A rapid approach to urban traffic noise mapping with a generative adversarial network

随着城市化的快速发展和交通密度的增加，交通噪声已经成为城市规划中的一个主要问题。然而，传统的网格噪声映射方法在时间消耗、软件成本和缺乏参数集成接口方面存在局限性。这些限制阻碍了它们在街道尺度城市规划的早期设计阶段满足迭代更新和快速性能反馈的需求。因此，我们开发了一种快速的城市交通噪声映射技术，利用生成对抗网络（GANs）作为替代模型。这种方法利用道路和建筑等城市元素作为输入，快速评估城市交通噪声分布。验证数据集的均方误差（MSE）和结构相似性指数（SSIM）的平均值分别为0.0949和0.8528。因此，我们的预测准确度与传统预测软件相当。此外，训练好的模型已经集成到Grasshopper中作为一个工具，便于快速生成交通噪声地图。这种集成使得城市设计师和规划者，甚至那些没有声学专业知识的人，能够轻松地预测设计带来的声学影响变化。

如何在城市规划中快速评估交通噪声分布？

使用生成对抗网络（GAN）作为代理模型，将城市元素（如道路和建筑物）作为输入，快速评估城市交通噪声分布。

该方法的预测精度与传统预测软件相当，且将训练模型集成到Grasshopper中作为工具，使城市设计师和规划者能够轻松预测设计对声学影响的变化。

最近的相关研究包括使用深度学习模型进行噪声预测和传统噪声映射方法的改进。