买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳大学

摘要：本发明涉及声景预测技术领域，具体是涉及融合多源城市数据的声景预测模型训练方法和预测方法。本发明对环境数据进行统计分析，以得到与声景相关的特征，也就是得到声景训练特征，基于声景训练特征训练神经网络模型，以得到声景预测模型。采集需要预测声景的待预测地理区域内的环境数据，并对该环境数据应用声景预测模型，预测模型输出该待预测地理区域的声景信息。本发明的环境数据是已有的数据，而不需要去现场采集，也就是只要采用已有的环境数据即可预测声景信息，从而扩大了本发明声景预测方法的应用场景。而且本发明采用声景预测模型预测声景信息，能够全面准确的预测声景。

主权项：1.一种融合多源城市数据的声景预测模型训练方法，其特征在于，包括：获取训练地理区域内已保存的环境数据，并对所述环境数据进行统计分析，以得到所述训练地理区域的声景训练特征；对所述声景训练特征应用神经网络模型，得到所述神经网络模型输出的针对所述训练地理区域的声景训练标签；获取所述训练地理区域的声景实测标签，依据所述声景实测标签和所述声景训练标签，计算所述神经网络模型的损失函数，并依据所述损失函数，训练所述神经网络模型，以得到声景预测模型，所述声景预测模型同时预测声源类别和声强大小；所述获取训练地理区域内已保存的环境数据，并对所述环境数据进行统计分析，以得到所述训练地理区域的声景训练特征，包括：获取训练地理区域内已保存的环境数据中的兴趣点数据信息、道路数据、建筑物数据、街景图像和绿化数据；对所述兴趣点数据信息、所述道路数据、所述建筑物数据、所述街景图像和所述绿化数据进行统计分析，以得到所述训练地理区域内的兴趣点数量、兴趣点密度、道路密度、中心位置与道路之间的最短距离、建筑物密度、建筑容积率、绿地覆盖率、最近绿地距离、最近绿地面积、街景影像各要素占比；将所述兴趣点数量、所述兴趣点密度、所述道路密度、所述最短距离、所述建筑物密度、所述建筑容积率、所述绿地覆盖率、所述最近绿地距离、所述最近绿地面积、所述街景影像各要素占比作为所述训练地理区域的声景训练特征；所述神经网络模型包括特征筛选层、共享隐藏层、声强隐藏层、声源隐藏层，其中，所述特征筛选层分别与所述共享隐藏层、所述声强隐藏层、所述声源隐藏层级联，所述共享隐藏层分别与所述声强隐藏层、所述声源隐藏层级联，所述对所述声景训练特征应用神经网络模型，得到所述神经网络模型输出的针对所述训练地理区域的声景训练标签，包括：将所述声景训练特征输入至特征筛选层，得到所述特征筛选层从所述声景训练特征中筛选出的共享特征、声强特征和声源特征，所述共享特征为与声强和声源均相关的声景特征，所述声强特征为只与声强相关的声景特征，所述声源特征为只与声源相关的声景特征；将所述共享特征输入至所述共享隐藏层之后，将所述声强特征输入至所述声强隐藏层、将所述声源特征输入至所述声源隐藏层，得到所述声强隐藏层输出的声强训练标签、所述声源隐藏层输出的声源训练标签，并将所述声强训练标签和所述声源训练标签作为声景训练标签。

全文数据：

权利要求：

百度查询： 深圳大学 融合多源城市数据的声景预测模型训练方法和预测方法