모니터링 및 관리에 대한 Big Data Analytics의 사용 Urban Noise Pollution

도시 소음 오염은 현대 도시에 가장 큰 침습적 환경 스트레스 요인 중 하나가되었습니다. 세계 보건기구 (WHO)에 따르면 55 데 비스벨 이상의 소음 수준에 대한 노출은 어린이의 고혈압,인지 장애를 포함하여 상당한 건강 위험을 유발할 수 있으며 수면 중단. 도시 지역에 거주하는 세계 인구의 55% 이상이 살고 있으며, 2050년까지 68%에 도달 할 것으로 예상되는 수치가 더 많은 영향을 미쳤습니다. 지능형 소음 관리를위한 필요성은 결코 더 이상 중요하지 않았습니다. 전통적인 기상 환경에 대한 영향을 최소화하고, 자연적 인 영향을 최소화하는 것이 아니라, 진정한 음향적 인 도시 환경에 영향을 미치는 영향을 측정하는 데 도움이 될 것입니다.

도시 소음 오염 파악

도시 환경의 소음 오염은 복잡한 소스 혼합에서 시작 : 도로 및 철도 교통, 항공기 운영, 산업 기계, 건설 활동, 및 사회 모임. 유럽 환경기구는 유럽에서 100 만 명이 넘는 사람들이 도로 교통에서 유해한 소음 수준에 노출된다는 것을보고합니다. 물리적 영향은 잘 문서화 된 소음은 매년 유럽 전역의 12,000 조기 사망에 기여합니다. 건강, 소음이 저하된 재산 가치, 야생 동물 행동을 파괴하고, 삶의 전반적인 품질을 감소시킵니다.

도시 계획자에 대한 도전은 소음이 제복되지 않습니다. 조용한 주거 거리는 7 AM에 건설 드릴에 의해 형성 될 수있다; 나이트 클럽 지구는 주말에 90 데시벨 이상 스파이 할 수있다. 소음은 또한 HVAC 시스템에서 주파수가 낮은 주파수의 유머가 더 높은 주파수 소리를 여행 할 수 있습니다. 이러한 nuances에 따라 높은 공간과 임시 해상도로 데이터를 필요로한다. 이것은 큰 데이터 분석이 중요한 간격을 채우고, 흩어져있는 디벨 판독으로 판독 할 수 있습니다.

노이즈 모니터링의 Big Data Analytics 역할

이 도메인의 큰 데이터 분석은 단순히 사운드 레벨을 수집하는 데에 대해 아닙니다. 그것은 전체 파이프라인을 우회합니다. 이진 소스, 청소 및 정상화 소음 측정에서 데이터를 섭취하고 통계 및 기계 학습 모델을 적용하여 정책 및 운영 결정에 대한 정보를 분석하는 대시보드에서 추세를 식별하고 시각화하는 기능을 제공합니다. 도시 전체 센서 네트워크에서 하루 수백만 개의 데이터 포인트를 처리 할 수 있는 기능은 소음을 동적으로 파악할 수 있습니다.

Data Collection 방법

현대 소음 감시는 조정과 이동할 수 있는 자료 근원의 혼합에, 각 contributing 다른 힘 의존합니다:

Fixed Noise sensors: 영구적으로 전략적 위치-소변, 병원, 학교-전문가들의 지속적인 교정된 독서에 마이크를 설치했습니다. Sonitus]] System use low-cost IoT sensors with cellular backhaul, enable dense 적용.
모바일 크라우드 감지: 노이즈 튜브 또는 유럽위원회의 Noise-Planet] 프로젝트는 시민들이 공식 네트워크에 대한 참여 지도를 창출하는 장치 마이크와 소음 수준을 보고할 수 있도록 합니다.
소셜 미디어 마이닝: 자연 언어 처리 알고리즘은 X(이전 Twitter)과 Nextdoor 같은 플랫폼에 포스트를 파고, 소음 관련 불만을 위해, 공식 센서가 놓을 수 있는 핫스팟을 식별하기 위해 지루하게 합니다.
Operational data: 교통 흐름 센서, 건설 허가 및 공공 행사 일정은 소음 스파이크를 설명하는 데 도움이되는 컨텍스트 메타 데이터를 제공합니다. 예를 들어, 버스 위치 데이터와 센서 읽기를 결합하면, 노이즈 차량이 피할 수 있습니다.

Data Processing 및 Insight Generation의 데이터 처리 및 통찰력

Raw decibel 측정은 시작에만 있습니다. Big data platform은 여러 분석 기법을 적용하여 값을 추출합니다.

Pattern 인식:다른 소음 소스와 잭머 대 사이에서 구별되는 기계 학습 클래스터. 오토바이에 의해 분석 주파수 분광 및 임시 서명.
Anomaly detection: 언슈퍼비스드 알고리즘은 늦은 밤 건설 위반과 같은 비정상적인 소음 사건을 강제로 경고를 강제로 강제합니다.
현실모델링: 과거 데이터와 날씨 예측을 사용하여, 모델은 다가오는 일 동안 소음 수준을 예측할 수 있으며, 도시를 다시 루트 트래픽 또는 일정 중단 작업을 중단할 수 있습니다.
Correlation Analysis: 특정 변수에 대한 통계 방법 링크 소음 스파이크, 트래픽 볼륨의 5% 증가는 특정 지역에 2dB 상승으로 이어진다.

이 통찰력은 일반적으로 ]Aveshka 또는 Bridgeporth]]와 같은 대시보드에 시각화되어, 도시 공식은 열지도가 살아있는 센서 피드와 트렌드 라인과 함께 오버레이를 볼 수 있습니다.

Data-Driven Strategies와 도시 소음 관리

빅 데이터 분석의 궁극적 인 목표는 소음을 측정하는 것은 아니지만, 이를 줄이기위한 것입니다. 전 세계 도시는 이미 데이터 증거를 기반으로 한 타겟팅 개입을 배치하고 있습니다.

Smart Traffic Management(스마트 교통 관리)

바르셀로나에서 100 + 음향 센서 네트워크는 도시의 스마트 플랫폼으로 공급합니다. 학교 근처 소음 수준이 떨어지는 시간 동안 65 dB를 초과하면 트래픽 신호가 idling 및 속도를 감소시키기 위해 조정됩니다. 데이터 분석은 학교 주변의 300 미터 반경을 덮는 볼러드가 3 개월 동안 평균 소음을 감소 시켰습니다.

역학 건설 일정

예측 모델로 런던의 의회는 현재 발행 허가 전에 소음 영향을 예측할 수 있는 계약자를 제출해야 합니다. 이 시스템은 실시간 센서 데이터를 사용하여 트래픽 마스크 건설 사운드에서 배경 소음이 발생할 때 초기 오후에 활동이 이동할 수 있는 계획된 작업을 진행하고, 주민들에게 피크 노출을 줄입니다.

실시간 인력

파리에서 “스마트 거리” 조종사 사용 기계 학습은 소음 한계를 깨는 수정 된 배기 가스를 식별합니다. 거리 측 카메라 및 마이크 어레이는 사운드 프로파일 및 라이센스 플레이트를 캡처하고 몇 분 안에 자동 벌금을 발행합니다. 이 프로그램은 첫 6 개월에서 32%로 반복 멸균을 절단합니다.

도전과 윤리적 고려

소음 관리의 큰 데이터의 약속은 중요하지만, 몇몇 장애물은 평등하고 효과적인 배포를 보장하기 위해 주소를 지정해야합니다.

데이터 프라이버시: Crowd-sourced apps and Mike-equipped sensors는 대화의 의도적인 녹음에 대한 우려를 제기합니다. 데이터 익명화, 차별 프라이버시 및 로컬 처리(edge computing)과 같은 솔루션은 위험을 완화할 수 있습니다.
센서 바이스: 고정 센서는 부지르 지구에 집중되어 경향이 있습니다. 이 소음 오염이 종종 악화되는 저소득층의 모니터링 갭을 만듭니다. 공간 평등은 모든 인구 통계에서 모바일 데이터의 디바이더 센서 배치 및 사용이 필요합니다.
Accuracy and Calibration:] 낮음 센서가 시간이 지남에 따라 편성됩니다. 참고 미터를 사용하는 도시 전체 교정 프로토콜은 데이터 품질 유지에 필수적입니다. 그렇지 않으면 잘못된 경고 또는 놓친 이벤트는 erode 신뢰를 할 수 있습니다.
Algorithmic Fairness: 과거의 집행 데이터에 훈련 된 예측 모델은 더 많은 policing과 함께 반대 영역을 분산시킬 수 있습니다. 인종과 사회 경제적 비스듬한 입찰에 대한 감사는 어떤 배포의 일부가되어야한다.

미래 지향

소음 관리의 큰 데이터 분석을위한 다음 국경은 더 넓은 스마트 시티 생태계와 깊은 통합에 속합니다. 5G 네트워크가 밖으로 롤으로, 경보 시스템에 대한 대기 시간은 100 밀리 초 미만을 떨어 뜨릴 것이며, 자율적 인 개입을 가능하게합니다. 사운드 장벽 배포 무인 항공기 또는 인스턴트 트래픽 재난과 같은. 인공 지능은 카우스 포용성 소각에 분류를 넘어 이동할 것입니다, 단지 "무게 수준은 무엇입니까?"하지만 "왜 높고, 어떤 위조 조치가 더 낮은 것입니까?"

또 다른 유망한 지역은 디지털 트윈의 사용입니다: 새로운 트램 라인, 속도 제한 또는 녹색 벽에 대 한 제안 된 정책의 영향을 시뮬레이션 도시 사운드스케이프의 가상 복제. 이러한 모델은 대규모 컴퓨팅 리소스 및 고해상도 데이터가 필요하지만 싱가포르의 초기 테스트 및 오슬로 쇼 그들은 0 물리적 비용에서 최대 20%까지 소음 오염을 줄일 수 있습니다.

블록체인 기반 보상 시스템은 높은 수준의 크라우드 자원을 활용할 수 있는 데이터를 활용할 수 있는 시민들에게 집중할 수 있으며, 증강현실 헤드셋의 몰입형 사운드 시각화는 인식을 높이고 커뮤니티 주도의 소음 감소 이니셔티브를 촉진할 수 있었습니다.