《Computers & Graphics》:SoundSourceViz: A visual analytics tool for soundscape-oriented urban planning with acoustic sensor networks
编辑推荐:
•我们提出了一种以声音景观为导向的城市规划工作流程,该流程能够:(1)探索声音景观数据的地理参考概览;(2)分析时间模式;(3)比较两个不同时间段的声音景观。•我们使用可适应的视觉组件来构建视觉分析框架:(1)极坐标面积图用于总结特定时间段内的声音源值;(2)3D数据花瓶用于高效
- •
我们提出了一种以声音景观为导向的城市规划工作流程,该流程能够:(1)探索声音景观数据的地理参考概览;(2)分析时间模式;(3)比较两个不同时间段的声音景观。
- •
我们使用可适应的视觉组件来构建视觉分析框架:(1)极坐标面积图用于总结特定时间段内的声音源值;(2)3D数据花瓶用于高效地在地图上显示时间模式;(3)2D数据花瓶便于比较。
- •
三位专家的反馈表明,该工具能够对传感器网络数据进行丰富而细致的分析。SoundSourceViz:一种用于基于声音景观的城市规划的视觉分析工具。
引言
声学环境在塑造城市体验方面起着重要作用,可以影响人们的身体和心理健康。例如,交通噪音污染一直与心血管疾病[1]、[2]以及压力水平升高[3]有关。相反,接触自然声音已被证明对幸福感有积极影响[4]、[5]。由于声音环境受到城市规划决策的影响,更好地理解它可以实现两个关键目的:评估过去干预措施的效果,并以声音知识为基础指导未来项目的设计。
根据《环境噪音指令》[6],噪音图是目前欧洲人口超过10万的城市必须提交的唯一官方规定的声音可视化形式。尽管一些市政技术部门可能使用更先进的声音景观可视化工具进行规划,但噪音图仍然是法规合规所需的唯一可视化方式。它们使用模拟模型计算声音水平,这些模型整合了来源数据(例如交通流量)、城市形态和标准化的传播算法。图2展示了一个噪音图的示例。噪音图通常用于支持将声音主要视为麻烦的城市规划策略。相比之下,另一种称为声音景观设计(SSD)[7]的城市规划方法不仅关注减轻不必要的噪音,还通过环境改造或声学装置[8]、[9]、[10]来促进愉悦的声音。
由于SSD优先考虑感知结果,因此对这些干预措施的评估通常依赖于旨在捕捉主观体验的问卷[10]、[11]、[12]。根据ISO/TS 12913-2[13],应通过评估不同类别声音的感知存在来评价声音景观,包括噪音源(例如交通、建筑和工业)、人类声音(例如对话、笑声、儿童玩耍声和脚步声)以及自然声音(例如鸟鸣、流水声和植被中的风声)。在声音景观社区中,人们普遍认为可以用车流、人类声音和鸟鸣的感知存在作为这三类声音的代理[?] [14]。感知存在并不指物理声学量,如声音水平或声音事件的数量。相反,它表示听众在音频片段中感知到给定声音源存在的程度。这个属性通常由人类听众在一个连续的范围内进行评估,范围从0(完全不存在)到10(极其存在),适用于持续几十秒的音频片段。Aumond等人[14]进一步表明,城市居民对车流、人类声音和鸟鸣的感知存在时间的评估为评估更高层次的感知属性(如愉悦感和活力)提供了可靠的基础。这些属性 otherwise 很难直接评估,因为它们高度依赖于具体情境。由于问卷工作量大且仅限于特定时间和地点,我们在[15]中提出了一种直接从声学测量数据估计车流、人类声音和鸟鸣的感知存在分数的方法。
在实际应用中,将传感器放置在特定区域以初步了解声音景观。声学数据具有高度局部性,在城市环境中其范围很少超过50米[16]。因此,在大空间尺度上的SSD干预措施可能会面临影响评估不准确的风险。为了解决这一限制,已在各种研究项目[17]、[18]、[19]中开发了传感器网络。虽然这些部署提供了更丰富的空间和时间覆盖,但也为城市规划者带来了新的挑战。首先,数据的量和粒度可能会令人难以处理。其次,解释多变量声音信息(如车流、人类声音和鸟鸣的存在)需要能够帮助分析在空间和时间上变化的多源模式的工具。第三,比较SSD干预前后收集的声音景观数据涉及检测两个时间段之间的微妙变化。
我们认为,应对这些挑战需要一种专为基于声音的知识的城市规划设计的视觉分析方法。这样的工具应帮助用户直观地探索、比较和解释数据,从而超越传统噪音图的局限性。为此,我们提出了SoundSourceViz,这是一个提供基于传感器的声音景观概览的视觉分析框架,支持详细的时间分析,便于在空间和时间视图之间切换,帮助比较SSD干预前后的情况,并允许灵活过滤声音源以满足各种分析需求。该框架遵循一个三步分析工作流程,并由交互式可视化支持。我们在本文中的贡献如下:
- •
对以声音景观为导向的城市规划的任务和工作流程进行分析:(1)网络级别的声音景观探索;(2)识别感兴趣的传感器;(3)分析时间模式;(4)比较声音景观,
- •
选择可适应的组件来构建视觉分析框架:(1)极坐标面积图用于总结特定时间段内的声音源值;(2)3D数据花瓶用于高效地在地图上显示时间模式;(3)2D数据花瓶便于比较,
- •
通过三位专家的反馈对框架进行探索性评估,为未来的工作提供了宝贵的见解。
在第二节中,我们回顾了相关的城市视觉分析框架和声音景观可视化的工作。第三节介绍了我们框架的设计理念。第四节描述了系统的各个组成部分,第五节概述了该框架支持的分析工作流程。第六节我们展示了对该框架的评估,第七节讨论了研究结果和未来发展方向。
章节片段
城市视觉分析
现在,城市中广泛部署了监测噪音、空气质量或交通的传感器,所产生的数据指导着规划和政策决策。由于这些数据可能非常密集,视觉分析工具在帮助规划者、研究人员和政策制定者分析这些复杂信息方面发挥着重要作用。地理信息工具(如ArcGIS[21])和通用平台(如Urbane[22]和Vis-A-Ware[23])使得多样数据集的探索和整合成为可能,以支持城市
设计理念
在本节中,我们首先描述了设计限制,然后概述了用户可以执行的任务,接着介绍了我们为实现这些任务而制定的设计目标。
组件
在本节中,我们介绍了SoundSourceViz的组件,这是一个旨在利用来自声学传感器网络的数据来支持基于声音景观的城市规划的视觉分析工具。我们将传感器网络的数据集概念化为一种时空立方体[46],其中声音源的存在沿着地图的 vertical 轴编码。为了描述每个组件在这个时空框架中的作用,我们采用了Bach等人[47]提出的术语。
分析工作流程
在本节中,我们介绍了第四节描述的组件设计所支持的三个步骤分析工作流程。该工作流程逐步引导用户从空间概览到详细的时间模式。图7中的红色参考编号表示SoundSourceViz中提出的按钮的标识符。这些标识符在以下各节中用于描述分析每个步骤中的按钮。工作流程在图6中进行了总结。
评估
在本节中,我们介绍了Lorient CENSE传感器网络收集的数据集,并解释了如何预处理这些数据以推断车流、人类声音和鸟鸣的存在。我们还描述了如何使用这个观测数据集来模拟与SSD相关的分析。然后,我们介绍了在我们的专家评估研究中遵循的协议,包括界面的引导式演示和结构化的反馈评估。最后,我们展示了这次评估的结果。
改进探索(T1)。
E3建议,通过对来源存在分数的空间插值可以改善传感器数据的空间探索。然而,通过基本插值在传感器之间生成平滑连续的声音景观图可能会产生误导,因为声学环境经常表现出强烈的局部变化,如第3.1节所解释的。在这种情况下,尽管在单个传感器位置使用图标会对大范围的空间探索造成限制,但它仍然是最可靠的方法
结论
在本文中,我们介绍了SoundSourceViz,这是一个旨在通过分析声学传感器网络收集的数据来支持基于声音景观的城市规划的视觉分析框架。我们没有直接可视化原始声学数据,而是利用声音源分类模型来估计3个关键声音源(车流、人类声音和鸟鸣)的感知存在,这些声音源可作为城市声音景观中机械、社会和自然组成部分的可解释代理。
CRediT作者贡献声明
M. Tailleur:撰写——审阅与编辑,撰写——原始草稿,可视化,验证,软件,资源,项目管理,方法论,调查,资金获取,正式分析,数据管理,概念化。V. Tourre:撰写——审阅与编辑,监督。P. Aumond:撰写——审阅与编辑,监督。M. Lagrange:撰写——审阅与编辑,监督。O. Moreau:可视化。
手稿准备过程中生成式AI和AI辅助技术的声明。
在准备这项工作时,作者使用了ChatGPT来帮助纠正英语并重新措辞某些句子。使用该工具后,作者根据需要审阅和编辑了内容,并对发表文章的内容负全责。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文所述的工作。
M. Tailleur|V. Tourre|P. Aumond|M. Lagrange|O. Moreau