Approach to acoustic mapping through continuous mobile monitoring

Abstract

For the production of representative noise maps, a large amount of information is necessary, which includes, among others, on-site measurements of environmental noise. Thus, for noise maps based on measurements, mobile sampling emerges as a possible solution for the enhancement of data acquisition.

The present research proposes a complete framework to perform mobile sampling. Since the normative requires long-term values to be presented in a noise map, a sampling strategy based on temporal stratification, which reduces the required sampled days to estimate the annual equivalent noise level, is presented. Furthermore, to compute long-term values for the night period, since they are usually affected by noise sources different to traffic, specifically leisure noise, a complementary temporal and spatial stratification is also presented.

Then, the statistical requirements to perform mobile noise measurements using bicycles is evaluated. The vehicles and bicycles journeys are reproduced based on micro-traffic simulation and then coupled with an acoustic modeling. The estimation error of LAeq for the mobile sampling is compared to reference static samples, in terms of the Root Mean Square Error (RMSE), and is computed for different aggregation radius of mobile receivers, and as a function of the number of passes-by and to the distance to its nearest cross street.

To perform the mobile sampling on a real scenario, a low-cost noise monitoring device with the aim of performing georeferenced noise sampling, is developed. The accuracy tests suggest that it is able to acquire noise levels with an equivalent accuracy as a Class 2 sound level meter.

Finally, to validate the results obtained through the modeling framework, a noise monitoring device is mounted on a bicycle and on-site mobile measurements are performed simultaneously to reference static ones. The same scenario is again recreated based on micro-simulation of traffic complemented with acoustic modeling. Then, for the simulated framework and the on-site measurements, the RMSE of the estimation of LAeq for different aggregation radius of mobile samples is compared to the reference static ones. It is confirmed that mobile sampling is a solution to improve noise data acquisition, which reduces the resources required to produce a noise map without sacrificing the accuracy and representativeness.

Para la producción de mapas de ruido representativos, una gran cantidad de información es necesaria, que incluye, entre otras, mediciones de ruido ambiental en sitio. Por lo tanto, para los mapas de ruido basados en mediciones, el muestreo móvil surge como una posible solución para mejorar la adquisición de datos. La presente investigación propone un marco completo para realizar el muestreo móvil. Dado que la normativa requiere de valores de largo plazo para realizar un mapa de ruido, se propone una estrategia de muestreo basada en estratificación temporal que reduce los días de muestreo necesarios para estimar el nivel de ruido equivalente anual. Además, para calcular los valores a largo plazo para el período nocturno, ya que generalmente se ve afectado por fuentes de ruido distintas al tráfico, específicamente de ruido de ocio, se presenta una estratificación temporal y espacial complementaria. Por otra parte, se evalúan los requisitos estadísticos para realizar mediciones de ruido móviles utilizando bicicletas. Los trayectos de los vehículos y las bicicletas se reproducen en base a una microsimulación de tráfico para después combinarse con modelado acústico. El error de estimación del indicador LAeq calculado con el muestreo móvil se compara, en términos del error cuadrático medio (RMSE), con muestras de referencia obtenidas de forma estática para diferentes radios de agregación de receptores móviles, y también en función del número de pases y de la distancia al cruce de calles más cercano. Para realizar el muestreo móvil en un escenario real, se desarrolla un dispositivo de monitoreo de ruido de bajo costo con el objetivo de realizar un muestreo de ruido georreferenciado. Las pruebas de precisión muestran que es capaz de adquirir niveles de ruido con una precisión equivalente a un sonómetro de Clase 2. Finalmente, para validar los resultados obtenidos a través de las simulaciones, se equipa una bicicleta con el dispositivo de monitoreo y se realizan mediciones móviles en sitio al mismo tiempo que mediciones estáticas de referencia. El mismo escenario se recrea basándose nuevamente en una microsimulación de tráfico complementada con modelado acústico. Después, para los niveles de ruido simulados y las mediciones en sitio, el RMSE de la estimación del indicador LAeq para distintos radios de agregación de muestras móviles se compara con el muestreo estático de referencia. Con ello, se confirma que el muestreo móvil es una solución para mejorar la adquisición de datos de ruido, lo que reduce los recursos necesarios para producir un mapa de ruido sin sacrificar la precisión y la representatividad.