基于条件化正规流的城市声传播实时预测
机器学习
2025-10-07 v1 计算机视觉与模式识别
摘要
准确且快速的城市噪声预测对于公共健康以及城市中的监管工作至关重要，环境噪声指令要求定期制定战略性噪声图和行动计划，常常需要在许可流程、权利线划分和施工调度中使用。在许多情境下，基于物理的求解器速度过慢，难以进行此类时间紧迫且具有迭代的"what-if"研究。我们评估了条件化正规流（Full-Glow）用于从二维城市布局生成符合标准的城市声压图。我们的模型在单块 RTX 4090 上实现了每 256x256 地图的实时生成，使其在商品硬件上直接进行交互式探索成为可能。在覆盖 Baseline、Diffraction 和 Reflection 三种 regime 的数据集上，模型相较于参考求解器快逾 2000 倍，在提升 NLoS 准确性方面相较于先前深度模型提升了最高达 24%；在 Baseline NLoS 场景中，我们达到 0.65 dB 的高结构保真度 MAE。该模型复现了衍射和干涉图案，并支持在源或几何变更时进行即时重新计算，成为城市规划、合规绘图和操作（如临时路段关闭、夜间作业变更评估）的实用引擎。
引用
@article{arxiv.2510.04510,
title = {Real-time Prediction of Urban Sound Propagation with Conditioned Normalizing Flows},
author = {Achim Eckerle and Martin Spitznagel and Janis Keuper},
journal= {arXiv preprint arXiv:2510.04510},
year = {2025}
}