Traffic noise and pavement distresses: Modelling and assessment of input parameters influence through data mining techniques

سر و صدای ترافیکی تا حد زیادی سلامت و رفاه مردم را تحت تاثیر قرار می دهد، در نتیجه دانش و کنترل عوامل موثر بر آن بسیار مهم است. در این مطالعه مدل هایی برای پیش بینی شاخص های آکوستیک و روانکاوی سر و صدای سر و صدا بر اساس نوع آسفالت، بافت، ضخامت آسفالت و سرعت، برای ارزیابی اهمیت هر عامل، مورد استفاده قرار گرفت. با استفاده از تکنیک های داده کاوی، به ویژه شبکه های عصبی مصنوعی و ماشین های بردار پشتیبانی، مدل هایی با ظرفیت پیش بینی خوبی از شاخص های نویز صوتی و روانشناسی استفاده شد، که یک ابزار گران قیمت برای کاهش سر و صدای سطوح تایر بود. علاوه بر این، مدل های پیشنهادی برای ارزیابی اثر پارامترهای ورودی کنترل سر و صدا مانند: نوع پیاده رو، بافت، سرعت و ریزش های روسازی برای اولین بار مجاز است. مشخص شد که ضخامت روکش ها و به عنوان انتظار می رود، سرعت تاثیر سر و صدا سر و صدا بر روی تایر. به این ترتیب به وضوح نشان داده شده است که نگهداری پیشگیرانه جاده های جاده ای توسط مقامات، که موجب از بین رفتن اختلالات می شود، می تواند تأثیر مهمی در سر و صدای تایرهای جاده ای داشته باشد، که باعث افزایش رفاه مردم می شود.