System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于数据处理,具体涉及一种噪声在线监测与溯源方法。
技术介绍
1、为实现对城市噪声的精准监测与溯源,现有技术中提出了如下方法,如中国专利文献1:cn112463898b公开了一种结合速度与噪声监测数据的噪声地图更新方法,该方法首先根据静态噪声地图中的道路等级进行分类,然后根据道路速度对每一类进行聚类,通过获取在更新时刻道路的速度数据算出每一条道路由于速度变化引起的噪声值的变化量,通过道路的噪声监测数据算出被监测道路由于密度变化引起的噪声值的变化量,根据这两部分的结果算出在当时的交通这条件下,每一条道路相对于静态噪声地图时刻的噪声值的变化量,如此可以实现对噪声地图的及时更新;又例如中国专利文献2:cn110516023b公开了一种基于移动感知的噪声地图绘制方法,该方法利用智能手机采集获取目标监测区域内的噪声数据,噪声数据包括噪声值数据及其对应的经纬度,利用反距离加权插值法对噪声数据进行渲染,获取目标监测区域噪声地图,其中,反距离加权插值法充分考虑了空间环境因素对噪声传播的影响,因而由其渲染生成的噪声地图的准确度更高。
2、然而,噪声的类型不仅仅包括交通噪声,还包括各类机械噪声和人声噪声,上述专利文献1的监测范围过小,无法整体的展示城市各种类型噪声的分布情况,专利文献2中通过智能手机对噪声进行监测,该方法需要检测人员携带智能手机多次循环监测,如此会耗费较大的人力成本。
技术实现思路
1、为解决上述问题,本专利技术提供了一种噪声在线监测与溯源方法,以实现在较低人力成
2、为了达到上述的专利技术目的,本专利技术提出一种噪声在线监测与溯源方法,包括:
3、生成城市建筑的三维模型,将所述三维模型融合至城市平面图中,获得综合地图;
4、识别所述综合地图中的所述三维模型,将其中的所述三维模型划分为第一类型、第二类型和第三类型,所述第一类型包括工厂和施工中的建筑,所述第二类型包括交通车站,所述第三类型包括商场;
5、在所述综合地图中确定噪声监测点,在所述噪声监测点布设噪声传感器,所述噪声传感器收集声音数据并上传;
6、定位模型基于所述声音数据获取声音来源相对于所述噪声传感器的传播方向和传播距离,分类模型为所述声音数据标注噪声标签,所述噪声标签包括机械噪声、交通噪声和人声噪声,所述机械噪声、所述交通噪声、所述人声噪声分别对应所述第一类型、所述第二类型和所述第三类型的所述三维模型;
7、以所述噪声传感器为起点,基于所述传播距离和所述传播方向生成探测区域,将所述探测区域中与所述噪声数据类型对应的所述三维模型定为噪声发源地;
8、可视化展示所述综合地图,并在其中标记所述噪声发源地。
9、进一步地,分类模型为所述声音数据标注噪声标签包括以下步骤:
10、收集历史数据,为每条所述历史数据标注对应的所述噪声标签,所述历史数据为已经收集的所述声音数据,基于所述历史数据确定至少一个目标时间区间,设置数据特征,从每条所述历史数据中抽取所述目标时间区间所述声音数据的所述数据特征,并作为训练数据,使用所述训练数据训练并建立所述分类模型;
11、获取所述噪声传感器当前上传的所述声音数据,抽取所述声音数据中所述目标时间区间内的部分作为目标区域,所述分类模型对所述目标区域进行识别,获取每个所述目标区域属于各个所述噪声标签的概率,筛选大于预设保留阈值的所述概率,将对应的所述噪声标签设定为备选标签,将统计各种所述噪声标签作为所述备选标签的出现次数,将所述出现次数最多的所述备选标签设定为当前所述声音数据的所述噪声标签。
12、进一步地,确定所述目标时间区间包括以下步骤:
13、设定划分区间,基于所述划分区间将每条所述历史数据分割为多个第一时间区间,将所述第一时间区间遍历组合,获得多种第二时间区间,所述第二时间区间对应的所述声音数据定义为第一子数据,所述第一子数据具有与对应所述历史数据相同的所述噪声标签;
14、将相同所述第二时间区间的所述第一子数据划分至同一个第一数据组内,计算所述第一数据组的评价值,所述评价值越高,代表所述第一数据组内不同所述噪声标签对应的所述声音数据区分度越高,设定第一阈值,筛选所述评价值大于所述第一阈值的所述第一数据组,定义为第二数据组,使用所述第二数据组训练所述分类模型,获得所述分类模型对不同类型所述噪声标签的识别准确率,筛选针对单种所述噪声标签所述识别准确率大于第二阈值的所述第二数据组,对应的所述第二时间区间为所述目标时间区间。
15、进一步地,计算所述评价值包括以下步骤:
16、基于相同所述噪声标签的所述第一子数据计算组内方差,基于不同所述噪声标签所述第一子数据计算组间方差,将所述组间方差和所述组内方差的比值作为所述第一数据组对应所述第一数据组的所述评价值。
17、进一步地,将所述声音数据上传包括以下步骤:
18、当所述噪声传感器监测到声音强度大于预先设定的第三阈值时,所述噪声传感器开始记录所述声音数据,当所述声音数据的记录时长达到预定时长时,所述噪声传感器将录制完成的所述声音数据存储为第一数据,在达到传输间隔后,所述噪声传感器将所述第一数据上传,判断所述第一数据是否上传成功,是的情况下,将存储的所述第一数据删除,否的情况下,继续存储所述第一数据,等待所述传输间隔后再次进行上传;
19、当存储的所述第一数据的数量超过第四阈值时,所述噪声传感器使用所述划分区间将每条所述第一数据拆分多个所述第一时间区间,所述噪声传感器提取各个所述第一时间区间对应所述声音数据的所述数据特征,将相同所述第一时间区间的所述数据特征合并为综合特征,基于所述综合特征生成合成数据,当存在所述第一数据上传成功后,将所述合成数据上传,所述分类模型基于所述合成数据中的所述综合特征进行分类。
20、进一步地,设置多种传输等级,所述传输等级越高,所述噪声传感器的所述传输间隔越短,每种所述传输等级对应一种数值范围,所述噪声传感器每到达更新时间计算生成所述第一数据的频率,基于所述频率所在的所述数值范围,调整所述噪声传感器至对应的所述传输等级。
21、进一步地,所述综合特征包括所述数据特征的平均值、中值、最大值和最小值。
22、进一步地,分析所述综合地图包括以下步骤:
23、为所述第一类型、所述第二类型和所述第三类型的所述三维模型预设多种模板轮廓,提取所述综合地图中所述三维模型的建筑轮廓,将所述建筑轮廓与不同的所述模板轮廓对比获得相似度,提取与所述建筑轮廓所述相似度最大的所述模板轮廓,将所述模板轮廓的类型赋予所述建筑轮廓所对应的所述三维模型。
24、进一步地,所述分类模型为cnn卷积神经网络模型。
25、进一步地,所述定位模型为自由场模型或远场模型。
26、与现有技术相比,本专利技术的有益效果至少如下所述:
27、本专利技术首先将本文档来自技高网...
【技术保护点】
1.一种噪声在线监测与溯源方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,分类模型为所述声音数据标注噪声标签包括以下步骤:
3.根据权利要求2所述的方法,其特征在于,确定所述目标时间区间包括以下步骤:
4.根据权利要求3所述的方法,其特征在于,计算所述评价值包括以下步骤:
5.根据权利要求3所述的方法,其特征在于,将所述声音数据上传包括以下步骤:
6.根据权利要求5所述的方法,其特征在于,设置多种传输等级,所述传输等级越高,所述噪声传感器的所述传输间隔越短,每种所述传输等级对应一种数值范围,所述噪声传感器每到达更新时间计算生成所述第一数据的频率,基于所述频率所在的所述数值范围,调整所述噪声传感器至对应的所述传输等级。
7.根据权利要求5所述的方法,其特征在于,所述综合特征包括所述数据特征的平均值、中值、最大值和最小值。
8.根据权利要求1所述的方法,其特征在于,分析所述综合地图包括以下步骤:
9.根据权利要求1所述的方法,其特征在于,所述分类模型为CNN卷积神经网络
10.根据权利要求1所述的方法,其特征在于,所述定位模型为自由场模型或远场模型。
...【技术特征摘要】
1.一种噪声在线监测与溯源方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,分类模型为所述声音数据标注噪声标签包括以下步骤:
3.根据权利要求2所述的方法,其特征在于,确定所述目标时间区间包括以下步骤:
4.根据权利要求3所述的方法,其特征在于,计算所述评价值包括以下步骤:
5.根据权利要求3所述的方法,其特征在于,将所述声音数据上传包括以下步骤:
6.根据权利要求5所述的方法,其特征在于,设置多种传输等级,所述传输等级越高,所述噪声传感器的所述传输间隔越短,每种所...
【专利技术属性】
技术研发人员:范东平,张音波,曾嘉强,郭晶晶,
申请(专利权)人:生态环境部华南环境科学研究所生态环境部生态环境应急研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。