摘要
城市建设加速了城市声环境的恶化，制约了城市发展，损害了人民健康。
本研究旨在探索环境声音的时空模式，确定声音空间分异的影响因素，从而为可持续的城市规划和决策提供支持。大多数与城市声音相关的研究都使用细粒度的声音数据，但这些数据很难获得。针对这一问题，本研究利用AoT传感数据分析了声音趋势。此外，本研究使用地理探测器探索了城市中因子对声音空间分异的影响，从而解决了以往研究忽视探索对空间异质性的影响的局限性。我们的实验结果显示，芝加哥不同地区的声音水平随时间不规则波动。工作日早高峰期间：芝加哥南部4个区域为高-高声音聚集模式，其余地区多为随机分布；某一区域的声音水平与该区域人口密度、公园面积和自行车道密度呈显著负相关；公园面积和人口密度是影响芝加哥声音空间异质性的主要因素；而人口密度和公园面积在因子交互中起着至关重要的作用。
本研究具有一定的理论意义和实用价值。居民可以根据本研究的噪声地图选择噪声较低的区域进行休闲活动。在规划城市发展时，城市规划者应注意城市中各种因素，如公园、道路网络结构和兴趣点对城市声环境的单一和交互影响。研究人员可以在这项研究的基础上进行更大时间尺度的研究。
研究背景
近年来，噪声污染已引起了世界各国以及社会各界的广泛关注，并成为了众多学者讨论和研究的焦点。随着城市化和机动化进程的加快，城市噪声污染带来的环境压力不断上升。噪声污染不仅对人类健康产生了显著的负面影响，还对动物的再生产和分布产生了不利影响。因此，评估和分析城市噪声对噪声治理具有重要意义。
AoT(参见https://arrayofthings.github.io/)项目是一个智慧城市测量项目，旨在建立城市规模的传感器网络，以了解城市和城市生活。AoT项目在芝加哥部署了带有多个传感器和摄像机的节点，以收集关于城市环境、基础设施和活动的近实时、基于位置的数据。AoT提供的数据集已被广泛用于各种研究。然而，我们的文献检索结果表明，目前很少有研究使用AoT提供的声音数据。
以芝加哥为研究区域，我们基于泰森多边形和地理信息系统绘制了芝加哥在工作日和非工作日早晚高峰的噪声地图。利用空间相关性分析和地理探测器，我们讨论了7个因子以及其两两交互作用对芝加哥声音空间分异性的影响。这些因子包括人口密度（PD）、公园面积（PA）、道路网络密度（DRN）、人行道密度（DS）、自行车道密度（DBR）、医院数量（NH）和消防站数量（NFS）。
研究结果
（1）不同节点的噪声水平
从图5可以发现与其它34个节点相比，有一个节点的噪声水平整体来说远高于其他节点。而这35个节点的共同之处是随着时间的推移，噪声水平呈现不规则波动。
图5 噪声水平(A)节点001e0610bc10；(B)节点001e06117b44；(C)节点001e0611441e；(D)节点001e06118509
（2）工作日及非工作日噪声情况统计
根据表5可以看出，工作日早高峰的平均噪声水平略高于非工作日。根据世界卫生组织的社区噪声指南，55.0dB的平均噪声水平会带来烦恼，但芝加哥市早晚高峰的平均噪声水平均超过59.0dB，表明其噪声水平对芝加哥居民产生了一定的影响。其次，工作日和非工作早晚高峰的噪声水平最大值均超过99.0dB，根据世界卫生组织的指导方针，当噪声的最高水平接近110.0dB时，可能会导致听力的损伤。此外，在不同时间组，声级的平均数均大于中位数。且就工作日和非工作日晚高峰的声音情况而言，尽管两者的平均数是相同的，但是非工作日晚高峰期间的噪声差异更大。工作日和非工作日晚高峰的平均噪声水平略高于早高峰，这可能与人们在一天结束时的娱乐活动密不可分。
表5 不同时间组的声音情况统计
（3）工作日及非工作日的噪声地图
通过噪声地图可知，不论是工作日早晚高峰还是非工作日早晚高峰，芝加哥大部分区域的噪声水平在55.0dB至60.0dB之间，少数区域的噪声水平在60.0dB至65.0dB之间，而只有1个区域的噪声水平超85.0dB。此外，由图3.6 A）和B）对比可知，工作日早高峰的整体噪声水平与非工作日早高峰的整体噪声水平相差不大 ；由图3.6 C）和D）对比可知，工作日晚高峰的噪声水平整体略低于非工作日晚高峰的噪声水平。
图7 噪声水平地图：A）工作日早高峰；B）非工作日早高峰；C）工作日晚高峰；D）非工作日晚高峰（单位：dB）
（4）噪声的时空趋势
图9展示了不同时间组芝加哥噪声的全局Moran散点图，soundLevel用于表示噪声水平。工作日早高峰莫兰统计值0.106和小于0.05的p值以及工作日晚高峰莫兰统计值0.068和小于0.05的p值表明芝加哥的噪声在这两个时间组存在统计上显著的空间自相关。在工作日早高峰，芝加哥南部4个区域呈现高-高声音聚集模式，其他区域多呈随机分布(图10)。与工作日早高峰有明显差异的是芝加哥东部2个区域在工作日晚高峰呈现低-低声音聚集模式。芝加哥声音在不同时间段具有不同的聚集模式，这可能与这个时间组内人们不同的行为活动有关。
图9 全局莫兰指数散点图：A）工作日早高峰；B）工作日晚高峰；C）非工作日早高峰；D）非工作日晚高峰
图10 局部莫兰指数聚类图：A）工作日早高峰；B）工作日晚高峰
（5）基于双变量莫兰指数的噪声影响因素分析
以工作日早高峰为例，我们通过双变量莫兰指数检验了PD、PA、DRN、DS、DBR、NH和NFS对声环境的影响。我们发现，工作日早高峰某区域的噪声水平与该区域人口、公园面积和自行车道呈负相关，相关系数分别为0.15(p <0.01)、0.18(p <0.01)和0.10(p <0.1)，详见表6。分析可知，（1）人口越多，噪声可能越低。这可能与人们的活动地点有关，比如写字楼和居民楼的人口数量虽然偏多，一般不会有过高的噪声产生。（2）拥有公园范围越广的地区的噪声水平可能越低，并且随着公园范围的不断扩展，噪声水平降低。这可能是因为公园的自然景观特征，如植被、水体等可以对声环境产生影响，这些影响会随着占地面积的增加而增加。这一发现与现有研究结果一致。（3）随着自行车道的增加，噪声降低。骑自行车的人短期内更容易接触到噪声，但随着自行车路线的增加，以及自行车对汽车和摩托车的替代，噪声污染会逐渐减少，骑自行车的人所遭受的噪声污染也会减少。此外，我们还发现人行道、道路网络、医院、消防站与噪声水平之间无统计学显著相关性，这可能是因为这些因子对噪声的影响是一个交互的、复杂的影响过程。
表6 空间相关性分析结果
（6）基于地理探测器的噪声影响因素分析
我们将空间异质性定义为芝加哥不同区域之间声音大小的差异。因子探测器结果通过其q值排序如下：PA（0.2617）> PD（0.1975）> DS（0.1581）> DRN（0.1558）>DBR（0.1402）> NFS（0.0970）>NH（0.0722）。在这七个因素中，NH和NFS对声音水平的影响最小，PA的影响最大，PD紧随其后，这表明PA和PD是芝加哥声音水平的最重要驱动因素。由于公园内植被和湖泊对声音的消减作用，随着公园面积的增大，声音也随之减小。这进一步说明，改善芝加哥未来声环境最核心的方法是增加植被覆盖和湖泊面积。另外，人口分布对芝加哥声音的空间分异有重要影响。DS，DRN和DBR对声音水平也有较大的影响，这表明改善芝加哥声环境的一个重要方面是对道路网络进行合理规划。NFS和NH对芝加哥声音空间分布的影响相对较小，这可能是因为医院有保持安静的需求，而消防站产生单一的声音。
由表7可知，7个因子的交互作用均表现为增强，包括双因子增强和非线性增强，没有相互独立起作用的因素，这表明芝加哥声音的空间分异格局并非由单一因素所控制，是多种要素共同作用的结果。PD与PA（0.7353）以及PA与DBR（0.6399）之间的交互作用是两因子交互作用中最为显著的，表明在干预人口分布的同时应增加对公园和自行车道的投资，以共同改善芝加哥的噪声分布。NH与DRN（0.1740）以及NH与 NFS（0.1390）的因子交互作用最小。
表7 交互探测器结果
研究结论
由于本研究中使用的地理探测器可以探测两个因子之间的真正交互作用，而不限于相乘关系，且地理探测器的原理保证了其对多自变量共线性免疫，因此实现了更有效更全面的分析。以工作日早高峰为例，我们发现：
(1)芝加哥噪声在该时间段存在统计上显著的正相关关系。
(2)人口密度、公园面积和自行车道密度与声音水平呈显著的负相关。
(3)公园面积和人口密度是芝加哥声音空间分异的两个最重要的控制因素。
(4)各因素之间存在交互增强效应，人口密度与公园面积、公园面积与自行车道密度之间的增强效应更明显。
结果表明，利用AoT数据也能获得较好的分析结果。本研究可以为芝加哥的政策制定提供参考，帮助芝加哥健康高效地发展。