Recent hebben we samen met Munisense en Embedded Acoustics, een landelijk MIT R&D AI project afgerond gericht op de ontwikkeling van dynamische geluidkaarten. Deze kaarten maken het geluidniveau in de omgeving inzichtelijk door geluidbronnen te detecteren op basis van geluidmonitoring en geavanceerde AI-technologie: Noise Emission Mapping.
Het systeem bepaalt de locatie en de mate van geluidemissie van één of meerdere dominante geluidbronnen. Vervolgens worden realtime geluidkaarten berekend met behulp van een akoestisch rekenmodel. De inzichten die de dynamische geluidkaarten geven kunnen vertaald worden naar datagedreven besluitvorming. Het systeem vormt een laag in de 'predictive digital twin modellen' van stedelijke omgevingen die in de toekomst meer en meer worden ontwikkeld en sturing geven aan beleidskeuzes.
Het project heeft geleid tot een goedwerkend systeem, waarvan de onderstaande visualisatie een beeld geeft van de dynamische geluidkaart in actie in de Rotterdamse Haven, waar het systeem als pilot is toegepast. In deze dynamische omgeving van aangemeerde en varende zeeschepen en sleepboten maakt het systeem de geluidemissie van een deel van de vaargeul in de haven inzichtelijk.
Wat zijn dynamische geluidkaarten?
Met de toenemende verdichting van de gebouwde omgeving ontstaat er een spanningsveld tussen economische activiteiten en hindergerelateerde gezondheidsrisico’s door geluid. Dynamische geluidkaarten bieden een gedetailleerd ruimtelijk beeld van het geluidniveau door de tijd heen. Door real-time data te gebruiken, wordt veel nauwkeuriger in kaart gebracht waar de dominante geluidbronnen zich bevinden. Door deze informatie te implementeren in een akoestisch rekenmodel worden de geluidniveaus ruimtelijk gemonitord. Hiermee krijgen bedrijven, omgevingsdiensten, gemeentes en andere belanghebbende grip op het effect van verschillende geluidbronnen op het geluid in de omgeving.
Een voorbeeld van een use case waar dit geldt is een industrieterrein met wisselende activiteitenniveaus. Hier is het onduidelijk bij welke activiteiten er specifiek hinder kan optreden. Het dynamische geluidkaarten-systeem kan hierin informatie verstrekken. Een ander voorbeeld van een use case is een stedelijk gebied met een combinatie van bronnen (weg, railverkeer, bedrijvigheid). Het systeem kan inzicht geven in de geluidniveaus ten gevolge van de verschillende bronnen op basis van metingen. Dit helpt het om draagvlak voor wijzigingen bij omwonenden te vergroten en te kunnen sturen op luidruchtige uitschieters.
Deze technologie kan ook worden uitgebreid naar trillingen, luchtkwaliteit en elektromagnetische straling, waar wij momenteel ook aan werken, met als doel een 'predictive twin model' van stedelijke omgevingen te ontwikkelen.
Dynamische geluidkaarten samengevat:
• Gedetailleerd inzicht: nauwkeuriger beeld van belangrijke geluidbronnen, en daarmee effecten op geluidniveaus in de omgeving, op verschillende locaties en tijdstippen.
• Ondersteuning beleidskeuzes: weloverwogen besluitvorming over ruimtelijke ordening en geluidbeheer. Dit past in de trend om besluitvorming te baseren op onderliggende data (Datadriven Decision Making).
• Betrokkenheid van burgers: burgers krijgen gedetailleerde informatie, wat onder de nieuwe Omgevingswet kan bijdragen aan een verbeterde participatie van omwonenden.