[論文レビュー] SONYC: A System for the Monitoring, Analysis and Mitigation of Urban Noise Pollution

Juan Pablo Bello, Claudio Silva+6 more|arXiv (Cornell University)|May 2, 2018

Noise Effects and Management参考文献 21被引用数 37

ひとこと要約

SONYCは、低消費電力センサーネットワーク、マシンリスニング、および市民科学を統合したサイバーフィジカルシステムを提案し、都市の騒音をリアルタイムでモニタリング、分析、緩和することを可能にする。センサーデータとクラウドソーシングによるレポート、および高度な空間時間モデリングを組み合わせることで、証拠に基づいた執行や政策立案を支援する動的3次元騒音マップを生成する。これは、ニューヨーク市の311のような反応型の苦情システムに比べ、著しく優れている。

ABSTRACT

We present the Sounds of New York City (SONYC) project, a smart cities initiative focused on developing a cyber-physical system for the monitoring, analysis and mitigation of urban noise pollution. Noise pollution is one of the topmost quality of life issues for urban residents in the U.S. with proven effects on health, education, the economy, and the environment. Yet, most cities lack the resources to continuously monitor noise and understand the contribution of individual sources, the tools to analyze patterns of noise pollution at city-scale, and the means to empower city agencies to take effective, data-driven action for noise mitigation. The SONYC project advances novel technological and socio-technical solutions that help address these needs. SONYC includes a distributed network of both sensors and people for large-scale noise monitoring. The sensors use low-cost, low-power technology, and cutting-edge machine listening techniques, to produce calibrated acoustic measurements and recognize individual sound sources in real time. Citizen science methods are used to help urban residents connect to city agencies and each other, understand their noise footprint, and facilitate reporting and self-regulation. Crucially, SONYC utilizes big data solutions to analyze, retrieve and visualize information from sensors and citizens, creating a comprehensive acoustic model of the city that can be used to identify significant patterns of noise pollution. These data can be used to drive the strategic application of noise code enforcement by city agencies to optimize the reduction of noise pollution. The entire system, integrating cyber, physical and social infrastructure, forms a closed loop of continuous sensing, analysis and actuation on the environment. SONYC provides a blueprint for the mitigation of noise pollution that can potentially be applied to other cities in the US and abroad.

研究の動機と目的

• ニューヨーク市の311のような反応型で苦情に依存する騒音モニタリングシステムの限界を是正すること。これらのシステムは、根本的な騒音源を捉えられず、応答時間が長くなる。
• 低消費電力でメッシュ接続が可能なセンサーネットワークを用いて、継続的かつスケーラブルな都市騒音測定のインfraストラクチャを構築すること。
• マシンリスニングとデータ統合技術を活用し、都市全体における騒音源の分類と空間時間的騒音パターンのモデリングを行うこと。
• モバイルプラットフォームを通じて市民がデータドリブンな証拠を用いて騒音を記録・アノテート・報告できるようにし、市民参加を促進すること。
• 都市当局が実行可能かつ即効性のあるイン사이트を得られるように、リアルタイムで高解像度の3次元騒音マップを提供することによる、効果的な執行と政策立案を支援すること。

提案手法

• 915MHzの認知ラジオを用いた長距離でマルチホップ可能なメッシュ通信を実現する、低消費電力でバッテリー／太陽光駆動のセンサーノードネットワークを展開する。
• 異種プロセッサ（例：Ineda i7 SoC）を用いた階層的でイベント駆動型のコンピューティングを実装し、複数ラベル騒音分類の際の電力消費を最小限に抑える。
• 空間時間的共分散モデルを用いて、交通量や施設位置、SNSデータなどのオープンデータとセンサーデータを統合することで、データが少ない地域の騒音レベルを予測する。
• データドリブンモデリングと物理的音響原理、3次元都市ジオメトリを統合し、GPUアクセラレーションを用いたレイトレーシングにより、リアルタイムで動的3次元騒音マップを生成する。
• 市民が文脈的情報を含めた位置情報付きで音声記録を投稿・アノテート・可視化・報告できるモバイルプラットフォームを開発する。これにより、透明性と市民参加が向上する。
• 311の苦情データとセンサーデータを統合し、騒音源の局所化精度を向上させるとともに、モデル予測の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、スケーラブルで低消費電力なセンサーネットワークを設計し、都市規模での継続的騒音汚染モニタリングを可能にするか？
• RQ2 マシンリスニングとデータ統合技術を用いることで、騒音源分類と空間時間的マッピングの正確性と解像度はどの程度向上するか？
• RQ3 市民科学とモバイルプラットフォームをサイバーフィジカルシステムに統合することで、データ収集、市民参加、執行の信ぴょう性はどのように向上するか？
• RQ4 データドリブンと物理ベースのモデリングをハイブリッドに用いることで、実行可能な都市政策と執行に役立つリアルタイムで動的3次元騒音マップを生成できるか？
• RQ5 客観的なセンサーデータと主観的な311苦情データを統合することで、持続的騒音源の検出と緩和はどの程度改善されるか？

主な発見

• SONYCシステムは、915MHz帯の認知ラジオ技術を用いた都市環境下での長距離で低消費電力かつマルチホップ通信を実現したプロトタイプセンサーネットワークを成功裏に展開した。
• 異種プロセッサとハードウェア仮想化を活用した計算アーキテクチャにより、効率的なドーティサイクル計算が可能となり、リアルタイムでの複数ラベル騒音分類にかかる電力消費が顕著に削減された。
• 空間時間的共分散モデルは、交通パターンや施設位置などのオープンデータソースとセンサーデータを統合することで、センサーカバレッジが薄い地域の補完に効果を発揮した。
• 311苦情データとセンサーデータの統合により、顕著な不一致が明らかになった。311は社交的騒音（例：パarty、音楽）を過剰に報告している一方で、センサーは交通と建設作業を主な騒音源として検出している。
• データドリブンモデリングとGPUアクセラレーションを用いたレイトレーシングを組み合わせることで、リアルタイムで動的3次元騒音マップを生成する可能性が実証された。
• モバイルプラットフォームのプロトタイプは、市民が位置情報付きでアノテートされた音声記録を貢献でき、集約データにアクセスできるようにし、騒音関連意思決定における透明性と市民参加を高めた。