[發明專利]一種城市交通噪聲預測方法

有效

• 申請號: 201910925415.2
• 申請日: 2019-09-27
• 公開（公告）號: CN110674996B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 鄒大勇;鄒龑;杜海順;王保忠
• 申請（專利權）人: 河南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G01H17/00;G06N3/08;G06N3/12
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 郭璐

1.一種城市交通噪聲預測方法，其特征在于，包括以下步驟：

S1、在城市道路的觀測點測量并記錄交通噪聲影響因子數據，利用影響因子數據建立交通噪聲影響因子數據庫，并將影響因子數據進行歸一化處理；

S2、確定遺傳算法參數，以影響因子的選擇與否編碼成位串形式產生初始種群；

S3、利用對遺傳算法參數的設置完成影響因子組合最優解搜索；

S4、以S3獲得的影響因子組合最優解搜索為基礎，利用Gamma-Test非線性數據分析方法，以Gamma值最小為標準在校準和測試模型之前選擇最佳的影響因子輸入，獲取最優影響因子組合；

S5、將S4中獲取最優影響因子組合，通過M-Test產生一個穩定的漸近線以確定BP神經網絡模型訓練數據的需求量，以獲得給定質量的非線性交通噪聲預測模型；

S6、利用Gamma-Test獲得的最優影響組合因子構建一個BP神經網絡模型，并以S5獲得的數據量對BP神經網絡模型進行訓練，完成城市交通噪音的預測；

其中S4、以S3獲得的影響因子組合最優解搜索為基礎，利用Gamma-Test非線性數據分析方法，以Gamma值最小為標準在校準和測試模型之前選擇最佳的影響因子輸入，獲取最優影響因子組合；

Gamma-Test具體過程為

設給定的交通噪聲訓練樣本數據為：

{x₁(i)，…，x_m(i)，L_eq(i)}＝{(x_i，L_eqi)|1≤i≤M}

其中：x_i是輸入樣本，

L_eqi是等效連續聲壓級，

M為樣本個數，

m是輸入樣本嵌入維數，

x_i包含對輸出L_eqi有預測作用的因子，則輸入x_i和輸出L_eqi之間的關系可以分解為：

L_eqi＝f(x₁，…，x_m)+r

式中：f是光滑函數，r表示均值為零，方差為Var(r)的噪聲隨機量；

為計算Var(r)，首先計算輸入數據x_i與其第k個最鄰近點之間的平均距離：

式中：1≤i≤M，1≤k≤p

p為鄰近點個數，通常取10-50；

x_N[i，k]是x_i的第k個最近鄰點；

對應輸出值的平均距離為：

式中：L_eqi表示x_i對應的輸出；

L_eqN表示x_i的第k個最近鄰點的x_N[i，k]輸出；

對p個點的(δ_M(k)，γ_M(k))組合構造一元線性回歸模型，用最小二乘法進行擬合：

γ＝Aδ+Γ

當δ→0時，γ→Var(r)，與縱軸的截距是統計量Γ值，即Var(r)的近似值；

Gamma-Test提供了連續變量對未知平滑函數可實現建模技術的最佳MSE估計，估計結果對于隨后無論使用何種特定技術構建的平滑函數模型都適用，最小值Γ對應輸入組合即為最優輸入數據組合；

梯度A可為研究系統的復雜性提供有用的信息，同時可以用V_ratio標準化結果Γ，V_ratio給出模型的Γ值在尺度0和1之間的不變噪聲估計，它表達了對于具有有界導數的平滑函數類輸出數據的擬合優度，即使用可用輸入對給定輸出的可預測性；

V_ratio定義為：

其中，V_ratio表示輸出y的方差，若Γ、V_ratio值較小，就能建立一個質量較好的平滑模型。

2.根據權利要求1所述的一種城市交通噪聲預測方法，其特征在于，在S1中，影響因子包括大型車數量及平均速度、中型車數量及平均速度、轎車數量及平均速度、摩托車數量及平均速度、路段長度和寬度、測點周圍建筑物高度和測點距中心線距離共12個影響因子。