CN105513489A - 构建城市噪声地图的方法 - Google Patents
构建城市噪声地图的方法 Download PDFInfo
- Publication number
- CN105513489A CN105513489A CN201610027783.1A CN201610027783A CN105513489A CN 105513489 A CN105513489 A CN 105513489A CN 201610027783 A CN201610027783 A CN 201610027783A CN 105513489 A CN105513489 A CN 105513489A
- Authority
- CN
- China
- Prior art keywords
- noise
- noise data
- city
- map
- pressure level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种构建城市噪声地图的方法,所述构建城市噪声地图的方法通过采集部分区域、部分日期及部分时间段的噪声数据并映射到构建的三维噪声数据张量模型上;基于采集的部分区域、部分日期及部分时间段的噪声数据和低秩张量填充算法恢复未采集的区域、日期及时间段的噪声数据并映射到三维噪声数据张量模型上;基于三维噪声数据张量模型上的所有区域、所有日期及所有时间段的噪声数据构建城市噪声地图。由于本发明基于稀疏的噪声数据恢复了整个城市的噪声数据,进而构建出不同时刻城市噪声地图,相比传统的方法,节约了社会资源,免除了大量检测站点的建立与维护,缩短了构建噪声地图的时间,提高了工作效率。
Description
技术领域
本发明涉及噪声恢复技术领域,特别涉及一种构建城市噪声地图的方法。
背景技术
随着社会的发展,环境污染不仅限与水污染,大气污染等传统的污染。由于城市的加速发展,噪声污染越发的严重。研究表明,噪声对人类的伤害包括生理和心理的。生理上,噪声一定程度上会诱发多种疾病,例如头痛,脑胀,耳鸣,而长期处在高噪声环境下工作的人,高血压,动脉硬化和冠心病的发病率要比正常人的高2~3倍。心理上,噪声会对人类日常生活和睡眠造成干扰,导致人们注意力分散,反应迟钝工作效率下降等。因此,构建城市噪声地图,掌握城市的噪声分布,对于政府机关治理噪声污染,人民及时掌握周边噪声情况都是有着非常重要的意义的。但相比于其他污染,噪声污染有自己的特点。首先,噪声分布会随着时间动态改变,比如同一个地点,不同的时间,噪声污染的情况差异很大。其次,噪声的分布同时也是随着地理的位置的不同而改变的。最后,噪声源主要来自于人类活动,而人类活动的规律复杂性导致了噪声分布随着时间和空间的变化也变得极其的复杂。因此,构建城市噪声地图是一件相对复杂和困难的事。
目前,一些大的城市会在某些街道设置噪声监测站点,实时显示当前位置的噪声分贝值。然后虽然建立监测站能够最真实的反应当前该区域的噪声状况,但是建设成本和维护成本都是高昂的,大量的噪声监测站分布在城市的角落中不仅影响城市的美观,而且也会占用宝贵的土地资源。为了能够进一步推进对噪声污染的研究和整治,我们迫切需要一种新的方法来检测城市环境噪声。
发明内容
本发明的目的在于提供一种构建城市噪声地图的方法,以实时获知不同区域的噪声值,以便于推进对噪声污染的研究和整治工作。
为解决上述技术问题,本发明提供一种构建城市噪声地图的方法,所述构建城市噪声地图的方法包括:
构建三维噪声数据张量模型,所述三维噪声数据张量模型的三个维度分别表示不同区域、不同日期及不同时间段;
采集部分区域、部分日期及部分时间段的噪声数据并映射到所述三维噪声数据张量模型上;
基于采集的部分区域的噪声数据和低秩张量填充算法恢复未采集的区域、日期及时间段的噪声数据并映射到所述三维噪声数据张量模型上;
基于所述三维噪声数据张量模型上所有区域、所有日期及所有时间段的噪声数据构建城市噪声地图。
可选的,在所述的构建城市噪声地图的方法中,所述采集部分区域、部分日期及部分时间段的噪声数据在映射到所述三维噪声数据张量模型上之前包括:对噪声数据进行调整及矫正的步骤。
可选的,在所述的构建城市噪声地图的方法中,对噪声数据进行调整及矫正包括:
采集声音信号;
采用基2离散快速傅里叶变化对所述声音信号进行频率抽取,并将声音信号中分量最大的频率作为所述声音信号的频率;
根据所述声音信号的频率计算A记权声压级;
基于所述A记权声压级和所述声音信号的原始声压级计算A记权调整后的声压级;
根据A记权调整后的声压级及采集声音信号的设备的矫正参数计算矫正后的噪声数据。
可选的,在所述的构建城市噪声地图的方法中,所述计算A记权调整后的声压级采用如下式子:
SPL=LA+LP;
其中,LA为A记权声压级,LP为声音信号的原始声压级,SPL为A记权调整后的声压级。
可选的,在所述的构建城市噪声地图的方法中,计算矫正后的噪声数据采用如下式子:
yc=aSPL+b;
其中,a,b为采集声音信号的设备的矫正参数,SPL为A记权调整后的声压级,yc为矫正后的噪声数据。
可选的,在所述的构建城市噪声地图的方法中,所述采集声音信号的设备的矫正参数与设备的型号有关。
可选的,在所述的构建城市噪声地图的方法中,采集声音信号的设备为手机或平板电脑。
可选的,在所述的构建城市噪声地图的方法中,采集噪声数据的设备设置有声音传感器,并具有GPS定位和网络传输功能。
可选的,在所述的构建城市噪声地图的方法中,还包括利用城市POI和道路网络信息辅助恢复未采集的区域、日期及时间段的噪声数据。
在本发明所提供的构建城市噪声地图的方法中,所述构建城市噪声地图的方法通过采集部分区域、部分日期及部分时间段的噪声数据并映射到构建的三维噪声数据张量模型上;基于采集的部分区域、部分日期及部分时间段的噪声数据和低秩张量填充算法恢复未采集的区域、日期及时间段的噪声数据并映射到三维噪声数据张量模型上;基于三维噪声数据张量模型上的所有区域、所有日期及所有时间段的噪声数据构建城市噪声地图。由于本发明基于稀疏的噪声数据恢复了整个城市的噪声数据,进而构建出不同时刻城市噪声地图,相比传统的方法,节约了社会资源,免除了大量检测站点的建立与维护,缩短了构建噪声地图的时间,提高了工作效率。
附图说明
图1是本发明一实施例中构建城市噪声地图的方法的流程图;
图2是本发明一实施例中三维噪声数据张量模型的结构示意图;
图3是本发明一实施例中构建的城市噪声地图中格子之间的几何距离计算示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的构建城市噪声地图的方法作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
请参考图1,其为本发明的构建城市噪声地图的方法的流程图,如图1所示,所述构建城市噪声地图的方法包括:
首先,执行步骤S1,构建三维噪声数据张量模型,所述三维噪声数据张量模型的三个维度分别表示不同区域、不同日期及不同时间段;所谓的不同时间段指一天内的不同时间段,例如以一个小时为一个时间段,则需将一天分为24个时间段。
接着,执行步骤S2,采集部分区域、部分日期及部分时间段的噪声数据并映射到所述三维噪声数据张量模型上;
接着,执行步骤S3,基于采集的部分区域、部分日期及部分时间段的噪声数据和低秩张量填充算法恢复未采集的区域、日期及时间段的噪声数据并映射到所述三维噪声数据张量模型上;
接着,执行步骤S4,基于所述三维噪声数据张量模型上所有区域、所有日期及所有时间段的噪声数据构建城市噪声地图。
较佳的,为了提高采集噪声数据的可靠性,所述采集部分区域、部分日期及部分时间段的噪声数据在映射到所述三维噪声数据张量模型上之前包括对噪声数据进行调整及矫正的步骤。这里所谓的调整及矫正主要体现在对原始声压级进行A记权调整及采集噪声数据的设备相对于标准噪声仪器存在的误差进行矫正。原因在于,噪声污染程度主要由声压来衡量,其代表大气压受到声波扰动后产生的变化,即为大气压强的余压,它相当于在大气压强上的叠加一个声波扰动引起的压强变化。而现实生活中人耳对于不同频率的声音的感受是不一样的,而噪声污染最直接的影响就是人耳,为了更好的使用仪器来反应人耳对噪声的真实感受,本发明引入A记权,使用dB(A)作为噪声单位。A记权根据人耳对不同频率声音的感受对分贝值进行调整,即人耳对于低频的声音较不敏感而对于高频的声音则比较敏感,反应出来的主观感受就是,对于同样响度的声音,人耳会认为高频的声音较低频的声音更加响。首先计算出声音信号的频率,由于考虑到性能,因此在本方法中采用了采用基2离散快速傅里叶变化对所述声音信号进行频率抽取,并将声音信号中分量最大的频率作为所述声音信号的频率。利用此频率计算A记权声压级。
因此,经过A记权调整后的声压级(即A记权调整后的声压级)为:
SPL=LA+LP(1)
其中,LA为A记权声压级,LP为声音信号的原始声压级,SPL为A记权调整后的声压级。
由于采集噪声数据的设备的差异,例如采集设备为手机时,手机噪声测量值和标准噪声测试仪存在一定的偏差,因此,本发明需要对手机采集的噪声进行矫正。基于大量实验数据的分析,本发明发现手机噪声测量值和标准噪声测试仪测量值存在线性关系,而不同手机(如型号不同的手机或品牌不同的手机)的线性系数(即作为矫正参数)不同。表1显示了在相同环境下,不同的手机和标准的噪声测量仪的测量值有偏差,但是偏差相对稳定,并且同一款手机的偏差大小几乎相同。假定手机和标准噪声测量仪器的噪声样布存在如下线性关系:
yc=aSPL+b(2)
其中,a,b为采集声音信号的设备的矫正参数,SPL为A记权调整后的声压级,yc为矫正后的噪声数据。
因此,本发明收集了市场上部分主流手机进行测量矫正,与标准噪声测量仪器DT-8852进行对比,得到了各种类型手机的矫正系数如下表所示:
表1
当然采集噪声数据的设备包括但不局限于手机,也可以是平板电脑,只要该设备设置有声音传感器以可采集声音信号,并具有GPS定位和网络传输功能即可。
请参考图2,其是步骤S1中构建的三维噪声数据张量模型的结构示意图。如图2所示,本发明将城市的地图划分为不相交的格子,例如每个格子的大小300m*300m,并假定在同一个格子内噪声水平相同,这样,每个样本噪声值就代表某个格子某个时刻的噪声水平。为了获得城市的噪声地图,避免采集不同区域、不同日期及不同时间段时所耗费的人力和物力,本发明利用采集部分区域、部分日期及部分时间段的噪声数据(即稀疏的噪声数据)映射到所述三维噪声数据张量模型上,形成了部分噪声数据缺失的三维噪声数据张量模型,接下来利用已采集的噪声数据及低秩张量填充算法计算当前三维噪声数据张量模型所缺失的噪声数据(即恢复噪声数据)。
具体的,构建三维噪声数据张量模型的过程如下:首先考虑噪声的分布在时间和空间有着特殊的连续性。从空间上看,如果某个格子噪声污染较严重,由于声音的传播性,其周围邻近的格子很可能遭受着严重噪声污染。从一天的时间段上看,噪声在一天的分布很大程度受到人类活动的影响,例如上下班的几个高峰时段,城市主干道由汽车所造成的噪声污染较大,而夜晚道路很长一段时间上却相对较安静。相反,诸如商场,购物街等地方白天则比较沉寂,夜晚则较嘈杂。从日期上看,工作日之间每天噪声值分布相似,而节假日之间也相似。
基于噪声分布在时间和空间上的假设,本发明构建的三维噪声数据张量模型满足各个维度的噪声都有相似的特性,满足张量的低秩特性。将噪声张量沿时间段维度和日期维度展开分别得到矩阵A(S)和A(D),矩阵A(S)和A(D)应是低秩的,因此,应用低秩张量填充算法,得到目标函数如下:
s.t.SΩ=AΩ
除了张量的低秩特性外,为了进一步提高噪声数据的恢复准确度,本发明采用额外的城市POI和道路网络信息辅助张量的填充,即如果某个格子噪声污染较严重,而与该改格子具有相似城市POI和道路网络信息的格子很可能也遭受着严重的噪声污染(这些格子可能含有相同的噪声源),反之亦然。
首先,假设整个城市被分为n个格子,本发明定义了一个n*n的矩阵W,代表格子与格子之前的相似度,格子的相似度越高,噪声水平应该越相近,反之,则越远。相似度主要来源与两个方面,一个是格子之间的几何距离,另一个是格子内所含“特征”的相似度,即特征距离,这里的特征指的是城市POI和道路网络(以下统称为特征)。
如图3所示,格子相互之间的几何距离定义如下:
其中,经度w和纬度h方向上的单位距离为1。
当某片区域缺失大量数据即数据极端缺失时,POI和路网信息给噪声的恢复提供了极大的帮助。城市的噪声源和人类的活动紧密的相关,而人类的活动主要依赖于城市的物质基础,因此,城市POI的分布对人类活动产生了很大的影响,而车辆噪音是城市噪声的主要来源。我们从此得出结论,当两个格子中的特征越接近,代表它们的噪声水平很可能越接近。然后并不是所有的特征都和噪声分布相关的,因此,首先本发明通过训练数据分析出和噪声分布相关性较高的特征,然后用这些特征作为辅助去恢复缺失的噪声数据。
假设原始的特征为F=[P1,P2,...Pt,R1,R2,...Rm],特征和噪声的相关性用以下式子定义:
Si越大,表示特征Fi和噪声分布相关性越高。
本发明选取相关度较高的特征集合,定义为Φ,并定义特征距离:
有了格子之间的几何距离和特征距离,格子的相似度矩阵定义如下:
格子之间的相似度由几何距离和特征距离中较小的一个决定,距离越小,相似度则越大。将噪声张量沿格子维度展开分别得到矩阵A(G)应是低秩的,对于任意的格子i和格子j,W(i,j)越大,则向量A(G)i和向量A(G)j的距离应该越小。因此得到关于A(G)的目标函数:
结合上述式子辅助张量填充,总体的目标函数如下:
s.t.SΩ=AΩ
其中L=D-W是拉普拉斯矩阵,D是对角矩阵(Di,i=∑jW(i,j))。使得式9的目标函数最小,从而恢复出所有噪声数据。
采用HaLRTC算法对MT和MD的核函数求解,用梯度下降法求解式9后面部分的迹函数。具体算法步骤如下:
1)初始化张量S,使得SΩ=AΩ,SΩ=0,A为原始的噪声张量,Ω表示有真实数据的集合,表示需要填充的集合。输入参数ρ,K,K为迭代次数,令k=0;
2)当k<K时,用以下公式更新:
MG=foldG(MG(G)-α3LMG(G))
YT=YT-ρ(MT-S)
YD=YD-ρ(MD-S)
k=k+1,返回2)重新执行;
否则,执行3)
3)输出恢复后的张量S
综上,在本发明所提供的构建城市噪声地图的方法中,所述构建城市噪声地图的方法通过采集部分区域、部分日期及部分时间段的噪声数据并映射到构建的三维噪声数据张量模型上;基于采集的部分区域、部分日期及部分时间段的噪声数据和低秩张量填充算法恢复未采集的区域、日期及时间段的噪声数据并映射到三维噪声数据张量模型上;基于三维噪声数据张量模型上的所有区域、所有日期及所有时间段的噪声数据构建城市噪声地图。由于本发明基于稀疏的噪声数据恢复了整个城市的噪声数据,进而构建出不同时刻城市噪声地图,相比传统的方法,节约了社会资源,免除了大量检测站点的建立与维护,缩短了构建噪声地图的时间,提高了工作效率。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (9)
1.一种构建城市噪声地图的方法,其特征在于,包括:
构建三维噪声数据张量模型,所述三维噪声数据张量模型的三个维度分别表示不同区域、不同日期及不同时间段;
采集部分区域、部分日期及部分时间段的噪声数据并映射到所述三维噪声数据张量模型上;
基于采集的部分区域的噪声数据和低秩张量填充算法恢复未采集的区域、日期及时间段的噪声数据并映射到所述三维噪声数据张量模型上;
基于所述三维噪声数据张量模型上所有区域、所有日期及所有时间段的噪声数据构建城市噪声地图。
2.如权利要求1所述的构建城市噪声地图的方法,其特征在于,所述采集部分区域、部分日期及部分时间段的噪声数据在映射到所述三维噪声数据张量模型上之前包括:对噪声数据进行调整及矫正的步骤。
3.如权利要求2所述的构建城市噪声地图的方法,其特征在于,对噪声数据进行调整及矫正包括:
采集声音信号;
采用基2离散快速傅里叶变化对所述声音信号进行频率抽取,并将声音信号中分量最大的频率作为所述声音信号的频率;
根据所述声音信号的频率计算A记权声压级;
基于所述A记权声压级和所述声音信号的原始声压级计算A记权调整后的声压级;
根据A记权调整后的声压级及采集声音信号的设备的矫正参数计算矫正后的噪声数据。
4.如权利要求3所述的构建城市噪声地图的方法,其特征在于,所述计算A记权调整后的声压级采用如下式子:
SPL=LA+LP;
其中,LA为A记权声压级,LP为声音信号的原始声压级,SPL为A记权调整后的声压级。
5.如权利要求4所述的构建城市噪声地图的方法,其特征在于,计算矫正后的噪声数据采用如下式子:
yc=aSPL+b;
其中,a,b为采集声音信号的设备的矫正参数,SPL为A记权调整后的声压级,yc为矫正后的噪声数据。
6.如权利要求3所述的构建城市噪声地图的方法,其特征在于,所述采集声音信号的设备的矫正参数与设备的型号有关。
7.如权利要求3所述的构建城市噪声地图的方法,其特征在于,采集声音信号的设备为手机或平板电脑。
8.如权利要求1所述的构建城市噪声地图的方法,其特征在于,采集噪声数据的设备设置有声音传感器,并具有GPS定位和网络传输功能。
9.如权利要求1-8中任一项所述的构建城市噪声地图的方法,其特征在于,还包括利用城市POI和道路网络信息辅助恢复未采集的区域、日期及时间段的噪声数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610027783.1A CN105513489B (zh) | 2016-01-15 | 2016-01-15 | 构建城市噪声地图的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610027783.1A CN105513489B (zh) | 2016-01-15 | 2016-01-15 | 构建城市噪声地图的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105513489A true CN105513489A (zh) | 2016-04-20 |
CN105513489B CN105513489B (zh) | 2018-06-29 |
Family
ID=55721427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610027783.1A Expired - Fee Related CN105513489B (zh) | 2016-01-15 | 2016-01-15 | 构建城市噪声地图的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105513489B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886643A (zh) * | 2017-02-20 | 2017-06-23 | 中国环境监测总站 | 一种噪声污染分布图的绘制方法及绘制系统 |
CN107220211A (zh) * | 2016-12-14 | 2017-09-29 | 北京理工大学 | 一种融合张量填充和张量恢复的数据重建方法 |
CN108256914A (zh) * | 2018-01-17 | 2018-07-06 | 华东师范大学 | 一种基于张量分解模型的兴趣点种类预测方法 |
WO2019242302A1 (zh) * | 2018-06-22 | 2019-12-26 | 哈尔滨工业大学(深圳) | 一种基于声源识别的噪声监测方法与系统 |
CN110708666A (zh) * | 2019-10-14 | 2020-01-17 | 北京创鑫旅程网络技术有限公司 | 兴趣点信息的获取方法和设备 |
CN111832604A (zh) * | 2020-05-21 | 2020-10-27 | 中煤科工集团重庆研究院有限公司 | 基于多系统融合的声发射信号滤噪及危险综合判定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005164313A (ja) * | 2003-12-01 | 2005-06-23 | Nippon Telegr & Teleph Corp <Ntt> | 合成騒音シミュレーション方法及び合成騒音シミュレーションシステム |
US20090115635A1 (en) * | 2007-10-03 | 2009-05-07 | University Of Southern California | Detection and classification of running vehicles based on acoustic signatures |
CN102506991A (zh) * | 2011-10-25 | 2012-06-20 | 东北石油大学 | 分布式城市环境噪声实时自动监测系统 |
CN104021669A (zh) * | 2013-02-28 | 2014-09-03 | 北京市劳动保护科学研究所 | 本地化道路交通噪声源强模型的快速构建方法 |
CN104318608A (zh) * | 2014-10-17 | 2015-01-28 | 哈尔滨工业大学 | 一种用于噪声图绘制的城市广场声传播的辐射度建模方法 |
CN104573387A (zh) * | 2015-01-26 | 2015-04-29 | 深圳市冠旭电子有限公司 | 一种噪音地图绘制方法及装置 |
-
2016
- 2016-01-15 CN CN201610027783.1A patent/CN105513489B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005164313A (ja) * | 2003-12-01 | 2005-06-23 | Nippon Telegr & Teleph Corp <Ntt> | 合成騒音シミュレーション方法及び合成騒音シミュレーションシステム |
US20090115635A1 (en) * | 2007-10-03 | 2009-05-07 | University Of Southern California | Detection and classification of running vehicles based on acoustic signatures |
CN102506991A (zh) * | 2011-10-25 | 2012-06-20 | 东北石油大学 | 分布式城市环境噪声实时自动监测系统 |
CN104021669A (zh) * | 2013-02-28 | 2014-09-03 | 北京市劳动保护科学研究所 | 本地化道路交通噪声源强模型的快速构建方法 |
CN104318608A (zh) * | 2014-10-17 | 2015-01-28 | 哈尔滨工业大学 | 一种用于噪声图绘制的城市广场声传播的辐射度建模方法 |
CN104573387A (zh) * | 2015-01-26 | 2015-04-29 | 深圳市冠旭电子有限公司 | 一种噪音地图绘制方法及装置 |
Non-Patent Citations (3)
Title |
---|
伍元凯: ""基于动态张量填充的短时交通流预测研究"", 《中国优秀硕士论文全文数据库工程科技II辑》 * |
吴文乐等: ""基于群智感知的城市噪声监测与时空规律分析"", 《计算机辅助设计与图形学学报》 * |
沈琰等: ""噪声地图的绘制与应用初探研究"", 《环境科学与管理》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220211A (zh) * | 2016-12-14 | 2017-09-29 | 北京理工大学 | 一种融合张量填充和张量恢复的数据重建方法 |
CN106886643A (zh) * | 2017-02-20 | 2017-06-23 | 中国环境监测总站 | 一种噪声污染分布图的绘制方法及绘制系统 |
CN108256914A (zh) * | 2018-01-17 | 2018-07-06 | 华东师范大学 | 一种基于张量分解模型的兴趣点种类预测方法 |
CN108256914B (zh) * | 2018-01-17 | 2022-02-11 | 华东师范大学 | 一种基于张量分解模型的兴趣点种类预测方法 |
WO2019242302A1 (zh) * | 2018-06-22 | 2019-12-26 | 哈尔滨工业大学(深圳) | 一种基于声源识别的噪声监测方法与系统 |
CN110708666A (zh) * | 2019-10-14 | 2020-01-17 | 北京创鑫旅程网络技术有限公司 | 兴趣点信息的获取方法和设备 |
CN111832604A (zh) * | 2020-05-21 | 2020-10-27 | 中煤科工集团重庆研究院有限公司 | 基于多系统融合的声发射信号滤噪及危险综合判定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105513489B (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105513489A (zh) | 构建城市噪声地图的方法 | |
Rana et al. | Ear-Phone: A context-aware noise mapping using smart phones | |
Dargie et al. | Fundamentals of wireless sensor networks: theory and practice | |
Janani et al. | Influence of surface distresses on smartphone-based pavement roughness evaluation | |
CN104699818A (zh) | 一种多源异构的多属性poi融合方法 | |
Stramska et al. | Recent multiyear trends in the Baltic Sea level | |
Fang et al. | Assessment and mapping of potential storm surge impacts on global population and economy | |
TW201107719A (en) | Realigning road networks in a digital map based on reliable road existence probability data | |
Aumond et al. | Probabilistic modeling framework for multisource sound mapping | |
CN112561172A (zh) | 一种降雨内涝房屋安全预警系统 | |
CN110457795A (zh) | 基于神经网络的高层建筑物风致位移状态评估方法 | |
JP2017228091A (ja) | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム | |
EP3192061B1 (en) | Measuring and diagnosing noise in urban environment | |
CN105205091A (zh) | 一种声景观信息的可视化方法 | |
CN106443793A (zh) | 一种时空双变正演模拟方法 | |
Massey et al. | Coastal storm modeling-system integration | |
CN107944767A (zh) | 基于bim和电子地图的建筑物选址方法及其系统 | |
CN115331096A (zh) | 一种采矿沉陷区域识别方法、系统、存储介质和电子设备 | |
Liu et al. | GNSS-aided accelerometer frequency domain integration approach to monitor structural dynamic displacements | |
Wang et al. | Real-time numerical shake prediction and updating for earthquake early warning | |
Wang et al. | A Computational Framework for Identifying Safe Evacuation and Rescue Routes in Catastrophic Urban Flooding Environments | |
Duda | Processing and unification of environmental noise data from road traffic with spatial dimension collected through mobile phones | |
Castebrunet et al. | Projected changes of snow conditions and avalanche activity in a warming climate: a case study in the French Alps over the 2020–2050 and 2070–2100 periods | |
US20230056370A1 (en) | Construction method of fine-grained infectious disease simulation model | |
Kumar et al. | Quantification of land transformation using multi temporal satellite data and GIS techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180629 Termination date: 20220115 |
|
CF01 | Termination of patent right due to non-payment of annual fee |