Ukur dan Petakan Polusi Kebisingan Dengan Ponsel Anda: 4 Langkah (dengan Gambar)

2024 Pengarang: John Day | [email protected]. Terakhir diubah: 2024-01-30 09:59

80 dB(A))", "atas":0.13263157894736843, "kiri":0.506, "tinggi":0.1957894736842105, "lebar":0.276}]">

Nicolas Maisonneuve (Sony CSL Paris)Matthias Stevens (Vrije Universiteit Brussel / Sony CSL Paris)Luc Steels (Vrije Universiteit Brussel / Sony CSL Paris)

Dalam "Instructable" ini, Anda akan mempelajari bagaimana Anda dapat menggunakan ponsel yang dilengkapi GPS sebagai stasiun bergerak untuk mengukur paparan pribadi Anda terhadap kebisingan dan berpartisipasi dalam pemetaan kebisingan kolektif di lingkungan atau kota Anda. Peta dapat divisualisasikan menggunakan Google Earth. Polusi suara merupakan masalah serius di banyak kota. Meskipun pihak berwenang di beberapa kota besar telah meluncurkan kampanye untuk memantau masalah tersebut, peta yang mereka buat tidak selalu mudah diakses dan biasanya tidak cukup detail untuk memahami variasi (dalam ruang dan waktu) dalam kebisingan yang dialami orang. Namun, dengan menggunakan teknologi baru kami, Anda dapat membantu meningkatkan pemantauan masalah lingkungan tersebut dengan berkontribusi pada pemetaan kebisingan lingkungan atau kota Anda dan dengan demikian berpartisipasi dalam semacam "Wikimapia" polusi suara. NoiseTube adalah proyek penelitian Sony Laboratorium Ilmu Komputer di Paris. Proyek ini difokuskan pada pengembangan pendekatan partisipatif baru untuk memantau polusi suara yang melibatkan masyarakat umum. Tujuan kami adalah untuk memperluas penggunaan ponsel saat ini dengan mengubahnya menjadi sensor kebisingan yang memungkinkan setiap warga negara untuk mengukur paparannya sendiri di lingkungan sehari-harinya dan berpartisipasi dalam pemetaan kebisingan kolektif kota atau lingkungannya. Secara lebih umum proyek penelitian ini menyelidiki bagaimana konsep penginderaan partisipatif dapat diterapkan pada isu-isu lingkungan dan terutama untuk memantau polusi suara. Penginderaan partisipatif menganjurkan penggunaan perangkat seluler yang digunakan secara luas (misalnya ponsel pintar, PDA) untuk membentuk jaringan sensor terdistribusi yang memungkinkan pengguna publik dan profesional untuk mengumpulkan, menganalisis, dan berbagi pengetahuan lokal. Dengan memasang aplikasi gratis di ponsel Anda yang dilengkapi GPS, Anda akan dapat mengukur tingkat kebisingan dalam dB(A) (dengan presisi beberapa desibel dibandingkan dengan perangkat profesional), mengomentari bagaimana Anda merasakan kebisingan (penandaan, tingkat gangguan subjektif) dan mengirim semua informasi (stempel waktu + pengukuran geo-localized + input manusia) secara otomatis ke server NoiseTube melalui koneksi Internet ponsel Anda. Setelah itu hasil (kolektif) dapat divisualisasikan pada peta, seperti yang ditunjukkan oleh contoh pada gambar 1. Motivasi untuk berpartisipasi dalam pengalaman NoiseTube 1. Ukur eksposur suara pribadi Anda dan lebih sadar lingkungan Anda Berapa desibel yang saya hadapi selama hariku? Informasi seperti itu saat ini sulit diperoleh warga. Berkat aplikasi kami, Anda akan dapat mengukur eksposur Anda dalam dB(A) secara real-time tanpa memerlukan pengukur tingkat suara yang mahal. Kami berpikir bahwa informasi lingkungan yang dipersonalisasi mungkin memiliki dampak yang lebih besar pada kesadaran dan perilaku publik daripada statistik lingkungan global yang saat ini disediakan oleh lembaga pemerintah. 2. Berpartisipasi dalam pemantauan/pemetaan polusi suara di kota Anda Dengan ponsel Anda, Anda (dan grup Anda) dapat mengumpulkan pengukuran yang terlokalisasi secara geografis, membubuhi keterangan dan mengirimkannya secara otomatis untuk memetakan polusi suara lokal, memberikan informasi yang berguna bagi komunitas lokal atau lembaga publik untuk mendukung pengambilan keputusan tentang isu-isu lokal tanpa menunggu pejabat (lembaga lingkungan, dana pemerintah untuk kampanye pengukuran yang mahal) untuk mengalihkan perhatian mereka ke lingkungan Anda. 3. Membantu ilmuwan untuk lebih memahami kebisingan dari pengalaman Anda Tidak seperti data polusi suara saat ini yang berasal dari sensor statis yang dipasang di lokasi tertentu yang tetap, data 'berpusat pada orang' Anda dapat memiliki nilai yang besar bagi para ilmuwan untuk lebih memahami masalah polusi suara melalui eksposur. Arsitektur NoiseTubePlatform NoiseTube terdiri dari aplikasi yang harus diinstal oleh peserta di ponsel mereka untuk mengubahnya menjadi perangkat sensor kebisingan. Aplikasi seluler ini mengumpulkan informasi lokal dari berbagai sensor dan mengirimkannya ke server NoiseTube, tempat data dari semua peserta dipusatkan dan diproses. Gambar ke-2 menunjukkan ikhtisar arsitektur ini. Karena aplikasi seluler adalah elemen terpenting bagi peserta kami, sekarang kami akan membahasnya secara rinci di langkah 1.

Langkah 1: Peralatan dan Perangkat Lunak

Fitur aplikasi seluler - Mengukur dan memvisualisasikan tingkat kebisingan yang Anda alami secara real time- Menandai untuk mengomentari pengukuran (misalnya sumber kebisingan, menilai gangguan yang dirasakan, …). Informasi ini digunakan untuk menambahkan lapisan semantik ke peta kebisingan yang dibuat. - Secara otomatis mengirimkan data (yang dilokalkan secara geografis dan diberi stempel waktu) ke akun Anda di server kami untuk memperbarui "profil paparan" pribadi Anda dan peta kebisingan kolektif. Persyaratan - Ponsel dengan built-in GPS-chipset atau penerima GPS eksternal yang dapat dihubungkan ke ponsel melalui Bluetooth. - Telepon yang mendukung platform Java J2ME (profil CLDC/MIDP dengan ekstensi: JSR-179 (Location API) dan JSR-135 (Mobile Media API)). - Langganan paket data untuk akses Internet (melalui GPRS/EDGE/3G). Catatan:

• Untuk saat ini, aplikasi tersebut baru diuji secara menyeluruh pada Nokia N95 8GB dan Nokia 6220C. Merek/model lain mungkin berfungsi atau tidak. Dalam beberapa minggu kami berencana untuk merilis versi untuk iPhone Apple. Anda dapat berlangganan melalui NoiseTube.net untuk tetap mendapat informasi tentang ini dan rilis mendatang lainnya.
• Untuk mencapai pengukuran desibel yang kredibel, disarankan agar hanya model telepon yang didukung (dikalibrasi) yang digunakan.

Pendekatan alternatif Telepon + mikrofon eksternal Alih-alih menggunakan mikrofon internal, Anda dapat mencolokkan mikrofon eksternal. Pada gambar 1 Anda melihat mikrofon eksternal yang dibuat khusus untuk Nokia N95. Jika Anda menggunakan mikrofon eksternal, kami menyarankan Anda untuk meletakkan mikrofon tidak terlalu dekat dengan wajah Anda untuk menghindari hanya mengukur suara Anda sendiri; memasang mikrofon di dekat pergelangan tangan Anda adalah pilihan yang baik. Perekam suara digital + aplikasi seluler + aplikasi desktop Pada Noisetube versi pertama, pengukuran kenyaringan tidak dilakukan secara real time oleh aplikasi seluler. Sebagai gantinya, perekam suara digital (misalnya: M-Audio MicroTrack x series) digunakan untuk merekam suara sekitar. Aplikasi seluler (v1.0) bertujuan untuk melokalisasi pengguna (melalui GPS) dan untuk memfasilitasi komentar (penandaan, peringkat, …). Aplikasi desktop kemudian digunakan untuk mengekstrak ukuran kenyaringan dari suara yang direkam, menggabungkan data tersebut dengan trek lokasi dan komentar pengguna dan mengirimkan informasi ini ke server. Gambar 2 menunjukkan gambaran umum arsitektur NoiseTube v1.0.

Langkah 2: Menggunakan Aplikasi Seluler NoiseTube

Persiapan Setelah Anda membuat akun di situs web NoiseTube, menemukan peralatan yang diperlukan, dan menginstal perangkat lunak kami, Anda dapat mulai menggunakan aplikasi NoiseTube.1) Anda harus mengautentikasi diri Anda terlebih dahulu dengan detail akun Anda. Setelah Anda berhasil masuk sekali, saat berikutnya Anda memulainya, aplikasi akan melewati langkah ini.2) Sekarang Anda dapat mulai mengukur dan berkontribusi pada proyek NoiseTube. Antarmuka pengguna Tangkapan layar pada gambar pertama menunjukkan antarmuka pengguna. Di bawah ini kami membahas bagian-bagian yang berbeda, yang masing-masing sesuai dengan fitur utama aplikasi. 1) Mengukur kerasnya kebisingan sekitar Pengukuran akan dimulai secara otomatis. Anda dapat melihat nilai kenyaringan saat ini - diukur dalam dB(A) - di kiri atas. Untuk menambah makna pada nilai ini, ini dikaitkan dengan warna yang mewakili potensi risiko kesehatan dari tingkat paparan saat ini:

• <60 dB(A): Hijau (tanpa risiko)
• >= 60 dan < 70: Kuning (mengganggu)
• >=70 dan <80: Oranye (hati-hati)
• > 80: Merah (berisiko).

Kurva sejarah juga digambar untuk melihat evolusi kenyaringan yang diukur. Untuk lebih memahami apa yang sebenarnya diukur, lihat bagian 'Tentang pengukuran kenyaringan' di bawah ini. 2) Mengomentari Tagging menambahkan lapisan makna pada pengukuran fisik untuk menginformasikan masyarakat dan untuk memvisualisasikan sifat kebisingan di peta sesudahnya. Seperti menandai film di YouTube atau halaman web di Delicious, Anda dapat menandai pengukuran kebisingan dengan menambahkan kata bebas apa pun yang dipisahkan dengan koma (misalnya sumber kebisingan atau konteksnya, peringkat, dll.). Kebisingan adalah fenomena kompleks karena dengan cara yang sangat subjektif manusia melihatnya. Untuk mempelajari faktor subjektif ini, kami akan menambahkan lebih banyak komponen subjektif ke aplikasi seluler untuk menggunakannya sebagai "pengukur gangguan (sosial)" (gambar ke-2 menunjukkan pratinjau seperti apa tampilannya) dan membuat peta subjektif polusi suara. 3) Pengukuran pelokalan geo Pengguna dapat beralih ke mode pelokalan otomatis (menggunakan GPS) atau manual dengan mengklik ikon pelokalan (lihat gambar 1). Setelah memulai aplikasi akan mengaktifkan mode otomatis dan mencoba melokalkan pengguna menggunakan GPS. Jika tidak berhasil (misalnya karena situasi dalam ruangan) ia akan beralih ke mode manual, di mana pengguna harus memasukkan lokasinya (misalnya alamat, jalur stasiun kereta bawah tanah). Dimungkinkan juga untuk memilih lokasi Anda saat ini dari daftar lokasi yang telah ditentukan sebelumnya. Lokasi ini dapat menjadi "favorit" pribadi (misalnya: rumah atau kantor) atau tempat umum (misalnya: jalan, stasiun kereta bawah tanah). Informasi lebih lanjut tentang pengukuran kenyaringan Pengukur kenyaringan menampilkan tingkat suara kontinu yang setara (Leq) yang diukur dalam dB(A) suara yang direkam pada selang waktu tertentu. Pada setiap siklus aplikasi merekam suara lingkungan (pada 22500 Hz, 16bit) selama interval waktu, kemudian memproses sinyal untuk mengekstrak nilai Leq. Dua interval dimungkinkan: 1) Respon lambat (1 detik, mode default), ini memungkinkan untuk mengukur variasi suara lambat, berguna untuk kebisingan konstan atau latar belakang; 2) Respon cepat/Leq pendek (125ms), untuk suara yang bervariasi waktu (mis. Mode respons cepat saat ini masih eksperimental jadi untuk saat ini kami menyarankan untuk menggunakan mode respons lambat. Tentang kalibrasi suara dan kredibilitas informasi Untuk mengkalibrasi aplikasi kami untuk mendapatkan informasi yang kredibel tentang Nokia N95 8GB, kami menggunakan pengukur level suara. Kami menghasilkan derau merah muda sebagai sumber derau dan membandingkan desibel yang diukur dengan pengukur tingkat suara dan yang diukur oleh aplikasi kami pada telepon N95 pada tingkat kenyaringan yang berbeda (setiap 5 dB, dari 35 dB hingga 100dB). Gambar 3 menunjukkan grafik nilai yang kami daftarkan. Kami memperoleh kurva dengan presisi sekitar +/- 10 dB(A). Setelah menggunakan invers dari fungsi ini sebagai korektor maka diperoleh hasil yang baik (presisi +/- 3 db). Kami berencana untuk melakukan kalibrasi yang sama dengan versi iPhone mendatang. Setelah Anda memahami cara menggunakan aplikasi NoiseTube, kami mengundang Anda untuk mengujinya di jalan di lingkungan Anda!

Langkah 3: Memvisualisasikan Hasil

Dua visualisasi saat ini dapat diakses. Pemantauan Real-time dari paparan orang Pemantauan real-time diusulkan untuk memvisualisasikan paparan kebisingan kolektif peserta menggunakan Google Earth. Anda dapat melihatnya dengan membuka https://noisetube.net/public/realtime.kml. Seorang pengguna diwakili oleh sebuah silinder yang tinggi dan warnanya sebanding dengan kenyaringan (Leq diukur dalam dB(A)) dari paparan suara pengguna. Peta polusi suara di kota AndaAnda juga dapat melihat peta paparan pribadi Anda saat ini dengan membuka ke akun Anda dan pilih "Peta saya" (atau langsung melalui: (https://noisetube.net/users/{username}/map.kml]). Untuk melihat peta paparan suara kolektif, buka peta publik. Setiap lingkaran menandakan ukuran kenyaringan (warna yang proporsional dengan tingkat kenyaringan) Di atas lapisan fisik ini ada lapisan semantik yang menjelaskan arti dari ukuran (yaitu sumber kebisingan).

Langkah 4: Penelitian dan Kesimpulan Masa Depan

Sesuai dengan semangat "beta" Web 2.0, kami memutuskan untuk membuka platform kami untuk semua orang, terlepas dari tahap awal pengembangan. Dalam waktu dekat, versi terbaru dari alat kami akan menawarkan fitur yang ditingkatkan dan baru. Penelitian dan pengembangan kami akan berlanjut di beberapa jalur: Kalibrasi Tanpa kalibrasi yang tepat, perangkat sensor menghasilkan data yang mungkin tidak representatif atau bahkan bisa menyesatkan. Jadi bagaimana kita bisa mengkalibrasi ratusan jenis ponsel yang berbeda atau perekam suara lainnya tanpa menggunakan pengukur tingkat suara yang mahal setiap kali? Kami mengusulkan untuk menyelidiki pertanyaan penelitian tersebut dengan trek yang berbeda, di mana telepon yang dikalibrasi atau lokasi akustik yang stabil dapat digunakan sebagai titik referensi untuk mengkalibrasi ulang telepon secara otomatis (misalnya kalibrasi antara 2 telepon, terhubung melalui Bluetooth, di mana satu adalah referensi dan lainnya adalah telepon untuk mengkalibrasi). Lokalisasi dalam ruangan Sistem GPS hampir tidak mendukung lokalisasi dalam ruangan. Karena kebanyakan orang menghabiskan sebagian besar kehidupan sehari-hari mereka di dalam ruangan, ini adalah kelemahan penting yang sebagian telah kami selesaikan melalui pelokalan manual (lihat langkah 2). Namun, ada teknologi yang dapat bertindak sebagai alternatif untuk GPS dalam skenario indoor. Salah satu pendekatan yang lebih menjanjikan (dan dipelajari secara luas) adalah penentuan posisi berbasis GSM. Teknologi semacam itu bisa sangat membantu untuk menyelidiki kebisingan di kereta bawah tanah (seperti jaringan Metro Paris), yang dikenal sebagai lingkungan yang sangat bising. Kami telah melakukan beberapa eksperimen dengan penanda temporal dan rekonstruksi lokasi dengan interpolasi (lihat gambar). Namun, dengan menggunakan penentuan posisi berbasis GSM (mengidentifikasi antena di stasiun yang berbeda, untuk secara otomatis mendeteksi lokasi pengguna), kami berharap kami akan dapat menghasilkan pengukuran lokal yang lebih akurat di lingkungan khusus ini di masa depan. Aspek sosial: Pembangunan komunitas Memproyeksikan data polusi suara ke peta adalah fitur umum. Tetapi merekam paparan suara dari aktivitas masyarakat juga memungkinkan kami untuk mengumpulkan jenis data yang lebih berpusat pada orang dan tidak hanya data yang berpusat pada tempat yang dikumpulkan oleh pengukur tingkat suara statis tradisional yang diletakkan di jalan-jalan. Dari pengamatan ini kita akan melihat lebih banyak fitur terkait sosial. Misalnya, membuat profil kebisingan pribadi yang berisi paparan kebisingan Anda dalam dimensi temporal dan geografis dan daftar sumber kebisingan Anda sendiri yang ditandai, menyediakan cara untuk membandingkan orang dan menemukan profil serupa untuk mendukung tindakan kolektif. telah menghadirkan cara baru untuk memantau dan memetakan polusi suara berkat partisipasi masyarakat. Platform NoiseTube memungkinkan Anda berkontribusi pada kampanye pengukuran kebisingan terdistribusi menggunakan ponsel Anda. Platform ini masih dalam pengembangan berat dan dalam waktu dekat akan membawa perbaikan lebih lanjut. Namun, kami ingin mengundang Anda untuk bergabung dengan komunitas NoiseTube dan mencoba perangkat lunak kami. Jika Anda memiliki pertanyaan, saran, atau komentar lain, jangan ragu untuk menghubungi kami atau bereaksi melalui komentar di Instruksi ini. Selanjutnya kami ingin menekankan bahwa kami terbuka untuk berkolaborasi dengan organisasi publik atau penelitian. Bacaan lebih lanjutUntuk mengetahui lebih lanjut dan tetap mendapat informasi tentang proyek NoiseTube, silakan kunjungi situs web kami di www.noisetube.net. Jika Anda ingin membaca tentang latar belakang ilmiah dari karya ini, silakan merujuk ke makalah ini:

• Nicolas Maisonneuve, Matthias Stevens, Maria Niessen, Peter Hanappe dan Luc Steels. NoiseTube: Mengukur dan memetakan polusi suara dengan ponsel. Diajukan ke 4th International Symposium on Information Technologies in Environmental Engineering (ITEE 2009), Thessaloniki, Yunani. 28-29 Mei 2009. Sedang ditinjau. PDF
• Nicolas Maisonneuve, Matthias Stevens, Maria Niessen, Peter Hanappe dan Luc Steels. Pemantauan Polusi Kebisingan Warga. Dikirim ke Konferensi Internasional Tahunan ke-10 tentang Penelitian Pemerintah Digital (dg.o2009), Puebla, Meksiko, 17-20 Mei 2009. Sedang ditinjau. PDF

Referensi

• J. Burke, D. Estrin, M. Hansen, A. Parker, N. Ramanathan, S. Reddy dan M. B. Srivastava. ''Penginderaan Partisipatif''. Dalam ''Lokakarya Web Sensor Dunia ACM Sensys''. ACM Pers, 2006.
• Manset D., Hansen M. dan Kang J. Urban Sensing: keluar dari hutan. Komunikasi ACM, 51(3), hlm. 24-33, Maret 2008, ACM Press.
• J. Hellbruck, H. Fastl dan B. Keller. Apakah makna suara mempengaruhi penilaian kenyaringan?. Dalam Proceedings of the 18th International Congress on Acoustics (ICA 2004). Halaman 1097-1100.
• D. Menzel, H. Fastl, R. Graf dan J. Hellbruck. Pengaruh warna kendaraan pada penilaian kenyaringan. Dalam Journal Of The Acoustical Society Of America, Mei 2008, 123(5), halaman 2477-2479.
• Paulos, E. dkk. Ilmu Warga: Mengaktifkan Urbanisme Partisipatif. Dalam Hand-book of Research on Urban Informatics: The Practice and Promise of the Real-Time City, Marcus Foth (Ed.), pp. 414-436, Idea Group, 2008.
• L. Yu dan J. Kang. Pengaruh faktor sosial, demografi dan perilaku pada evaluasi tingkat kebisingan di ruang terbuka perkotaan. Dalam Journal of the Acoustical Society of America, Februari 2008, 123(2), halaman 772-783.

Ucapan Terima Kasih Pekerjaan proyek ini sebagian didukung oleh Uni Eropa di bawah kontrak IST-34721 (TAGora). Proyek TAGora didanai oleh program Future and Emerging Technologies (IST-FET) dari Komisi Eropa. Matthias Stevens adalah asisten peneliti dari Fund for Scientific Research, Flanders (Aspirant van het Fonds Wetenschappelijk Onderzoek - Vlaanderen).