《Scientific Reports》：An end-to-end deep learning pipeline for urban noise monitoring with spatiotemporal analysis
编辑推荐：
城市噪声污染是影响全球数百万人口健康的重要公共卫生问题。当前的声学监测系统主要关注优化分类准确率，但未能满足校准概率输出、部署格式与时空整合等操作层面的需求。本研究提出一种从原始传感器数据延伸至城市尺度政策支持的综合性城市噪声监测流水线。所提出的框架基于从部署
城市噪声污染是影响全球数百万人口健康的重要公共卫生问题。当前的声学监测系统主要关注优化分类准确率，但未能满足校准概率输出、部署格式与时空整合等操作层面的需求。本研究提出一种从原始传感器数据延伸至城市尺度政策支持的综合性城市噪声监测流水线。所提出的框架基于从部署于纽约市56个声学传感器收集的SONYC-UST数据集，采用CNN14（Convolutional Neural Network with 14 layers）基础的集成架构。该系统在35个分层声学存在标签上执行同步多源检测，并提供经Brier分数为0.1269验证的可靠概率校准。在技术基础设施方面，该流水线提供TorchScript格式导出，可在无Python依赖的边缘设备上运行，在NVIDIA GeForce RTX 3060上处理容量超过每秒2,000个音频片段，每折（fold）训练时间少于六小时。集成的250米空间网格映射与小时-日时间聚合模块，使预测结果能够直接整合入城市规划工作流。利用跨越3,460个匹配网格-日观测值的NYC 311投诉记录进行了独立外部佐证。置换检验（Permutation testing）揭示了预测噪声分数与社区报告干扰之间存在统计学显著关系。研究表明，模型准确率本身不足以支撑可部署的城市噪声监测系统，需要涵盖校准、部署与空间整合的整体性方法。
研究背景方面，现代城市中噪声污染是导致睡眠质量下降、压力及认知影响等公共健康与生活质量恶化的主要环境因素，传统监测依赖声压测量或投诉系统，无法区分噪声源及捕捉时空动态，难以制定针对性干预策略。现有环境声学分类研究多基于预处理干净样本，缺乏时空元数据、类别体系有限且忽视部署考量，高重叠与低信噪比场景下准确率提升困难。为此，研究人员开展了一项超越标准音频分类的端到端流水线研究，基于带细粒度时空元数据的SONYC-UST数据集，构建从原始数据采集预处理、多标签深度学习模型训练、时空映射到生产就绪模型导出的全周期框架，旨在为城市分析与公共政策提供可用、可靠且校准的估计。研究人员得出该CNN14基础集成架构在五折交叉验证中表现稳定，Brier分数达0.1269，概率输出具备单调性校准，时空聚合显示早间至午后噪声概率升高、工作日高于周末、热点集中于曼哈顿中下部，与NYC 311投诉在网格-日水平呈显著正相关（Spearman ρ=0.087，p=0.0005），TorchScript模型在边缘设备可达每秒超2,000片段推理吞吐，表明除分类精度外，校准、部署与时空整合的整体设计对可部署城市噪声监测至关重要。该研究发表于《Scientific Reports》，意义在于填补了概率校准输出评估、时空元数据整合分析层、部署格式与吞吐量考量、以及利用独立社区数据外部佐证四类文献缺口，为城市规划与噪声管理提供实证基础。
关键技术方法方面，研究人员使用来自纽约市56个传感器的SONYC-UST v2.3数据集（含18,510条10秒48kHz录音，35标签体系：23细粒度+6粗粒度父类+6不确定变体）作主要训练推断来源，并以2016至2019年NYC 311噪声相关投诉作外部佐证；音频重采样至32,000Hz后以librosa提取n_mels=64、n_fft=800、hop_length=320的对数梅尔谱图（log-mel spectrogram）为输入；采用CNN14骨干网五阶段ConvBlock结构，输出1,024维嵌入与35路独立sigmoid多标签分类；训练用5折多层标签分层交叉验证（MultilabelStratifiedKFold）、AdamW优化器（初始学习率2×10?4、权重衰减1×10?4）、余弦退火与线性预热、focal二元交叉熵损失（γ=1.5）及正负类加权、SWA（Stochastic Weight Averaging）与EMA（Exponential Moving Average，衰减0.998）、AMP（Automatic Mixed Precision）；每类阈值以验证集网格搜索最优F1确定并取五折中位数；推断选最佳折以torch.jit.trace()导出TorchScript；时空分析将预测配时间戳与经纬以250米网格聚合最大类概率均值，并以500米网格-日合并311投诉作Spearman与置换检验。
研究结果部分保留小标题说明如下：
模型性能概览（Model performance overview）：研究人员通过五折分层评估报道两种协议，每折最优阈值下macro-mAP=0.3199±0.0053、macro-F1=0.3762±0.0071；全局单阈值下macro-mAP=0.3159、macro-F1=0.3729，微平均Brier分数0.1269，显示部署现实单阈值与逐折优化性能接近，跨折稳健。
校准与可靠性（Calibration and reliability）：微平均与每类校准曲线呈单调上升，预测概率高于观测正率，源于SONYC-UST强类别不平衡，概率更适合作为下游排序信号而非绝对概率，每类单调关系在各折可复现。
类别层面与共现分析（Class-level and co-occurrence analysis）：高能量或脉冲声如human-voice、alert-signal、siren、car-horn、dog-barking-whining的AP与F1超0.70；中等如machinery-impact、chainsaw等F1在0.30–0.50；模糊低频如other-unknown-human-voice、amplified-speech低于0.20；共现矩阵显示engine与human-voice、alert-signal关联强，human-voice与重型机械低共现，符合城市分区与时间模式。
时间与空间噪声模式（Temporal and spatial noise patterns）：小时聚合显示00:00–05:00最低，午后达峰后降；星期中工作日略高周末略低；250米网格热图显示中下部曼哈顿与主要交通廊为高值簇，外围区较低，空间连续无异常 spike。
覆盖度与阈值行为（Coverage and threshold behavior）：覆盖-精度曲线单调平滑，低精度约4%覆盖，高精度近零覆盖；34/35类交叉折中位数阈值与F1最优阈值一致（delta_f1≈0.000），仅pile-driver差0.0034，支持单向量阈值部署。
计算效率（Computational efficiency）：每折训练约5–6小时，GPU内存8.7GB，单折检查点约76MB（32位浮点），五折约380MB，TorchScript约76MB共约460MB；完整推断62,022条含35概率与二值列，Parquet约2.4GB、CSV约4.7GB。
使用NYC 311噪声投诉的外部关联分析（External association analysis using NYC 311 noise complaints）：在3,460个网格-日观测中以500米空间与日时间合并，分20分位数箱显示预测噪声分数与投诉计数单调正关联，Spearman ρ=0.087，置换检验p=0.0005，表明高预测噪声分网格-日对应较高独立报告干扰。
讨论部分总结：研究人员指出CNN14集成在跨折宏平均指标一致，分层与focal-BCE、EMA、余弦调度使概率排序稳定，高能量声类因频谱清晰表现优，低频稀有类受正例少与重叠限制；校准单调与Brier分数0.1269使输出可作风险或容忍阈值决策排序信号；共现反映真实城市声学生态与分区规律，相似机械类混淆源于中频谐波相似；时空模式符合日出后升、午间平、晚间降与人车周期及工作日周末差异，空间热点契合交通施工急救活动分布；34/35类中位数阈值即F1最优简化部署；与311关联虽效应量适中但显著，受主观感知、社经偏差、时间滞后、空间错配、类别粒度不匹配影响；计算上单中端GPU每折<6小时与>2,000/秒吞吐及76MB TorchScript适于边缘扩展；研究综合真实传感器数据、深度多标签分类器、校准概率、时空聚合映射，补文献仅聚焦分类之不足，为重现实用城市噪声监测推进；局限含类别不平衡、相似频谱、10秒窗限长时事件、按标注行而非唯一文件分层、NYC地域与传感器非均匀覆盖及2016–2019无显式季节建模；未来可引transformer时序、图空间学习、层次分类、分布式推断及严格按片段分组交叉验证。
结论部分翻译：本研究开发并评估了一种从原始声学传感器数据延伸至城市尺度政策支持的端到端城市噪声监测流水线。所提出的框架通过优先操作需求而非分类准确率优化，解决了现有系统中的关键缺口。基于CNN14的集成架构在35个分层声学存在标签上提供可靠概率校准，并在五折交叉验证中展现一致性能。该流水线提供TorchScript导出以在无Python依赖的边缘设备上部署，处理吞吐超过每秒2,000个音频片段，并集成250米空间网格映射与含时间聚合模块。利用NYC 311投诉记录的独立外部佐证证实预测噪声分数与社区感知干扰显著相关。研究结果表明，可部署的城市声学监测系统不仅取决于模型性能，还依赖于涵盖校准、部署基础设施与时空整合的整体设计方法。所呈现的流水线有潜力作为城市规划、环境暴露研究与噪声管理政策的实证基础。
需要我帮你把这篇解读里的专业术语（如Brier分数、TorchScript、SONYC-UST等）整理成一个带简要解释的术语表吗？
