グラフ理論的アプローチを使用した不均一な交通条件下での道路交通騒音のモデリング

トラフィックノイズシステムには、道路交通サブシステム、ヒューマンサブシステム、環境サブシステム、トラフィックネットワークサブシステム、都市の繁栄サブシステムなど、いくつかのサブシステムが含まれます。この研究の主な目的は、道路交通サブシステムに関連するパラメーターを含むグラフ理論アプローチを使用して、道路交通騒音モデルを開発することでした。モデリング目的で選択された道路交通サブシステム変数には、車両速度、交通量、車道幅、大型車両の数、ホーンイベントの数が含まれます。永続的なノイズ関数の形で考慮された選択された変数の相互作用は、マトリックス形式で示されています。固有値と対応する固有ベクトルは、人間の判断誤差を削除するために計算されます。次に、永続的なノイズ関数マトリックスが固有ベクトルを使用して更新されました。これは、最終的に永続的なノイズインデックスを取得するために利用されました。選択した変数に関するデータは3か月間収集され、研究に含まれるノイズパラメーターは、同等のノイズレベル（LEQ、1H）、最大ノイズレベル（L10,1H）、およびバックグラウンドノイズレベル（L90,1H）でした。それぞれLEQ、1H、L90,1H、およびL10,1Hについては、永久ノイズインデックスにそれぞれ線形回帰モデルに適用され、線形回帰モデルが開発されました。モデルは、同じ場所から収集されたデータを9か月間収集したデータを使用して検証されました。モデルは満足のいく結果を提供することがわかったが、結果はやや過大評価されていた。この方法は、研究で考慮された独立変数の値の予想される変化を考えると、将来のノイズレベルを推定するのに有益であることが証明できます。

A traffic noise system involves several subsystems like road traffic subsystem, human subsystem, environment subsystem, traffic network subsystem, and urban prosperity subsystem. The study's main aim was to develop road traffic noise models using a graph theory approach involving the parameters related to road traffic subsystem. The road traffic subsystem variables selected for the modeling purposes included vehicular speed, traffic volume, carriageway width, number of heavy vehicles, and number of honking events. The interaction of the selected variables considered in the form of permanent noise function is given in the matrix form. Eigenvalues and corresponding eigenvectors are calculated for removing any human judgmental error. The permanent noise function matrix was then updated using the eigenvectors, which was ultimately utilized for obtaining the permanent noise index. Data regarding the selected variables were collected for three months, and the noise parameters included in the study were equivalent noise level (Leq,1h), maximum noise level (L10,1h), and background noise level (L90,1h). A logarithmic transformation was applied to the permanent noise index and linear regression models were developed for Leq,1h , L90,1h , and L10,1h respectively. The models were validated using the data collected from the same locations for nine months. The models were found to provide satisfactory results, although the results were somewhat overestimated. The method can prove beneficial for estimating future noise levels, given the expected changes in values for the independent variables considered in the study.