Aan de hand van geluidssensoren die een AI classificatiemodel draaien ‘on edge’ komen we te weten wanneer er echt storend nachtlawaai plaats vindt en welke oorsprong deze hebben (roepen, zingen, schreeuwen, gemotoriseerd vervoer, sirenes, wind of unknown). Deze data wordt ‘on edge’ verwerkt zodat er enkel algemene parameters van geluid zoals decibel worden verstuurd en opgeslagen. Het classificatiemodel werkt ook met spectogrammen (een visualisatie van het geluid) zodat er op geen enkel moment met audio wordt gewerkt. Hiermee vormen we ons een gedetailleerd beeld op nachtlawaai in de Naamsestraat (teststraat). Tegelijkertijd gebruiken we deze ‘realtime” data om via een smart city dataplatform verschillende ‘nudges’ aan te sturen a.d.h.v. een realtime algoritme. Door het feit dat we het geluid realtime meten kunnen we ook de impact van de nudges gaan analyseren. Met alle verzamelde data bouwde een Leuvense start-up een summier predictiemodel voor nachtlawaai.
Betrokken partijen
Intern: dienst preventie, dienst economie, dienst milieu, dienst gebiedsgerichte werking, Politie Leuven doelgroepenwerking, directie digitaal, dienst communicatie, Technische dienst
Extern: Fluvius, KU Leuven, Departement Omgeving
Leveranciers: Munisense (geluidssensoren en visualisatie), Urban Sense (dataplatform), Inetum Realdolmen (classificatiemodel en gebruikersapp), Tabula Rasa (nudging), Fosfari Light (connectie AEC verlichting), Claytech (predictief model nachtlawaai)
Subsidie van VLAIO ikv City of Things call 2019
Tips
De realtime nudges aansturen vereisen een complexe oplossingsketen van verschillende applicaties (sensoren, realtime dataplatform, openbare verlichting).
Zicht krijgen op (nacht)lawaai door geluidsclassificatie is en heel pak envoudiger en levert een helder inzicht in het nachtlawaai op.
Toekomstplannen
Dit project wordt verder opgeschaald met subsidies van EFRO/FIO – City of Things 2023 naar de hele Leuvense binnenstad en ook in Gent, dit in samenwerking met de KU Leuven en UGent.
Resultaat
We konden storend straatnachtlawaai automatisch vaststellen, zonder dat iemand het moest melden.
We kregen inzicht in de oorzaak van het storend nachtlawaai. Daardoor kunnen we in het beleid beter inspelen op de problematiek.
Sommige ‘nudging’ technieken werkten goed. Die kunnen we ook toepassen op andere plaatsen in Leuven met veel storend straatnachtlawaai.
We konden straatnachtlawaai meten en de geluiden herkennen. We stelden wel degelijk nachtlawaai vast:
- Vooral 's nachts op donderdag, woensdag en vrijdag
- Vooral voor 2 uur ’s nachts
- Voornamelijk veroorzaakt door vervoer en mensen die roepen of zingen. Daarnaast is er nog een categorie die 'onbekend' is: het systeem is niet zeker van een mogelijke herkenning of het is een geluid waarop we het systeem nog niet op getraind hebben.
De geteste nudgingtechnieken tonen een positief effect op het nachtlawaai:
- De projectie zorgde voor 30% minder nachtlawaai veroorzaakt door mensen die roepen of zingen, vooral voor 1 uur.
- Het effect van de verlichting aanpassen, is moeilijker te meten: daarvoor hebben we op dit moment te weinig data en ondervonden we dat er specialere meetapparatuur nodig is om deze nudgingtechniek goed te kunnen analyseren.
Praktische informatie
- Bo.peeters@leuven.be
- 32 maanden
- VLAIO City of Things subside van 183.740 euro / eigen inbreng van 180.000 euro (voornamelijk ‘in kind’)