基于LoRaWAN的机器学习动态噪声映射用于城市噪声管理
人工智能
2024-08-01 v1 网络与互联网体系结构
摘要
静态噪声地图描绘了大范围区域的长期噪声水平，是市政当局减少居民噪声暴露的宝贵规划资产。然而，具有瞬态行为的非交通噪声源（人们经常抱怨的对象）通常被静态地图忽略。我们在此提出一种动态噪声映射方法，利用通过低功耗广域网（LPWAN，特别是LoRaWAN）物联网基础设施收集的数据，这是智慧城市最常见的通信骨干之一。由于这些协议的数据速率较低，基于LPWAN的噪声映射具有挑战性。所提出的动态噪声映射方法通过机器学习（ML）利用稀疏数据来预测非交通噪声源的事件和位置，从而减轻了数据速率限制的负面影响。这些模型的优势在于考虑了城市环境中建筑物引起的噪声空间变化。所提方法的有效性和所得动态地图的准确性在现场测试中进行了评估。结果表明，所提出的系统可以将非交通噪声源引起的地图误差降低高达51%，并且在显著的数据包丢失情况下仍能保持有效性。
引用
@article{arxiv.2407.21204,
title = {LoRaWAN Based Dynamic Noise Mapping with Machine Learning for Urban Noise Enforcement},
author = {H. Emre Erdem and Henry Leung},
journal= {arXiv preprint arXiv:2407.21204},
year = {2024}
}