基于使用图像识别追踪车辆的智能道路交通噪音模型的改进和验证:EAgLE 3.0

科学领域:

• 环境科学 环境科学
• 声学 声学 在声学方面
• 运输工程 运输工程

背景情况:

• 道路交通噪音是一个重要的环境污染物,特别是在欧洲的城市地区.
• 准确评估交通噪音需要模拟模型的可靠输入数据.
• 现有的数据收集方法可能是劳动密集型或缺乏精度.

研究的目的:

• 开发和验证一种方法来从视频记录中收集道路交通噪声模型的基本输入 (车辆数量,类别,速度).
• 将这些数据与CNOSSOS-EU模型集成,以准确评估噪声影响.
• 为交通噪声分析提供更有效,更精确的方法.

主要方法:

• 使用图像推断开发了一个Python程序,用于从视频数据即时检测车辆,速度和分类 (轻/重).
• 车辆数据是从意大利高速公路视频录像中收集的.
• 收集的数据使用CNOSSOS-EU模型进行处理,以估计噪声功率水平和整体交通噪声影响.

主要成果:

• 开发的方法在收集流量输入数据方面表现良好.
• 噪声影响估计显示平均误差为-1.0dBA.
• 平均绝对误差 (MAE) 为3.6dBA,这表明准确度很高.

结论:

• 拟议的方法提供了一种有效的方法,用于收集道路交通噪声建模的关键数据.
• 这种方法提高了噪声影响评估的准确性和效率,特别是在城市环境中.
• 这些发现有助于更好地管理和减轻交通噪音污染的策略.