道路分割精度对交通噪声模拟的影响

根据7条珠江新城主要道路的交通流实测数据,结合标准ISO 9613-2噪声计算模型,采用不同的道路分割精度模拟出整个珠江新城的交通噪声分布,以分析不同道路分割精度对交通噪声模拟的影响。另外,在珠江新城选取8个地点进行噪声值实地采集,以评估噪声模拟值与实测值的误差。结果表明,以接收点为中心,扫描角度不大于5度的道路分割方式对交通噪声模拟效果较好。     

信号控制对交通噪声的影响分析

用实验方法测定三种不同车型单辆车在参考距离处的噪声排放量及加减速噪声修正值。然后结合微观交通仿真、车辆噪声排放量和传播衰减模型分别对信号控制下的间断流交通噪声和无控制的连续流交通噪声进行动态模拟。最后对两种不同交通流状况下的等效声级、噪声标准差、交通噪声指数和噪声的频数分布进行对比分析,得到两种不同交通流状况下交通噪声的若干重要差别。     

城市轨道交通噪声及其控制研究

近年来,随着经济的发展,修建城市轨道交通已成为解决大城市交通问题的首要选择,但同时也给沿线的居民和建筑物带来了噪声的环境污染。在分析城市轨道交通的噪声产生机理和传播规律的基础上,提出相应的控制措施和途径,为解决城市轨道交通发展中的噪声环境问题提供参考。     

高校新校区交通噪声预测评价

交通噪声是造成高校环境噪声超标的主要因素,尤其对城市道路下穿校园的新校区影响更大。运用噪声预测方法对在建的安徽理工大学新校区进行噪声预测评估,为其环境规划提供相应的依据和技术支持。通过测量统计校园周围道路不同类型的机动车流量数据,结合测量已有道路的交通噪声,利用Cadna/A噪声预测软件,建立新校区交通噪声模型,计算并绘制噪声网格分布图,并提出相应噪声控制措施。结果表明,通过采取在校园四周增加围墙,并在南北下穿城市道路旁设置声屏障等措施后,可以改善校园声环境,使其达到国家I类地区噪声规定标准。     

考虑路网交通流状态的单变量交通噪声预测

为实现路网区域交通噪声预测,克服传统预测模型中路段间交通特性相互独立以及路段内流量与速度相互独立的缺陷,借助Van Aerde交通流模型,在不同道路等级、设计速度约束下,结合道路线声源噪声排放,构建基于速度的单变量交通噪声预测模型.分别对比4种常见城市道路的交通噪声实测值,模型预测值平均偏差为1.63 dB,满足精度需...     

公路隧道交通噪声的声学处理

由于公路隧道有坚硬的装饰面,车辆辐射的噪声,沿着隧道纵向传播很少衰减。这样,行驶在隧道里的司机或许会感到好像在他的后面车子,正要向自己的车子靠近。比较重要的影响是隧道的出口所辐射的噪声而引起的。这种噪声对隧道口附近居民,有时会引起严重的噪声污染。     

影响高速公路交通噪声预测关键参数

交通量、车型比和车速是影响高速公路交通噪声预测的关键参数。基于对四川某典型高速公路交通量、车型比和车速的实际调查,采用《环境影响评价技术导则声环境》(HJ 2.4-2009)推荐的模式预测了不同监测点处的交通噪声值,并与实测噪声值进行比较,得出以下结论:1)采用设计车速或实际车速预测的噪声值与实测值较吻合;2)选用实际车速并将整条高速公路视为一个整体较其它分幅方案的计算结果与实测值更接近;3)选用夜间车型比沿用昼间车型比预测的夜间交通噪声值更为准确。     

城市道路交通噪声分析与防治对策研究

对呼和浩特市区主要交通干道的交通流及交通进行噪声测量,并针对该市区道路和交通现状进行分析研究.从路网建设、绿化林带、降噪路面、交通管制等四个方面提出较为有效合理的道路交通噪声污染防治措施.     

道路在晴天和雨天情况下的交通噪声谱

已往有关交通噪声研究的报导,均是晴天情况的。涉及气候因素(例如下雨)对车辆产生的总燥声级影响的研究,仅限于单车轮胎噪声方面,所观察到的增值高达10dB(A)。少数研究测量了在下雨情况下城市交通噪声的频谱或声级。在墨西哥市某些地区进行城市噪声研究的过程中,有机会作了雨天和晴天的记录,并将在这些情况下记录的频谱加以比较。对在这些情况下测得的噪声级也作了比较,但因交通流量变化,难以获得条件相似的足够记录,或者获得具有充分代表性的统计采样,以进行比较。因此,本文主要论及频谱方面,但也对所得噪声级数据作一些评论。     

道路交通噪声垂向传播规律研究

对北京6栋快速路临街建筑物窗外噪声级进行现场实测,道路交通噪声垂向上先增后减的传播规律。通过实测数据分析、理论计算和Cadna/A噪声预测方法相结合对产生该传播规律的原因进行研究。结果表明：道路交通噪声垂向传播规律与其自身特性相关。在一定高度以下,建筑物上噪声传播规律是递增的;达到一定高度后,道路交通噪声符合线声源特性,按照线声源理论衰减。     

交通噪声综合影响指数及噪声控制研究

道路交通噪声污染对人体健康和社会经济的发展是一大危害.在分析已有的环境噪声评价方法的基础上,考虑交通噪声的特点,提出了适于我国道路交通环境噪声评价的交通噪声综合影响指数,并从低噪声车辆的研究、道路设计、城市规划、标准和法规等四个方面阐述了降低城市道路交通噪声的有效防治对策.     

基于洗衣机操控区域交互模式的可用性评价研究

目的 随着洗衣机产品人机交互界面信息数量在有限区域内的不断增加,构建基于不同交互模式的洗衣机产品可用性评价指标体系,有助于在产品研发的早、中期阶段进行改进,并发现现有产品或原型的可用性问题。方法 采用文献调查法以及用户调研法,完成洗衣机产品的可用性评估模型的构建,通过情景模拟实验法,对按键、按键加旋钮、触屏三种交互模式下洗衣机产品的可用性进行评估与分析。结果 随着洗衣机界面有限操控区域内信息数量的增多,三种交互模式对用户体验质量的影响,得出了可用性评价等级。结论 在有限的操作区域内,当信息数量低于十四时,三种交互模式的用户体验基本相似,随着信息数量的增加,按键加旋钮的交互模式的任务成功率优于按键和触屏,而触屏的交互模式在效率、有用性和满意度方面,均优于按键和按键加旋钮。     

基于视频的车辆检测在交通噪声预测中的应用

目前交通噪声预测使用的FHWA模型在实际应用以人工方式来统计通过的车辆数和车型,人工成本高,统计值容易产生偏差。通过引入检测线上发生改变像素的连接程度,提出基于中介度量理论和车辆长度信息的车辆检测算法,利用先进的图像处理和模式识别等技术,自动的获得道路通过的车辆数和车型,车辆检测结果可与FHWA预测模型有效结合。从实验结果可以看出,算法达到了很好的效果,为FHWA模型提供了准确的车流量数据。     

A Neuro-Fuzzy Approach to Road Traffic Congestion Prediction

The fast-paced growth of artificial intelligence applications provides unparalleled opportunities to improve the efficiency of various systems. Such as the transportation sector faces many obstacles following the implementation and integration of different vehicular and environmental aspects worldwide. Traffic congestion is among the major issues in this regard which demands serious attention due to the rapid growth in the number of vehicles on the road. To address this overwhelming problem, in this article, a cloud-based intelligent road traffic congestion prediction model is proposed that is empowered with a hybrid Neuro-Fuzzy approach. The aim of the study is to reduce the delay in the queues, the vehicles experience at different road junctions across the city. The proposed model also intended to help the automated traffic control systems by minimizing the congestion particularly in a smart city environment where observational data is obtained from various implanted Internet of Things (IoT) sensors across the road. After due preprocessing over the cloud server, the proposed approach makes use of this data by incorporating the neuro-fuzzy engine. Consequently, it possesses a high level of accuracy by means of intelligent decision making with minimum error rate. Simulation results reveal the accuracy of the proposed model as 98.72% during the validation phase in contrast to the highest accuracies achieved by state-of-the-art techniques in the literature such as 90.6%, 95.84%, 97.56% and 98.03%, respectively. As far as the training phase analysis is concerned, the proposed scheme exhibits 99.214% accuracy. The proposed prediction model is a potential contribution towards smart cities environment.