CN105940435A - 测量并诊断城市环境中的噪音 - Google Patents

Abstract

计算机系统使用提供噪音的位置、与噪音相关联的时戳、和噪音类别的数据记录来测量城市环境中的噪音。这样的数据记录相对于位置和时间两者而言是稀疏的。计算机系统还访问定义不同位置中的和不同时隙中的相关性的其它信息。这样的相关性数据可包括地理信息和历史采样数据。通过将这个相关的信息应用于关于噪音的稀疏数据记录，计算机系统可获得较大地理范围的噪音水平和噪音类别信息。这样的信息可基于所接收到的有关噪音的数据记录，通常在接收任何给定时隙的噪音数据之后的大约数分钟内，被持续提供。

Description

测量并诊断城市环境中的噪音

背景

城市环境有很多噪音源。作出关于如何降噪的策略决定的能力是以对源和噪音的类型及针对它们的策略决定的可能效果是可以被预测的假设为前提的。这样的预测进而取决于对在一天里的不同时间和在不同位置实际噪音水平模式和噪音的类别的适度精确测量。

概述

提供本概述以便以简化的形式介绍以下在详细描述中进一步描述的一些概念。本概述并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。

计算机系统使用提供噪音的位置、与噪音相关联的时戳、和噪音类别的数据记录来测量城市环境中的噪音。这样的数据记录相对于位置和时间两者而言是稀疏的。计算机系统还访问定义不同位置中的和不同时隙中的相关性的其它信息。这样的相关性数据可包括地理信息和历史采样数据。通过将此相关信息应用于关于噪音的稀疏数据记录，计算机系统可获得跨较大地理范围的噪音水平和噪音类别信息。这样的信息可基于所接收到的有关噪音的数据记录被持续地提供，通常对于任何给定时隙而言在接收噪音数据后大概几分钟。

在以下描述中，对附图进行了参考，附图构成了实施方式的一部分且在其中作为示例示出了本发明技术的具体示例实现。可以理解，可以使用其他实施例并且可以做出结构改变而不背离本公开的范围。

附图简述

图1是示例应用环境的框图，其中计算机系统支持对城市环境中的噪音的测量。

图2是描述诸如图1中的计算机系统的操作的示例过程的流程图。

图3是数据结构的说明性示例的图示。

图4是描述将噪音样本映射到区域的示例实现的操作的流程图。

图5和6是用于计算噪音情况的图形示例矩阵。

图7是描述在区域中计算机噪音达一时隙的示例实现的操作的流程图。

图8是用其可实现这样的系统的各组件的示例计算机的框图。

详细描述

以下章节描述了在城市环境中测量噪音的计算机系统的示例实现。

计算机系统100在城市环境的各区域中使用采样数据104来测量噪音，在每个采样数据中每个采样将噪音类别或水平与一位置和一个时间点或一天中多个时隙中的一个时隙相关联。这个采样数据作为当前噪音样本数据104在图1中示出。当前噪音样本数据104代表发生在城市环境中的当前噪音的采样(例如，噪音类别或水平、位置和时间)。

噪音样本数据104可使用各种传感器102以许多方式获得。在一个实现中，使用被称为“311”的数据。诸如纽约市中使用的“311”系统，允许个人使用包括噪音电话呼叫来提出申诉。当涉及噪音申诉时，打电话的个人提供输入，该数据被作为数据记录进行存储，其包括日期和时间、位置和噪音类别。为每个呼叫记录的这样的数据向计算机系统实时提供了噪音样本。来自多个呼叫的数据被收集并作为当前噪音样本数据102存储在计算机存储中供计算机系统访问。各种其它类型的传感器可被用于捕捉噪音样本。计算机系统100随后使用该噪音样本数据104来计算每区域、每时隙、每类别噪音信息并实时提供这些测量。

在其中聚集噪音数据的地区被分隔成多个区域，被指示为区域信息108。这样的区域集合可例如从可用地理信息115(诸如邮政编码或路网信息)获得。使用路网信息，地图分割算法(未示出)可被应用到由路网定义的图形以定义各区域。例如，这样的分割算法可通过主要路段的位置来定义各区域。路网信息可例如由一组互连的路段来定义，其中每个路段由包括地理坐标集之中的至少两个端点和长度的数据来表示。

当前噪音样本数据104和区域108被输入到噪音映射模块106，该噪音映射模块将一个时隙内的每个噪音样本映射到一个区域。噪音映射模块输出针对给定时隙、针对每个区域的噪音数据(在图1中被指示为区域噪音数据110)的矩阵。

噪音样本数据104，和随后的区域噪音数据110，相对于区域和时隙两者而言是稀疏的。计算机系统使用这个稀疏数据来测量每个区域和时隙(包括其中不存在采样数据的区域和时隙)中的噪音。为了执行这样的计算，计算机系统还访问定义不同区域中的和不同时隙中的相关性的其它信息。这样的相关性数据可包括，例如，地理信息115和历史采样数据114或另一相关性数据116。

这样的相关性数据的一个示例是地理信息115。作为示例，路网信息可被增大以包括除了路段端点之外每个路段的其它地理信息。这样的附加地理信息可包括但不限于，描述路段的中间点集合、类型(例如，高速公路、城市道路)、多条小路、和方向(例如，单行道或双向的)。地理信息可包括地理区域中的感兴趣点。感兴趣点可以例如通过感兴趣点与之相关联的至少地理空间坐标集或路段，以及其它诸如名称、类别、地址等的属性来表示。

作为相关性数据的另一示例，区域噪音数据110可通过时隙随时间来收集，以提供历史信息114。

作为其它相关性数据116的示例，可使用基于位置的社交网络的用户位置数据。用户位置数据可从基于位置的社交网络获得，并且提供指示给定区域中的多个人的数据。这样的数据指示城市环境内的人类迁移，这与噪音相关。这样的用户位置数据是去标识(de-identified)的数据，并可包括每时隙每区域的用户计数。这样的信息可由基于位置的社交网络(诸如Gowalla网和Foursquare网)提供。用户位置数据可包括类似于那些用于感兴趣点的类别。实际交通数据或来自其它位置传感器的数据也可被用于代替用户位置数据。

区域噪音数据110和相关性数据，诸如历史信息114、地理信息115和其它数据116，被输入到噪音估计模块112。噪音估计模块112以下面更详细描述的方式来处理其输入以生成针对当前时隙内每个区域的每区域噪音估计118。具体而言，瞬间噪音信息是代表在一时隙期间在各区域中的噪音事件的稀疏数据集。因为许多区域没有被在一时隙期间的噪音样本数据覆盖，所以噪音样本数据相对于全部区域而言稀疏。噪音估计模块使用来自其它源的相关性信息，诸如历史信息和地理信息，来处理数据稀疏，以计算包括其中不存在样本数据的其它区域的每区域噪音估计118。

如以上图1所描述的计算机系统的每个模块，可使用一个或多个计算机的一个或多个处理单元来实现，其中一个或多个计算机程序由一个或多个处理单元来处理。这样的计算机在以下结合图8更详细地描述。计算机程序包括计算机可执行指令和/或计算机解释的指令，诸如程序模块，其指令由计算机中的一个或多个处理单元处理。一般而言，这样的指令定义了在由处理单元处理时指令处理单元对数据进行操作或配置处理器或计算机来实现各种组件或数据结构的例程、程序、对象、组件、数据结构等等。这个计算机系统可以在其中不同模块可在通过通信网络链接的不同计算机上实现的分布式计算环境中实现。模块本身可使用多个计算机来实现。在分布式计算环境中，计算机程序可位于本地和远程计算机存储介质两者中。

示出诸如图1所示的计算机系统的示例操作的流程图现将结合附图2来被描述。

在图2中，计算机系统接收200噪音样本数据，该噪音样本数据包括跨给定时隙的噪音的多个实例。

该时隙可以是足以在该时隙期间提供若干噪音样本的任何时间周期。噪音映射模块将每个噪音样本与城市环境的一区域相关联202。结果是表示在几个区域中在一时隙中的噪音样本的稀疏噪音数据。噪音估计模块访问204相关性数据并且接着生成206针对每个区域的在当前时隙中的噪音估计。

这样的计算机系统的示例实现的细节现将结合附图3－9来被描述。

在图3中，计算机程序的示例数据结构针对噪音样本数据102和路网信息的每一个来示出，路网信息是地理信息115的一部分，从路网信息中可获得区域数据108。这样的数据结构可被实现在持久存储(例如在数据库或数据文件)中。这样的数据结构可被实现在存储器中。一般而言，这样的数据结构在存储器中是为了由计算机系统的各种模块使用数据所执行的计算的目的。

在图3中，噪音样本300是噪音类别302或水平、位置304和时间306的组合。时间可以是以任何格式的，并且可诸如以小时、分钟和秒的形式(并且可选地可包括日期)表示一天里的时间。能够配置噪音采样系统以使得噪音样本300包括，其中发生噪音的区域108之一作为其位置，在此情况下，噪音映射模块106可被去除。

同样在图3中，路网信息320可使用路段322的集合来表示。该集合可由例如图形或经排序或未经排序列表来表示。每个路段322可由两个端点324、326表示，并且可以可选地被表示为这两个端点之间的有向边。可选地，描述路段(例如，弯路)的附加点的列表328可被包括。可被表示的其它信息包括但不限于，长度330、等级332(例如，高速公路、城市道路)、方向334(例如，单行道或双向的)、一些小路336等。使用这个信息，区域108可被定义并且要被用于相关性数据中的附加特征也可被定义。其中路段下降的区域也可被存储在数据结构中，如在338所指示的。

参考图4，从路网信息获得的给定时隙和区域的噪音样本可以是到噪音映射模块的输入。在结合图4描述的一个实现中，噪音映射模块将每个噪音样本投射到从路网信息中的路段获得的一个区域。一般而言，噪音映射模块为每个噪音样本计算400用以关联该噪音样本的最近的区域。将噪音样本与其对应的区域相关联的数据可被存储在诸如以上结合图3所描述的数据结构中，或存储在在分开的数据结构中。

接着，噪音映射模块可为每个区域计算402表示与那个区域相关联的噪音样本的聚集值。作为一个示例，当前时隙的矩阵被创建为条目A(i,j,k)的集合，每一个存储每个类别cj在区域ri和时隙tk中的总数的噪音样本。多个类别、区域和时隙上的条目集合是稀疏数据的三维矩阵A，其使用以下描述的过程被完成以提供针对该时隙中每个区域的噪音条件的测量。

为确保数据质量，其中噪音样本数量小的区域可被看待为好像没有值。例如，噪音映射模块可将具有小于阈值(例如2)的值的任何条目设置404成零。矩阵中的值还可在0到1的范围中被规范化406。

在为给定时隙计算区域噪音数据之后，噪音映射模块将这个信息存储408在例如数据库或数据文件中，作为历史交通噪音数据(例如，以被用作图1中的历史信息114)。

如上面所注意到的，噪音映射模块输出的一时隙的区域噪音数据可与该时隙的历史噪音数据、地理信息和其它相关性数据进行组合，以计算每区域噪音数据。历史信息是噪音映射模块针对先前时隙输出的每时隙的区域噪音数据。地理信息是被确定存在于每个区域中的与噪音相关的一组特征。某些地理信息可从路网信息(图3)中获得。其它相关性信息可包括用户位置信息，如以下也将更详细描述的。

现在将讨论从路网信息获得的地理信息的示例。给定路网信息，每个区域内的各路段可被确定。可为每个路段存储这样的数据。从区域中的这组路段，可获得路网特征。这个示例实现中考虑的示例路网特征是该区域中的交叉数量(fs)(其为各路段共享的区域中的唯一端点的总数)，每个等级的路段的总长度(fr)。限制该区域范围的各主要道路被用于针对区域的这些计算中。该组路网特征可被表示为矩阵，每个区域一行且每个路网特征一列。

感兴趣的点也可以是地理信息的一部分。与感兴趣的点相关联的特征可以是矩阵的包括针对每个区域的路网特征的一部分，其中区域的感兴趣的点的信息作为附加特征，即，矩阵的一个或多个列。感兴趣的点可以是，例如，位于区域内的任何地点。例如，感兴趣的点可与路网信息中的路段相关联或可与区域相关联。在一个实现中，对于每个区域，该区域内的感兴趣的点被标识。这个信息可被提供在例如感兴趣的点的预处理的数据库中，其用区域和类别表示感兴趣的点。针对区域基于感兴趣的点获得的特征可包括，例如，该区域中多个感兴趣的点(fn)、该区域中感兴趣点的密度的测量(fd)，以及跨一组类别的感兴趣的点的分布(fc)。

通过从路网、感兴趣的点或其它数据获得其它特征，也可包括进一步的地理信息。这样的特征可作为一列或多列被包括在区域的特征的矩阵中。

如果在多个区域的矩阵中表示这样的特征，那么地理特征集合类似的各区域可具有类似噪音条件。这样的地理特征因此定义各区域间的相关性。

本发明不限于地理特征、感兴趣点特征或路网特征的任何特定集合。一般而言，为了从上面描述的稀疏噪音数据中计算每区域噪音条件，值的矩阵被确定，使得具有类似值的区域被看作具有类似噪音条件。在此说明性示例中，这样的地理特征通常是关于各区的静态信息，并可被计算一次和/或很少更新。

用户位置信息类似地可被聚集以创建时隙和区域间的相关性信息的矩阵。用户位置信息，如上面所注意的，通常包括时间和位置的样本集合。每个样本被映射到矩阵中的一个区域和一个时隙。矩阵中的那个单元的值是针对那个区域和时隙找到的样本的数量。此类数据展示各区域之间的潜在相关性，因为时隙中具有类似人口模式的区域可能具有类似噪音图案。同样，此类数据展示时隙中潜在相关性，因为相同区域中具有类似人口模式的时隙可能具有类似噪音模式。这样的用户位置信息，尽管一般不是静态的，在缺乏显著的人口统计学或地理改变时也趋向于随时间维持相同模式，并且可被不频繁地计算。

历史噪音数据也可被用作相关性数据，从中另一矩阵可被获得，其示出了区域内各噪音类别间的相关性。该矩阵每噪音类别一行，且每噪音类别一列。存储于矩阵中每行的值、列位置是基于历史噪音数据在一个类别中的噪音事件和另一类别中的噪音事件之间计算的相关性。存在各种方式来计算这样的相关性。尽管历史信息随时间改变，一般而言，从数据获得的相关性不太可能在短时间周期内显著改变，因此相关性信息也可被不频繁地计算。

给定一时隙的区域噪音样本数据，连同地理特征、用户位置特征和历史噪音类别相关性、城市环境中全部区域中的噪音条件的估计可接着针对该时隙来被计算。这样的计算的示例实现现将结合附图5－6来被描述。

使用相关性数据，在此示例中地理特征、用户位置特征和噪音类别相关性、上下文知晓矩阵因式分解方法被用来计算针对每个区域在一个时隙中的估计噪声条件。具体而言，使用历史噪音数据构建的用模型表示不同噪音类别之间的相关性的矩阵、使用地理特征构建的用模型表示不同区域之间的相关性的矩阵、使用用户位置数据构建的用模型表示不同区域之间和不同时隙之间的相关性的矩阵，向完成从最近时隙的样本数据中构建的噪音数据的稀疏数据矩阵的问题提供上下文。各矩阵的组合可被因式分解以针对全部区域完成稀疏数据矩阵并提供噪音条件测量，包括不存在数据样本的区域。

在图5中，存在三个矩阵X、Y和Z。因此，矩阵X是为每个区域ri、那个区域的地理特征(在此示例实现中fs、fr、fn、fd和fc，如上描述的)提供的每区域地理特征的串接。矩阵Y是在一组时隙(i)中的每一个时隙中位于每个区域(k)中的用户的数量的串接(dik)。例如，表示一整天的矩阵Y可被预先构建在存储器中，并且，对于任何给定计算，可使用该矩阵的子集。矩阵Z是从历史噪音数据的噪音类别间计算的相关性的集合。

如图6所示，当前每个区域中的噪音条件通过使用来自矩阵X、Y和Z的数据在矩阵A中填充缺失的值来估计。具体而言，矩阵A可与矩阵X、Y和Z一起被协作分解以改善所得到的完成的矩阵A的精确性。

为执行这样的这些矩阵的协作分解，计算以下：

首先矩阵A的分解使用以下目标函数来定义：

矩阵X和Y如下分解：

X＝R x U和Y＝T x R^T

因此，矩阵A和X共享矩阵R。因此，矩阵A和Y共享矩阵R和T。X、Y和Z的密集表示对低评级矩阵R、C和T的相对精确的值的生成作出贡献。矩阵A接着可通过以下来计算：

以上的目标函数可通过迭代局部优化过程，诸如通过使用如图7所述的梯度下降算法，来求解。图7中所示的实现是独立更新矩阵A中的檐口条目的逐元素的优化算法。

例如，迭代过程可被实现。当前迭代由变量例如t表示，其在700处连同计算中的其它变量被初始化，例如t＝1，如在702中所指示的。在704处，设定梯度下降算法的步长。在706处，在每个迭代中，矩阵A中的非零值被处理，来为低评级矩阵R、C和T计算值，且S和U被更新。当前迭代计数递增，且处理重复，如在708处所指示的，除非最后两次迭代之间的误差差值低于阈值。在此阶段，矩阵R、C和T可被输出并被用于完成矩阵A。

使用诸如上面描述的实现，稀疏噪音样本数据可结合相关性数据来被使用，以估计对于一时隙的城市环境的区域中的噪音条件，包括其中在那个时隙没有接收到噪音样本的区域的噪音条件。噪音样本数据可被计算机系统处理来执行对在时隙内收集的数据的实时测量。计算机系统可计算时隙内的噪音条件以提供实时测量。

因此，在一个方面，计算机系统在城市环境的各区域中测量噪音条件。计算机系统包括其中存储噪音样本数据的计算机存储。样本数据将噪音的发生与位置和时间点相关联。样本数据可例如从通过电话系统接收的呼叫者的申诉数据中获得。此外，计算机存储包括定义各区域、时隙和噪音类别间的相关性的相关性数据。一个或多个处理单元被编程以访问该计算机存储以使用相关性数据来处理噪音样本数据，来为城市环境中的每个区域提供描述至少当前时隙的该区域的至少一个噪音条件的输出。

在另一方面，计算机实现的过程包括接收与在时间点在位置处的噪音相关联的噪音样本数据。噪音样本数据可从通过电话系统接收的呼叫者的申诉数据中获得。定义各区域、各时隙和/或各噪音类别间相关性的相关性数据被访问。使用相关性数据来处理样本数据，来为城市环境中的每个区域提供描述至少当前时隙的该区域的至少一个噪音条件的输出。

在另一方面，计算机系统包括用于接收噪音样本数据的装置。噪音样本数据将噪音与位置和时间点相关联。计算机系统包括用于使用相关性数据来处理噪音样本数据来为每个区域提供描述当前时隙的该区域的至少噪音条件的输出的装置。相关性数据可定义各区域、各时隙和/或各噪音类别间的相关性。

在另一方面，一过程包括接收将噪音与位置和时间点相关联的噪音样本数据。该过程包括使用相关性数据来处理噪音样本数据，来为每个区域提供描述至少当前时隙的该区域的至少噪音条件的输出。相关性数据可定义各区域、各时隙和/或各噪音类别间的相关性。

任何前述方面可被存储在一个或多个计算机存储介质上的计算机程序指令来实施，指令在被计算机处理时，配置计算机实现一过程或配置一个通用计算机系统来实现计算机系统。

有利地，这样的计算机系统或过程可处理一时隙的噪音样本数据以在一个时隙内实时产生针对该时隙的输出。

在任何前述方面中，相关性数据可包括针对区域中的多个路段的每一个路段的道路特征。相关性数据可包括关于每个区域中的感兴趣的点的信息。相关性数据还可包括从历史噪音样本数据中获得的各噪音类别间的相关性。相关性数据还可包括通过用户活动来将各时隙和/或区域相关的用户位置数据。

在任何前述方面中处理相关性数据和噪音样本数据可包括因式分解矩阵来确定其中在当前时隙中还未接收到噪音样本的区域的噪音条件。

在任何前述方面中，由一个或多个处理单元对当前时隙的噪音样本数据的处理在接收该噪音样本数据的时隙内实时发生。

现已描述了示例实现，图8示出了示例计算机，用该示例计算机可实现图1－7的系统的各种组件。计算机可以是各种通用或专用计算硬件配置的任何计算硬件配置。可使用的计算机的某些示例类型包括但不限于，个人计算机、游戏控制台、机顶盒、手持式或膝上型设备(例如，媒体播放器、笔记本计算机、平板计算机、蜂窝电话、个人数据助理、话音记录器)、服务器计算机、多处理器系统、基于微处理器的系统、可编程消费电子产品、网络PC、微型计算机、大型计算机、包括任何以上类型的计算机或设备的分布式计算环境等等。

参考图8，示例计算机800包括至少一个处理单元802和存储器804。计算机可具有多个处理单元802。处理单元802可包括相互独立操作的一个或多个处理核(未示出)。附加的协同处理单元，诸如图形处理单元820，也可以出现在计算机中。存储器804可以是易失性的(诸如动态随机存取存储器(DRAM)或其它随机存取存储器设备)、非易失性的(诸如只读存储器、闪存等)或两者的某种组合。该存储器的配置在图8中由虚线806来例示。计算机800可包含附加存储(可移动和/或不可移动)，包括，但不限于磁记录或光记录的盘或磁带。这样的附加存储在图8中由可移动存储808和不可移动存储810来例示出。图8中各组件一般地通过互连机制，诸如一条或多条总线830，来互连。

计算机存储介质是其中数据可被存储并由计算机从可寻址物理存储位置检索的任何介质。计算机存储介质包括易失性和非易失性存储器，以及可移动和不可移动存储介质。存储器804和806、可移动存储808和不可移动存储810全部都是计算机存储介质的示例。计算机存储介质的某些示例是RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光学地或磁光学地记录的存储设备、磁带盒、磁带、磁盘存储或其它磁性存储设备。计算机存储介质和通信介质是介质的互斥的类别。

计算机800还可包括通信连接812，其允许计算机通过通信介质与其它设备进行通信。通信介质通常经由有线或无线物质通过传播诸如载波的已调制数据信号或通过经由该物质的其他传输机制，来传输计算机程序指令、数据结构、程序模块或其他数据。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被设定或更改，从而改变了信号的接收设备的配置或状态的信号。作为示例而非限制，通信介质包括诸如有线网络或直接线连接之类的有线介质，以及诸如声学、RF、红外及其他无线介质之类的无线介质。通信连接812是诸如网络接口或无线电发射机的设备，其与通信介质进行对接以通过通信介质传输数据或从通信介质接收数据。

计算机800可具有各种输入设备814，如键盘、鼠标、笔、相机、触摸输入设备等。还可包括诸如显示器、扬声器、打印机等输出设备816。所有这些设备在本领域是已知的并且在此不必详述。各种输入和输出设备可实现自然用户接口(NUI)，其是使得用户能够以“自然”方式与设备交互而无需由诸如鼠标、键盘、遥控等强加的人为约束的任何接口技术。

UI方法的示例可包括依赖于语音识别、触摸和指示笔识别、屏幕上和屏幕附近的姿势识别、空中姿势、头部和眼睛跟踪、话音和语音、视觉、触摸、姿势、以及机器智能的那些方法，并可包括使用触敏显示器、话音和语音识别、意图和目的理解、使用深度相机(如立体相机系统、红外相机系统、和其它相机系统、以及这些的组合)的运动姿势检测、使用加速度计或陀螺仪的运动姿势检测、面部识别、三维显示、头部、眼睛和注视跟踪、浸入式增强现实和虚拟现实系统，所有这些都提供更自然的接口，以及用于使用电场传感电极(EEG和相关方法)的传感大脑活动的技术。

各种存储810、通信连接812、输出设备816和输入设备814连同计算机的其余部分可被集成在外壳内，或可通过计算机上的输入/输出接口设备连接，在这种情况中附图标记810、812、814和816可根据情况指示用于连接到设备的接口或设备其本身。

计算机系统通常包括操作系统，其为运行在计算机上的管理各应用对计算机的各种资源的访问的计算机程序。可存在多个应用。各种资源包括存储器、存储、输入设备和输出设备、诸如图8所示的显示设备和输入设备。

如以上图1－9所描述的并且在计算机上操作的计算机系统的每个模块，可使用计算机的一个或多个处理单元来实现，其中一个或多个计算机程序由一个或多个处理单元来处理。计算机程序包括计算机可执行指令和/或计算机解释的指令，诸如程序模块，其指令由计算机中的一个或多个处理单元处理。一般而言，这样的指令定义在由处理单元处理时指令处理单元对数据执行操作或配置处理器或计算机来实现各种组件或数据结构的例程、程序、对象、组件、数据结构等等。

这个计算机系统可以在操作由通过通信网络链接的多个计算机来执行的分布式计算环境中实现。在分布式计算环境中，计算机程序可位于本地和远程计算机存储介质两者中。

替代地或另外地，此处所述的各种组件中的一个或多个的功能可至少部分地由一个或多个硬件逻辑组件来执行。例如、但非限制，可使用的硬件逻辑组件的说明性类型包括现场可编程门阵列(FPGA)、程序专用的集成电路(ASIC)、程序专用的标准产品(ASSP)、片上系统系统(SOC)、复杂可编程逻辑器件(CPLD)、等等。

本发明可被实现为计算机系统、这样的计算机系统的任何个体组件、这样的计算机系统或这样的计算机系统的任何个体组件执行的处理、或包括存储有计算机程序指令的计算机存储的一种制品，其中当计算机程序指令由计算机执行时配置那些计算机以提供这样的计算机系统或这样的计算机系统的任何个体组件。

应理解，所附权利要求书中定义的主题不一定限于上述特定实现。上述特定实现仅仅作为示例公开。

Claims (15)

1.一种用于测量在城市环境的各区域中的噪音条件的计算机系统，包括：

计算机存储，包括：

将噪音与位置和在多个时隙中的一个时间点相关联的噪音样本数据；

定义各区域间的相关性和各时隙间的相关性的相关性数据；

一个或多个处理单元，被编程以访问所述计算机存储以使用所述相关性数据来处理所述样本数据，来为每个区域提供描述至少当前时隙的所述区域的至少一个噪音条件的输出。

2.如前述权利要求中任一所述的计算机系统，其特征在于，所述相关性数据包括每个区域的道路特征。

3.如权利要求2所述的计算机系统，其特征在于，所述道路特征包括所述区域中的交叉点数量。

4.如前述权利要求中任一所述的计算机系统，其特征在于，所述相关性数据包括从历史噪音样本数据中获得的各噪音类别之间的相关性。

5.如前述权利要求中任一所述的计算机系统，其特征在于，所述相关性数据包括提供在一时隙中在一区域中的个体的数量的用户位置数据。

6.如前述权利要求中任一所述的计算机系统，其特征在于，所述噪音样本数据包括时隙、区域和噪音类别的稀疏矩阵，并且其中处理包括因式分解矩阵来确定其中噪音样本尚未在当前时隙中被接收的其它区域的噪音条件。

7.如前述权利要求中任一所述的计算机系统，其特征在于，由所述一个或多个处理单元针对当前时隙对所述样本数据的处理是在接收所述样本数据的时隙内实时发生。

8.如前述权利要求中任一所述的计算机系统，其特征在于，所述噪音样本数据包括呼入的申诉信息，所述申诉信息通过电话系统接收，并提供噪音类别、时间和位置。

9.如前述权利要求中任一所述的计算机系统，其特征在于，所述相关性数据包括从社交网络的用户登录信息获得的数据。

10.如前述权利要求中任一所述的计算机系统，其特征在于，所述相关性数据包括通过传感器接收到的交通数据。

11.一种计算机实现的方法，包括：

接收将噪音与位置和时间点相关联的噪音样本数据；

访问定义各区域间和各时隙间的相关性的相关性数据；以及

使用所述相关性数据来处理所述噪音样本数据，来为每个区域提供描述至少当前时隙的所述区域的至少噪音条件的输出。

12.如权利要求11所述的计算机系统，其特征在于，所述相关性数据包括每个区域的道路特征。

13.如权利要求12所述的计算机系统，其特征在于，所述道路特征包括所述区域中的交叉点数量。

14.如权利要求11、12、或13中任一所述的计算机系统，其特征在于，所述相关性数据包括从历史噪音样本数据中获得的各噪音类别之间的相关性。

15.一种制品，包括：

包括存储器设备和存储设备的至少一个的一个或多个计算机存储介质；

存储在所述一个或多个计算机存储介质上的计算机程序，所述计算机程序在由计算机处理时，配置所述计算机实现一过程，包括：

接收将噪音与位置和时间点相关联的噪音样本数据；

访问定义各区域间和各时隙间的相关性的相关性数据；以及

使用所述相关性数据来处理所述噪音样本数据，来为每个区域提供描述至少当前时隙的所述区域的至少噪音条件的输出。