Acoustic sensing for road traffic modelling and noise assessment
Tid: Fr 2025-10-17 kl 09.00
Plats: F3 (Flodis), Lindstedtsvägen 26 & 28, Stockholm
Ämnesområde: Farkostteknik
Respondent: Siddharth Venkataraman , Fordonsteknik och akustik, VinnExcellence Center for ECO2 Vehicle design, Conceptual Vehicle Design
Opponent: Professor Rosa Ma Alsina-Pagès, Human-Environment Research Group, La Salle, Universitat Ramon Llull
Handledare: Romain Rumpler, Fordonsteknik och akustik, VinnExcellence Center for ECO2 Vehicle design; Associate Professor Peter Göransson, VinnExcellence Center for ECO2 Vehicle design, Fordonsteknik och akustik
QC 250925
Abstract
Vägtrafikbuller är en betydande miljöfaktor med stor samhällspåverkan, vilket motiverar en tillförlitlig exponeringsbedömning. Det nuvarande CNOSSOS-EU-ramverket kräver detaljerade trafikdata, men i städer med begränsad övervakningsinfrastruktur är sådan information otillförlitlig, vilket minskar bedömningens noggrannhet. Denna avhandling tar sig an denna brist genom att utveckla en metod som utnyttjar data från ljudnivåmätare utplacerade längs vägar, och utökar användingsområdet så att de även fungerar som trafiksensorer, vilket ger nödvändiga data för modellering av trafikbuller.
Metoden valideras genom en fallstudie på en trafikerad gata i Stockholm. Tre huvudsakliga mål beaktas: (i) uppskattning av trafikflöden utifrån ljudmätningar, (ii) att jämföra användningen av ljuddata som ett alternativ till radar för bullerbedöming på mikronivå, och (iii) att utveckla strategier för dämpning av buller baserat på bedömningar för hela staden.
Specialkonstruerade ljudnivåmätare placerades på tre positioner på fallstudieplatsen under mer än 400 dagar, vilka genererade ljuddata för utveckling och testning av modeller för trafikflödet. Modellerna tränades sedan och anpassades för att minska behovet av data från resurskrävande trafiksensorer vid uppskattning av trafikflödet på en ny plats. Ett ramverk för simulering av trafikbaserat buller på mikronivå implementerades och testades med input från uppmätta ljudnivåer, och resultatet jämfördes med radarbaserade resultat. Algoritmer för optimering av fordonsrutter kombinerades med ljudbaserade kostnadsfunktioner för att fastställa rutter som minskar befolkningens bullerexponering.
Resultaten visar på möjligheten för tillförlitlig trafikflödesberäkning som tar trafikens tidsmässiga och rumsliga variationer i beaktande. Kombinationen av mätdata från flera platser och användningen av syntetiserade data visar på potentialen för kostnadseffektiv implementering för nya platser. Resultaten från bullerberäkningar baserade på ljudmätningar visar god överensstämmelse med resultaten baserade på radardata. Begränsningar av bullerexponering i fordonsruttplanering visas kunna ge rutter med lägre exponering, samtidigt som de förblir logistiskt genomförbara.
Resultaten visar att ljudnivåmätare kan vara tillförlitliga trafiksensorer och ge underlag för ljudsimuleringar med en noggrannhet som är likvärdig med den som uppnås med radardata. Dessa kostnadseffektiva multifunktionella sensorer är väl lämpade för storskalig användning i smarta städer, som ett verktyg för bedömning av och åtgärder för minskat buller och stödja ett system för intelligent trafikledning.