交通噪声的反演预测(G)

Inversion Method for Prediction of Traffic Noise
交通噪声的反演预测
杨洁,蒋从双,李贤徽
(环境噪声与振动北京市重点实验室, 北京市劳动保护科学研究所, 北京, 100054）
Inversion Method for Prediction of Traffic Noise
Jie Yang, Congshuang Jiang, Xianhui Li
( Beijing Key Laboratory of Environment Noise and Vibration.; Beijing Municipal Institute of Labor Protection, Beijing 100054, China)
1引言1
噪声地图技术是本世纪初在欧洲迅速发展的
一项新型城市噪声预测方法，它综合了计算机仿真技术与数字地理信息系统技术，针对道路交通噪声、铁路噪声、工业噪声和机场噪声等，将城市地图上每个接收点的叠加噪声值拟合成图像，它既是一种有效的决策工具，也是评估噪声污染防治措施有效性的重要手段[1]。

噪声地图的绘制需要大量的噪声数据，其中交通噪声数据是重点，利用实际测量来获得大量的交通噪声数据有很多缺陷，实测只能用于评价已有道路的噪声，对于在建或规划中的道路无能为力，它往往要受到非交通声源的影响而不准确，噪声评价点数量多，需耗费大量人力物力，且难以保证同步性。

交通噪声实测数据代表监测时段的噪声水平，而该时段未必就有代表性。

而预测可以借助相对完善的模型，加上少量实测点校正，得到较好的结果，使评价工作更为细致；预测还可以求出相应的一天等效声级和一定时段内最大噪声级[2]。

对于交通噪声预测，很多人在这方面进行了研究，林志周、周国玲运用灰色系统的理论模型对城市环境噪声进行综合预测；张继萍、吴硕贤等研究了人工神经网络在道路交通噪声预测中的应用[3]；李本纲等根据我国的环境标准，借鉴美国的FHWA 交通噪声预测模型，在分析影响道路交通噪声各因素的基础上，结合实际测量数据，应用统计学原理建立适合我国城市交通和环境标准的理论统计模型[2]。

但是上述模型都需要较多的输入参数，公式
收稿日期：xxxx-xx-xx ；修回日期：xxxx-xx-xx
作者简介：杨洁（1987), 女, 河北省承德市, 满, 研究生, 主要从事噪声与振动方面研究工作
通讯作者：李贤徽，lixh@ 模型较为复杂。

本文为噪声预测提供了另一种方法——反演法。

只是利用一个简单的线性方程组，已知接收点的测量值，就可以推导出声源的真实值。

该方法具有输入参数少，计算简单，准确性高的特点。

2反演方法
在进行道路交通噪声预测的时候，声源的真实声压是无法通过实测获得的，我们通常利用监测点的监测值计算获得道路的等效声压级。

一般来说，对于单个声源j来说，它在接收点i的声压级可以表示为：
,w j i j i
L A L
-=(1)
L w,j——声源j的声压级；
L i——接收点i的声压级；
A ij错误！未指定书签。

——声源与接收点之间的全部衰减量。

对于上述方程，可以变形得到：
,
/10/10/10
101010
w j i j i
L A L
-
⋅=(2)
或者
ij j i
a E I
⋅=(3)
方程(3)是一个线性方程，基于这种关系，对于多个声源及接收点来说，我们可以推倒出如下关系式：11111
1
n
m m n n n
a a E I
a a E I
⎛⎫⎛⎫⎛⎫
⎪ ⎪ ⎪
⋅=
⎪ ⎪ ⎪
⎪ ⎪ ⎪
⎝⎭⎝⎭⎝⎭
(4)
是各个声源在接收点n的能量的叠加。

利用方程(4)的关系，我们可以在不改变接收点和声源位置的情况下，已知接收点的声压值，反演出声源的值[4]。

本文用CadnaA软件模拟某区域。

该区域内共有6条主要道路，在道路附近设置6个接收点。

选择接收点的位置时，要尽量靠近道路，远离其他声源，使得每个接收点只受一个主要声源作用。

赋予
Inversion Method for Prediction of Traffic
每条道路一个符合实际的声压值，用软件计算得到各接收点的声压值。

然后令每条道路单独作用，计算在每个接收点的声压值，根据方程(1)，可以得到各条道路与接收点之间的衰减量，随即得到方程(4)中的系数矩阵。

在不改变声源和接收点位置的情况下，可以通过接收点的声压值，反推出声源的声压值。

然后假设不知道源的声压级，改变接收点的值，
图1 声源与接收点的位置图
Fig.1 Locations of sound sources and receivers
反演出声源的值。

实验证明，只要不改变接收点位置，由系数矩阵反演得到的声源声压值与真实值非常接近。

并且，接收点的位置越靠近声源，由接收点的误差引起的声源声压值的偏差越小，对于估计声源的真实值越有利。

3反演法绘制噪声地图
噪声地图用不同的颜色表示不同的噪声级，可以直观的反应绘制区域的环境噪声状况。

绘制噪声地图时，准确性非常关键。

本文中提到的反演法，反推得到的声源值十分接近真实值，这为获得准确的交通噪声数据，绘制精确的噪声地图提供了很大的帮助。

通过表1和图2可以看出，由反演法得到的声源值与真实值之间差别很小，均在0.1dB以内。

因S1 S2 S3 S4 S5 S6
真实值71.3 70.2 69.9 69.9 65.9 65.9
反演值71.2 70.3 69.8 69.9 66.0 65.8
表1 道路噪声真实值与反演值
Tab.1 Real sound level and inverse sound level
此，反演得到的声源值可以看作是声源的真实值。

由反演
得到的
数据所
绘制的
噪声地
图与真
实值绘
制的噪声地图几乎没有差别。

由此可见，利用反演法得到的数据具有很高的准确性，由此得到的噪声地图真实可信。

图2 反演声源绘制的噪声地图
Fig.2 Noise map for inverse sources
4 结论
本文通过CadnaA软件模拟数据，并进行反复实验，证明利用系数矩阵反演进行声源的预测有很好的准确性。

将其运用到道路交通噪声的预测中，将对优化噪声地图，提高噪声地图的准确性有很大帮助。

由于接收点与声源之间的距离对反演的准确性有很大影响，所以在选择接收点位置时，选择最佳的测量地点是利用反演方法获得准确数据的关键[5]。

参考文献:
[1]赵秋月. 噪声地图及其在规划中的应用[J]. 四川环境,
2007;26(1):100-102.
Oiuyue Zhao. Noise Mapping and Its Application in Urban Planning[J]. SiChuan Enviroment, 2007; 26(1):100-102.
[2]陈丽文. 城市交通噪声分析及其系统研究[D]. 内蒙古
工业大学，2006级硕士学位论文.
Liwen Chen. Analysis on the noise from urban traffic and study of traffic system[D].I nner Mongolia industrial university, Master's degree thesis, 2006.
[3]张继萍, 吴硕贤. 人工神经网络在道路噪声预测中的应
用[J]. 环境科学学报,1998;18(5):471-477.
Iiping Zhang, Shuoxian Wu. An artificial Neural Network for Noise Prediction[J]. Acta Scientiae circumstantiae, 1998; 18(5):471-477.
[4]Wolfgang Probst. Noise Prediction based on Measuremen-
ts[DB/OL]./fileadmin/user_upl
oad/PDF/Papers/Paper_MeasurementCalculation_Probst_
DAGA2010.pdf.
[5]Reiter, M. et al: Optimizing localization of noise
monitoring stations for the purpose of inverse engineering app lications. Acoustics’08, Paris 2008。