CN106777837A - 一种城市道路噪声源强预测方法及装置 - Google Patents

Abstract

本发明公开一种城市道路噪声源强预测方法及装置，该方法包括：通过将在目标城市道路上采集到各车型车辆的当前流量值、当前速度值以及当前车道数值代入到预先构建的城市道路噪声源强预测模型中，即可计算得到目标城市道路的噪声源强预测值。由于城市道路噪声源强预测模型是根据在我国实际城市道路构建的，因此，该方法可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

Description

一种城市道路噪声源强预测方法及装置

技术领域

本发明涉及噪声源强预测技术领域，更具体地说，涉及一种城市道路噪声源强预测方法及装置。

背景技术

噪声预测模型涵盖了噪声源强模型和噪声传播模型两方面。国外对于噪声源强预测模型的研究起步较早，许多国家建立了反映本国路况和车况的模型，我国出台了《公路建设项目环境影响评价规范》(以下简称《公路环评规范》)和《环境影响评价技术导则声环境》(以下简称《环评导则》)。

由于《公路环评规范》是预测公路的噪声源强，而公路与城市道路在车速、车道数和车流等方面均不同，因此使用《公路环评规范》来预测城市道路的噪声源强值会产生很大误差；《环评导则》也主要预测公路的噪声源强，并且缺少针对各类车型的车辆噪声预测公式，因此，《环评导则》不仅预测模型不完整，而且不能直接应用于预测城市道路的噪声源强值。并且，《公路环评规范》和《环评导则》中模型的基准点位置是距等效行车线7.5米，与我国《环境噪声监测技术规范城市声环境常规监测》中道路交通声环境监测中规定的行车道边0.2米、高1.2～6.0米的测量基准点要求不一致，因此，预测值不能直接应用。

有鉴于此，如何准确预测城市道路噪声源强值，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种城市道路噪声源强预测方法及装置，以解决现有的技术方案中不能准确预测城市道路噪声源强值的问题。技术方案如下：

一种城市道路噪声源强预测方法，包括：

记录目标城市道路在第一预设时间段内的各车型车辆的当前流量值、当前速度值以及当前环境信息，所述各车型车辆包括大型车辆和中小型车辆，所述当前环境信息包括当前车道数值；

根据所述各车型车辆的当前流量值及其所述当前速度值计算所述目标城市道路的平均速度值；

通过将所述各车型车辆的当前流量值、所述当前车道数值和所述目标城市道路的平均速度值代入到城市道路噪声源强预测模型中，计算目标城市道路噪声源强值，其中，所述城市道路噪声源强预测模型是预先构建的。

优选的，所述预先构建所述城市道路噪声源强预测模型的过程，包括：

从所述各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，其中，所述初始城市道路噪声源强预测模型的参数包含速度、车道数、车型折算系数、参考车型车辆的流量和非参考车型车辆的流量，所述车型折算系数为非参考车型车辆噪声值与参考车型车辆噪声值的比例；

根据车辆噪声试验场中所述参考车型车辆和非参考车型车辆在预设车速下的噪声值差，分析得到车型折算系数的取值范围，并从所述取值范围内选取至少一个车型折算系数值；

在至少一个实际典型城市道路的路边基准点处采集第二预设时间段的道路交通噪声值，并记录所述第二预设时间段内的各车型车辆的流量值、速度值以及环境参考信息，所述环境参考信息包括车道数值；

针对每一个所述车型折算系数值，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，对所述初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型；

针对各个所述当前城市道路噪声源强预测模型，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，计算预测误差值；

选取误差值最小的所述当前城市道路噪声源强预测模型作为城市道路噪声源强预测模型。

优选的，所述从所述各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，包括：

从所述大型车辆或所述中小型车辆中选取一个参考车型车辆，相应的，另一个作为非参考车型车辆；

根据车辆噪声试验场中所述参考车型车辆在预设车速下的噪声值，拟合生成用于表征噪声值与车速关系的初始平均噪声级的曲线函数；

根据参考车型车辆的流量、非参考车型车辆的流量、车型折算系数和车道数构建针对所述参考车型车辆的单车道车流量函数；

将所述曲线函数和所述单车道车流量函数代入到预设多声源计算模型中，得到初始城市道路噪声源强预测模型。

优选的，所述根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，对所述初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型，包括：

针对每一个所述实际典型城市道路，根据记录的所述各车型车辆的流量值和速度值，计算所述实际典型城市道路的平均速度值；

针对每一个所述实际典型城市道路，根据在所述实际典型城市道路上采集的所述道路交通噪声值、所述各车型车辆的流量值、所述实际典型城市道路的平均速度值和所述车道数值，计算所述车型折算系数值对应的常数项值；

根据各个所述常数项值计算常数项平均值；

将所述初始城市道路噪声源强预测模型中的常数项更新为所述常数项平均值，得到当前城市道路噪声源强预测模型。

一种城市道路噪声源强预测装置，包括：信息记录模块、第一计算模块和第二计算模块，所述第二计算模块包括模型构建模块；

所述信息记录模块，用于记录目标城市道路在第一预设时间段内的各车型车辆的当前流量值、当前速度值以及当前环境信息，所述各车型车辆包括大型车辆和中小型车辆，所述当前环境信息包括当前车道数值；

所述第一计算模块，用于根据所述各车型车辆的当前流量值及其所述当前速度值计算所述目标城市道路的平均速度值；

所述第二计算模块，用于通过将所述各车型车辆的当前流量值、所述当前车道数值和所述目标城市道路的平均速度值代入到城市道路噪声源强预测模型中，计算目标城市道路噪声源强值；

所述模型构建模块，用于预先构建所述城市道路噪声源强预测模型。

优选的，所述模型构建模块包括：初始模型构建单元、车型折算系数值分析选取单元、信息采集记录单元、常数项值校正单元、误差计算单元和模型选取单元；

所述初始模型构建单元，用于从所述各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，其中，所述初始城市道路噪声源强预测模型的参数包含速度、车道数、车型折算系数、参考车型车辆的流量和非参考车型车辆的流量，所述车型折算系数为非参考车型车辆噪声值与参考车型车辆噪声值的比例；

所述车型折算系数值分析选取单元，用于根据车辆噪声试验场中所述参考车型车辆和非参考车型车辆在预设车速下的噪声值差，分析得到车型折算系数的取值范围，并从所述取值范围内选取至少一个车型折算系数值；

所述信息采集记录单元，用于在至少一个实际典型城市道路的路边基准点处采集第二预设时间段的道路交通噪声值，并记录所述第二预设时间段内的各车型车辆的流量值、速度值以及环境参考信息，所述环境参考信息包括车道数值；

所述常数项值校正单元，用于针对每一个所述车型折算系数值，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，对所述初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型；

所述误差计算单元，用于针对各个所述当前城市道路噪声源强预测模型，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，计算预测误差值；

所述模型选取单元，用于选取误差值最小的所述当前城市道路噪声源强预测模型作为城市道路噪声源强预测模型。

优选的，所述初始模型构建单元包括：参考车型车辆选取子单元、曲线函数拟合子单元、单车道车流量函数构建子单元和初始模型构建子单元；

所述参考车型车辆选取子单元，用于从所述大型车辆或所述中小型车辆中选取一个参考车型车辆，相应的，另一个作为非参考车型车辆；

所述曲线函数拟合子单元，用于根据车辆噪声试验场中所述参考车型车辆在预设车速下的噪声值，拟合生成用于表征噪声值与车速关系的初始平均噪声级的曲线函数；

所述单车道车流量函数构建子单元，用于根据参考车型车辆的流量、非参考车型车辆的流量、车型折算系数和车道数构建针对所述参考车型车辆的单车道车流量函数；

所述初始模型构建子单元，用于将所述曲线函数和所述单车道车流量函数代入到预设多声源计算模型中，得到初始城市道路噪声源强预测模型。

优选的，所述常数项值校正单元包括：平均速度值计算子单元、常数项值计算子单元、常数项平均值计算子单元和常数项更新子单元；

所述平均速度值计算子单元，用于针对每一个所述实际典型城市道路，根据记录的所述各车型车辆的流量值和速度值，计算所述实际典型城市道路的平均速度值；

所述常数项值计算子单元，用于针对每一个所述实际典型城市道路，根据在所述实际典型城市道路上采集的所述道路交通噪声值、所述各车型车辆的流量值、所述实际典型城市道路的平均速度值和所述车道数值，计算所述车型折算系数值对应的常数项值；

所述常数项平均值计算子单元，用于根据各个所述常数项值计算常数项平均值；

所述常数项更新子单元，用于将所述初始城市道路噪声源强预测模型中的常数项更新为所述常数项平均值，得到当前城市道路噪声源强预测模型。

相较于现有技术，本发明实现的有益效果为：

以上本发明提供的城市道路噪声源强预测方法及装置，该方法包括：通过将在目标城市道路上采集到各车型车辆的当前流量值、当前速度值以及当前车道数值代入到预先构建的城市道路噪声源强预测模型中，即可计算得到目标城市道路的噪声源强预测值。由于城市道路噪声源强预测模型是根据在我国实际城市道路构建的，因此，该方法可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例一公开的一种城市道路噪声源强预测方法流程图；

图2为本发明实施例二公开的一种城市道路噪声源强预测方法部分流程图；

图3为本发明实施例二公开的另一种城市道路噪声源强预测方法部分流程图；

图4为本发明实施例二公开的另一种城市道路噪声源强预测方法部分流程图；

图5为本发明实施例三公开的一种城市道路噪声源强预测装置结构示意图；

图6为本发明实施例四公开的一种城市道路噪声源强预测装置部分结构示意图；

图7为本发明实施例四公开的另一种城市道路噪声源强预测装置部分结构示意图；

图8为本发明实施例四公开的另一种城市道路噪声源强预测装置部分结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本发明实施例一公开了一种城市道路噪声源强预测方法，应用于一种城市道路噪声源强预测装置，方法流程图如图1所示，包括如下步骤：

S101，记录目标城市道路在第一预设时间段内的各车型车辆的当前流量值、当前速度值以及当前环境信息，各车型车辆包括大型车辆和中小型车辆，当前环境信息包括当前车道数值；

在执行步骤S101的过程中，采集能代表目标城市道路一段时间平均水平的各车型车辆流量值和车速值，例如预测该目标城市道路一年的城市道路交通噪声源强值，可选取这一年的3～5个正常工作日；

需要说明的是，大型车辆可为车长大于等于6m或者乘坐人数大于等于20人的载客汽车，或者总质量大于等于12t的载货汽车或挂车。中小型车辆可为车长小于6m或者乘坐人数小于20人的载客汽车，或者总质量小于12t的载货汽车或挂车。

还需要说明的是，记录各车型车辆的流量可采用车流量自动监测设备采集或者采用交管部门的车流量数据或者人工数，可根据实际需要进行选择；记录预设时间段内的各车型车辆的速度可采用车速自动监测设备采集或者采用交管部门数据或者采用手持式设备测量，可根据实际需要进行选择。

S102，根据各车型车辆的当前流量值及其当前速度值计算目标城市道路的平均速度值；；

在执行步骤S102的过程中，例如，采集到50辆大型车辆的车速为50公里/时，采集到50辆中小型车辆的车速为60公里/小时，因此可计算目标城市道路的平均速度为55公里/小时。

S103，通过将各车型车辆的当前流量值、当前车道数值和目标城市道路的平均速度值代入到城市道路噪声源强预测模型中，计算目标城市道路噪声源强值，其中，城市道路噪声源强预测模型是预先构建的；

在执行步骤S103的过程中，由于城市道路中小型车辆远高于大型车辆，因此可选中小型车辆作为参考车型车辆，当然也可根据实际需要选取大型车辆作为参考车型车辆。

本发明实施例公开的城市道路噪声源强预测方法，通过将在目标城市道路上采集到各车型车辆的当前流量值、当前速度值以及当前车道数值代入到预先构建的城市道路噪声源强预测模型中，即可计算得到目标城市道路的噪声源强预测值。由于城市道路噪声源强预测模型是根据在我国实际城市道路构建的，因此，该方法可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

实施例二

结合上述本发明实施例一公开的城市道路噪声源强预测方法，如图1所示出的步骤S103中，预先构建城市道路噪声源强预测模型的具体执行过程，如图2所示，包括如下步骤：

S201，从各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，其中，初始城市道路噪声源强预测模型的参数包含速度、车道数、车型折算系数、参考车型车辆的流量和非参考车型车辆的流量，车型折算系数为非参考车型车辆噪声值与参考车型车辆噪声值的比例；

具体的，步骤S201中从各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型的具体执行过程，如图3所示，包括如下步骤：

S301，从大型车辆或中小型车辆中选取一个参考车型车辆，相应的，另一个作为非参考车型车辆；

S302，根据车辆噪声试验场中参考车型车辆在预设车速下的噪声值，拟合生成用于表征噪声值与车速关系的初始平均噪声级的曲线函数；

在执行步骤S302的过程中，当选取中小型车辆作为参考车型车辆时，根据车辆噪声试验场中中小型车辆在预设车速下的噪声值生成用于表征噪声值与车速关系的初始平均噪声级的曲线函数L₀＝50.08+0.29v-0.01v²，并且由于实验室测量结果与实际城市道路测量结果存在偏差，因此需要对常数项进行校正。

S303，根据参考车型车辆的流量、非参考车型车辆的流量、车型折算系数和车道数构建针对参考车型车辆的单车道车流量函数；

在执行步骤S303的过程中，由于采集的道路交通噪声值受近车道影响远大于远车道，而且道路越宽远车道对车辆噪声值影响越小，因此，对比道路总车流量，采集的车辆噪声值与平均单车道车流量相关性更好；

当选取中小型车辆作为参考车型车辆时，可构建公式N＝(k*N₁+N₂)/a作为单车道车流量函数，其中，k为车型折算系数、N₁为大型车辆的流量、N₂为中小型车辆的流量、a为车道数。

S304，将曲线函数和单车道车流量函数代入到预设多声源计算模型中，得到初始城市道路噪声源强预测模型；

在执行步骤S304的过程中，由于道路交通噪声值与各车型车辆的流量有直接联系，而每辆车可看作一个独立声源，因此车辆噪声值可以看作多声源叠加产生的，由此可选择多声源计算模型L_eq＝L₀+10lgN，其中，L₀为针对参考车型车辆的初始平均噪声级、N为针对参考车型车辆的单车道车流量。

因此，步骤S201构建的初始城市道路噪声源强预测模型可为：L_eq＝L₀+10lgN

其中，初始平均噪声级L₀＝0.29v-0.001v²+C₀，v为道路平均车速，C₀为常数项；

单车道车流量函数N＝(k*N₁+N₂)/a，k为车型折算系数，N₁为非参考车型的流量，N₂为参考车型的流量，a为车道数；

S202，根据车辆噪声试验场中参考车型车辆和非参考车型车辆在预设车速下的噪声值差，分析得到车型折算系数的取值范围，并从取值范围内选取至少一个车型折算系数值；

在执行步骤S201的过程中，假设参考车型车辆为中小型车辆，则非参考车型车辆为大型车辆，根据在车辆噪声试验场的试验结果—同速度行驶大型车辆比中小型车辆产生的噪声值大约要大8～12dB(A)以及声源叠加公式，可得知1辆大型车辆的噪声值相当于k辆中小型车辆的噪声值，并且，可确定相同速度时大型车辆噪声值与中小型车辆噪声值的比例k的取值范围为6～16，再利用实际典型城市道路进行检验。

S203，在至少一个实际典型城市道路的路边基准点处采集第二预设时间段的道路交通噪声值，并记录第二预设时间段内的各车型车辆的流量值、速度值以及环境参考信息，环境参考信息包括车道数值；

需要说明的是，实际典型城市道路可为涵盖城市道路常见的各种路型、车流量、车道数和车速情况，路面材质应为城市道路常用路面类型(例如，常用的水泥、沥青路面等)，无坡度，测量时间段道路无鸣笛。路边基准点是指与道路距离固定的位置，并且，根据我国《环境噪声监测技术规范城市声环境常规监测》中道路交通声环境监测中规定的行车道边0.2米、高1.2～6.0米的测量要求，采集车辆噪声值的测试布点可设置在行车道边0.2m、高度4.5m处，测量时避开遮挡物，测量直达声，采集时间要能代表道路平均水平；

在执行步骤S203的过程中，可在大量(>100)实际典型城市道路的路边基准点处采集第二预设时间段的道路交通噪声值，并记录第二预设时间段内的各车型车辆的流量值、速度值以及环境参考信息，环境参考信息包括车道数值；

S204，针对每一个车型折算系数值，根据道路交通噪声值、各车型车辆的流量值及其速度值和所述车道数值，对初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型；

S205，针对各个当前城市道路噪声源强预测模型，根据道路交通噪声值、各车型车辆的流量值及其速度值和车道数值，计算预测误差值；

在执行步骤S205的过程中，依据在各个实际典型城市道路上记录的各车型车辆的流量及其速度，计算各个实际典型城市道路的平均速度；通过将平均速度、车型折算系数值、各个各车型车辆的流量和车道数代入到当前城市道路噪声源强预测模型，即可计算预测值；通过计算每条实际道路的道路交通噪声值与预测值的差值的均方根，可得到预测误差值。

S206，选取误差值最小的当前城市道路噪声源强预测模型作为城市道路噪声源强预测模型。

需要说明的是，经过多次常数项校正和预测误差值计算，优选的，车型折算系数值为8，常数值为33.2，因此，可确定步骤S201中构建的城市道路噪声源强预测模型L_eq＝L₀+10lgN中初始平均噪声级L₀＝0.29v-0.001v²+C₀的常数项值优选为33.2，单车道车流量N＝(k*N₁+N₂)/a中车型折算系数值优选为8；

因此，本实施例构建的道路交通噪声预测模型为L_eq＝L₀+10lgN

其中，车辆平均噪声级L₀＝0.29v-0.001v²+33.2，v为道路平均车速；

单车道车流量N＝(8*N₁+N₂)/a，k为车型折算系数，N₁为非参考车型的流量，N₂为参考车型的流量，a为车道数。

还需要说明的是，本模型基于大量城市道路基础数据提出，适用于无坡度、无鸣笛、普通路面材质的城市道路。此模型预测的道路交通噪声源强预测值与测量值符合较好，经验证90％的差值在±2dB(A)内。对于有坡度、鸣笛或特殊路面，可在此基础上增加修正项。其中，修正项包括但不局限于路面材质、道路坡度和鸣笛频次；

针对路面材质，由于目前我国道路路面的主要类型有普通沥青混凝土路面、普通水泥混凝土路面以及低噪声路面。普通沥青混凝土路面比水泥混凝土路面的降噪效果好1～2dB(A)，低噪声路面的降噪效果为3～7dB(A)。因此常用的水泥和沥青路面可不作修正，低噪声路面应在此模型预测基础上减3～7dB(A)。具体数值视具体路面决定；针对道路坡度，仅对上行车流有效，修正公式为C_G＝0.3G dB(A)，其中，G为坡度；针对鸣笛频次，机动车鸣笛时瞬时噪声高于正常行驶时30dB(A)。

本发明实施例公开的城市道路噪声源强预测方法，通过在实际典型城市道路上采集预设时间段的车辆噪声值、记录预设时间段内各车型车辆的流量、速度以及环境参考信息，构建了符合我国城市道路交通噪声特点的道路交通噪声源强预测模型，可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

结合上述本发明实施例二公开的城市道路噪声源强预测方法，如图2所示出的步骤S204中，根据道路交通噪声值、各车型车辆的流量值及其速度值和车道数值，对初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型的具体执行过程，如图4所示，包括如下步骤：

S401，针对每一个实际典型城市道路，根据记录的各车型车辆的流量值和速度值，计算实际典型城市道路的平均速度值；

S402，针对每一个实际典型城市道路，根据在实际典型城市道路上采集的道路交通噪声值、各车型车辆的流量值、实际典型城市道路的平均速度值和车道数值，计算车型折算系数值对应的常数项值；

S403，根据各个常数项值计算常数项平均值；

S404，将初始城市道路噪声源强预测模型中的常数项更新为常数项平均值，得到当前城市道路噪声源强预测模型。

本发明实施例公开的城市道路噪声源强预测方法，通过在实际典型城市道路上采集预设时间段的车辆噪声值、记录预设时间段内各车型车辆的流量、速度以及环境参考信息，构建了符合我国城市道路交通噪声特点的道路交通噪声源强预测模型，可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

实施例三

基于上述各实施例公开的城市道路噪声源强预测方法，本发明实施例三则对应公开执行上述城市道路噪声源强预测方法的装置，其结构示意图如图5所示，城市道路噪声源强预测装置500包括：信息记录模块501、第一计算模块502和第二计算模块503，第二计算模块503包括模型构建模块504；

信息记录模块501，用于记录目标城市道路在第一预设时间段内的各车型车辆的当前流量值、当前速度值以及当前环境信息，各车型车辆包括大型车辆和中小型车辆，当前环境信息包括当前车道数值；

第一计算模块502，用于根据各车型车辆的当前流量值及其当前速度值计算目标城市道路的平均速度值；

第二计算模块503，用于通过将各车型车辆的当前流量值、当前车道数值和目标城市道路的平均速度值代入到城市道路噪声源强预测模型中，计算目标城市道路噪声源强值；

模型构建模块504，用于预先构建城市道路噪声源强预测模型。

本发明实施例公开的城市道路噪声源强预测装置可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

实施例四

结合本发明实施例三公开的城市道路噪声源强预测装置，如图5所示出的模型构建模块504，其结构示意图如图6所示，包括：初始模型构建单元601、车型折算系数分析选取单元602、信息采集记录单元603、常数项值校正单元604、误差计算单元605和模型选取单元606；

初始模型构建单元601，用于从各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，其中，初始城市道路噪声源强预测模型的参数包含速度、车道数、车型折算系数、参考车型车辆的流量和非参考车型车辆的流量，车型折算系数为非参考车型车辆噪声值与参考车型车辆噪声值的比例；

车型折算系数值分析选取单元602，用于根据车辆噪声试验场中参考车型车辆和非参考车型车辆在预设车速下的噪声值差，分析得到车型折算系数的取值范围，并从取值范围内选取至少一个车型折算系数值；

信息采集记录单元603，用于在至少一个实际典型城市道路的路边基准点处采集第二预设时间段的道路交通噪声值，并记录第二预设时间段内的各车型车辆的流量值、速度值以及环境参考信息，环境参考信息包括车道数值；

常数项值校正单元604，用于针对每一个车型折算系数值，根据道路交通噪声值、各车型车辆的流量值及其速度值和车道数值，对初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型；

误差计算单元605，用于针对各个当前城市道路噪声源强预测模型，根据道路交通噪声值、各车型车辆的流量值及其速度值和车道数值，计算预测误差值；

模型选取单元606，用于选取误差值最小的当前城市道路噪声源强预测模型作为城市道路噪声源强预测模型。

本发明实施例公开的城市道路噪声源强预测装置，可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

结合本发明实施例四公开的城市道路噪声源强预测装置，如图6所示出的初始模型构建单元601，其结构示意图如图7所示，包括：参考车型车辆选取子单元701、曲线函数拟合子单元702、单车道车流量函数构建子单元703和初始模型构建子单元704；

参考车型车辆选取子单元701，用于从大型车辆或中小型车辆中选取一个参考车型车辆，相应的，另一个作为非参考车型车辆；

曲线函数拟合子单元702，用于根据车辆噪声试验场中所述参考车型车辆在预设车速下的噪声值，拟合生成用于表征噪声值与车速关系的初始平均噪声级的曲线函数；

单车道车流量函数构建子单元703，用于根据参考车型车辆的流量、非参考车型车辆的流量、车型折算系数和车道数构建针对参考车型车辆的单车道车流量函数；

初始模型构建子单元704，用于将所述曲线函数和所述单车道车流量函数代入到预设多声源计算模型中，得到初始城市道路噪声源强预测模型。

本发明实施例公开的城市道路噪声源强预测装置，可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

结合本发明实施例四公开的城市道路噪声源强预测装置，如图6所示出的常数项值校正单元604，其结构示意图如图8所示，包括：平均速度值计算子单元801、常数项值计算子单元802、常数项平均值计算子单元803和常数项更新子单元804；

平均速度值计算子单元801，用于针对每一个实际典型城市道路，根据记录的各车型车辆的流量值和速度值，计算实际典型城市道路的平均速度值；

常数项值计算子单元802，用于针对每一个实际典型城市道路，根据在实际典型城市道路上采集的道路交通噪声值、各车型车辆的流量值、实际典型城市道路的平均速度值和车道数值，计算车型折算系数值对应的常数项值；

常数项平均值计算子单元803，用于根据各个常数项值计算常数项平均值；

常数项更新子单元804，用于将初始城市道路噪声源强预测模型中的常数项更新为常数项平均值，得到当前城市道路噪声源强预测模型。

本发明实施例公开的城市道路噪声源强预测装置，可准确预测我国无坡度、无鸣笛、普通路面材质的城市道路的噪声源强值，为道路建设前环评、道路交通噪声常规监测提供了手段。

以上对本发明所提供的一种城市道路噪声源强预测方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素，或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种城市道路噪声源强预测方法，其特征在于，包括：

记录目标城市道路在第一预设时间段内的各车型车辆的当前流量值、当前速度值以及当前环境信息，所述各车型车辆包括大型车辆和中小型车辆，所述当前环境信息包括当前车道数值；

根据所述各车型车辆的当前流量值及其所述当前速度值计算所述目标城市道路的平均速度值；

通过将所述各车型车辆的当前流量值、所述当前车道数值和所述目标城市道路的平均速度值代入到城市道路噪声源强预测模型中，计算目标城市道路噪声源强值，其中，所述城市道路噪声源强预测模型是预先构建的。

2.根据权利要求1所述的方法，其特征在于，所述预先构建所述城市道路噪声源强预测模型的过程，包括：

从所述各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，其中，所述初始城市道路噪声源强预测模型的参数包含速度、车道数、车型折算系数、参考车型车辆的流量和非参考车型车辆的流量，所述车型折算系数为非参考车型车辆噪声值与参考车型车辆噪声值的比例；

根据车辆噪声试验场中所述参考车型车辆和非参考车型车辆在预设车速下的噪声值差，分析得到车型折算系数的取值范围，并从所述取值范围内选取至少一个车型折算系数值；

在至少一个实际典型城市道路的路边基准点处采集第二预设时间段的道路交通噪声值，并记录所述第二预设时间段内的各车型车辆的流量值、速度值以及环境参考信息，所述环境参考信息包括车道数值；

针对每一个所述车型折算系数值，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，对所述初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型；

针对各个所述当前城市道路噪声源强预测模型，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，计算预测误差值；

选取误差值最小的所述当前城市道路噪声源强预测模型作为城市道路噪声源强预测模型。

3.根据权利要求2所述的方法，其特征在于，所述从所述各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，包括：

从所述大型车辆或所述中小型车辆中选取一个参考车型车辆，相应的，另一个作为非参考车型车辆；

根据车辆噪声试验场中所述参考车型车辆在预设车速下的噪声值，拟合生成用于表征噪声值与车速关系的初始平均噪声级的曲线函数；

根据参考车型车辆的流量、非参考车型车辆的流量、车型折算系数和车道数构建针对所述参考车型车辆的单车道车流量函数；

将所述曲线函数和所述单车道车流量函数代入到预设多声源计算模型中，得到初始城市道路噪声源强预测模型。

4.根据权利要求2所述的方法，其特征在于，所述根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，对所述初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型，包括：

针对每一个所述实际典型城市道路，根据记录的所述各车型车辆的流量值和速度值，计算所述实际典型城市道路的平均速度值；

针对每一个所述实际典型城市道路，根据在所述实际典型城市道路上采集的所述道路交通噪声值、所述各车型车辆的流量值、所述实际典型城市道路的平均速度值和所述车道数值，计算所述车型折算系数值对应的常数项值；

根据各个所述常数项值计算常数项平均值；

将所述初始城市道路噪声源强预测模型中的常数项更新为所述常数项平均值，得到当前城市道路噪声源强预测模型。

5.一种城市道路噪声源强预测装置，其特征在于，包括：信息记录模块、第一计算模块和第二计算模块，所述第二计算模块包括模型构建模块；

所述信息记录模块，用于记录目标城市道路在第一预设时间段内的各车型车辆的当前流量值、当前速度值以及当前环境信息，所述各车型车辆包括大型车辆和中小型车辆，所述当前环境信息包括当前车道数值；

所述第一计算模块，用于根据所述各车型车辆的当前流量值及其所述当前速度值计算所述目标城市道路的平均速度值；

所述第二计算模块，用于通过将所述各车型车辆的当前流量值、所述当前车道数值和所述目标城市道路的平均速度值代入到城市道路噪声源强预测模型中，计算目标城市道路噪声源强值；

所述模型构建模块，用于预先构建所述城市道路噪声源强预测模型。

6.根据权利要求5所述的装置，其特征在于，所述模型构建模块包括：初始模型构建单元、车型折算系数值分析选取单元、信息采集记录单元、常数项值校正单元、误差计算单元和模型选取单元；

所述初始模型构建单元，用于从所述各车型车辆中选取参考车型车辆并构建初始城市道路噪声源强预测模型，其中，所述初始城市道路噪声源强预测模型的参数包含速度、车道数、车型折算系数、参考车型车辆的流量和非参考车型车辆的流量，所述车型折算系数为非参考车型车辆噪声值与参考车型车辆噪声值的比例；

所述车型折算系数值分析选取单元，用于根据车辆噪声试验场中所述参考车型车辆和非参考车型车辆在预设车速下的噪声值差，分析得到车型折算系数的取值范围，并从所述取值范围内选取至少一个车型折算系数值；

所述信息采集记录单元，用于在至少一个实际典型城市道路的路边基准点处采集第二预设时间段的道路交通噪声值，并记录所述第二预设时间段内的各车型车辆的流量值、速度值以及环境参考信息，所述环境参考信息包括车道数值；

所述常数项值校正单元，用于针对每一个所述车型折算系数值，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，对所述初始城市道路噪声源强预测模型的常数项值进行校正，得到当前城市道路噪声源强预测模型；

所述误差计算单元，用于针对各个所述当前城市道路噪声源强预测模型，根据所述道路交通噪声值、所述各车型车辆的流量值及其所述速度值和所述车道数值，计算预测误差值；

所述模型选取单元，用于选取误差值最小的所述当前城市道路噪声源强预测模型作为城市道路噪声源强预测模型。

7.根据权利要求6所述的装置，其特征在于，所述初始模型构建单元包括：参考车型车辆选取子单元、曲线函数拟合子单元、单车道车流量函数构建子单元和初始模型构建子单元；

所述参考车型车辆选取子单元，用于从所述大型车辆或所述中小型车辆中选取一个参考车型车辆，相应的，另一个作为非参考车型车辆；

所述曲线函数拟合子单元，用于根据车辆噪声试验场中所述参考车型车辆在预设车速下的噪声值，拟合生成用于表征噪声值与车速关系的初始平均噪声级的曲线函数；

所述单车道车流量函数构建子单元，用于根据参考车型车辆的流量、非参考车型车辆的流量、车型折算系数和车道数构建针对所述参考车型车辆的单车道车流量函数；

所述初始模型构建子单元，用于将所述曲线函数和所述单车道车流量函数代入到预设多声源计算模型中，得到初始城市道路噪声源强预测模型。

8.根据权利要求6所述的装置，其特征在于，所述常数项值校正单元包括：平均速度值计算子单元、常数项值计算子单元、常数项平均值计算子单元和常数项更新子单元；

所述平均速度值计算子单元，用于针对每一个所述实际典型城市道路，根据记录的所述各车型车辆的流量值和速度值，计算所述实际典型城市道路的平均速度值；

所述常数项值计算子单元，用于针对每一个所述实际典型城市道路，根据在所述实际典型城市道路上采集的所述道路交通噪声值、所述各车型车辆的流量值、所述实际典型城市道路的平均速度值和所述车道数值，计算所述车型折算系数值对应的常数项值；

所述常数项平均值计算子单元，用于根据各个所述常数项值计算常数项平均值；

所述常数项更新子单元，用于将所述初始城市道路噪声源强预测模型中的常数项更新为所述常数项平均值，得到当前城市道路噪声源强预测模型。