计算机动态模拟方法在城市交通噪声监测中的应用
基于大数据分析的城市环境噪音监测与控制
基于大数据分析的城市环境噪音监测与控制城市环境噪音是现代城市普遍面临的问题之一，对人类的健康和生活品质产生了负面影响。
随着大数据技术的不断发展，越来越多的城市开始采用基于大数据分析的方法来监测和控制城市环境噪音。
本文将探讨基于大数据分析的城市环境噪音监测与控制的方法和应用。
首先，城市环境噪音监测是指利用传感器和大数据分析技术来实时监测城市中的噪音水平。
传感器可以安装在城市中的各个角落，采集环境中的噪音数据，并传输给数据中心进行分析。
大数据分析技术可以处理海量的噪音数据，进行数据挖掘和分析，从而提取有价值的信息。
通过监测城市环境噪音，可以了解城市中噪音的分布情况、噪音来源以及噪音的变化趋势，为后续的噪音控制工作提供依据。
其次，基于大数据分析的城市环境噪音控制是指通过分析噪音数据，并采取相应的控制措施来降低城市环境噪音水平。
大数据分析可以揭示噪音来源的规律和城市中噪音的严重程度，从而为噪音治理提供科学依据。
例如，大数据分析可以发现城市中的主要噪音源，比如交通噪音、工业噪音等，并提出相应的控制措施，比如优化交通路线、调整工业用地等。
同时，大数据分析还可以帮助监测噪音控制措施的效果，及时调整和改进控制策略。
在实际应用中，基于大数据分析的城市环境噪音监测与控制已经取得了一些成果。
例如，某城市利用大数据分析技术，对城市中的噪音进行了实时监测，并根据监测结果制定了一系列的噪音管控措施。
通过减少交通拥堵和优化车辆调度，成功降低了城市交通噪音的水平。
另外，某工业园区利用大数据分析技术，对工业噪音进行了分类和分析，并针对性地采取了一系列的噪音控制措施，显著减少了工业噪音对周边居民的干扰。
然而，基于大数据分析的城市环境噪音监测与控制还面临一些挑战。
首先是数据采集和处理的问题。
噪音数据的采集需要在城市中广泛部署传感器，而传感器的安装和维护成本较高。
同时，海量的噪音数据也需要进行高效地处理和分析，对计算能力和存储空间提出了挑战。
利用云计算进行城市噪音监测及分析
利用云计算进行城市噪音监测及分析随着城市化进程的加速和人口数量的增长，城市噪音污染已成为严重的环境问题。
长期暴露于高强度的噪音中对人的身心健康产生不良影响。
因此，利用云计算技术进行城市噪音监测与分析成为改善城市居民生活质量的一种有力手段。
本文将深入探讨如何利用云计算技术进行城市噪音监测及分析的方法与实践。
一、云计算技术在城市噪音监测与分析中的应用云计算技术以其高效、灵活、可扩展的特点，为城市噪音监测与分析提供了良好的基础。
与传统的基于本地服务器或单一计算机的方法相比，云计算技术具有以下几个优势：1. 数据存储与处理能力的提升：云计算平台拥有强大的存储与计算资源，可以存储和处理大规模的噪音数据，能够满足城市噪音监测与分析的需求。
2. 弹性的资源调配：云计算平台可以根据实际需求动态地分配计算资源，能够灵活应对噪音监测与分析的任务量变化。
3. 实时数据获取与共享：利用云计算技术，城市噪音监测系统可以实时获取并共享噪音数据，提高了监测的时效性和效率。
4. 多终端接入与可视化展示：云计算平台支持多种终端设备接入，能够以可视化的方式展示噪音监测数据，方便相关部门和公众进行更直观的分析和决策。
二、基于云计算的城市噪音监测系统架构基于云计算的城市噪音监测系统主要包括数据采集、数据传输、数据存储与处理、数据展示与应用等模块。
下面将介绍各模块的主要功能和实施方式。
1. 数据采集：利用传感器网络和物联网技术，实现城市不同区域的噪音数据采集。
传感器节点可以布置在城市的各个重要位置，并实时采集噪音数据，并通过网络传输至云平台。
2. 数据传输：采用互联网、移动网络等技术，将从传感器节点采集到的噪音数据传输至云计算平台。
数据传输过程中需要确保数据的安全性和完整性，可采用加密与校验等技术手段。
3. 数据存储与处理：云计算平台拥有强大的存储和计算能力，可以存储大规模的噪音数据，并进行数据预处理、数据清洗和数据分析等操作。
通过将数据存储于云端，便于后续的数据管理和应用。
城市环境噪声监测与仿真分析研究
城市环境噪声监测与仿真分析研究随着城市化的加速发展，城市环境噪声成为人们生活中不可忽视的问题。
噪声污染不仅严重影响人们的生活质量，还对人体健康产生不良影响。
因此，城市环境噪声的监测与分析成为了一个急需解决的问题。
本文将重点讨论城市环境噪声监测与仿真分析的研究方法和应用。
一、城市环境噪声监测的方法与技术城市环境噪声监测是了解城市噪声污染程度的基础，它可以帮助政府制定相关的环境保护政策和措施。
目前，城市环境噪声监测主要采用定点监测和移动监测两种方法。
定点监测是在城市中选择一定数量的监测点位，并对噪声进行长期连续监测。
这种监测方法能够提供准确的噪声水平数据，但无法全面覆盖城市各个区域。
移动监测则是通过装备噪声监测仪器的车辆在城市各个道路进行巡逻，实时采集并记录噪声数据。
这种方法具有较大的灵活性，能够全面覆盖城市各个区域的噪声情况。
除了监测方法外，城市环境噪声监测还需要使用一系列的噪声监测设备和技术。
常见的噪声监测设备包括噪声仪、声级计、频谱分析仪等。
这些设备能够准确测量噪声的声级、频谱和时间变化特征。
二、城市环境噪声仿真分析的原理与方法城市环境噪声仿真分析是一种基于数学模型和计算机模拟的方法，通过模拟城市中噪声源的分布、传播过程以及与环境的相互作用，预测和评估城市环境中的噪声水平。
城市环境噪声仿真分析的基本原理是利用数学模型描述噪声源的声功率、方向性、频谱等特性，根据传播环境的特点，模拟噪声在空气中的传播过程，并结合城市环境的特点，对噪声的反射、干扰等效应进行模拟计算。
城市环境噪声仿真分析主要包括以下几个步骤：1. 噪声源建模：根据实际情况，对噪声源进行建模，包括声功率、频谱和方向性等参数。
2. 环境参数建模：对城市的地理信息、建筑结构、地形地貌等进行建模，用以模拟噪声在城市中的传播过程。
3. 噪声传播模拟：利用数学模型和计算机仿真技术，对噪声在城市中的传播进行模拟计算，得到各个区域的噪声水平分布图。
城市轨道交通噪声预测方法
城市轨道交通噪声预测方法
城市轨道交通噪声预测方法有以下几种：
1. 建立数学模型：根据城市轨道交通的具体情况，采用数学模型对噪声进行预测。
数学模型可以根据历史数据、线路走向、车速等参数建立，通过模型计算出噪声的传播距离、强度等信息，从而预测城市轨道交通在不同地点的噪声污染程度。
2. 现场实测：在城市轨道交通通过的路段进行实测，获得噪声数据并分析，从而得出预测结果。
实测数据可以通过计算机模拟来分析和预测。
3. 软件模拟：利用计算机软件模拟城市轨道交通行驶所产生的噪声，对其传播特征进行计算和预测。
软件模拟可以将多种参数考虑在内，从而更准确地预测噪声的传播情况。
以上三种方法都有其优缺点，需要根据实际情况选择合适的方法进行预测。
在实际工程中，一般采用数学模型和现场实测相结合的方法进行噪声预测。
基于智能监测的轨道噪音控制技术研究与应用
基于智能监测的轨道噪音控制技术研究与应用随着城市化进程的加快和交通运输的不断发展，轨道交通系统的噪音污染问题日益突出。
为了提高城市居民的生活质量和保护环境，需要进行轨道噪音控制技术的研究与应用。
本文将探讨一种基于智能监测的轨道噪音控制技术，并分析其在实际应用中的效果。
智能监测技术是一种利用先进的传感器和数据处理技术对轨道噪音进行实时监测和分析的方法。
通过对轨道交通系统产生的噪音进行精确的监测和分析，可以实时掌握噪音的产生原因和分布情况，为后续的噪音控制工作提供科学依据。
在智能监测技术下，我们可以利用多种传感器对轨道噪音进行监测。
例如，可以使用声音传感器对噪音进行实时采集，并通过采集的数据进行有效分析。
同时，还可以配备振动传感器等其他类型的传感器，以获得更全面的噪音监测数据。
在轨道噪音的控制方面，智能监测技术可以发挥重要作用。
通过对噪音产生原因的深入研究和分析，我们可以采取相应的措施来降低噪音的产生。
例如，可以在轨道设备上加装噪音吸收材料，减少噪音的传播；或者通过优化轨道线路的设计，减少列车通过时产生的噪音。
此外，智能监测技术还可以实现对轨道噪音的实时监控和预警。
当噪音超过某一预定的阈值时，系统会自动发出警报，以提醒相关人员采取相应措施。
这种预警功能可以有效地减少噪音对周围居民的干扰，并更及时地采取噪音控制措施，以保障居民的生活质量。
在实际应用中，基于智能监测的轨道噪音控制技术已经取得了一定的成果。
例如，在某些城市的轨道交通系统中，已经安装了智能监测设备，并取得了明显的噪音控制效果。
居民对周围噪音的投诉数量明显减少，生活质量得到明显提高。
不过，要想实现更好的轨道噪音控制效果，还需要进一步完善技术和管理体制。
首先，需要提高智能监测技术的精度和效率，以准确掌握轨道噪音的产生和分布情况。
其次，需要加强与相关部门的合作，制定噪音控制的具体措施和工作计划。
最后，需要加大对轨道噪音控制技术的宣传和推广力度，以增强公众意识，形成全社会共同关注和支持噪音控制工作的氛围。
城市交通计算机仿真技术在城市规划中的应用
城市交通计算机仿真技术在城市规划中的应用城市交通计算机仿真技术是一种通过计算机模拟城市交通状况和相关因素的技术，可应用于城市规划过程中。
它能够模拟交通流、规划交通网络、评估交通政策等，为城市规划师和决策者提供信息和支持，以优化城市交通系统。
以下是城市交通计算机仿真技术在城市规划中的应用：1.交通流仿真：交通流仿真是城市交通规划中的基础工作之一、借助计算机仿真技术，可以模拟和分析不同交通场景下的交通流动情况，包括道路通行能力、车辆流量、平均速度等，从而找出交通流堵塞和瓶颈的原因，并提供相应的优化建议。
2.交通网络规划：交通网络规划是城市交通规划的核心内容之一、通过计算机仿真技术，可以建立整个城市的交通网络模型，包括道路网络、公交网络、轨道交通网络等。
利用仿真模型，可以评估不同道路规划方案的效果，包括道路网络扩展、道路引导和调整、新增公交线路等，以提高交通网络的效率和可靠性。
3.交通政策评估：交通政策评估是城市规划中的重要环节之一、利用计算机仿真技术，可以模拟和评估不同交通政策对交通系统的影响，如交通限行、新能源汽车推广、公交车道建设等。
通过分析仿真结果，可以从交通拥堵、环境影响和经济效益等多个方面评估交通政策的效果，并为政策制定者提供科学依据。
4.公共交通优化：公共交通优化是城市交通规划的重要内容之一、计算机仿真技术可以模拟公共交通系统的运行情况，包括车辆调度、车辆运行路线、换乘导引等。
通过仿真模拟，可以优化公共交通系统的运行效率，减少换乘时间、提高运输容量和服务质量，从而提升城市居民的出行体验。
5.基础设施规划：基础设施规划是城市交通规划的重要组成部分。
利用计算机仿真技术，可以模拟城市交通基础设施的建设和改造情况，包括道路、桥梁、隧道、交通枢纽等。
通过仿真分析，可以评估不同基础设施建设方案的效果，优化道路网络布局、交通枢纽设置和交通流动组织，以提高城市交通系统的整体效率。
综上所述，城市交通计算机仿真技术在城市规划中具有重要的应用价值。
基于GIS技术的道路交通噪声预测技术
基于GIS技术的道路交通噪声预测技术刘蔚然(中冶节能环保有限责任公司 北京 100088)摘要：随着社会的不断发展，城市居民汽车拥有量不断增加，对城市声环境质量造成了不小的影响，随着人们对环境质量要求的不断提高，道路交通噪声产生的危害也备受重视。
该文以城市道路数据与道路噪声源数据为例，通过GIS软件支持，创建道路和声源模型，对噪声场进行计算，实现噪声场叠加，对交通噪声情况和变化进行确定，以此实现评估。
结果分析表明：所选路段噪声影响预测结果与实际监测结果近似，城市道路车流量密集，大部分是公交车、中型客车和小型汽车，噪声影响较大，对于城市环境的危害是广泛的。
关键词：GIS技术 道路交通 噪声预测 预测技术中图分类号：TB5文献标识码：A 文章编号：1672-3791(2023)18-0015-04 Road Traffic Noise Prediction Technology Based on GISTechnologyLIU Weiran(System Research Institute of ECO-ETCH & ECO-EL, Ltd. MCC Group, Beijing, 100088 China) Abstract:The continuous development of society and the increasing number of cars owned by urban residents have had a considerable impact on the quality of the urban acoustic environment. With the continuous improve‐ment of people's requirements for environmental quality, the hazards caused by road traffic noise have also attracted much attention. Taking urban road data and road noise source data as examples, with the support of GIS software, this paper creates road and noise source models, calculates the noise field, superimposes the noise field, and deter‐mines the situation and changes of traffic noise, so as to realize the evaluation. The analysis of results shows that the prediction results of the noise impact of the selected road section are similar to actual monitoring results, and that the traffic flow on urban roads is dense, most of which are buses, middle buses and cars, the noise impact is relatively large, and the harm to the urban environment is extensive.Key Words: GIS technology; Road traffic; Noise prediction; Prediction technique在城市建设不断加快的背景下，交通噪声逐渐成为城市环境污染的主要公害之一，迫切需要对交通噪声进行正确评估与实现对噪声污染变化的科学预测，掌握环境噪声现状与未来发展趋势，从而对噪声污染进行精准的控制和管理[1]。
城市噪声监测服务在交通规划和交通管理中的应用
城市噪声监测服务在交通规划和交通管理中的应用随着城市化进程的加速和交通运输的快速发展，城市噪声污染日益严重成为影响居民生活质量的重要因素。
在城市交通规划和交通管理中，城市噪声监测服务的应用正逐渐发挥重要作用。
本文将讨论城市噪声监测服务在交通规划和交通管理中的应用，并探讨其对城市发展的积极影响。
一、城市噪声监测服务在交通规划中的应用1. 噪声行为评估城市噪声监测服务可以对交通规划中的道路、轨道交通等交通设施的噪声行为进行评估。
通过监测、收集交通设施的噪声数据，可以分析出噪声产生的主要原因和影响范围。
在道路规划中，可以在车流量大的区域设置隔音屏障，以减少对周围居民的噪声污染。
在轨道交通建设中，可以选择低噪声材料和技术，减少列车行驶时的噪音，改善沿线居民的生活环境。
2. 噪声环境分析城市噪声监测服务可以对交通规划区域的噪声环境进行分析。
通过长期、全面的噪声监测，可以描绘出交通规划区域的噪声分布图，并对噪声进行评级和分类。
这些数据可以成为政府机构和决策者进行噪声管理和城市规划的参考依据。
例如，在住宅区域规划中，可以避免将噪声源过多集中在居民区域，以确保居民的安静休息和工作环境。
3. 噪声治理方案制定城市噪声监测服务可以支持制定交通规划中的噪声治理方案。
通过分析噪声监测数据，可以确定引起噪声问题的主要原因，进而提出相应的治理措施。
例如，通过交通管理手段控制车辆速度和密度，减少噪声污染；通过合理规划公共交通线路和站点，减少大量私家车辆的使用，进一步减少噪声产生。
二、城市噪声监测服务在交通管理中的应用1. 实时噪声监测城市噪声监测服务可以实时监测交通设施的噪声水平，为交通管理部门提供实时数据支持。
通过安装噪声传感器和监测设备，可以实时监测交通设施周围的噪声情况，并将数据实时传输到管控中心。
交通管理部门可以根据这些数据及时调整交通流量和路面维护，提升道路通行效率，并减少噪声污染对周边居民的影响。
2. 噪声源定位城市噪声监测服务可以帮助交通管理部门准确定位噪声源。
AI解决城市噪音污染问题
AI解决城市噪音污染问题随着城市化的不断加快和人们生活水平的提高，城市噪音污染已经成为了一个十分严重的问题。
而人工智能（AI）技术的迅猛发展为解决这一问题提供了新的可能性。
本文将探讨AI如何应用于城市噪音污染问题的解决，分析其优势和挑战，并展望未来的发展方向。
一、 AI技术在城市噪音监测方面的应用AI技术在城市噪音监测方面的应用为解决噪音污染问题提供了直接有效的手段。
传统的噪音监测方法需要人工投入，并且受限于时间和空间因素。
而利用AI技术可以通过智能感知设备实时监测城市中的噪音情况，比如通过安装在公共区域的传感器，可以实时收集噪音数据，并将其传输到中央数据库进行分析。
二、 AI技术在噪音控制方面的应用利用AI技术可以对噪音进行智能控制，减少其对居民生活的影响。
通过AI算法对噪音监测数据进行分析和处理，可以实现智能化的噪音控制。
比如，在交通拥堵的路段加装音频系统，通过实时播放缓慢节奏的音乐，可以有效减少车辆的喧闹噪音。
另外，AI技术还可以根据噪音来源的不同，通过调整设备的工作参数来减少噪音的产生，比如在建筑工地增加噪音屏障，控制施工机械的噪音排放。
三、 AI技术在噪音预测方面的应用AI技术在噪音预测方面的应用可以帮助城市规划者更好地预防和应对噪音污染问题。
通过分析和挖掘历史噪音数据，结合交通、人口等相关数据，利用AI算法可以预测出未来一段时间内的噪音情况，包括噪音强度、噪音来源等，为相关部门提供科学有效的决策依据，比如可以合理规划道路、公共设施等，以减少噪音产生。
四、 AI技术在噪音源定位方面的应用通过AI技术可以对噪音源进行高精度定位，从而更好地采取相应措施来减少噪音的扩散和影响范围。
利用传感器网络和大数据分析技术，可以实时监测噪音源的位置和噪音扩散规律，根据这些信息可以采取精确的控制措施，比如在噪音较为集中的区域建设噪音隔离墙、加装吸音设备等。
五、 AI技术在城市噪音污染问题中的挑战和展望尽管AI技术在解决城市噪音污染问题方面有着广阔的前景，但同时也面临一些挑战。
噪声模拟软件Cadna_A在交通噪声预测评价中的应用_刘培杰
３９．６
４３．７
３７．３
４９．４
４３．０
４６．０
３９．６
４４．０
３７．６
ｓｏｆｔｗａｒｅ ｉｎ ｐｒｅｄｉｃｔｉｏｎ ａｎｄ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｒａｆｆｉｃ ｎｏｉｓｅ ａｒｅ ｉｎｔｒｏｄｕｃｅｄ ｗｉｔｈ ｄｅｔａｉｌｅｄ ｃａｓｅ．
【Ｋｅｙ ｗｏｒ ｄｓ】Ｃａｄｎａ／Ａ； ｔｒａｆｆｉｃ ｎｏｉｓｅ； ｎｏｉｓｅ ｐｒｅｄｉｃｔｉｏｎ； ｎｏｉｓｅ ａｓｓｅｓｓｍｅｎｔ
输入道路噪声参数， 对道路建成后住宅小区的声 环境现状进行模拟， 可得到道路噪声级分布图（ 如图 ３ 所示） 、受声点在不同水平高度的 预测结果（ 如表 １ 所 示） 、小区某水平位置的噪声昼夜间等声压级分布图 （ 如图 ４， 图 ５ 所示） 等， 以此来了解交通噪声对该住宅 小区的影响。由预测结果可知， 道路建成后对该小区声 环境影响较大， 低楼层部分位置由于受到高架桥面的 遮挡可基本达标外， 小区内相当大的面积昼间夜间均 超标， 靠近道路一侧 ６￣８ 层噪声污染最为严重， 昼间超 标 １０ ｄＢ（ Ａ） ， 夜间超标 １３．５ ｄＢ（ Ａ） 。从噪声 级分布图 分析， 除由于建筑本身的遮挡而达标的小部分区域， 大 部分面积都落在达标区域外。
３ Ｃａｄｎａ／Ａ 在交通噪声预测评价中的 应用
Ｐ９ Ｐ８ Ｐ７
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机动态模拟方法在城市交通噪声监测中的应用作者：马侠霖等来源：《计算技术与自动化》2013年第04期摘要：阐述了城市道路交通噪声高污染区域的监测与模拟研究。
实现了基于微观交通仿真的交通噪声动态模拟方法，采用该方法对峡谷型道路十字交叉口和公交车站两类典型的城市道路交通噪声高污染区域进行了动态模拟，同时对这两类区域的交通噪声进行了实地监测。
监测结果和模拟结果的对比表明：该方法对等效声级Leq和统计声级L10，L50和L90等的预测具有较高的准确性，对交通噪声实地监测的优化布点和区域噪声分析有较强的指导意义。
关键词：交通噪声；监测；动态模拟；交叉口；公交车站中图分类号：TP391.9 文献标识码：A1 引言随着国民经济的持续增长和道路交通建设的快速发展，我国城市机动车保有量也迅速增加。
城市道路交通给人民生活带来便利的同时，也造成了环境污染，其中交通噪声污染问题已成为干扰人们正常生活的主要环境问题之一。
掌握交通噪声污染程度最直接的方法是对噪声进行实地监测，然而由于各种条件的限制，监测点常常无法覆盖到整个区域，因此很难全面掌握整个区域的噪声污染分布。
在道路和建筑物分布错综复杂的城市环境中，监测点的选取常常具有一定的盲目性，导致监测结果不能准确反映区域的噪声水平。
解决这一问题的一种可行办法是将噪声监测和噪声的模拟计算结合起来，让噪声的模拟计算为噪声监测的优化布点和全面掌握整个区域的噪声分布提供理论依据。
常用的交通噪声模拟计算方法有模型计算法[1-3]和计算机动态模拟法[4， 5]两种。
模型计算法在对交通噪声的静态预测中应用较广，但无法反映噪声的实时变化和波动特性，难以满足动态预测的要求。
计算机动态模拟方法将交通流仿真、车辆噪声排放模型和噪声传播与扩散模型结合起来，从而实现对特定路段交通噪声的动态模拟。
该方法适用于对道路交通噪声做出全面的预测和对其特性进行深入的研究。
目前，计算机模拟方法已成功地应用到十字交叉口[6-7]、环形交叉口[8]、地下车库[9]等局部区域的交通噪声预测中，并取得了今人满意的效果。
峡谷型道路交叉口指周边有高耸建筑物的道路交叉口，交叉口是车流汇集之处，其交通噪声本来就比较严重，而由于受建筑物的影响，噪声会经反射、衍射而加重，加上受交叉口信号灯的影响，车流状态十分复杂，计算此噪声高污染区域的噪声具有很高的难度和意义。
另外，由于大型车辆的频繁刹车和启动，公交车站一直是城市道路交通的噪声黑点，对其进行监测和模拟对改善城市声环境也有明显的意义。
本文介绍基于微观交通仿真的交通噪声动态模拟方法，将该方法与交通噪声的实地监测相结合对以上两类交通噪声高污染区域进行分析，并通过实地监测数据对模拟结果进行对比验证，讨论该方法的可行性与实用性。
2 交通噪声计算机动态模拟方法2.1 基本原理交通噪声计算机动态模拟方法是利用计算机对交通流进行模拟的同时，提取出路网中各车的实时状态信息，并实时计算出交通噪声的一种方法。
根据交通流相关理论利用计算机可以对道路交通状况进行微观仿真，每隔一段时间对仿真的交通状态数据进行采样，得到车辆位置、速度、加速度等信息，将这些信息输入单车噪声排放模型可得到动态的交通噪声排放源，然后结合相应的噪声传播衰减模型实时地计算出观测点处的噪声，从而实现对交通噪声的动态模拟（图1）。
模拟一段时间后，可对得到的一系列交通噪声瞬时值进行处理，计算出连续等效声级Leq，统计声级L10、L50、L90，交通噪声指数TNI等。
目前计算机对交通流的动态模拟技术已非常成熟，交通流的动态模拟可采用微观交通仿真软件来实现。
以Paramics微观交通仿真软件为例，可用Paramics软件对所研究的道路场景进行建模，实现对交通流的动态模拟，同时通过自编的插件程序实时对仿真的微观交通流数据进行采集，并实时计算各时刻的车辆噪声排放和观测点处噪声的动态变化。
2.2 噪声计算模型2.3 单辆车噪声排放的测定式（1）的车辆匀速行驶时的噪声排放量LC和变速噪声修正值ΔLA交通噪声计算模型的基础，直接影响到模拟结果的准确性。
国内对单车噪声排放已有一些研究成果和规范，张玉芬在1989年通过实验测量得到了当时条件下的单辆车噪声排放计算模型[11]。
JTGB 03-2006（公路建设项目环境影响评价规范）中也提供了一套单辆车噪声排放模型[12]。
但这些模型只建立了车辆速度与噪声之间的关系，没有反映出车辆加、减速的影响，且由于时间的推移，车辆降噪技术的提高，以及各地区道路环境条件的差异等，这些模型在本地使用有一定程度的误差。
因此，我们采用实验方法对车辆在参考距离处的匀速噪声LC和变速噪声修正值ΔLA进行重新测定。
实验场景依照GB 1495-2002（汽车加速行驶车外噪声极限值及测量方法）进行设置[13]。
选取四周50m范围内无明显噪声反射物的空旷区域为实验场地，路面材料为沥青混凝土材料。
实验时，声级计离地面高1.2m，距车行线7.5m。
共对1176辆机动车在匀速、加速、或减速时的噪声进行了测量，包括小型车591辆，中型车217辆，大型车368辆。
分车型对车辆匀速通过时的噪声测量结果LC和车辆在加速或减速行驶时的噪声排放与相同速度下的匀速噪声的差值ΔLA进行统计，从而得到LC与ΔLA 的统计模型。
实验数据与统计模型见文献[14]。
3 应用实例通过对峡谷型道路十字交叉口和公交车站两类交通噪声高污染区域的实地监测，并采用交通噪声动态模拟方法进行对比，同时根据实测数据和模拟结果对这两类场景的交通噪声进行分析。
3.1 峡谷型道路交叉口建筑物包围下的峡谷型道路信号控制十字交叉口是城市道路平面交叉口的主要形式。
2009年6月，我们对广州市海珠区某峡谷型道路交叉口的交通流量和交通噪声进行了实地调查。
该交叉口的各个进口均为双向四车道，车道宽度约3.75 m，建筑物到道路中心线的距离和各噪声监测点的位置如图2所示。
调查时间是5：30 AM ～ 8：30 AM。
交通流量采用人工计数的方法进行调查，分车型记录各进口车道左转、右转、直行的车辆数。
交通噪声采用AWA6218+型噪声统计分析仪进行测量，每隔1秒记录一次噪声值，以10分钟为基本单位统计LAeq、L10、L50和L90。
同时采用交通噪声动态模拟方法对该交叉口的噪声进行模拟，模拟时，考虑建筑物对噪声的反射和衍射作用。
按照该交叉口的实际参数进行建模，这些参数包括：各道路的几何参数、道路的拓扑关系、建筑物的几何参数、交通流量、道路的实际限速、车型比例、信号控制方法等。
按照实测的车流量进各监测点的交通噪声进行模拟，并与实测结果进行对比。
图3中的（a）、（b）、（c）图分别为测点1、测点2、测点3在各时间段内的Leq、L10、L50和L90模拟值与实测值曲线，容易看出，各监测点噪声的各种评价量的模拟值与实测值吻合较好，模拟值与实测值相差小于3 dB。
测点3处的交通噪声比其它两测点高，原因是测点3更靠近交叉口中心，可接收到更大范围内的直达声。
由于各道路车流量在5：30 AM ～ 8：30 AM呈增长趋势，所以交通噪声在该时间范围内也呈增长趋势，模拟值和实测点均反映了这一规律。
3.2 公交车站公交车站广泛分布于城市交通路网中，由于公交车通常是大型车，公交车的噪声在所有车辆噪声中占较大的比例。
公交车的进、出站过程是匀速——减速——停车——加速——匀速的行驶过程。
在此过程中噪声的起伏变化非常大，使得公交车站附近局部区域的噪声污染更加突出。
为掌握公交车站对噪声的影响，我们对广州市新港西路某公交车站附近的交通噪声进行实地测量。
同时对靠近公交车站和远离公交车站的两个测量点进行噪声测量，如图4所示，测量点1与测量点2到道路的距离均为8米，测量点1到公交车站的距离为5米，测量点2到公交车站的距离为200米。
采用CENTER322型声级计对交通噪声进行测量，测量时间为50分钟，每5秒记录一次噪声数据，每10分钟计算一次等效声级和统计声级。
测量的同时用人工计数的方法分车道统计各车型的车辆数量。
同时采用交通噪声动态模拟方法对该公交车站附近的噪声进行动态模拟，建模时，各项参数均按照实际参数进行输入，包括道路的几何尺寸、各种车型的交通量、道路限速等。
将噪声模拟结果进行统计，并与实测值进行对比，如图5所示。
两测点Leq、L10和L50的模拟值与实测值非常接近，误差均小于3dB。
由于现场背景噪声的影响，L90的模拟值比实测值约小5dB。
可见，模拟时如果加入适当的背景噪声，将使模拟结果更加准确。
对测得的噪声数据进行频数统计，发现两测点的噪声都主要分布72dB到74dB之间，且测点1的噪声比测点2的噪声高约2dB。
在测量时间内，测点1和测点2所经过的车流量是相当的，但由于公交车进出站的影响，导致公交车站附近的噪声较高。
进一步地，如果将公交车站影响下的模拟结果与没有公交车站时的模拟结果相减，可得到公交车站对交通噪声的影响分布图（图6）。
可见，公交车站对交通噪声的影响随噪声接收点到公交车站的距离的增大而减小，在公交车站附近的局部区域，公交车站对噪声的影响较大。
4 结语综上所述，基于微观交通流仿真的交通噪声动态模拟方法可根据模拟的交通流状况计算出交通噪声的实时变化，是一种具有较高应用价值的方法。
通过与实测数据的比较结果表明：该方法不仅可准确预测等效声级Leq，对统计声级L10，L50和L90等的预测也具有较高的准确性。
交通噪声的动态模拟可对城市道路交通噪声高污染区域时空分布作出准确的预测，对复杂路网中噪声监测的优化布点具有很强的指导意义。
另外，由于人力物力的限制，交通噪声的实地监测不可能兼顾到路网中的所有位置，采用该方法可对一些难于监测到的位置交通噪声进行模拟分析，在一定程度上可弥补实地监测的不足。
参考文献[1] C Steele. A critical review of some traffic noise prediction models[J]. Applied Acoustics，2001， 62： 271-287.[2] 李本纲，陶澍. 道路交通噪声预测模型研究进展[J]. 环境科学研究， 2002， 15（2）：56-59.[3] 张玉芬，钱炳华，戴明新，赵剑明，季常旭. 交通运输与环境保护[M]. 北京：人民交通出版社， 2003.[4] B. Favre. Noise at the approach to traffic lights： Results of a simulation programme[J]. Journal of Sound and Vibration，1978，58（4）：563-578.[5] 吴硕贤. 部分车辆成组的多车道混合车流噪声的计算机模拟[J]. 声学学报， 1985， 10（1）： 30-40.[6] De Coensel B， Botteldooren D， Vanhove F， et al. Microsimulation based corrections on the road traffic noise emission near intersections[J]. ACTA ACUSTICA UNITED WITH ACUSTICA， 2007， 93（2）： 241-252.[7] 李锋，蔡铭，刘济科. 基于微观交通仿真的交叉口交通噪声模拟方法[J]. 环境科学与技术， 2010，33（5）：179-182.[8] E Chevallier， L Ledercq， J Lelong， et al. Dynamic noise modeling at roundabouts[J]. Applied Acoustics， 2009， 70（5）： 761-770.[9] B J Zhang， C Y Guo， G Q Di. Computer simulation model of underground garage noise in urban residential areas[J]. Noise Control Engineering Journal， 2004，52（1）：13-19.[10] HJ/T90—2004. 声屏障声学设计和测量规范[S]. 北京：中国环境科学出版社.[11] 张玉芬. 公路路线设计与交通噪声防治[J]. 中国公路学报， 1997， 10（4）： 39-43.[12] JTGB 03-2006. 公路建设项目环境影响评价规范[S]. 北京：人民交通出版社.[13] GB 1495-2002. 汽车加速行驶车外噪声极限值及测量方法[S]. 北京：中国环境科学出版社.[14] 李锋，蔡铭，刘济科，余志. 行人过街信号控制路口交通噪声动态模拟与特性分析[J]. 环境科学学报， 2011， 31（2）： 424-429.。