Als we spreken van stadsgeluiden denken de meesten onder ons meteen aan een geroezemoes van pratende mensen, tuffende wagens, rinkelende fietsbellen, passerende trams of nog een ander soort verkeersgetoeter. Sommigen vinden die achtergrondgeluiden fijn, anderen vinden ze oorverdovend lastig. Doorgaans schenken we echter weinig aandacht aan het geluid van onze stad en eigenlijk is dat een gemiste kans. Een plek die goed en aangenaam klinkt, is immers een plek waar we graag vertoeven. Dat is voor een stad of gemeente niet anders. Als je de publieke ruimtes van je stad zo leefbaar en aangenaam mogelijk wil maken, bijvoorbeeld door lawaaihinder te reduceren, ruimtes van stilte te creëren en veiligheid te verhogen, is het dus logisch om er een geluidsprofiel van op te tekenen.
Door te bepalen welke technologieën het meest geschikt zijn om geluidsprofielen te creëren, wordt het niet alleen eenvoudiger om meer gegevens te verzamelen, maar ook gegevens die kwalitatief beter zijn.
Een eerste testfase
Onder de paraplu van het Vlaio City of Things-project ”Oases van rust” gingen de technologische experten van de onderzoeksgroepen DRAMCO van KU Leuven Technologiecampus Gent aan de slag om de functionele en technische vereisten van een monitoringssysteem om stadsgeluid in kaart te brengen. De oude technologische mogelijkheden om voortdurend of sporadisch omgevingsgeluiden vast te leggen, kunnen immers omslachtig, tijdrovend en relatief duur zijn. Bovendien verbruiken ze veel energie. Vandaag zijn er echter allerhande IoT- en communicatietechnologieën beschikbaar die een efficiëntere geluidsmonitoring en -analyse kunnen ondersteunen. Door te bepalen welke technologieën het meest geschikt zijn om geluidsprofielen te creëren, wordt het niet alleen eenvoudiger om meer gegevens te verzamelen, maar ook gegevens die kwalitatief beter zijn. Accuratere en ‘bredere’ geluidsprofielen betekenen op hun beurt aangenamere en veiligere leefomstandigheden in de stad. Bovendien kan geluidsmonitoringtechnologie ook worden ingezet in andere toepassingsdomeinen zoals in bibliotheken, in ondergrondse parkings, op het openbaar vervoer, in wachtruimtes, winkels, bureauomgevingen, enzovoort.
DRAMCO bouwde een eerste, experimenteel prototype voor een geluidsmonitoringsysteem dat bestaat uit een netwerk van geluidssensoren die betaalbaar, eenvoudig te installeren en draadloos verbonden zijn met de cloud – in dit geval met het cloudplatform van myCSN. De sensoren zijn ook energie-efficiënt. Alleen wanneer er voldoende geluid optreedt, worden de sensoren uit hun slaapmodus geactiveerd om kort de omgevingsgeluiden te registeren. Dat zorgt ervoor dat de levensduur van de sensorbatterij langer kan mee gaan. De verzamelde data wordt daarna verzonden via een LoRaWAN (Long Range Wide Area Network), een draadloze langeafstandsverbinding die opnieuw weinig energie verbruikt.
Het opnemen van omgevingsgeluiden in een stad is ongetwijfeld iets waarover sommigen zich zorgen baren. Je wil immers niet dat iemand meeluistert naar je privégesprekken.
Luister Big Brother mee?
Mensen zijn heel gevoelig wanneer het op privacy aankomt, en terecht. Het opnemen van omgevingsgeluiden in een stad is ongetwijfeld iets waarover sommigen zich zorgen baren. Je wil immers niet dat iemand meeluistert naar je privégesprekken. Dat is ook niet de bedoeling. Het project wil wél beleidsmakers betere inzichten bieden over de activiteiten in de stad. Hoe meer informatie men kan verzamelen via allerlei sensoren, hoe meer men over een bepaalde situatie of omgeving kan leren.
In vergelijking met camerabewaking is geluidsmonitoring op basis van sensoren niet intrusief en kan de verwerking makkelijk gebeuren met respect voor privacy. Hoe zit dat in elkaar? De geluidssensoren worden niet ingezet om een langdurige audiostroom – zoals een gesprek – naar de cloud te uploaden. Ze zijn specifiek ontwikkeld om signalen via kortstondige berekeningen meteen te verwerken tot een aantal karakteristieke parameters over het opgemeten geluid. Zonder de audiostroom zelf door te sturen naar het centraal opslagsysteem, is het mogelijk om geluiden te helpen herkennen of om de oorsprong of de richting van het geluid te achterhalen. Zodra de berekening of verwerking van de akoestische data is doorgestuurd naar het myCSN-platform en er een volgend geluidsfragment wordt opgenomen, wordt het vorige fragment gewist. Op die manier wordt voortdurende privacy gegarandeerd.
De mogelijkheden van een geluidsprofiel
KU Leuven levert de geluidsmonitoringstechnologie, of beter de geluidsparameters die eigen zijn aan een bepaalde omgeving. Het is aan andere partijen, zoals de stad en haar technologische partners, om daar iets mee te doen. Het geluidsmonitoringsysteem biedt met haar verschillende functies veel mogelijkheden om de omgeving op basis van geluid te optimaliseren.
Geïnstalleerde sensoren kunnen onder andere het geluidsniveau van een bepaalde omgeving meten. MyCSN helpt door die gegevens te verzamelen, te analyseren en te visualiseren. Zo kan men op afstand volgen waar en wanneer er ergens geluidsoverlast is. Naar analogie met waarschuwingsborden voor snelheidsovertredingen in het verkeer, kan een stad haar burgers aansporen om meer de stilte te bewaren via displays. De sensoren kunnen dankzij slimme algoritmes ter plekke ook een eenvoudige – en anonieme – geluidsanalyse maken.
Problemen, maar ook opportuniteiten, kunnen dankzij geluidsmonitoring objectief op dashboards in beeld worden gebracht, waardoor het eenvoudiger wordt om meteen de juiste actie te ondernemen. Die juiste acties kunnen eruit zien als automatisch een alarmsignaal doorgeven of de nooddiensten waarschuwen, maar kunnen zich ook vertalen naar aanpassingen van het stadsbeleid opdat het meer zou zijn afgestemd op de behoeften van de burger. Door bijvoorbeeld verzamelde stadsgeluiden openbaar te maken, kunnen ze ook ter ondersteuning dienen van andere slimme projecten. Denk bijvoorbeeld aan gedimde openbare verlichting die oplicht zodra er geluid wordt gedetecteerd.
Onderzoeksgroep DRAMCO wil de bestaande sensoren in de toekomst uitbreiden met een functionaliteit om geluidsclassificatie uit te voeren. Specifieke geluiden worden dan gedetecteerd en herkend. Denk aan bepaalde geluiden die kunnen wijzen op gevaar, zoals geschreeuw, de klap bij een botsing, een zwaar voorwerp dat valt, enzovoort.
