[论文解读] 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 37

一句话总结

SONYC 提出了一种网络物理系统，整合了低功耗传感器网络、机器听觉和公民科学，以实现实时的城市噪声监测、分析与缓解。通过结合客观的传感器数据与众包报告，并运用先进的时空建模技术，该系统生成动态的三维噪声地图，支持基于证据的执法与政策制定，显著优于纽约市311这类反应式投诉系统。

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.

研究动机与目标

• 解决类似纽约市311的反应式、基于投诉的噪声监测系统所存在的局限性，这些系统无法捕捉系统性噪声源，且响应时间过长。
• 开发一种客观、可扩展的基础设施，利用低功耗、网状连接的传感器网络实现城市噪声的持续测量。
• 通过机器听觉和数据融合技术，对噪声源进行分类，并对全城范围内的时空噪声模式进行建模。
• 通过移动平台使公民能够记录、标注并基于数据驱动的证据报告噪声，从而增强公民参与度。
• 通过实时、高分辨率的三维噪声地图，为城市机构提供可操作的洞察，以支持有效的执法与政策制定。

提出的方法

• 部署一套低功耗、由电池或太阳能供电的传感器节点网络，利用915MHz认知无线电实现长距离、多跳网状通信。
• 在异构处理器（如Ineda i7 SoC）上实施分层的、事件驱动的计算，以在多标签噪声分类过程中最大限度降低功耗。
• 利用时空协方差模型，通过融合传感器数据与开放数据（如交通流量、场所信息、社交媒体）来预测数据稀疏区域的噪声水平。
• 结合数据驱动建模与物理声学原理及三维城市几何结构，通过GPU加速的光线投射技术实时生成动态三维噪声地图。
• 开发移动平台，使公民能够记录、标注、可视化并报告噪声事件，同时附加上下文数据，提升透明度与公民参与度。
• 将311投诉数据与传感器数据整合，以改进噪声源定位并验证模型预测结果。

实验结果

研究问题

• RQ1 如何设计一种可扩展的、低功耗的传感器网络，以实现在城市范围内持续监测噪声污染？
• RQ2 机器听觉与数据融合技术在多大程度上能够提升噪声源分类与时空制图的准确性与分辨率？
• RQ3 如何将公民科学与移动平台整合进一个网络物理系统中，以增强数据采集、公众参与度以及执法的可信度？
• RQ4 能否通过数据驱动与物理模型相结合的方法，生成实时、三维动态噪声地图，以支持可操作的城市政策与执法？
• RQ5 将客观的传感器数据与主观的311投诉数据相结合，如何提升对持续性噪声源的检测与缓解效果？

主要发现

• SONYC系统成功部署了原型传感器网络，利用915MHz频段的认知无线电技术，在城市环境中实现了长距离、低功耗、多跳通信。
• 通过使用异构处理器与硬件虚拟化技术，实现了高效的、按需工作的计算，显著降低了实时多标签噪声分类的功耗。
• 时空协方差模型通过融合传感器数据与开放数据源（如交通模式、场所位置）有效弥补了传感器覆盖稀疏的问题。
• 将311投诉数据与传感器数据整合后发现存在显著偏差：311过度反映社交噪声（如派对、音乐），而传感器则主要检测到交通与施工为首要噪声源。
• 该系统证明了通过数据驱动建模与GPU加速光线投射技术结合，可实现实时、动态的三维噪声地图生成。
• 移动平台原型使公民能够贡献带有地理标记与标注的音频记录，并访问聚合数据，从而提升了噪声相关决策中的透明度与公民参与度。