基于生成对抗网络的城市交通噪声快速制图方法
机器学习
2024-09-04 v2 应用物理
摘要
随着城市化的快速发展和交通密度的增加，交通噪声已成为城市规划中的一个主要问题。然而，传统的网格噪声制图方法在时间消耗、软件成本以及缺乏参数集成接口方面存在局限性。这些局限性阻碍了其在街道尺度城市规划早期设计阶段满足迭代更新和快速性能反馈需求的能力。在此，我们开发了一种快速的城市交通噪声制图技术，利用生成对抗网络(GAN)作为代理模型。该方法通过使用道路和建筑物等城市元素作为输入，能够快速评估城市交通噪声分布。验证数据集的均方根误差(RMSE)和结构相似性指数(SSIM)的平均值分别为0.3024 dB(A)和0.8528。训练好的模型作为工具集成到Grasshopper中，便于快速生成交通噪声地图。这种集成使得城市设计师和规划师，即使是那些没有声学专业知识的人，也能在早期设计阶段轻松预测设计引起的声学影响变化。
引用
@article{arxiv.2405.13227,
title = {A rapid approach to urban traffic noise mapping with a generative adversarial network},
author = {Xinhao Yang and Zhen Han and Xiaodong Lu and Yuan Zhang},
journal= {arXiv preprint arXiv:2405.13227},
year = {2024}
}
备注
Accepted by Applied Acoustics