BR112017003751B1 - Sistema, processo e mídia de armazenamento de computador para medir condições de ruído em regiões de um ambiente urbano - Google Patents

Abstract

SISTEMA, PROCESSO E ARTIGO MANUFATURADO PARA MEDIR E DIAGNOSTICAR RUÍDO EM AMBIENTE URBANO. A presente invenção refere-se a um sistema computadorizado, que mede ruído em um ambiente urbano usando registros de dados proporcionando um local de um ruído, uma fatia de tempo associada com o ruído, e uma categoria de ruído. Esses registros de dados são esparsos com relação a ambos os locais e o tempo. O sistema computadorizado também acessa outras informações, que definem as correlações entre de os diferentes locais e as diferentes fatias de tempo. Esses dados de correlação podem incluir informações geográficas e dados históricos de amostras. Por aplicação dessas informações correlacionadas nos registros de dados esparsos sobre ruído, o sistema computadorizado pode derivar as informações de categoria de ruído e de nível de ruído por uma maior área geográfica. Essas informações podem ser proporcionadas continuamente com base nos registros sobre ruído, tipicamente, em uma questão de minutos após o recebimento dos dados de ruído para qualquer determinada fatia de tempo.

Description

ANTECEDENTES

[0001] Os ambientes urbanos apresentam muitas fontes de ruído. A capacidade de tomar decisões políticas sobre como reduzir o ruído é preestabelecida considerando as fontes e os tipos de ruído, e os prováveis efeitos das decisões políticas neles podem ser previstos. Essas previsões são, por sua vez, dependentes de medidas razoavelmente precisas de modelos de níveis de ruído e de categorias de ruído reais em diferentes momentos do dia e em diferentes locais. SUMÁRIO

[0002] Este resumo é proporcionado para introduzir uma seleção de conceitos em uma forma simplificada, que são ainda descritos abaixo na descrição detalhada. Este resumo é tencionado para identificar os aspectos básicos ou essenciais, sem limitar o âmbito, do objeto reivindicado.

[0003] Um sistema de computador mede ruído em um ambiente urbano, usando registros de dados que proporcionam uma localização de um ruído, um período de tempo associado com o ruído, e uma categoria de ruído. O sistema de computador também acessa outras informações, que definem as correlações de diferentes locais e de diferentes intervalos de tempo. Esses dados de correlação podem incluir informações geográficas e dados históricos de amostras. Por aplicação dessas informações correlacionadas nos registros de dados esparsos sobre ruído, o sistema de computador pode obter informações de nível de ruído e categoria de ruído de uma maior área geográfica. Essas informações podem ser proporcionadas continuamente, com base em registros de dados recebidos sobre ruído, tipicamente, em uma questão de minutos após receber os dados de ruído para qualquer determinado intervalo de tempo.

[0004] Na descrição apresentada a seguir, faz-se referência aos desenhos em anexo, que formam uma parte dela, e nos quais são mostradas, por meio de ilustração, implementações exemplificativas específicas dessa técnica. Deve-se entender que outras concretizações podem ser utilizadas e mudanças estruturais podem ser feitas, sem que se afaste do âmbito da invenção.

DESCRIÇÃO DOS DESENHOS

[0005] A Figura 1 é um diagrama de blocos de um meio físico de aplicação exemplificativo, no qual um sistema de computador suporta a medida de ruído em um ambiente urbano.

[0006] A Figura 2 é um fluxograma descrevendo um processo operacional exemplificativo de um sistema de computador, tal como na Figura 1.

[0007] A Figura 3 é um diagrama de exemplos ilustrativos de estruturas de dados.

[0008] A Figura 4 é um fluxograma descrevendo a operação da implementação exemplificativa de mapeamento de amostras de ruído nas regiões.

[0009] As Figuras 5 e 6 são matrizes exemplificativas de diagramas usadas para computar as condições de ruído.

[0010] A Figura 7 é um fluxograma descrevendo a operação de uma implementação exemplificativa de computação de ruído em uma região, para um intervalo de tempo.

[0011] A Figura 8 é um diagrama de blocos de um computador exemplificativo, com o qual componentes desse sistema podem ser implementados.

DESCRIÇÃO DETALHADA

[0012] A seção apresentada a seguir descreve uma implementação exemplificativa de um sistema de computador, que mede ruído em um ambiente urbano.

[0013] Um sistema de computador 100 mede ruído em regiões de um ambiente urbano usando dados de amostra 104, em que cada amostra é associada com uma categoria ou nível de ruído com uma localização e um ponto de tempo ou intervalo de tempo de vários intervalos de tempo durante o dia. Esses dados de amostra são mostrados na Figura 1 como os dados de amostra de ruído atuais (por exemplo, categoria ou nível de ruído, localização e tempo) ocorrendo no ambiente urbano.

[0014] Os dados de amostra de ruído 104 podem ser obtidos de muitos modos usando vários sensores 102. Em uma implementação, são usados os denominados dados "311". Um sistema "311", tal como o uso na cidade de Nova York, permite que as pessoas façam chamadas telefônicas para apresentar reclamações, incluindo ruído. Quando em relação a uma reclamação de ruído, a pessoa chamando proporciona entradas, que são armazenadas como registros de dados, que incluem uma data e uma hora, a localização e a categoria de ruído. Esses dados registrados para cada chamada proporcionam uma amostra de ruído para o sistema de computador em tempo real. Os dados de múltiplas chamadas são coletados e armazenados em armazenamento de computador como dados de amostra de ruído 102 atuais, para acesso pelo sistema de computador. Vários outros tipos de sensores podem ser usados para capturar as amostras de ruído. O sistema de computador 100 usa os dados de amostra de ruído 104 para, sucessivamente, computar por região, por intervalo de tempo e por informações de ruído por categoria, e proporcionar essas medidas em tempo real.

[0015] A área dentro da qual os dados de ruído são obtidos é dividida em várias regiões, indicadas como as informações regionais 108. Esse conjunto de regiões pode ser obtido, por exemplo, de informações geográficas disponíveis 115, tais como códigos postais ou informações de redes de vias. Com o uso dessas informações de rede de vias, um algoritmo de segmentação de mapa (não mostrado) pode ser aplicado a um gráfico definido por uma rede de vias, para definir as regiões. Por exemplo, esse algoritmo de segmentação pode definir regiões pelos locais de grandes segmentos de vias. As informações de redes de vias podem ser definidas, por exemplo, por um conjunto de segmentos de vias interligados, em que cada segmento de via é representado por dados incluindo pelo menos dois pontos terminais no conjunto de coordenadas geoespaciais e um comprimento.

[0016] Os dados de amostra de ruído 104 atuais e as regiões 108 são entradas para um módulo de mapeamento de ruído 106, que mapeia cada amostra de ruído em uma região dentro de um intervalo de tempo. O módulo de mapeamento de ruído produz uma matriz, para um determinado intervalo de tempo, para os dados de ruído para cada região, indicados na Figura 1 como dados regionais de ruído 110.

[0017] Os dados de amostra de ruído 104 e, subsequentemente, os dados regionais de ruído 110 são esparsos com relação a ambas as regiões e aos intervalos de tempo. O sistema de computador usa esses dados esparsos para medir ruído em cada região e em cada intervalo de tempo, incluindo as regiões e os intervalos de tempo para os quais não há dados de amostra. Para executar essa computação, o sistema de computador também acessa outras informações, que definem as correlações entre as diferentes regiões e entre os diferentes intervalos de tempo. Esses dados de correlação podem incluir, por exemplo, informações geográficas 115 e dados históricos de amostra 114, ou ainda outros dados de correlação 116.

[0018] Um exemplo desses dados de correlação são as informações geográficas 115. Como um exemplo, as informações de redes de vias podem ser aumentadas para incluir outras informações geográficas para cada segmento de via, além dos pontos finais do segmento de via. Essas informações geográficas adicionais podem incluir, mas não são limitadas a, um conjunto de pontos intermediários descrevendo o segmento de via, um tipo (por exemplo, rodovia, via urbana), um número de pistas e uma direção (por exemplo, de mão única ou bidirecional). As informações geográficas podem incluir pontos de interesse na área geográfica. Um ponto de interesse pode ser representado, por exemplo, por pelo menos um conjunto de coordenadas geoespaciais ou um segmento de via, com o qual o ponto de interesse é associado, e outros atributos, tais como um nome, uma categoria, um endereço e assemelhados.

[0019] Como outro exemplo de dados de correlação, os dados regionais de ruído 110 podem ser coletados com o tempo, por intervalo de tempo, para proporcionar informações históricas 114.

[0020] Como um exemplo de outros dados de correlação 116, os dados de localização de usuário para localização com base em redes sociais podem ser usados. Os dados de localização de usuário podem ser obtidos de redes sociais com base em localização, e proporciona dados indicativos de várias pessoas em uma determinada região. Esses dados indicam mobilidade humana dentro do ambiente urbano, que é correlacionado a ruído. Esses dados de localização de usuário são dados sem identificação e podem incluir uma contagem de usuários por região por intervalo de tempo. Essas informações podem ser proporcionadas por redes sociais baseadas em localização, tais como a rede Gowalla e a rede Foursquare. Os dados de localização de usuário podem incluir categorias similares àquelas usadas para os pontos de interesse. Os dados de tráfego ou dados de outros sensores de localização reais também podem ser usados em lugar dos dados de localização de usuário.

[0021] Os dados regionais de ruído 110 e os dados de correlação, tais como as informações históricas 114, as informações geográficas 115 e outros dados 116, são entradas para um módulo de estimativa de ruído 112. O módulo de estimativa de ruído 112 processa suas entradas para gerar estimativas de ruído por região 118, para cada região dentro do intervalo de tempo atual, em uma maneira descrita em mais detalhes abaixo. Em particular, as informações de ruído instantâneo são um conjunto de dados esparsos, representando eventos de ruído em regiões durante um intervalo de tempo. Em virtude de muitas das regiões não serem cobertas pelos dados de amostra de ruído durante um intervalo de tempo, os dados de amostra de ruído são esparsos relativos a todas as regiões. O módulo de estimativa de ruído usa as informações de correlação de outras fontes, tais como informações históricas e informações geográficas, para lidar com a dispersão dos dados para computar as estimativas de ruído por região 118, que inclui as outras regiões para as quais não há quaisquer dados de amostra.

[0022] Cada módulo do sistema de computador, tal como descrito na Figura 1, pode ser implementado por uso de uma ou mais unidades de processamento de um ou mais computadores, com um ou mais programas de computador processados por uma ou mais unidades de processamento. Esse computador é descrito em mais detalhes abaixo em conjunto com a Figura 9. Um programa de computador inclui instruções executáveis por computador e/ou instruções interpretadas por computador, tais como módulos de programas, cujas instruções são processadas por uma ou mais unidades de processamento no computador. Geralmente, essas instruções definem rotinas, programas, objetos, componentes, estruturas de dados, etc., que, quando processados por uma unidade de processamento, instruem a unidade de processamento para executar operações nos dados ou configurar o processador para implementar vários componentes ou estruturas de dados. Esse sistema de computador pode ser implementado em um meio físico de computação distribuído, em que diferentes módulos podem ser implementados em diferentes computadores, que são ligados por uma rede de comunicações. Um módulo pode em si mesmo ser implementado por uso de múltiplos computadores. Em um meio físico de computação distribuído, programas de computador podem ser localizados em ambos os meios de armazenamento de computador locais e remotos.

[0023] Um fluxograma ilustrando uma operação exemplificativas de um sistema de computador, tal como mostrado na Figura 1, vai ser agora descrito em conjunto com a Figura 2.

[0024] Na Figura 2, o sistema de computador 200 recebe dados de amostra de ruído, que incluem um número de casos de ruído por um determinado intervalo de tempo. O intervalo de tempo pode ser qualquer período de tempo suficiente para proporcionar várias amostras de ruído durante o intervalo de tempo. O módulo de mapeamento de ruído associa 202 cada amostra de ruído com uma região do ambiente urbano. O resultado são dados de ruído esparsos representando amostras de ruído em um intervalo de tempo em umas poucas regiões. Um módulo de estimativa de ruído acessa 204 os dados de correlação e depois gera 206 uma estimativa de ruído para cada região no intervalo de tempo atual.

[0025] Os detalhes de uma implementação exemplificativa desse sistema de computador vão ser agora descritos em conjunto com as Figuras 3 a 9.

[0026] Na Figura 3, estruturas de dados exemplificativas para um programa de computador são mostradas para cada um dos dados de amostra de ruído 102 e das informações de rede de vias, que são parte das informações geográficas 115, das quais os dados regionais 108 podem ser derivados. Essas estruturas de dados podem ser implementadas em armazenamento persistente, por exemplo, em uma base de dados ou em um arquivo de dados. Essas estruturas de dados podem ser implementadas em memória. Em geral, essas estruturas de dados ficam na memória para fins de computações executada, usando os dados, por vários módulos do sistema de computador.

[0027] Na Figura 3, uma amostra de ruído 300 é uma combinação de uma categoria, ou nível, de ruído 302, uma localização 304 e um tempo 306. O tempo pode ser em qualquer formato, e pode representar o tempo de dita, tal como na forma de horas, minutos e segundos, e, opcionalmente, pode incluir a data. É possível configurar um sistema de amostragem de ruído, de modo que a amostra de ruído 300 inclua, como sua localização, uma das regiões 108, nas quais ocorreu o ruído, em cujo caso um módulo de mapeamento de ruído 106 pode ser eliminado.

[0028] Também na Figura 3, as informações de redes de vias 320 podem ser representadas usando um conjunto de segmentos de vias 322. O conjunto pode ser representado por, por exemplo, um gráfico ou uma lista ordenada ou desordenada. Cada segmento de via 322 pode ser representado por dois pontos finais 324, 326, e pode, opcionalmente, ser representado como uma borda dirigida entre esses dois pontos finais. Opcionalmente, uma lista 328 de pontos adicionais, descrevendo o segmento de via (por exemplo, para uma via curva), pode ser incluída. Outras informações, que podem ser representadas, incluem, mas não são limitadas a, um comprimento 330, um nível 332 (por exemplo, rodovia, rua urbana), uma direção 334 (por exemplo, de mão única ou bidirecional), várias pistas 336, e assemelhados. Usando essas informações, as regiões 108 podem ser definidas, e características adicionais, para serem usadas nos dados de correlação, podem ser definidas. A região, na qual um segmento de via falha, também pode ser armazenada na estrutura de dados, como indicado em 338.

[0029] Com referência à Figura 4, as amostras de ruído para um determinado intervalo de tempo e regiões derivadas das informações de redes de vias podem ser entradas para um módulo de mapeamento de ruído. Em uma implementação descrita em conjunto com a Figura 4, o módulo de mapeamento de ruído projeta cada amostra de ruído a uma região derivada dos segmentos de vias nas informações de redes de vias. Em geral, o módulo de mapeamento de ruído computa 400, para cada amostra de ruído, a região mais próxima com a qual associar a amostra de ruído. Os dados associando uma amostra de ruído com sua região correspondente podem ser armazenados em uma estrutura de dados, tal como descrito acima em conjunto com a Figura 3, ou em uma estrutura de dados separada.

[0030] A seguir, o módulo de mapeamento de ruído pode computar 402, para cada região, um valor agregado representativo das amostras de ruído associadas com essa região. Como um exemplo, uma matriz para um intervalo de tempo atual é criada como um conjunto de entradas A(i, j, k), cada uma das quais armazena um número total de amostras de ruído por categoria cj na região ri e no intervalo de tempo tk. O conjunto de entradas por múltiplas categorias, regiões e intervalos de tempo é uma matriz tridimensional A de dados esparsos, que, usando um processo descrito acima, é completado de modo a proporcionar uma medida de condições de ruído para cada região no intervalo de tempo.

[0031] Para garantir a qualidade de dados, as regiões nas quais o número de amostras de ruído é pequeno podem ser tratadas como se não houvesse qualquer valor. Por exemplo, o módulo de estimativa de ruído pode ajustar 404 qualquer entrada tendo um valor inferior a um limiar (por exemplo, 2) a zero. Os valores na matriz também podem ser normalizados 406 na faixa de 0 a 1.

[0032] Após computar os dados regionais de ruído para um determinado intervalo de tempo, o módulo de mapeamento de ruído também pode armazenar 408 essas informações, por exemplo, em uma base de dados ou arquivo de dados, como dados históricos de ruído de tráfego (por exemplo, a serem usados como informações histórias 114 na Figura 1).

[0033] Como mencionado acima, os dados regionais de ruído para um intervalo de tempo, transferidos pelo módulo de mapeamento de ruído, podem ser combinados com os dados históricos de ruído, as informações geográficas e outros dados de correlação, para computar os dados de ruído por região para o intervalo de tempo. As informações históricas são os dados regionais de ruído por intervalo de tempo transferidos para os intervalos de tempo prévios pelo módulo de mapeamento de ruído. As informações geográficas são um conjunto de características correlacionadas a ruído, que são determinadas para cada região. Algumas informações geográficas podem ser derivadas das informações de redes de vias (Figura 3). As outras informações de correlação podem incluir as informações de localização de usuários, como vai ser também descrito em mais detalhes abaixo.

[0034] Os exemplos de informações geográficas derivadas de identificador de serviço vão ser agora descritos. Conhecendo-se o identificador de serviço, os segmentos de vias dentro de cada região podem ser determinados. Esses dados podem ser armazenados para cada segmento de via. Desse conjunto de segmentos de vias em uma região, as características das redes de vias podem ser derivadas. As características de redes de vias exemplificativas, consideradas para essa implementação exemplificativa, são o número de intercessões (fs) na região (que é o número total de pontos finais únicos na região, que são compartilhados pelos segmentos de vias), o comprimento total (fr) dos segmentos de vias de cada nível. As grandes vias ligando a região são usadas nessas computações para as regiões. O conjunto de características de redes de vias pode ser representado como uma matriz, com uma linha para cada região e uma coluna para cada característica de rede de vias.

[0035] Os pontos de interesse também podem ser parte das informações geográficas. As características relacionadas aos pontos de interesse podem ser parte da matriz, que inclui as características de rede de vias para cada região, com as informações dos pontos de interesse para uma região como características adicionais, isto é, uma ou mais colunas, da matriz. Um ponto de interesse pode ser, por exemplo, qualquer local situado em uma região. Um ponto de interesse pode ser, por exemplo, associado com um segmento de via no identificador de serviço, ou pode ser associado com uma região. Em uma implementação, para cada região, os pontos de interesse dentro da região são identificados. Essas informações podem ser proporcionadas, por exemplo, em uma base de dados pré-processada de pontos de interesse, que representa um ponto de interesse com uma região e uma categoria. As características derivadas para uma região com base em pontos de interesse podem incluir, por exemplo, um número (fn) de pontos de interesse na região, uma medida de densidade (fd) dos pontos de interesse na região, e uma distribuição (fc) dos pontos de interesse por um conjunto de categorias.

[0036] Outras informações geográficas também podem ser incluídas por derivação de outras características da rede de vias, ponto de interesse ou outros dados. Essas características podem ser incluídas na matriz de características para uma região como uma ou mais colunas.

[0037] Se essas características forem representadas em uma matriz para múltiplas regiões, então, as regiões para as quais os conjuntos de características geográficas são similares, podem apresentar condições de ruído similares. Essas características geográficas definem, desse modo, uma correlação entre as regiões.

[0038] A presente invenção não é limitada a qualquer conjunto particular de características geográficas, características de pontos de interesse ou características de redes de vias. De um modo geral, uma matriz de valores é determinada de modo que as regiões com valores similares são consideradas como tendo condições de ruído similares, para fins de computação por condições regionais de ruído dos dados de ruído esparsos descritos acima. Neste exemplo ilustrativo, essas características geográficas são também, geralmente, informações estáticas sobre as regiões e podem ser computadas uma vez e/ou atualizadas infrequentemente.

[0039] As informações de localização de usuários podem ser, similarmente, reunidas para criar uma matriz de informações de correlações entre os intervalos de tempo e as regiões. As informações de localização de usuários, como mencionado acima, incluem, geralmente, um conjunto de amostras de tempos e localizações. Cada amostra é mapeada a uma região e um intervalo de tempo em uma matriz. O valor no qual essa célula da matriz é o número de amostras encontrado para aquela região e aquele intervalo de tempo. Esse tipo de dados expõe as correlações potenciais entre as regiões, porque as regiões com modelos populacionais similares em um intervalo de tempo podem ter um modelo de ruído similar. Também, esse tipo de dados expõe as correlações potenciais em intervalos de tempo, porque os intervalos de tempo com modelos populacionais similares na mesma região podem ter igualmente um modelo de ruído similar. Essas informações de localização de usuários, ainda que não geralmente estáticas, também tendem a manter um mesmo modelo com o tempo, na ausência de variações demográficas ou geográficas significativas, e, desse modo, podem ser computadas infrequentemente.

[0040] Os dados históricos de ruído podem ser usados como os dados de correlação, dos quais outra matriz pode ser derivada, que mostra as correlações entre as categorias de ruído dentro de uma região. A matriz tem uma linha para cada categoria de ruído, e uma coluna para cada categoria de ruído. Com o valor armazenado em cada linha, a localização da coluna na matriz é a correlação computada entre os eventos de ruído em uma categoria e os eventos de ruído na outra categoria, com base nos dados históricos de ruído. Há vários modos para computar essa correlação. Ainda que as informações históricas variem com o tempo, em geral, as correlações derivadas dos dados não são prováveis de mudar significativamente em um curto período de tempo; desse modo, essas informações de correlação podem ser também computadas infrequentemente.

[0041] Conhecendo-se os dados de amostra de ruído regionais para um intervalo de tempo, juntamente com as características geográficas, as características de localização de usuário e as correlações histórias de categorias de ruído, as estimativas das condições de ruído, em todas as regiões no ambiente urbano, podem ser então computadas no intervalo de tempo. Uma implementação exemplificativa dessa computação vai ser agora descrita em conjunto com as Figuras 5 e 6.

[0042] Usando-se os dados de correlação, neste exemplo, as características geográficas, as características de localização de usuário e as correlações de categorias de ruído, uma abordagem de fatoração de matriz com conhecimento de contexto é usada para computar as condições de ruído estimadas para cada região em um intervalo de tempo. Em particular, as matrizes construídas com uso de dados históricos de ruído, que modelam as correlações entre as diferentes categorias de ruído, e as matrizes construídas com uso de características geográficas, que modelam as correlações entre as diferentes regiões, as matrizes construídas usando dados de localização de usuários, que modelam as correlações entre as diferentes regiões e entre os diferentes intervalos de tempo, proporcionam contexto para o problema de completar a matriz de dados esparsos de dados de ruído construída dos dados de amostra para os intervalos de tempo mais recentes. A combinação de matrizes pode ser fatorada para completar a matriz de dados esparsos e proporcionar uma medida de condições de ruído para todas as regiões, incluindo as regiões para as quais não há quaisquer amostras de dados.

[0043] Na Figura 5, há três matrizes X, Y e Z. Desse modo, a matriz X é a concatenação de características geográficas por região, proporcionando para cada região ri, as características geográficas dessa região (nesta implementação exemplificativa fs, fr, fn, fd e fc, como descrito acima). A matriz Y é a concatenação do número de usuários (dik) localizados em cada região (k) em cada conjunto de intervalos de tempo (i). Por exemplo, uma matriz Y, representando um dia inteiro, pode ser construída de antemão na memória, e, para qualquer computação determinada, um subconjunto dessa matriz pode ser usado. A matriz Z é o conjunto de correlações computadas entre as categorias de ruído dos dados históricos de ruído.

[0044] Como mostrado na Figura 6, as condições atuais de ruído em cada região são estimadas por preenchimento nos valores faltantes na matriz A usando os dados das matrizes X, Y e Z. Em particular, a matriz A pode ser decomposta colaborativamente com as matrizes X, Y e Z, para aperfeiçoar a precisão da matriz completada A resultante.

[0045] Para executar essa decomposição colaborativa dessas matrizes, é executada a computação apresentada a seguir.

[0046] Primeiro, a decomposição da Matriz A é definida por uso da seguinte função objetiva: £($,R, C, T,U) = l- |M - 5 XE R Xc C XT T||2 + z y U - i?[Z|p + ytr(CTLzC) +y ||K- T/?r||2 4 — (|S||2 + IO2 + |cy2 + IMP + M2) (4)

[0047] As matrizes X e Y são decompostas como se segue: X = R x U e y = T x RT

[0048] Desse modo, as matrizes A e X compartilham a matriz R. As matrizes A e Y compartilham as matrizes R e T. A representação densa de X, Y e Z contribui para a geração de valores relativamente precisos para as matrizes de baixa classificação R, C e T. A matriz A pode ser então computada por: ^rec = 'C-

[0049] A função objetiva apresentada acima pode ser solucionada por um processo de otimização local iterativo, tal como por uso de um algoritmo de gradiente descendente, como mostrado na Figura 7. A implementação mostrada na Figura 7 é um algoritmo de otimização de elementos, que atualiza, independentemente, cada entrada na matriz A.

[0050] Por exemplo, um processo iterativo pode ser implementado. A presente iteração é representada por uma variável, por exemplo, t, que é inicializada em 700, por exemplo, a t = 1, juntamente com outras variáveis na computação, como indicado em 702. Um tamanho de degrau para o algoritmo de gradiente descendente é ajustado em 704. Em cada iteração, os valores diferentes de zero na Matriz A são processados para computar valores para as matrizes de baixa classificação R, C e T, e S e U são atualizadas, em 706. O presente contador de iterações é incrementado, e o processamento se repete, como indicado em 708, a menos que a diferença de erro entre as últimas duas iterações fique abaixo de um limiar. Neste estágio, as matrizes R, C e T podem ser transmitidas e usadas para finalizar a Matriz A.

[0051] Usando-se uma implementação, tal como a descrita acima, dados de amostra de ruído esparsos podem ser usados em combinação com os dados de correlação, para estimar as condições de ruído para um intervalo de tempo em regiões de um ambiente urbano, incluindo as condições de ruído para as regiões nas quais nenhuma amostra de ruído é recebida nesse intervalo de tempo. Os dados de amostra de ruído podem ser processados pelo sistema de computador, para executar uma medida em tempo real para os dados coletados dentro de um intervalo de tempo. O sistema de computador pode computar as condições de ruído dentro de um intervalo de tempo, para proporcionar as medidas em tempo real.

[0052] Consequentemente, em um aspecto, um sistema de computador mede as condições de ruído em regiões de um ambiente urbano. O sistema de computador inclui armazenamento de computador, no qual são armazenados os dados de amostra de ruído. Os dados de amostra associam as ocorrências de ruído com os locais e os pontos no tempo. Os dados de amostra podem ser derivados, por exemplo, dos dados de ligações de reclamações recebidas por um sistema telefônico. Além disso, o armazenamento de computador inclui os dados de correlação, que definem as correlações entre as regiões, os intervalos de tempo e as categorias de ruído. Uma ou mais unidades de processamento são programadas para acessar o armazenamento de computador, para processar os dados de amostra de ruído usando os dados de correlação, para proporcionar uma saída, descrevendo, para cada região no ambiente urbano, pelo menos uma condição de ruído para a região para pelo menos o presente intervalo de tempo.

[0053] Em outro aspecto, um processo implementado por computador inclui o recebimento de dados de amostra de ruído, associando o ruído a locais em pontos no tempo. Os dados de amostra de ruído podem ser derivados de dados de ligações de reclamações recebidas por um sistema telefônico. Os dados de correlação definindo as correlações entre as regiões, os intervalos de tempo e/ou as categorias de ruído são acessados. Os dados de amostra são processados usando os dados de correlação, para proporcionar uma saída descrevendo, para cada região no ambiente urbano, pelo menos uma condição de ruído para a região para pelo menos o presente intervalo de tempo.

[0054] Em outro aspecto, o sistema de computador inclui um meio para receber dados de amostra de ruído. Os dados de amostra de ruído associam um ruído com um local e um instante de tempo. O sistema de computador inclui um meio para processamento dos dados de amostra de ruído usando os dados de correlação, para proporcionar uma saída, descrevendo, para cada região, pelo menos as condições de ruído para a região para o presente instante de tempo. Os dados de correlação podem definir as correlações entre as regiões, os intervalos de tempo e/ou as categorias de ruído.

[0055] Em outro aspecto, um processo inclui receber os dados de amostra de ruído associando um ruído com um local e um instante de tempo. O processo inclui processar os dados de amostra de ruído usando os dados de correlação, para proporcionar uma saída, descrevendo, para cada região, pelo menos as condições de ruído para a região para pelo menos o presente intervalo de tempo. Os dados de correlação podem definir as correlações entre as regiões, os intervalos de tempo e/ou as categorias de ruído.

[0056] Quaisquer dos aspectos mencionados acima podem ser incorporados nas instruções de programas de computador, armazenadas em um ou mais meios de armazenamento, que, quando processadas por um computador, configuram o computador para implementar um processo ou configurar um sistema de computador genérico, para implementar um sistema de computador.

[0057] Vantajosamente, esse sistema de computador ou processo pode processar dados de amostra de ruído para um intervalo de tempo, para produzir uma saída para o intervalo de tempo em tempo real dentro de um intervalo de tempo.

[0058] Em quaisquer dos aspectos mencionados acima, os dados de correlação podem incluir características de vias para cada um dos vários segmentos de vias na região. Os dados de correlação podem incluir informações sobre pontos de interesse em cada região. Os dados de correlação podem incluir ainda correlações entre as categorias de ruído derivadas de dados históricos de amostras de ruído. Os dados de correlação podem incluir ainda dados de localização de usuários, que correlacionam os intervalos de tempo e/ou as regiões por atividade de usuário.

[0059] O processamento dos dados de correlação e dos dados de amostra de ruído, em quaisquer dos aspectos mencionados acima, pode incluir matrizes de fatoração para determinar a condição de ruído para as regiões nas quais as amostras de ruído não foram recebidas no presente intervalo de tempo.

[0060] Em quaisquer dos aspectos mencionados acima, o processamento dos dados de amostra de ruído, por uma ou mais unidades de processamento para um intervalo de tempo atual, ocorre em tempo real dentro de um intervalo de tempo por recebimento dos dados de amostra de ruído.

[0061] Com a implementação exemplificativa tendo sido descrita, a Figura 8 ilustra um computador exemplificativo, com o qual vários componentes do sistema das Figuras 1 - 7 podem ser implementados. O computador pode ser qualquer um de várias configurações de hardware de computação genérica ou para uma finalidade especial. Alguns exemplos de tipos de computadores, que podem ser usados, incluem, mas não são limitados a, computadores pessoais, consoles de jogos, decodificadores, dispositivos portáteis ou do tipo laptop (por exemplo, reprodutores de mídia, computadores do tipo notebook, computadores do tipo tablet, telefones celulares, auxiliares de dados pessoais e gravadores de voz), computadores servidores, sistemas multiprocessadores, sistemas baseados em microprocessadores, componentes eletrônicos comerciais programáveis, PCs em rede, minicomputadores, computadores de grande porte e meios físicos de computação distribuídos que incluem quaisquer dos tipos mencionados acima de computadores ou dispositivos, e assemelhados.

[0062] Com referência à Figura 8, um computador 800 exemplificativo inclui pelo menos uma unidade de processamento 802 e uma memória 804. O computador pode ter múltiplas unidades de processamento 802. Uma unidade de processamento 802 pode incluir um ou mais núcleos de processamento (não mostrados), que operam independentemente entre si. Unidades de coprocessamento adicionais, tal como uma unidade de processamento gráfico 820, podem estar presentes no computador. A memória 804 pode ser volátil (tal como uma memória de acesso aleatório dinâmica - DRAM - ou outro dispositivo de memória de acesso aleatório), não volátil (tal como uma memória exclusiva de leitura, uma memória instantânea e assemelhados) ou alguma combinação das duas. Essa configuração de memória é ilustrada na Figura 8 pela linha tracejada 806. O computador 800 pode incluir armazenamento adicional (removível e/ou não removível) incluindo, mas não limitado a, discos ou fita gravados magneticamente ou gravados opticamente. Esse armazenamento adicional é ilustrado na Figura 8 pelo armazenamento removível 808 e pelo armazenamento não removível 810. Os vários componentes na Figura 8 são geralmente interligados por um mecanismo de interligação, tais como um ou mais barramentos 830.

[0063] Um meio de armazenamento de computador é qualquer meio, no qual dados podem ser armazenados e recuperados de locais de armazenamento físicos endereçáveis pelo computador. Os meios de armazenamento de computador incluem uma memória volátil e uma não volátil, e meios de armazenamento removíveis e não removíveis. As memórias 804 e 806, o armazenamento removível 808 e o armazenamento não removível 810 são todos exemplos de meios de armazenamento de computador. Alguns exemplos de meios de armazenamento de computador são RAM, ROM, EEPROM, memória instantânea ou outra tecnologia de memória, CD-ROM, discos versáteis digitais (DVD) ou outro dispositivo de armazenamento gravado magneticamente ou opticamente, cassetes magnéticos, fita magnética, armazenamento de disco magnético ou outros dispositivos de armazenamento magnético. Os meios de armazenamento de computador e os meios de comunicação são categorias de mídia mutuamente exclusivas.

[0064] O computador 800 pode também incluir uma ou mais conexões de comunicações 812, que permitem que o computador se comunique com outros dispositivos por um meio de comunicação. Os meios de comunicação transmitem, tipicamente, instruções de programas de computador, estruturas de dados, módulos de programas ou outros dados por uma substância ligada ou fio ou sem fio por propagação de um sinal de dados modulado, tal como uma onda portadora ou outro mecanismo de transporte pela substância. O termo "sinal de dados modulado" significa um sinal, que tem uma ou mais de suas características ajustadas ou mudadas de uma maneira tal a codificar as informações no sinal, desse modo, mudando a configuração ou estado do dispositivo receptor do sinal. Por meio de exemplo, e não limitação, os meios de comunicação incluem mídias ligadas com fio, tal como uma rede ligada com fio ou uma de conexão direta, e meios sem fio, tais como mídia acústica, RF, infravermelha e outra sem fio. As conexões de comunicações 812 são dispositivos, tal como uma interface de rede ou um radiotransmissor, que interagem com os meios de comunicação, para transmitir dados por, e receber dados de, meios de comunicação.

[0065] O computador 800 pode ter vários dispositivos de entrada 814, tais como um teclado, um mouse, uma caneta, uma câmera, um dispositivo de entrada por toque, etc. Um ou mais dispositivos de saída 816, tais como um monitor, alto-falantes, uma impressora, etc., também podem ser incluídos. Todos esses dispositivos são bem conhecidos na técnica e não precisam ser discutidos detalhadamente no presente relatório descritivo. Vários dispositivos de entrada e saída podem implementar uma interface de usuário natural (NUI), que é qualquer tecnologia de interface que permite que um usuário interaja com um dispositivo em uma maneira "natural", livre de restrições artificiais impostas por dispositivos de entrada, tais como mouses, teclados, controles remotos e assemelhados.

[0066] Os exemplos de processos NUI incluem aqueles relativos a reconhecimento de fala, reconhecimento de toque e estilo, reconhecimento de gesto tanto em tela quanto adjacente a ela, gestos no ar, rastreio de cabeça e olho, voz e fala, visão, toque, gestos e inteligência de máquina, e podem incluir o uso de monitores sensíveis a toque, reconhecimento de voz e fala, entendimento de intenção e objetivo, detecção de gesto de movimento usando câmeras de profundidade (tais como sistemas de câmeras estereoscópicos, sistemas de câmeras infravermelhos e outros sistemas de câmeras e combinações desses), detecção de gestos de movimento, acelerômetros ou giroscópios, reconhecimento facial, exibições tridimensionais, cabeça, olho, e rastreio de olhar fixo, realidade aumentada imersiva e sistemas de realidade virtual, todos proporcionando uma interface mais natural, bem como tecnologias para detecção de atividade cerebral usando eletrodos detectores de campo magnético (EEG e processos relacionados).

[0067] Os vários armazenamentos 810, conexões de comunicação 812, dispositivos de saída 816 e dispositivos de entrada 814 podem ser integrados dentro de um alojamento, com o resto do computador, ou podem ser conectados por interfaces de entrada / saída no computador, em cujo caso os números de referência 810, 812, 814 e 816 podem indicar a interface, para conexão a um dispositivo, ou o próprio dispositivo como pode ser o caso.

[0068] Um sistema de computador inclui geralmente um sistema operacional, que é um programa de computador sendo executado em um computador, que gerencia o acesso aos vários recursos do computador por aplicações. Pode haver múltiplas aplicações. Os vários recursos incluem memória, armazenamento, dispositivos de entrada e dispositivos de saída, tais como dispositivos de exibição e dispositivos de entrada como mostrados na Figura 8.

[0069] Cada módulo de um sistema de computador, tal como descrito nas Figuras 1 a 9 mencionadas acima, e que opera em um computador, pode ser implementado usando uma ou mais unidades de processamento de um computador, com um ou mais programas de computador processados pelas uma ou mais unidades de processamento. Um programa de computador inclui instruções executáveis por computador e/ou instruções interpretadas por computador, tais como módulos de programas, cujas instruções são processadas por uma ou mais unidades de processamento no computador. Geralmente, essas instruções definem rotinas, programas, objetos, componentes, estruturas de dados, etc., que, quando processados por uma unidade de processamento, instruem a unidade de processamento para que execute operações em dados ou configure o processador ou computador, para implementar vários componentes ou estruturas de dados.

[0070] Esse sistema de computador pode ser praticado em meios físicos de computação distribuídos, nos quais são conduzidas operações por múltiplos computadores, que são ligados por uma rede de comunicações. Em um meio físico de computação distribuído, programas de computador podem ser localizados em ambos os meios de armazenamento de computador remotos.

[0071] Alternativa ou adicionalmente, a funcionalidade de um ou mais dos vários componentes, descritos no presente relatório descritivo, pode ser executada, pelo menos em parte, por um ou mais componentes lógicos de hardware. Por exemplo, e sem limitação, os tipos ilustrativos de componentes lógicos de hardware, que podem ser usados, incluem Disposições de Portas de Campo Programável (FGPAs), Circuitos Integrados para Programas Específicos (ASICs), Produtos Padronizados para Programas Específicos (ASSPs), Sistemas em chip (SOCs), Dispositivos Lógicos Programáveis Complexos (CPLDs), etc.

[0072] A invenção pode ser representada como um sistema de computador, como qualquer componente individual desse sistema de computador, como um processo executado por esse sistema de computador ou algum componente individual desse sistema de computador, ou como um artigo manufaturado incluindo armazenamento de computador, com instruções de programas de computador armazenadas, e, que, quando processadas por computadores, configuram esses computadores para proporcionar esse sistema de computador ou qualquer componente individual desse sistema de computador.

[0073] Deve-se entender que o objeto, definido nas reivindicações em anexo, não é necessariamente limitado às implementações específicas descritas acima. As implementações específicas descritas acima são descritas apenas como exemplos.

Claims (15)

1. Sistema de computador (100) para medir condições de ruído em regiões de um ambiente urbano, caracterizado pelo fato de que compreende: um armazenamento de computador (804) que compreende: dados de amostra de ruído (104) que associam um ruído a um local (304) e um instante no tempo (306) em uma pluralidade de intervalos de tempo, em que os dados de amostra de ruído (104) incluem uma matriz esparsa (A) de intervalos de tempo, regiões e categorias de ruído (302); dados de correlação (116) que definem correlações entre regiões e correlações entre intervalos de tempo e que definem correlações entre categorias de ruído (302) derivadas de dados históricos de amostras de ruído (114); uma ou mais unidades de processamento (802) programadas para acessar o armazenamento do computador (804) para processar os dados de amostra usando os dados de correlação (116) para fornecer uma saída que descreve, para cada região, pelo menos uma condição de ruído para a região por pelo menos o intervalo de tempo atual, o processamento incluindo matrizes de fatoração (X, Y, Z) associadas aos dados de correlação (116) para determinar as condições de ruído para outras regiões onde as amostras de ruído não foram recebidas.

2. Sistema de computador (100), de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de correlação (116) compreendem uma matriz (X) construída usando características geográficas que modela correlações entre as regiões e compreende características de estradas para cada região.

3. Sistema de computador (100), de acordo com a reivindicação 2, caracterizado pelo fato de que as características de vias compreendem um número de interseções na região.

4. Sistema de computador (100), de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que os dados de correlação (116) compreendem uma matriz (Z) construída usando dados históricos de amostra de ruído (114) e correlações de modelagem entre diferentes categorias de ruído (302).

5. Sistema de computador (100), de acordo com qualquer uma das reivindicações 1 a 4, caracterizado pelo fato de que os dados de correlação (116) compreendem uma matriz (Y) construída usando dados de localização do usuário e correlações de modelagem entre diferentes regiões e entre diferentes intervalos de tempo, os dados de localização do usuário fornecendo um número de pessoas em uma região em um intervalo de tempo.

6. Sistema de computador (100), de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pelo fato de que categorias de ruído correspondem a tipos de ruídos que podem ocorrer nas regiões do ambiente urbano.

7. Sistema de computador (100), de acordo com qualquer uma das reivindicações 1 a 6, caracterizado pelo fato de que o processamento dos dados de amostra pelas uma ou mais unidades de processamento (802) de um intervalo de tempo atual ocorre em tempo real dentro de um intervalo de tempo de recebimento dos dados de amostra.

8. Sistema de computador (100), de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pelo fato de que os dados de amostra de ruído (104) compreendem as chamadas informações de reclamação recebidas através de um sistema telefônico e proporcionando uma categoria de ruído (302), tempo (306) e localização (304).

9. Sistema de computador (100), de acordo com qualquer uma das reivindicações 1 a 8, caracterizado pelo fato de que os dados de correlação (116) incluem dados derivados de informações de checagem de usuário para uma rede social.

10. Sistema de computador (100), de acordo com qualquer uma das reivindicações 1 a 9, caracterizado pelo fato de que os dados de correlação (116) incluem dados de tráfego recebidos através de sensores (102).

11. Processo implementado por computador para medir condições de ruído em regiões de um ambiente urbano, caracterizado pelo fato de que compreende: receber (200) dados de amostra de ruído (104) associando ruído a um local (304) e um instante de tempo (306) em uma pluralidade de intervalos de tempo, em que os dados de amostra de ruído (104) incluem uma matriz esparsa de intervalos de tempo, regiões e categorias de ruído (302); acessar dados de correlação (116) definindo correlações entre regiões e correlações entre intervalos de tempo e definindo correlações entre categorias de ruído (302) derivadas de dados históricos de amostras de ruído (114); e processar os dados de amostra de ruído (104) usando os dados de correlação (116) para fornecer uma saída descrevendo, para cada região, pelo menos condições de ruído para a região durante pelo menos o intervalo de tempo atual, o processamento incluindo matrizes de fatoração (X, Y, Z) associado aos dados de correlação (116) para determinar as condições de ruído para outras regiões onde as amostras de ruído não foram recebidas.

12. Processo implementado por computador, de acordo com a reivindicação 11, caracterizado pelo fato de que os dados de correlação (116) compreendem uma matriz (X) construída usando características geográficas, modelando correlações entre as regiões e compreendendo características de vias para cada região.

13. Processo implementado por computador, de acordo com qualquer uma das reivindicações 11 a 12, caracterizado pelo fato de que os dados de correlação (116) compreendem uma matriz (Z) construída usando dados históricos de amostras de ruído (114) e correlações de modelagem entre diferentes categorias de ruído (302).

14. Processo implementado por computador, de acordo com qualquer uma das reivindicações 11 a 13, caracterizado pelo fato de que os dados de correlação (116) compreendem uma matriz (Y) construída usando dados de localização do usuário e correlações de modelagem entre diferentes regiões e entre diferentes intervalos de tempo, os dados de localização do usuário fornecendo um número de indivíduos em uma região em um intervalo de tempo.

15. Mídia de armazenamento de computador (804, 808, 810), caracterizada pelo fato de que compreende o processo conforme definido em qualquer uma das reivindicações 11 a 14.

Images