Ô nhiễm tiếng ồn giao thông đang trở thành một trong những vấn đề môi trường đô thị đáng chú ý trong bối cảnh đô thị hóa diễn ra nhanh. Để hỗ trợ cộng đồng tiếp cận các xu hướng nghiên cứu mới trong lĩnh vực này, VSGA tổng hợp và giới thiệu một công trình khoa học về việc lập bản đồ tiếng ồn đô thị ứng dụng GIS 3D, tích hợp mô hình lan truyền âm thanh CNOSSOS-EU, học máy và trực quan hóa trên nền tảng Unreal Engine 5 — hướng đến hỗ trợ quản lý tiếng ồn và ra quyết định trong quy hoạch đô thị.
Thách thức trong dự đoán và mô phỏng tiếng ồn đô thị hiện nay
Quá trình đô thị hóa nhanh chóng khiến ô nhiễm tiếng ồn giao thông trở thành vấn đề ngày càng nghiêm trọng, tác động tiêu cực đến sức khỏe cộng đồng và hệ sinh thái đô thị. Nhằm giảm thiểu tác động này, Tổ chức Y tế Thế giới (WHO) đã đưa ra nhiều khuyến nghị như thiết lập tiêu chuẩn nghiêm ngặt, tối ưu quy hoạch giao thông và cải thiện cách âm công trình.
Trong bối cảnh đó, Hệ thống Thông tin Địa lý (GIS) kết hợp học máy và dữ liệu lớn đã trở thành công cụ thiết yếu giúp xử lý dữ liệu không gian và nâng cao độ chính xác dự đoán. Tuy nhiên, các phương pháp dự đoán hiện tại — dù dựa trên mô hình thống kê, vật lý hay học máy — vẫn gặp hạn chế về độ chính xác khi xử lý các kịch bản quy mô lớn hoặc địa hình đồi núi phức tạp. Do đó, việc tích hợp hiệu quả và hiển thị hình ảnh mô phỏng thay đổi theo thời gian từ các nguồn dữ liệu như giao thông, địa hình và thảm thực vật vẫn là một thách thức lớn cần cải thiện.
Để giải quyết các thách thức trên, nghiên cứu đề xuất một khung kỹ thuật kết hợp mô hình lan truyền với học máy nhằm dự đoán chính xác và hiển thị hình ảnh mô phỏng tiếng ồn 3D trên nền Unreal Engine. Đóng góp chính của đề tài bao gồm phương pháp hợp nhất dữ liệu đa nguồn (giao thông, địa hình, cây xanh) và giải pháp mô phỏng tiếng ồn tại các đô thị đồi núi phức tạp, hỗ trợ hiệu quả cho việc quản lý và ra quyết định.
Tổng quan các nghiên cứu liên quan về bản đồ tiếng ồn
Phần lớn việc lập bản đồ tiếng ồn dựa trên các phương pháp tiêu chuẩn, và GIS đã giúp cải thiện hiệu quả nhờ khả năng xử lý lượng lớn dữ liệu không gian. Việc kết hợp đo đạc thực địa với nội suy (IDW, Kriging) đã chứng minh hiệu quả trong nắm bắt phân bố không gian của tiếng ồn, nhưng bị giới hạn bởi khó khăn thu thập dữ liệu, do độ chính xác phụ thuộc vào phân bố điểm quan trắc và chi phí tính toán cao.
Các mô hình hồi quy tuyến tính bội như FHWA, CoRTN, RLS90, ASJ RTN-Mode, CNOSSOS-EU và NMPB-08 từ lâu là cách tiếp cận tiêu chuẩn, nhưng do hạn chế khi xem xét các yếu tố môi trường, học máy gần đây cho thấy ưu thế nhờ khả năng nắm bắt quan hệ phi tuyến phức tạp. Mạng nơ-ron nhân tạo (ANN), rừng ngẫu nhiên (RF), hồi quy từng bước, gradient boosting và XGB, cùng các phương pháp học sâu như CNN và LSTM đã đạt kết quả khả quan trong dự đoán tiếng ồn theo không gian-thời gian. Tuy nhiên, nghiên cứu hiện nay vẫn thiếu sự xây dựng hệ thống hoàn chỉnh và phân tích trực quan hóa 3D.
Nhiều công cụ và nền tảng GIS, mã nguồn mở (ArcGIS, SPreAD-GIS, NoiseModelling, OpeNoise) và gần đây là dự án OUTFIT với khung Bản sao Kỹ thuật số tích hợp dữ liệu thời gian thực đã được phát triển, song việc ứng dụng tại địa hình phức tạp, nhất là đô thị đồi núi, vẫn hạn chế về độ chính xác. Về trực quan hóa 3D, Unreal Engine nổi lên như nền tảng mạnh nhờ năng lực kết xuất chất lượng cao, giúp giảm rào cản kỹ thuật và chi phí; nhưng việc ứng dụng trong mô phỏng lan truyền tiếng ồn vẫn ở giai đoạn sơ khai do thiếu xác thực bằng dữ liệu thực tế quy mô lớn và thiếu chỉ số đánh giá định lượng cho môi trường phức tạp.
Phương pháp nghiên cứu
Tổng quan
Nghiên cứu này phát triển một hệ thống mô phỏng tiếng ồn đô thị (khung kỹ thuật tại Hình 1) được triển khai qua ba giai đoạn chính:
- Xây dựng bản đồ sơ bộ: Thu thập dữ liệu đầu vào (tiếng ồn, giao thông, địa hình, công trình) và sử dụng phương pháp CNOSSOS-EU để tính toán sự lan truyền tiếng ồn giao thông.
- Hiệu chỉnh mô hình: Đối chiếu kết quả tính toán với dữ liệu đo đạc thực tế tại các điểm quan trắc, sau đó ứng dụng học máy (hồi quy Ridge) để hiệu chỉnh các sai lệch.
- Trực quan hóa 3D: Xây dựng hệ thống trên nền tảng Unreal Engine 5 nhằm tích hợp bối cảnh 3D chi tiết, luồng giao thông động và dữ liệu tiếng ồn, giúp trực quan hóa quá trình lan truyền tiếng ồn trong môi trường đô thị.
Xây dựng bản đồ tiếng ồn sơ bộ bằng mô hình lan truyền tiếng ồn giao thông
Nghiên cứu áp dụng phương pháp CNOSSOS-EU để mô phỏng quá trình lan truyền tiếng ồn giao thông. Nhằm nâng cao độ chính xác, mô hình đã tích hợp các hiệu chỉnh để tính toán mức độ suy giảm âm thanh từ nguồn đến máy thu, vốn chịu tác động bởi các hiện tượng vật lý như: sự phân tán hình học, sự hấp thụ của không khí, hiệu ứng mặt đất và các chướng ngại vật.
Tối ưu hóa tiếng ồn được thúc đẩy bởi các yếu tố đa phương thức
Nhằm khắc phục sai số giữa kết quả của mô hình lan truyền và thực tế đo đạc, nghiên cứu đã phát triển một mô hình tối ưu hóa thông qua hai bước chính:
- Lựa chọn đặc trưng: Sử dụng phương pháp hồi quy từng bước tiến để xác định các biến (đặc trưng) quan trọng nhất.
- Xây dựng mô hình ước tính: Ứng dụng hồi quy Ridge để lập bản đồ mối quan hệ giữa phần dư tiếng ồn và các yếu tố môi trường đa phương thức, giúp kết quả dự đoán tiệm cận hơn với thực tế.
Để đảm bảo độ tin cậy, mô hình được đánh giá bằng phương pháp kiểm định chéo 5 phần (five-fold cross-validation). Việc huấn luyện và kiểm tra lặp lại trên các tập dữ liệu con giúp kiểm chứng tính ổn định, khả năng tổng quát hóa và hạn chế tối đa rủi ro quá khớp (overfitting).
Xây dựng hệ thống mô phỏng tiếng ồn
Dựa trên kết quả từ mô hình lan truyền tiếng ồn giao thông (Phần 3.2) và các ước tính tiếng ồn môi trường đã tối ưu (Phần 3.3), phần này trình bày việc triển khai một hệ thống mô phỏng tiếng ồn đô thị toàn diện. Hệ thống sử dụng các mức tiếng ồn đã tối ưu () làm dữ liệu đầu vào và tích hợp cùng dữ liệu mô hình đô thị 3D trong Unreal Engine nhằm hỗ trợ trực quan hóa 3D chân thực. Hình 2 minh họa khung tổng thể của hệ thống đề xuất.
Kết quả thực nghiệm
Khu vực nghiên cứu
Thành phố Trùng Khánh, nằm ở phía tây nam Trung Quốc, có đặc trưng là địa hình đồi núi với các dạng hình thái đô thị đa dạng. Nghiên cứu này tập trung vào khu vực dọc theo hai bên đường cao tốc trên cao vành đai trong, từ Nút giao Wujiang đến Nút giao Donghuan thuộc Quận Yubei, Trùng Khánh, bao phủ tổng diện tích khoảng 35,8 km². Khu vực này bao gồm hai trung tâm giao thông lớn là Nút giao Beihuan và Nút giao Renhe (như được thể hiện trong Hình 3). Với lưu lượng giao thông lớn và các công trình xây dựng phân bố dày đặc, khu vực này đại diện cho bối cảnh điển hình của tác động từ địa hình đô thị phức tạp và các điều kiện môi trường đa dạng lên phân bố tiếng ồn đô thị.
Thu thập dữ liệu
Dữ liệu tiếng ồn được thu thập trong 24 giờ (từ 6:00 ngày 7/5 đến 6:00 ngày 8/5/2024) tại 60 vị trí bằng máy đo AWA6228/AWA6228+ đã hiệu chuẩn (sai số < ±0,5 dB). Tuân thủ tiêu chuẩn HJ 640-2012 (Trung Quốc), mỗi điểm đo tối thiểu 4 lần, mỗi lần 1 giờ. Để đảm bảo độ chính xác và hạn chế ảnh hưởng của phản xạ âm từ bề mặt công trình, thiết bị được đặt trên giá đỡ cao 1,5m và cách vật cản ít nhất 2m. Tọa độ các điểm đo được định vị và kiểm tra tham chiếu qua Google Maps nhằm phục vụ trực tiếp cho phân tích và mô hình hóa (Hình 4).
Ước lượng tiếng ồn bằng mô hình lan truyền tiếng ồn giao thông
Nghiên cứu tiến hành phân tích so sánh giữa mức tiếng ồn thực tế đo được tại các điểm quan trắc ( – trung bình cộng các phép đo ban ngày từ 6:00 đến 18:00) và giá trị ước tính từ mô hình lan truyền tiếng ồn giao thông ( – mức âm tương đương liên tục trong cùng khung giờ ban ngày). Các số liệu thống kê chi tiết của hai biến số này được tóm tắt tại Bảng 1.
Tối ưu hóa tiếng ồn
Nghiên cứu sử dụng dữ liệu raster độ phân giải 30x30m để phân tích các yếu tố không gian ảnh hưởng đến tiếng ồn (giao thông, mạng lưới đường, độ dốc, NDVI). Bằng cách tích hợp phần dư hiệu chỉnh từ mô hình hồi quy Ridge vào kết quả ban đầu, mức tiếng ồn môi trường tổng thể được tính toán sát với thực tế hơn.
Mô hình tối ưu này mang lại bức tranh phân bố tiếng ồn chân thực, khắc phục hiệu quả tình trạng đánh giá vượt mức tại các tuyến đường đông đúc. Mặc dù vậy, do mức độ phụ thuộc cao vào các thông số giao thông, mô hình vẫn có xu hướng đánh giá thấp tiếng ồn ở những khu vực nằm cách xa hoặc ít kết nối với mạng lưới đường bộ.
Mô phỏng lan truyền tiếng ồn
Hệ thống tích hợp và triển khai thành công nhiều chức năng trong môi trường ảo, cung cấp một công cụ phân tích toàn diện và trực quan cho nghiên cứu tiếng ồn đô thị. Hình 6 minh họa một số chức năng tiêu biểu:
- (a) Mô hình 3D thực tế của khu vực nghiên cứu, dựng từ dữ liệu đám mây điểm LiDAR và ảnh chụp nghiêng, được nạp vào hệ tọa độ tham chiếu địa lý thực; mô hình chi tiết, tái hiện chính xác địa hình và đường nét công trình, nâng cao cảm nhận không gian và tính nhập vai.
- (b) Dữ liệu mô phỏng tiếng ồn được phủ lên mô hình: vùng đỏ là cường độ cao, vùng xanh là cường độ thấp, làm nổi bật các điểm nóng dọc tuyến đường và nút quan trọng, hỗ trợ ra quyết định cho giảm thiểu tiếng ồn và quy hoạch đô thị.
- (c) Trực quan hóa luồng giao thông động, dựa trên dữ liệu lưu lượng đo được, mô phỏng dòng xe di chuyển thời gian thực trong cảnh 3D, thể hiện biến thiên mật độ giao thông theo thời gian và hỗ trợ phân tích điểm ùn tắc.
- (d) Bảng phân tích thống kê gồm ba khung bên trái — biểu đồ radar phân bố tiếng ồn theo hướng và khung giờ, biểu đồ xu hướng tiếng ồn theo thời gian cho khu vực chọn, và biểu đồ khớp đường cong đánh giá quy luật lan truyền — cùng ba khung bên phải: bản đồ so sánh phân bố tiếng ồn giữa các tiểu vùng và thời điểm, thống kê tổng hợp theo tiểu vùng, và biểu đồ chuỗi thời gian của lưu lượng. Mô-đun tương tác này cho phép đánh giá đa chiều, chi tiết về tiếng ồn môi trường và luồng giao thông.
Kết luận và hướng nghiên cứu tương lai
Nghiên cứu này phát triển một hệ thống tích hợp mô phỏng tiếng ồn đô thị, trực quan hóa động và đa chức năng, cải thiện đáng kể độ chính xác dự đoán nhờ tối ưu hóa mô hình. Bằng cách kết hợp dữ liệu cảnh 3D với các thuật toán hiệu quả và năng lực kết xuất của Unreal Engine, hệ thống biểu diễn phân bố tiếng ồn trong không gian ba chiều từ dữ liệu GeoJSON; kỹ thuật làm mờ Gaussian được dùng để bảo đảm tính toàn vẹn và liên tục của trường âm. Nhiều phép đo thực địa đã được tiến hành để huấn luyện và đánh giá, góp phần nâng cao độ chính xác và độ bền vững của mô hình. Hệ thống tích hợp hiệu quả tiếng ồn với biến động giao thông và thời tiết, giảm đáng kể sai số dự đoán, hỗ trợ thiết thực cho quản lý tiếng ồn môi trường đô thị.
Nghiên cứu tương lai có thể mở rộng phạm vi thu thập dữ liệu, tối ưu độ phức tạp mô hình để nâng cao hiệu quả tính toán, và bổ sung dữ liệu địa hình, công trình chi tiết hơn nhằm tăng tính chân thực. Các kết quả có thể tích hợp vào quản lý đô thị để phát triển công cụ hỗ trợ ra quyết định, phục vụ kiểm soát tiếng ồn.
Nguồn: mdpi.com
