道路交通噪聲源強快速建模方法

楊潔，李賢徽，蔣從雙，王文江

（北京市勞動保護(hù)科學(xué)研究所環(huán)境噪聲與振動北京市重點實驗室,北京100054）

道路交通噪聲源強快速建模方法

楊潔，李賢徽，蔣從雙，王文江

（北京市勞動保護(hù)科學(xué)研究所環(huán)境噪聲與振動北京市重點實驗室,北京100054）

道路交通噪聲源強的預(yù)測是道路交通噪聲預(yù)測的關(guān)鍵。由于車輛狀況、道路狀況等在我國具有不同的特點；因而在采用國外道路交通噪聲源強模型時將導(dǎo)致準(zhǔn)確性降低。建立源強模型通常采用的實驗方法對場地要求嚴(yán)格，樣本數(shù)量需求巨大，不易獲得本地模型。基于標(biāo)準(zhǔn)實驗情況建立的模型不一定適用于復(fù)雜的城市交通流。為此，提出一種簡單快速建立符合本地城市交通特點模型的方法，該方法以實測交通流數(shù)據(jù)計算觀測點噪聲，通過優(yōu)化算法求解最優(yōu)參數(shù)，確定本地化源強模型。該方法利用多輛車共同作用得到的等效聲級，反演得到單車模型，既包含了豐富的樣本，又節(jié)省測量時間。以北京選取道路的實踐為例，建立模型并驗證，結(jié)果表明本方法快速易行，準(zhǔn)確性高。

聲學(xué)；道路交通噪聲；源強模型；本地模型；噪聲監(jiān)測

隨著社會經(jīng)濟不斷發(fā)展，城市機動車保有量不斷增加，交通噪聲污染也隨之愈加嚴(yán)重。城市生活噪聲中有超過70%的噪聲來自交通噪聲[1]。噪聲污染已經(jīng)成為僅次于空氣污染和水污染的世界第三大污染[2]。噪聲不僅會使人煩躁和失眠，甚至?xí)?dǎo)致心臟病、學(xué)習(xí)障礙和耳鳴，據(jù)世界衛(wèi)生組織歐洲區(qū)統(tǒng)計表明，在西方國家每年有超過100萬人因交通噪聲而早逝、致殘或生病[3]。

作為噪聲污染研究的重要課題，道路交通噪聲預(yù)測研究已經(jīng)在世界范圍內(nèi)廣泛開展。許多國家都已建立反映本國特色的預(yù)測模型，常見的有英國CRTN模型，美國的FHWA模型，日本的ASJ模型等[4]。但是由于各國國情存在差異，直接套用外國模型會存在偏差。FHWA模型在貝魯特應(yīng)用預(yù)測結(jié)果比實際值低5 dB[5]；CRTN模型在柏林應(yīng)用預(yù)測誤差為-1.8 dB～3 dB[6]，在香港應(yīng)用有90%的預(yù)測數(shù)據(jù)誤差達(dá)到3 dB[7]。近年來，歐盟相繼開展IMAGINE和HARMONOISE計劃，其目的是提出歐盟各國統(tǒng)一的交通噪聲預(yù)測模型，以解決相同情況利用不同國家模型預(yù)測結(jié)果不同的問題[8]。我國尚未推出標(biāo)準(zhǔn)的通用預(yù)測模型，噪聲預(yù)測工作中經(jīng)常使用FHWA模型，其適用速度范圍是50～100 km/h，主要用于高速公路的噪聲預(yù)測，而我國城市道路一般限速為40 km/h或60 km/h，并且該模型建立時依據(jù)的車輛狀況、路面狀況等與我國存在較大的差異，直接套用難以保證預(yù)測精度。因此，建立符合我國車輛、道路以及交通情況的噪聲預(yù)測模型是十分必要的。

源強模型作為建立噪聲預(yù)測模型的關(guān)鍵，一般用聲壓級或聲功率級關(guān)于速度的函數(shù)來表示，通常采用實驗方法確定?！稒C動車輛噪聲測量方法》[9]、《汽車加速行駛車外噪聲的測量方法》[10]等對我國單車噪聲排放測量的實驗方法做出了規(guī)定，對于實驗場地的地面條件、車輛條件、背景噪聲以及測試樣本數(shù)量都有嚴(yán)格要求。由于建立模型需要大量樣本，標(biāo)準(zhǔn)實驗場測試成本較高。選取郊區(qū)車流量較小的道路測試成本相對較低，但車速不可控制且相對集中，所建立的模型適用速度范圍具有局限性。

為了解決上述問題，本文提出了一種簡單快速建立本地預(yù)測模型的方法，該方法以實際測量的交通流數(shù)據(jù)計算觀測點噪聲，通過優(yōu)化算法使觀測點噪聲的計算值更接近于該點的實測值，從而確定最優(yōu)的模型參數(shù)。該方法利用多輛車共同作用得到的等效聲級，反演得到單車模型，既包含了豐富的樣本，又節(jié)省了測量時間。以實際城市道路作為建模數(shù)據(jù)基礎(chǔ)，更能反映本地道路交通噪聲源強的特點。

1 源強建模方法研究

1.1 虛擬實驗場的建立

所謂虛擬實驗場是針對標(biāo)準(zhǔn)實驗場而言的。本研究中的標(biāo)準(zhǔn)實驗場是指我國《機動車輛噪聲測量方法》[9]中描述的實驗場地，該方法對于測量條件、測量場地、測點位置以及加速和勻速車輛噪聲的測量方法都做出了明確的規(guī)定。

實際城市道路情況比標(biāo)準(zhǔn)情況復(fù)雜的多，日本ASJ模型[11]對于城市道路的運行情況做出了規(guī)定。該模型將道路運行狀態(tài)分為兩類：穩(wěn)定運行狀態(tài)與非穩(wěn)定運行狀態(tài)。穩(wěn)定運行狀態(tài)是指高速路段或者距離交叉口足夠遠(yuǎn)的普通道路，車輛可以以最高檔位運行，速度一般為40～140 km/h；非穩(wěn)定運行狀態(tài)是指包含信號交叉口的普通道路，車輛加減速頻繁，速度一般為10～60 km/h。我國城市道路交叉口繁多，兩交叉口間距離通常在1 000 m以內(nèi)，車輛在運行過程中受到交叉口以及信號燈的影響，加減速頻繁，符合日本ASJ模型描述的不穩(wěn)定狀態(tài)。在這種情況下，利用標(biāo)準(zhǔn)實驗場建立的車輛噪聲預(yù)測模型用于實際道路會導(dǎo)致預(yù)測準(zhǔn)確性下降。針對城市道路交通非穩(wěn)定運行狀態(tài)，我國學(xué)者李鋒等通過在標(biāo)準(zhǔn)實驗場條件采集數(shù)據(jù)并統(tǒng)計分析得到了不同類型車輛勻速行駛時距離行車線7.5 m處的噪聲排放量公式以及加減速的修正量[12]。但由于交叉口、信號燈、換道、轉(zhuǎn)彎等因素，車輛總是處在加減速、勻速等行駛狀態(tài)的不斷交替變化中，難以修正。因此，本文參考日本ASJ模型，將一般城市道路交通流看作是非穩(wěn)定流，并在此基礎(chǔ)上展開研究。

本文中提出的虛擬實驗場是指車流量、車速、車輛類型以及路況等都能代表本地實際情況的一般城市道路?，F(xiàn)有成熟道路交通預(yù)測模型雖然形式各異，但是基本可以寫成“預(yù)測聲級=源強+修正”的形式。源強可以用參考位置的聲壓級代替，也可用單車聲功率級表示。修正包括聲源本身的修正，如道路坡度、路面情況等；還包括傳播過程中的修正，如地面效應(yīng)、空氣吸收衰減等[13]。本研究建立的虛擬實驗場針對一般城市道路采集噪聲及交通數(shù)據(jù)，對道路和周圍環(huán)境影響進(jìn)行修正，使之基本達(dá)到在標(biāo)準(zhǔn)實驗場測量的效果，從而直接建立道路交通噪聲聲源與接收點之間的關(guān)系，反推單車聲功率級，即源強。圖1為虛擬試驗場建立原理的示意圖。

首先，選取包含不同車流量、車速、車輛類型以及加減速運行狀態(tài)等豐富交通信息的一般城市道路，路旁設(shè)監(jiān)測點，采集一段時間內(nèi)的等效連續(xù)A聲級，同時監(jiān)測對應(yīng)時間段內(nèi)不同類型車的流量和速度，記錄路面、坡度、綠化、建筑物、天氣等環(huán)境信息。然后對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，修正環(huán)境影響，處理后的數(shù)據(jù)可以近似看作是在標(biāo)準(zhǔn)實驗場獲得的數(shù)據(jù)，用來推導(dǎo)參考聲壓級模型。虛擬實驗場方法針對一般城市道路測量，包含了豐富的車輛狀況以及運行狀態(tài)，同時能夠反映城市的交通特點，由此得到的車輛預(yù)測模型更具有本地化特征。

1.2 模型參數(shù)的反演

如圖2所示，假設(shè)單個流動聲源的聲功率為w瓦，其移動速度為v m/s，聲源從A移動到B，C點距AB垂直距離為r，假設(shè)車輛行駛到距C點最近的O

圖1.虛擬實驗場建立原理圖

圖2.道路交通噪聲建模原理示意圖

點時刻為0，則在某時刻t，C點的聲強為[14]

C點在單位面積上，dt時間內(nèi)接收到的聲能為Idt，移動聲源從T1時刻開始由A點駛向上接收到的總聲能E為：

在T時段內(nèi)具有相同聲功率的n個流動聲源，以相同的速度通過路段AB，則C點接收到的平均聲強可按如下公式求出

依據(jù)等效連續(xù)A聲級的定義，并假設(shè)LP=LI，則

考慮環(huán)境修正，公式（4）可以表示為

其中ΔL為環(huán)境因素的修正，可以根據(jù)《環(huán)境影響評價技術(shù)導(dǎo)則聲環(huán)境》HJ 2.4-2009[15]中提供的方法計算，也可以選用國外成熟模型中提到的方法計算，還可以自行設(shè)計實驗，達(dá)到修正的目的。

單車的噪聲源強依賴于車輛的類型和車輛的行駛速度。日本ASJ模型[11]給出了在非穩(wěn)定運行狀態(tài)下，單車聲功率級的表達(dá)式

其中a、b為模型參數(shù)，取值見表1。建立符合我國國情的源強模型，首先要確定符合我國國情的模型參數(shù)a和b。

表1 日本ASJ模型不同交通狀態(tài)下不同車輛類型a、b的取值

不同類型車輛（車輛類型劃分見表2）在接收點總的等效連續(xù)A聲級可以表示為：

表2 日本ASJ模型不同類型車輛的劃分

能夠使測量值與預(yù)測值的誤差平方和最小的模型參數(shù)確定為最優(yōu)參數(shù)，則目標(biāo)函數(shù)為

其中M為不同速度范圍內(nèi)的實測道路數(shù)目，Ni為第i條道路實測數(shù)據(jù)的組數(shù)，LAeq,cal,i為第i條道路第j組計算的觀測點噪聲，LAeq,mea,i為第i條道路第j組實測的觀測點噪聲，qi為第i條道路所代表的速度范圍的權(quán)重。

最后利用優(yōu)化函數(shù)，確定最優(yōu)參數(shù)值。

2 實例驗證

2.1 監(jiān)測數(shù)據(jù)與修正

本研究選取北京市興業(yè)大街、西南四環(huán)、宣武門大街三種等級道路作為研究對象，測點距地面1.2 m，距最外側(cè)道路中心線7.5 m，監(jiān)測5 m in內(nèi)等效連續(xù)A聲級以及相應(yīng)的車流量車速車輛類型等，并同時記錄相應(yīng)的環(huán)境狀況作為修正的依據(jù)，監(jiān)測道路的具體情況見表3。

表3 研究路段情況

由于環(huán)境修正是本方法十分重要的一環(huán)，因此在選取道路時，為了保證修正的準(zhǔn)確性，并沒有選擇環(huán)境十分復(fù)雜的情況，而是選擇行人和商業(yè)等影響較小的路段進(jìn)行。對于環(huán)境與本研究中選取路段有較大差異的情況，只要保證環(huán)境修正值能準(zhǔn)確獲取，本方法依然適用。

2.2 模型參數(shù)確定

利用興業(yè)大街和西南四環(huán)數(shù)據(jù)反推模型參數(shù)，宣武門大街?jǐn)?shù)據(jù)作為驗證數(shù)據(jù)。只考慮觀測點兩側(cè)100 m范圍內(nèi)的路段對觀測點的噪聲影響，范圍之外的路段影響忽略不計。將正反兩個方向的車流看作是距觀測點距離不等的兩個線源，分別計算每個線源在觀測點總的聲壓級再疊加得到道路在觀測點的總聲壓級。

調(diào)用fmincon函數(shù)，確定初始值和約束條件，求解目標(biāo)函數(shù)的最小值。

取各條道路權(quán)重qi相同，采用多組初始值（包括日本ASJ模型設(shè)定的參數(shù)）進(jìn)行優(yōu)化，目標(biāo)函數(shù)均收斂，得到穩(wěn)定的本地化模型參數(shù)：

aL=80.9，bL=11.4；

aH=77.6，bH=16.4。

aL、bL、aH、bH分別為輕型車和重型車單車聲功率級模型對應(yīng)的參數(shù)。

根據(jù)日本ASJ模型提供的非穩(wěn)定狀態(tài)下單車聲功率級模型以及利用本方法推導(dǎo)的本地化單車聲功率級模型繪制曲線，如圖3—4所示。

圖3 輕型車聲功率級曲線

圖4 重型車聲功率級曲線

從圖中可以看出：對于輕型車，本地化的單車聲功率級比日本ASJ模型單車聲功率級略高；對于重型車，本地化的單車聲功率級比日本ASJ模型單車聲功率級略低，隨著速度的不斷增大，兩者差別逐漸減小，超過55 km/h時ASJ模型單車聲功率級超過本地化的單車聲功率級。由此可見，我國車輛在單車聲功率級方面與日本車輛有所不同，直接引用ASJ模型提供的單車聲功率級模型進(jìn)行預(yù)測會造成誤差。

2.3 結(jié)果對比

確定模型參數(shù)之后，分別用實際推導(dǎo)的本地化參數(shù)、日本ASJ模型提供的參數(shù)對興業(yè)大街、西南四環(huán)和宣武門大街測點聲壓級的進(jìn)行預(yù)測，預(yù)測結(jié)果與實測結(jié)果對比如圖5—7所示，橫坐標(biāo)為參與對比的數(shù)據(jù)的編號，縱坐標(biāo)為各組數(shù)據(jù)實測和利用兩種方法預(yù)測的等效連續(xù)A聲級。

圖5 興業(yè)大街預(yù)測聲壓級與實測聲壓級對比

圖6 西南四環(huán)預(yù)測聲壓級與實測聲壓級對比

圖7 宣武門大街預(yù)測聲壓級與實測聲壓級對比

為了更好的衡量預(yù)測的精度，本文計算了利用不同模型參數(shù)預(yù)測結(jié)果的平均誤差[16]

從圖8中可以看出：對于三個研究路段，本地化模型預(yù)測的平均誤差均小于ASJ模型預(yù)測的平均誤差；興業(yè)大街、西南四環(huán)、宣武門內(nèi)大街利用ASJ模型預(yù)測的平均相對誤差分別為：0.75 dB、1.32 dB、 1.41 dB。利用實際推導(dǎo)的本地化模型預(yù)測的平均誤差分別為：0.51 dB、0.68 dB、1.22 dB。以上3種情況，本地化模型預(yù)測結(jié)果均優(yōu)于ASJ模型預(yù)測結(jié)果，可見利用實際道路測量的數(shù)據(jù)推導(dǎo)的預(yù)測模型參數(shù)，更適用于本地道路交通噪聲的預(yù)測。

圖8 本地化模型與ASJ模型預(yù)測平均誤差對比

3 結(jié)語

本研究提出了虛擬實驗場的概念，選取實際城市道路進(jìn)行測試，以實際測試數(shù)據(jù)為基礎(chǔ)，利用優(yōu)化算法，反推出本地化道路交通噪聲源強模型。測試數(shù)據(jù)包含了不同車流量、車速、車輛類型以及加減速運行狀態(tài)等交通流信息，充分反映出該城市的交通流特點；并且彌補了標(biāo)準(zhǔn)實驗場或者郊區(qū)測試車況單一，車速集中等缺陷，能在短時間能獲得豐富的樣本；通過修正降低對環(huán)境的要求，便于操作，能夠快速建立具有本地化特征的源強模型。通過實例，證明了該方法推導(dǎo)得到的本地化模型在相應(yīng)城市道路交通噪聲預(yù)測中準(zhǔn)確性更高。

本文選取有限的城市道路進(jìn)行實驗，涉及車速范圍以及運行狀態(tài)不夠廣泛，數(shù)據(jù)量尚不充足，尤其是在重型車比例較小的情況下推導(dǎo)重型車單車聲功率級準(zhǔn)確性有所欠缺，在以后的工作中還需進(jìn)一步的研究，逐步提高本方法的精度。

致謝：

感謝北京市科學(xué)技術(shù)研究院科技創(chuàng)新工程項目PXM 2001_178304_112770、PXM 2012_178304_000008和北京市自然科學(xué)基金資助項目8132027提供資金支持。

[1]Kranti Kumar,Manoranjan Parida,Vinod K Katiyar.Road traffic noise prediction with neural networks-a review[J].Theories&Applications,2012,2(1):29-37.

[2]Oyedepo Sunday Olayinka.Noise pollution in urban areas: the neglected dimensions[J].Environmental Research Journal,2012,6(4):259-271.

[3]WHO Regional Office for Europe.Burden of disease fromenvironmental noise[R].2011.

[4]Steel E C.A critical review of some traffic noise prediction models[J].Applied Acoustics,2001,62(3): 271-287.

[5]FHWA-US Department of transportation federal highway adm inistration.traffic noise model[R].Version 2.5 look-up tables user’s guide,FHWA-HEP-05-008.DOT-VNTSCFHWA-0406.Final Report;2004.

[6]Murphy E,King E A.Scenario analysis and noise action planning:modelling the impact of m itigation measures on population exposure[J].Applied Acoustics,2011,72:487-94.

[7]Law C W,Lee C K,Lui A S W,Yeung M K L,Lam K C.Advancement of three-dimensional noise mapping in Hong Kong[J].Applied Acoustics,2011,72:534-43.

[8]Harmonoise technical report-deliverable 18,harmonoise wp 3 engineering method for road traffic and railway noise after validation and fine-tuning[R].2005,1,20.

[9]GB1496-1979.機動車輛噪聲測量方法[S].北京：中國標(biāo)準(zhǔn)出版社，1979.

[10]GB1495-2002.汽車加速行駛車外噪聲限值及測量方法[S].北京：中國標(biāo)準(zhǔn)出版社，2006.

[11]Yamamoto K.Road traffic noise prediction model"ASJ RTN-Model 2008":Report of the research committee on road traffic noise[J].Acoustical Science and Technology, 2010;31(1):2-55.

[12]李鋒，劉濟科，蔡銘，等.信號控制對交通噪聲的影響分析[J].噪聲與振動控制，2010，30(6)：109-113.

[13]李本綱，陶澍.道路交通噪聲預(yù)測模型研究進(jìn)展[J].環(huán)境科學(xué)研究，2002，15(2)：56-59.

[14]趙劍強，劉春玲.公路交通噪聲預(yù)測模型探討[J].應(yīng)用聲學(xué)，2005，24(3)：147-151.

[15]環(huán)境保護(hù)部.HJ2.4-2009.環(huán)境影響評價導(dǎo)則-聲導(dǎo)則[S].中國環(huán)境科學(xué)出版.

[16]Alberto Ramírez,Efraín Domínguez.Modeling urban traffic noise with stochastic and determ inistic traffic models[J].Applied Acoustics,2013,74:614-621.

Fast Modeling Method forAnalyzing the Intensity of Road Traffic Noise Sources

YANG Jie,LI Xian-hui,JIANG Cong-shuang,WANG Wen-jiang

(Beijing Key Laboratory of Environment Noise and Vibration; Beijing Municipal Institute of Labor Protection,Beijing 100054,China)

Prediction of intensity of road traffic noise sources is the key for road traffic noise prediction.Because the vehicle conditions and road conditions in China are different from those in foreign countries,direct application of the foreign models will reduce the prediction accuracy.However,it is difficult to establish a local model for the prediction because it needs a testing field with very high quality and the huge amount of samples.Besides,the model based on standard experiment may not be suitable to the complex urban traffic flow.This paper proposes a simple and rapid method to establish a model in accordance with the characteristics of the local urban transport.In this method,the noise at the observation points is calculated according to the measured traffic data,and then the optimal model parameters are determined by optimizing algorithm.Inversing the equivalent sound level resulted from the multi-vehicles co-action,a single-car sound-power-level model is obtained.This model can not only contain a wealth of samples,but also save the measurement time.Finally,a model is established and validated based on actually measured traffic data in Beijing,and the results show that this method is fast,easy for use and very accurate.

acoustics;road traffic noise;source model;local model;noise monitoring

TB5；TB535

A

10.3969/j.issn.1006-1335.2014.01.032

1006-1355(2014)01-0140-06

2013-03-06

北京市科學(xué)技術(shù)研究院科技創(chuàng)新工程項目(PXM 2001_178304_112770；PXM 2012_178304_000008)；北京市自然科學(xué)基金資助項目(8132027)

楊潔（1987-），女，河北承德人，在讀碩士生，目前從事噪聲與振動控制方向研究。

E-mail:JY_121@163.com