建筑與藝術學院規劃與風景系張雨洋博士最近發表的論文《使用旋轉移動監測和機器學習方法預測高動態交通噪聲》（Predicting highly dynamic traffic noise using rotating mobile monitoring and machine learning method）榮獲第十七屆北京青年優秀科技論文獎。該成果在國際知名環境健康期刊《Environmental Research》上發表，張博士作為第一作者（個人鏈接https://jzys.ncut.edu.cn/info/1032/2542.htm），論文DOI為：10.1016/j.envres.2023.115896。

張雨洋博士的研究聚焦于全球第二大環境問題——高度波動性的交通噪聲。由于缺乏大量精細的噪聲監測數據以及面臨在無噪聲數據情況下精確預測噪聲水平的挑戰，高動態噪聲地圖的創建一直是交通噪聲管理中的關鍵難題。張博士提出了一種創新的噪聲監測方法——旋轉移動監測法，該方法結合了固定和移動監測的優勢，顯著擴大了噪聲數據的空間覆蓋和時間解析能力。

通過在北京海淀區進行的監測活動，該研究覆蓋了54.79公里道路和22.15平方公里的總面積，收集了來自152個固定采樣點18213個1秒間隔的A加權等效噪聲（LAeq）測量值。研究還整合了自采集街景圖像、氣象數據和建筑環境數據，利用計算機視覺和GIS工具在四個類別中測量了49個預測變量，并訓練了六個機器學習模型以及線性回歸模型來預測LAeq。其中，隨機森林模型以0.72的R2值和3.28 dB的RMSE表現最佳，其次是K-近鄰回歸模型。

最佳模型揭示了到主要道路的距離、街道綠視率指數和過去3秒內汽車的最大視野比例是影響噪聲水平的主要因素。此外，該模型成功應用于生成研究區域的點和街道層面的9天交通噪聲地圖，證明了研究的可復制性和擴展性，為獲得高動態噪聲地圖提供了新的途徑。

多傳感器融合采集模式

論文中生成的高精細化交通噪聲地圖

編輯：左芳舟