形，在噪声变化显著位置会产生马赛克现象［5］，对噪声的展示效果影响较大。因此通过对离散点处噪声的插值分析形成连续的噪声云图，得到更为细致且连续的噪声分布数据。

在高速铁路中心线两侧一定范围内（以距离铁路中心线10～250 m 为例）创建噪声地图绘制缓冲区，按照一定网格密度，在该区域内生成离散的噪声分析节点。一方面，从地理数据库中提取各噪声分析节点的地理信息，并将各分析节点与高速铁路中心线、地形及沿线建筑物等做空间分析，获取噪声传播路径参数；另一方面，将各分析节点与高速铁路做邻近分析和连接分析，提取所在区段的线路形式和声屏障类型等信息，获取噪声源和障碍物影响修正参数。将各参数输入高速铁路噪声预测模型，计算得到动车组通过时段各节点处的等效声级，并采用克里金插值法生成缓冲区内连续的噪声栅格数据，按照噪声值大小分级渲染色彩，实现噪声在地图中的可视化。按以上方法生成的某高速铁路两侧250 m 内动车组通过时段等效声级分布地图如图7所示。通过该噪声地图，可直观地观察该高速铁路全线两侧的噪声影响情况。

图7 某高速铁路噪声地图

为验证噪声地图绘制结果准确度，在所研究高速铁路上行线一侧某小区内建筑物前、建筑物之间及建筑物后等多个位置，对上行方向动车组噪声进行测试和统计，各测点位置如图8所示（弹出窗口为测点1 处噪声地图计算结果）。实测结果与噪声地图计算结果对比见表2。

图8 某高速铁路噪声地图验证测点位置

表2 实测结果与噪声地图计算结果对比 dB（A）

由表2可知：各测点处噪声地图计算值与实测均值的差异在0.1～0.7 dB（A）之间，说明采用本文方法绘制的高速铁路噪声地图准确度高，可满足实际应用需求。

在形成动车组通过时段等效声级的噪声地图后，可进一步根据车流量、车长及速度等参数计算任意时段内的铁路贡献噪声地图，如每小时等效声级、昼间等效声级及夜间等效声级等，用于分析铁路贡献噪声在不同时段的动态变化情况和不同声功能区内铁路噪声影响大小和范围。

3 高速铁路噪声地图发布

上述高速铁路噪声地图的绘制和展示借助了专业的地理信息软件，用户访问数据时仍需使用该软件，导致噪声地图的通用性较差。为方便用户直接访问高速铁路噪声地图成果，需将相关数据进行发布管理。

基于网络地理信息系统（WebGIS）的高速铁路噪声地图发布方案示意图如图9所示。首先利用桌面端GIS软件将处理后的地理信息数据和噪声数据发布至GIS服务器，并在服务器端搭建相关数据的初级展示应用程序；其次添加GIS服务器的地理信息标注、检索及地理测距等常见的地理信息服务功能，并设计服务器端图形缩放、漫游、数据筛选及统计分析等工具，增强噪声地图应用程序的实用性；最后将服务器端应用程序共享至网络终端，用户即可利用计算机和手持终端等通过IE 浏览器或其他专用浏览软件访问服务器中的噪声地图数据。

图9 高速铁路噪声地图发布服务方案示意图

使用浏览器访问某高速铁路沿线昼间铁路贡献噪声等效声级的示例如图10所示。基于WebGIS的高速铁路噪声地图发布方式，实现了噪声地图的灵活管理与便捷应用。

图10 使用浏览器访问某高速铁路噪声地图

4 结 语

本文在优化高速铁路噪声预测模型基础上，根据高速铁路噪声预测模型的参数需求搭建三维地理信息模型，提出了一种融合高速铁路噪声预测模型和GIS模型的高速铁路噪声地图技术，成功绘制了我国首幅高速铁路噪声地图，并研究了利用Web⁃GIS 的噪声地图发布技术方案。对高速铁路噪声地图绘制结果与现场实测数据的对比表明，基于GIS的高速铁路噪声地图计算结果与实测结果误差小于1 dB（A）（在0.1～0.7 dB（A）之间），证明该噪声地图技术具有较高的准确度，可作为铁路噪声管理部门制定噪声监管及控制对策的重要依据。该技术在我国高速铁路网中大范围推广应用，将有效提升我国高速铁路噪声管理技术水平。

作为一种高效、直观的噪声可视化技术手段，噪声地图是未来噪声管理的重要发展方向之一。随着我国高速铁路运营里程的迅猛增长以及“高铁进城”的新发展趋势，高速铁路噪声地图将成为城市区域噪声地图的重要组成部分，并将在城市和铁路规划、噪声污染防治、智慧高铁、信息化高铁等方面发挥重要作用，对于推动我国高速铁路环境噪声管理数字化、智能化和现代化具有重要意义。