沈金輝 王 瑾 許曉青* 周淑均 劉 芳

（1.倫敦大學學院巴特萊特建筑學院，倫敦 WC1E6BT；2.同濟大學建筑與城市規(guī)劃學院，上海 200092；3.上海建科工程咨詢有限公司，上海 200032）

人類生活空間的聲環(huán)境正隨著社會發(fā)展產生很大變化，影響了人們的生活健康。聲景作為探索人對聲音感知的學科正在快速發(fā)展，并為改善聲環(huán)境作出貢獻，對當代城市發(fā)展和生態(tài)保護具有積極作用。為了對聲環(huán)境進行調查和優(yōu)化，需要必要的技術手段來處理大量數據。目前數字化技術的發(fā)展為聲景研究提供了新視角和要求。數字技術可以提升聲景研究效率和精確性，并形成更直觀的表示法對聲景中的舒適度感知指標進行可視化。本研究綜述了國內外數字化技術在聲景領域應用的4個方面，包括聲音采集和再現、聲音處理和分析、聲場模擬和評估、聲景感知的可視化。重點綜述了重要支撐性技術、處理原理以及評價等方面。以公園的聲景感知地圖為例，詳細闡述了聲景地圖的技術路徑及其相關的可視化和智慧調控，同時也討論了有待進一步優(yōu)化的聲景感知地圖計算模塊。其中舒適度預測模型可在小型公園的局部環(huán)境中根據實際情況更新與模型調整，從而提高舒適度模擬的精確度，并隨著采集技術和模擬技術的發(fā)展，舒適度模擬模型也將進一步迭代。此外，也可根據舒適度和聲級地圖，設置感控調節(jié)模塊，真正實現智慧公園的及時性、可視化、人性化?；诖耍瑢底只夹g在聲景領域的應用作出了若干總結和探討，如各項技術仍需完善方面，如何面對未來技術、氣候和生活方式改變等，以期為未來聲景研究提供參考信息和新的視角。

聲景；聲景感知；數字化；聲景地圖；建成環(huán)境

隨著交通方式和工業(yè)生產的發(fā)展，人類生活空間的聲環(huán)境產生了很大變化。日漸嚴重的噪聲污染，正在潛移默化地損害人類的健康。聲景（Soundscape）一詞，最初由地理學家Granoe提出，并于1929年出現于《純粹地理》中[1]。20世紀60年代末，音樂作曲家Schafer將聲景這個概念傳播到了整個歐洲，從而使聲景成為了一個新的研究領域[2-3]。并且，Schafer通過在世界聲景項目中記錄歐洲一些村莊的聲音變化，將聲景研究拓展到了生態(tài)保護領域[4-5]。聲景被定義為一個或多個人在特定語境中對聲學環(huán)境的感知、體驗或理解[6]，并非像傳統(tǒng)的聲學那樣強調對聲環(huán)境物理性質的研究[7]，也并非像噪聲研究一樣，僅僅只研究對人和生物產生影響的聲源及其解決措施，而是一門依托于科學、社會學和藝術學三者交叉的學科。聲景的研究包括在聲學和心理聲學領域中探索聲音的物理特性，以及人腦對聲音的反應機制；從社會學角度入手探索人類如何處理聲音以及聲音如何影響人類行為；從藝術尤其是音樂角度了解人類如何為向往的生活創(chuàng)造理想的聲音環(huán)境[2]。

在當今城市中，噪聲控制技術的發(fā)展無法抵消噪聲源的持續(xù)增加，這也使得人們對舒適聲環(huán)境的需求不斷增加[3]。因此，需要一種新的方法來評估聲環(huán)境質量，把聲音視為一種資源加以保護，在降噪的同時尋找并保護有利于整體聲環(huán)境的聲源，而不是將聲音視為一種廢物，以聲壓級來評價聲音是否為噪聲[8]。同時聲景也對健康、文化和經濟三方面有很大的影響，如提供支持性社區(qū)聲環(huán)境，促進參與健康活動，豐富自然人文景觀的文化屬性，以及通過提供健康和文化價值間接提高地區(qū)經濟價值，降低反社會行為的成本和不必要的降噪行為。

近年來隨著聲景研究逐漸受到國內外重視，聲環(huán)境質量的研究方法正在逐漸豐富。而數字化技術在聲景研究和實踐中扮演著越來越重要的角色，多種算法和數據處理技術應運而生，提高了聲音收集的效率和精確性，優(yōu)化了聲景的分析計算能力，形成了學科交叉視角下新的分析方法，并不斷激發(fā)出聲景研究領域的新視角[8]。國外對聲景數字化的研究早于國內。如在2009年，Yu和Kang[9]就已利用人工神經網絡（ANN）處理主觀評價數據，并預測生成測試地點的聲景舒適度評估圖。國內李春明和張會[10]在2017年借助移動設備開發(fā)了參與式聲景數據收集程序。本研究通過對現有聲景數字化技術應用的分析，討論其如何在聲景研究中發(fā)揮作用，從聲音采集和再現、聲音處理與分析、聲場模擬和評估以及聲景感知的可視化4個部分綜述了數字化技術在聲景領域的應用，并以城市文化公園聲景地圖為例對聲景地圖技術進行了深入分析。

1 聲景數字化的相關技術發(fā)展

1.1 聲音采集和再現

隨著聲景研究近年來的快速發(fā)展，對聲音采集和再現的效率及精確性要求越來越高，而錄音、互聯網和虛擬現實技術的完善對聲景研究各方面都有明顯的提升。在生物聲音收集工作中，大量的專業(yè)錄音設備和分析系統(tǒng)涌現出來，可針對不同的野外環(huán)境進行聲音采集和深入研究分析，同時也出現了專注于超聲波探測和記錄的專業(yè)儀器，可以采集蝙蝠等生物的特殊頻率聲音。此外，為應對野外環(huán)境的長期聲學監(jiān)測，自動記錄系統(tǒng)的出現有效減少了研究者在野外的工作時間，并避免了人類觀察所帶來的影響[11]。在現如今互聯網快速發(fā)展的背景下，網絡用戶也在為互聯網不斷地提供大量數據。目前智能手機中的GPS傳感器和麥克風都可作為數據收集的硬件基礎，因此，可參與式聲景采集也逐漸成為一種可能性。Hara等[12]開發(fā)除了利用智能設備收集聲音的安卓應用程序外，還對14名參與者進行了聲音收集實驗。手機設備可通過GPS、基站或Wi-Fi網絡獲得高精準的位置信息，參與者通過手機操作對行走過程中遇到的聲音進行錄制、分類和注釋，最終可將收集到的聲音以圖標的方式按類型在地圖上進行可視化。由于聲景研究關注個人或群體在環(huán)境或語境中的感知[8]，而視覺環(huán)境信息的缺乏會對聲景研究造成一定影響。因此，越來越多的虛擬現實技術被應用于聲景研究中，360度的相機和環(huán)繞聲錄音的搭配能夠實現具有極強互動感和沉浸感的視聽體驗，非常適合對還原真實性和體驗感有較高要求的聲景研究[13]。歐洲研究委員會所資助的聲景指數（SSID）項目正在采用360度視頻和一階或高階環(huán)繞聲的同步記錄方式對歐洲城市聲景環(huán)境數據進行收集。這種虛擬現實的技術可幫助研究人員更真實地記錄空間的原始環(huán)境并進行重現和聲環(huán)境評估，尤其對于一些無法進行問卷調查的環(huán)境[14]。相對于現場環(huán)境評估，虛擬環(huán)境雖然沒有絕對地還原真實，但也避免了現場評估中的一些不可控因素，如溫度、濕度、日光等[13]。

1.2 聲音處理與分析

聲景研究時常需要對聲音數據庫進行分析，深度學習和地理信息系統(tǒng)逐漸分別被應用到對聲音數據的分析處理中。在研究城市生態(tài)聲環(huán)境的過程中，由于城市環(huán)境的復雜性，生物聲音的錄音會受到非生物聲音的影響，目前將機器學習應用于生物多樣性監(jiān)測的研究越來越多[14]。Fairbrass等[15]基于卷積神經網絡（CNN）的深度學習系統(tǒng)開發(fā)了Citynet，可測量城市中的生物聲音和人類活動聲音，其訓練的模型可識別基于多個聲學特征的生物聲音，精度高于現有最先進的鳥鳴聲檢測軟件Bulbul，并有希望將這個系統(tǒng)集成到物聯網，形成更大規(guī)模的城市環(huán)境評估系統(tǒng)。同時Aodha等[16]還開發(fā)了一種同樣基于卷積神經網絡的蝙蝠聲學信號檢測軟件，其在搜索階段的回聲定位調用功能的性能優(yōu)于現有其他算法。這些研究在一定程度上都表明了深度學習對處理聲音數據的精確性和應用前景。為對城市聲環(huán)境進行進一步的分析研究，將聲音數據制作成聲景圖是非常有效的一種方式。Liu等[17]在對多城市地區(qū)的聲景時空變化研究中使用了Grass軟件生成聲景圖，其優(yōu)勢是將不同聲源在空間上的相互影響可視化，并以此法證實了景觀指數和聲景要素之間的密切關系，其中歸一化植被指數（NDVI）和景觀形狀指數（LSI）是最重要的兩個因素，也證實了聲景制圖技術是研究城市聲景生態(tài)學的有效工具?？到〉萚18]采用基于GIS的普通kriging插值法（Spherical Semivariogram）生成了與感知屬性相關的城市聲景圖，其交叉驗證的誤差接近于0，這也進一步表明了聲景制圖技術的精確性。

1.3 聲場模擬和評估

大量的數字化程序和算法被應用于聲景模擬和評估中，并拓展出新的研究方法。Hao等[19]選取荷蘭阿森地區(qū)的12個地點并基于噪聲映射技術進行鳥鳴聲的空間聲級分布模擬，然后使用空間聲級矩陣的Matlab程序進行計算，再使用Depthmap程序根據空間句法理論對建筑和城市系統(tǒng)進行可視性分析，其結果驗證了城市形態(tài)參數，例如綠地周長和建筑平面面積分數（Building Plan Area Fraction）是優(yōu)化鳥鳴聲和視覺環(huán)境的有效措施。康健[20]在研究被建筑包圍的廣場聲環(huán)境特征時，開發(fā)了輻射度模型和圖像源模型進行模擬，證明了廣場的空間參數對其聲環(huán)境的具體影響。而Yu等[9]基于人工神經網絡（ANN）預測潛在人群對城市開放空間聲景觀質量評價的計算機模型，生成了聲級評估圖和聲學舒適度評估圖。雖人工神經網絡模型的有效性已被證實，但由于城市開放空間復雜的物理和社會環(huán)境，很難建立一個適用于所有案例的通用模型，仍需建立更復雜的模型來進一步改進。

1.4 聲景感知的可視化

在聲景研究中，人對聲環(huán)境的感知和理解是非常重要的一部分。主觀評價法是常用的手法之一，可以用問卷的方式獲取人們對聲環(huán)境的感知評價。為了更清晰地了解分析人們對整體區(qū)域的感知情況，需將人們的感知評價進行可視化，形成一個以用戶為中心的聲環(huán)境監(jiān)測和管理聲景圖模型，這有利于智慧城市的形成，不斷提升市民的參與感[18]?？到〉萚18]構建了智慧城市聲景圖模型，將問卷調查的數據進行基于GIS的可視化處理，生成了6種情緒的聲音感知地圖，包括愉悅、平靜、動蕩、煩惱、混亂和單調。此外，Aiello等[21]建立的基于社交媒體數據所生成的聲景感知評價地圖，則提供了一種廉價的大規(guī)模城市聲音追蹤的方式，研究收集整理了關于聲音和情緒的兩組詞語庫，并將其作為搜索詞在Flicker網站上分別搜索關于聲音和情緒的圖像標簽，獲取圖像所在地理位置，通過比較圖像的地點得出推論：有音樂聲的街道與強烈的喜悅悲傷情緒緊密相關，而有人聲的街道與平常的喜悅和驚喜聯系到一起，而恐懼和憤怒經常出現在有機械聲的街道上。

2 公園聲景地圖數字化應用

隨著城市環(huán)境中噪音對人類健康和社會福祉的負面影響加劇[22-24]，公園已被視為健康及可持續(xù)城市的基本要素。公園作為城市綠色基礎設施，是人們日常休閑娛樂、戶外游憩的重要載體，對生態(tài)環(huán)境和社會利益發(fā)揮著重要作用[25-26]。特別是在當前全球疫情防控的大環(huán)境下，人們對于在公園中娛樂交流、舒緩壓力、療愈身心的需求日益增加。因此城市公園對疫情防控和維持公眾身心健康具有積極意義[27]。此外，良好的視覺環(huán)境和聲音環(huán)境能共同提升公園的舒適度[28]。因此，人們對聲環(huán)境的感知成為公園規(guī)劃設計的重要因素。

聲景地圖不僅能夠全面有效地描述城市公園的聲景，還可以作為分析公園聲景的有效方法，為城市公園聲景的記錄和治理提供新的途徑。國外許多公園已經開始進行聲景監(jiān)測和聲音數據庫的建立等[29]，聲景地圖也被作為引導公園游園的重要工具，但其數字化呈現和智慧調控依然有一定的缺陷。基于此，以虛擬數據進行模型模擬，探討聲景數字化手段如何輔助公園感知認知和評價。

2.1 聲景地圖應用于公園

公園聲景舒適感知的研究，主要包括聲級測量、計算與存儲，聲景感知地圖、聲級感知地圖空間插值計算等，上述模塊均進行了數字化的研發(fā)，并將其與公園的數據底座系統(tǒng)連接。通過對聲音環(huán)境信息的采集、多源數據的處理生成噪聲圖。基于前序研究，在預測模型的基礎上[30]，將聲景感知地圖和聲景地圖部分，重點納入人流密度、建筑平均高度和NDVI三個指數。聲環(huán)境數據采集、聲景地圖依托游客手持電子設備及游園APP搭載；相關計算、存儲、空間插值等內容依托數據底座。聲景地圖以可視化的方式呈現，實現一小時更新，從而及時有效引導游客游園。鼓勵人們作為聲景資源的一部分參與其中，成為實現聲景科普教育的有效途徑。同時公園可依據動態(tài)模型，對聲景感知進行優(yōu)化和調控，作為公園實現智慧監(jiān)管的有效手段。

2.2 聲景數字化主要功能及相關技術

公園聲景地圖數字化調控主要通過聲景地圖可視化和智慧調控實現。聲景地圖可視化是將聲級大小、舒適度進行采集、計算，并疊加地理信息地圖，以可視化的方式呈現；在對公園聲音、舒適度監(jiān)測的同時，利用聲光裝置（燈光、聲掩蔽）等景觀手段調節(jié)聲音環(huán)境和舒適度感知。其中，實現其主要功能的聲景感知計算模塊主要包括聲級采集及計算、舒適度計算、空間插值計算三個方面。技術難點在于連續(xù)等效A聲級的計算、依據客觀數據對人類舒適度感知的擬合、空間插值函數的選取。此文化公園聲景地圖的技術路徑（圖1）分為三個部分。

圖1 應用所在文化公園聲景地圖技術路徑Fig.1 The technical path of the soundscape map of the cultural park where the application is located

2.2.1 聲級采集及計算——利用音頻文件計算聲壓級

首先，通過監(jiān)控設備或移動端采集音頻文件，同時附上坐標、時間、wav格式音頻文件，形成表格。其次，針對采集的公園綠地噪聲信號，對其進行時域和頻域分析，以圖形直觀展示聲壓信號的波動情況，得出公園綠地噪聲信號各頻率成分及頻率分布情況。對數據進行處理，探討一種頻域A計權、計算瞬時A聲級、求解公園綠地噪聲信號連續(xù)等效A計權聲壓級的算法，并基于python軟件平臺對噪聲信號進行時域分析、頻譜分析、等效連續(xù)A計權聲壓級分析的仿真實現[31]，計算過程如圖2。最后將計算結果輸出為excel表格（.csv），增加“聲級（dB(A)）”字段。

圖2 等效連續(xù)A聲級計算流程圖Fig.2 Flow chart of equivalent continuous A sound level calculation

2.2.2 聲音處理與分析——利用景觀指標計算舒適度

基于前序研究基礎[30]，通過典型相關分析，篩選影響公園聲景感知的景觀特征指標，得到聲級與景觀特征主觀舒適度模型公式（1）：

其中，p為人口密度（人/km2），H為區(qū)域內的建筑平均高度（m），LURg為綠地（m2）利用占比。

采集典型區(qū)域內（200 m×200 m）動態(tài)數據（聲音采集WAV（統(tǒng)一點位））、人群密度和靜態(tài)數據（建筑平均高度、植被健康指數NDVI），然后形成坐標、時間、聲級（dB(A)）、人群密度（人/km2）、建筑高度（m）、植被覆蓋率信息表格，最后進行數據計算，根據預測模型計算舒適度，輸出坐標、時間、舒適度信息表格。

2.2.3 聲景感知的可視化——空間插值形成感知地圖

在多種空間插值函數中選取普通克里金算法（Kriging），模擬ArcGIS空間插值功能?？死锝鹗且罁f(xié)方差函數對隨機過程或隨機場進行空間建模和預測（插值）的回歸算法?？臻g插值算法根據采集處理后的點計算整個公園區(qū)域連續(xù)的值。由第一步聲音采集及計算和第二步景觀指標計算舒適度所得的表格數據，預測區(qū)域內的聲級值（圖3）、舒適度值（圖4），并將輸出結果分級，以Imshow函數輸出示意圖。

圖3 聲級地圖Fig.3 Sound level map

圖4 舒適度地圖Fig.4 Comfort level map

3 討論與建議

基于上述綜述與典型研究案例可知，數字化技術已逐漸成為聲景研究中不可或缺的有效手段。錄音、互聯網和虛擬現實等技術的出現和更新確保了數據采集的準確性、高效性和全面性。卷積神經網絡、Grass GIS等算法為聲音識別和可視化提供了新方法，提高了聲音識別和分類的準確性，將多種龐大的數據濃縮于聲景圖中，方便研究者進行分析和處理。同時，各類聲環(huán)境模擬的算法使得研究者可以僅通過計算機模擬的方式對聲環(huán)境和城市空間的關系進行研究。應用最前沿的技術對聲音舒適度評估進行探索，如利用人工神經網絡對問卷調查的數據進行研究，從而建立可以預測地區(qū)聲音舒適度的模型。另外，關于聲景感知可視化的研究也在逐步進行中，有利于促進智慧城市的以人為本。

在面向公園的研究中，聲景感知地圖計算模塊還需要在園區(qū)中選取適當的位置進行更為真實和貼切的模擬計算。其中舒適度預測模型可選取小型公園進行更加深入的研究，結合公園實際情況進行更新與調整，以達到更加準確的舒適度模擬。隨著采集技術、模擬技術的發(fā)展，舒適度模擬將會是一個更新迭代的過程。未來對感控功能的研發(fā)與拓展，可根據舒適度和聲級地圖，設置感控調節(jié)模塊（如聲光聯控），真正實現智慧公園的及時性、可視化、數字化和人性化。

雖然目前的數字化技術已經逐步應用到聲景研究中并取得了不錯的效果，但如何更廣泛地、準確地將這些技術應用到研究中還在不斷探索中。例如利用互聯網收集數據的音頻質量參差不齊和收集規(guī)則的不完善[12]，虛擬現實仍無法徹底還原真實世界的其他環(huán)境變量[13]，神經網絡訓練的模型只適合應用于特定場地[9]，以及城市聲景感知可視化仍無法做到對城市進行實時監(jiān)測[18]。未來新工業(yè)革命、氣候變化和生活方式的改變，都會給聲景的研究發(fā)展帶來挑戰(zhàn)[8]，如智慧城市的發(fā)展、城市傳感器的普及，讓聲音場景的實時智能調控成為可能[18]；氣候變化給環(huán)境帶來一系列變化，甚至改變生物多樣性、城市形態(tài)和文化，這些都會影響聲源、聲音傳播和聲音偏好[8]；疫情推進了居家辦公的工作方式，使得建立室內聲景評估體系的需求不斷增長[32]。因此，未來聲景研究所面臨的不僅是完善目前的聲景數據收集、處理、評估和可視化，還面臨著未知挑戰(zhàn)。

注：文中圖片均由作者繪制。