摘要：针对声景研究存在的缺少对声景的形象直观表达的问题，该文将声景理论与地图结合起来，提出了一种声景的可视化方法——声景地图。声景地图是一种表示不同地理环境条件下声景变化特征的专题地图。基于声景模型、声源分类模型和情绪二维模型等明确了声景地图的4类描述指标，包括声源类型、声环境情绪、声强级和声音频率，设计了一种声环境数据采集和处理的技术方案；基于地图感受论，对声景地图进行了科学的符号设计和合理的显示设计；以校园为声景研究的实例，采用校园声景地图对校园声景进行了定量及定性分析，为校园声环境的设计与改善提供了参考。
0 引言
声环境是人类生存环境的重要组成部分。人类活动不仅在声环境里展开，活动本身发出的声音还反向影响声环境的构成和质量。随着工业文明的出现和升级，人类活动对声环境的影响越来越大、越来越深入。尤其是生产加工、交通运输等过程产生的机器噪声严重影响了人类生活。各国政府力求通过颁布相关法律法规、采用先进技术手段对其进行治理。噪声地图因其直观有效地再现噪声污染在交通干道沿线和城市区域范围内的分布状况，为噪声声源探测、影响分析以及治理规划提供了重要的技术支撑，在很多国家和地区得到了广泛应用[1-2]。2002年欧盟颁布的《环境噪声指令》（2002/49/EC）推动欧洲噪声地图研究工作朝着“统一噪声计算标准和方法”的方向发展[3]。我国在噪声地图方面的研究起步虽晚，但也已取得一定成就[4]。文献[5]采用三维动态可视化形式表达了噪声地图中噪声数据的空间传播与变化特征。文献[6]成功绘制了我国首幅高速铁路噪声地图。目前为止，我国已在多个城市完成噪声地图技术的试点应用并取得了良好的预测结果，为环境噪声监测评估和治理提供了有效的参考依据[7-8]。为了营造更有利于人类活动的声环境，专家和政府机构提出了声景理论，力求在降低噪声影响的同时，利用友好声源构建良好的整体声环境，从根本上解决声环境问题[9]。
声景理论研究人、听觉、声环境与社会之间的相互关系。目前关于声景的研究主要侧重于对声景的设计与评价以及声景的交互与优化[10]，缺少对声景的形象直观表达，对声景数据和指标的可视化表达还需要进一步完善。声景的研究离不开地理环境，地图作为人们认识环境的主要工具，可以通过地图的方法来进行声景的可视化研究。声景地图通过地图的手段表示出不同地理环境条件下声景的变化特征。本文以校园声景作为研究对象，采集校园内不同功能区的声环境数据，设计校园声景地图的可视化描述指标，对采集到的声环境数据进行可描述指标提取、空间映射、符号设计等处理工作，实现校园声景的可视化表达及分析，为校园声环境规划提供参考，为声景理论研究提供可视化方法。
1 声景地图的提出
声景（又称声景观，Soundscape）是指特定场景中个体、群体或社区所感知、体验及（或）理解的声环境。与传统的噪声控制不同，声景重视感知，而非仅物理量；考虑积极和谐的声音，而非仅噪声；将声环境看成是资源，而非仅“废物”[11]。声景是由背景、声源和声环境等要素构成的，强调人对声环境的听觉感受[12]（如图1所示）。
背景是指在地理空间环境中的人、活动及地点间的相互关系，是声源、声强级、声音频率和人对声环境感受情绪的核心载体，是声景地图的地理背景。
声源是指产生声音这种机械波的物体（如汽车、人、鸟等）。声源类型是描述声景地图的重要指标。
声环境是指不同类型的声源经过地理环境传播改变后形成的声音环境，可以通过声强级和声音频率两个物理指标来描述。声强级和声音频率也是描述声景地图的两个重要指标。其中，声强级是声音的声强与基准声强的比值取常用对数再乘以10的值，与人对声音强弱的感觉成正比；声音频率是指发声物体（声源）每秒振动的次数。
听觉感受是指人对所处地理空间环境下声环境的心理作用，可以称为声环境情绪。声环境情绪作为声景地图的重要描述指标，强调了人与声环境的相互作用。
根据罗素的情绪二维模型[13]，情绪可以划分为2个维度（愉快度和强度）下的4种情绪类型：高兴、轻松、惊恐和厌烦。本文将这4种情绪类型分为正负两极，高兴和轻松属于积极的正向性情绪，惊恐和厌烦属于消极的负向性情绪，并在正、负向情绪之间添加了中性情绪作为过渡，将人对声环境的情绪感知分为3种：正向性情绪——愉快、中性情绪——无感、负向性情绪——烦恼。
本文参考文献[14]的声音分类体系，对声源类型重新进行了分级分类（如表1所示）。先将声源分为两级，第一级声源类型分为人声、自然声、交通声、工业声、音乐声和室内声6大类；再根据人的行为、自然界中的生物和资源、交通工具、工业噪音、音乐风格对第一级声源类型进行二次分类，得到第二级声源类型。
表1 声源类型分类
第一级
人
自然
交通
工业
音乐
室内
第二级
活动
鸟类
火车
机器运转
重音乐
聚集
昆虫
飞机
金属碰撞
轻音乐
喊叫
哺乳动物
大型机动车
谈话
植物
小型机动车
走路
水
摩托车
风
声景地图是一种利用地图表示出不同地理环境条件下声景变化特征的专题地图。声景地图将声源类型、声强级、声音频率和声环境情绪作为声景的描述指标。通过采集带有地理位置的音频数据和声环境监测数据，音频数据记录了采集时段内的实地录音数据，声环境监测数据记录了相同时段声环境的声强级和声音频率等属性数据，经处理得到声景地图所需的4类描述指标。通过设计声景地图符号，将不同地理环境下的声源类型、声强级、声音频率和声环境情绪形象直观地表现出来，实现声景的可视化表达。校园声景地图是突出表示校园声景变化特征的一种声景地图。通过采集和处理校园内的声环境数据，将校园声景以地图的形式直观地表现出来，为校园声环境的分析评价提供参考依据。
2 校园声环境数据的采集与处理
2.1 校园声环境数据的采集
声环境数据的测量要依据相关规范实施，以保证声环境数据的有效性与可靠性。本文声环境数据的采集以《环境噪声监测技术规范 城市环境常规监测（HJ 640-2012）》标准[15]作为参考依据，在满足基本要求的情况下，结合采集过程及采集环境的实际情况进行适当调整。
1）采集方法：本文采用定点测量法对校园声环境功能区的数据进行了采集[16]。使用两部声音观测指标满足标准要求的智能手机作为采集仪器：一部手机对测点处的声环境进行实时收录；另一部手机对测点处的声环境属性信息进行同步监测记录。
2）采集分区：本文参照标准中对城市声环境监测区域的划分，将校园声环境的采集区域分为室内（包括食堂和教学楼）和室外（包括操场和校园主干道）两个部分。
3）采集位置与数量：本文依据标准中的声环境室外采集原则，在操场环形跑道内侧的四角和操场中心位置设置了5个采集点，在校园主干道上沿行进方向近似1 m间隔距离设置了800多个采集点；依据标准中的声环境室内采集原则，在食堂购餐窗口平行方向等间隔设置了4个采集点、在用餐区域均匀设置了5个采集点，在教学楼走廊与窗平面平行方向等间距设置了15个采集点。
4）采集时间：本文依据标准中声环境数据采集时间应避开节假日和非正常工作日的原则，选择在周一至周五工作日进行数据采集工作（如表2所示）。
表2 不同声环境功能区的数据采集时间表
功能区类型
采集时间
原因
校园主干道
7:30-21:00
校内师生活动及班车运行的主要时间段
食堂
7:00-8:00
11:00-13:00
17:00-20:00
食堂正常营业及校内师生集中用餐的主要时间段
教学楼
8:00-12:00
13:30-17:00
校内师生进行教学活动的主要时间段
操场
18:00-21:00
校内师生进行体育锻炼的主要时间段
本文实验采集到的数据如表3所示。其中，室外区域共有效采集操场数据5组、道路数据840组，室内区域共有效采集教学楼数据15组、食堂数据10组。所采数据符合标准规定，能够达到实验所需数据质量要求。
表3 不同声环境功能区的数据情况
数据文件类型
（不同功能区）
文件数量/组
音频数据文件大小（.mp3格式）/(KB/个)
监测数据文件大小（.geojson格式）
教学楼
15
约145
约2.08MB/个
食堂
10
约138
约2.12MB/个
操场
5
约114
约1.96MB/个
校园主干道
840
约15
约215KB/个
2.2 校园声环境数据的处理
为制作出声景地图，需要对上述两类实验数据进行声源类型、声环境情绪、声强级和声音频率的分类和选取（如图2所示），并需要对声环境数据采集点与校园主干道上的轨迹坐标进行空间映射。
1）声源类型的分类：将音频数据的初始压缩格式（.mp3）转换得到压缩比例较小的无损音乐格式（.wav）。因为人对声音的感知不是通过音频数据的时域信号，而是通过频域信号得到的，所以通过傅里叶变换提取压缩后音频数据的梅尔频率倒谱系数（Mel-frequency cepstral coefficients，MFCC）及标签信息[17]。再根据训练好的卷积神经网络（convolutional neural network, CNN）模型，对音频数据的MFCC特征及标签按不同声源的频域特征进行声源类型的分类[18]，得到所需的声源类型。
2）声环境情绪的分类：基于声源类型分类中提取到的音频数据的MFCC特征，通过支持向量机（support vector machine, SVM）方法[19]，提取与情绪相关联的特征向量，从而对声环境情绪进行分类，得到所需的声环境情绪。
3）声强级的选取：每个采集点上采集时段内的声压级不止一个，因为平均值能够直观的反映数据的基本特征，所以这里直接选取声环境监测软件中的平均声压级作为所需的声强级。
4）声音频率的选取：采集的声音频率主要集中在250~2 000 Hz之间，由于人耳最敏感的频率范围大致在1 600~2 000 Hz之间，随着声压向高频或者低频移动，人耳的敏感程度逐渐降低，所以选择最大的频率值作为所需的声音频率。
5）声环境数据采集点与校园主干道上轨迹坐标的空间映射：由于校园主干道上的声环境数据是近似1 m间隔连续采集的，具有离散不规则的分布特点，所以为了得到均匀分布的声景数据，需要构造校园主干道上的轨迹坐标，并将声环境采集点与校园主干道上的轨迹坐标进行空间映射。首先按照1 m等间隔对校园主干道上的轨迹坐标进行重采样，再通过计算得到的每两点间的斜率值，对轨迹进行平滑，然后按照5 m等间距对轨迹坐标进行抽稀，得到空间映射所需的均匀轨迹坐标点，最后根据校园主干道上的轨迹坐标与声环境数据采集点的位置相似性，保留符合要求的采集点，得到空间映射的最终结果（如图3所示）。
3 校园声景地图的可视化设计
3.1校园声景地图的符号设计
校园声景地图上主要表示声源类型、声环境情绪、声强级和声音频率4类描述指标。根据校园声景的描述指标对地图进行组合符号设计，选择恰当的视觉变量，形象直观地表现出校园内不同地理环境下声景的变化特征[20]。
3.1.1利用形状变量表示声源类型
本文利用形状变量表示声源类型，以圆形作为点状符号的基本形状，在圆形上叠加不同声源类型的象形符号，形象地表现出不同的声源类型。根据表1中声源类型的分类，声源类型的符号设计如图4所示。
图4 声源类型符号
3.1.2利用色彩变量表示声环境情绪
本文利用色彩变量表示声环境情绪的类型，通过色彩三属性中的色相来区别3种声环境情绪。依据色彩心理学理论[21]，选择令人放松的绿色、无人反感的蓝色和让人致郁的紫色分别描述愉快、无感和烦恼3种特定的声环境情绪。声环境情绪的符号设计如图5所示。
3.1.3利用尺寸变量表示声强级
本文利用尺寸变量表示声强级的强度，通过改变代表声源类型的点状符号的尺寸及校园主干道上代表声强级的矩形符号的尺寸来表示声强级的变化。如图6所示，符号尺寸越大，代表声强级强度越大。
3.1.4利用密度变量表示声音频率
本文利用密度变量表示声音频率的等级。通过在代表声源类型的点状符号外圈添加散射波和在校园主干道上改变矩形符号的排列密度来表示声音频率的变化。如图7所示，散射波密度和矩形排列密度越高，则表示的声音频率越高。
3.2校园声景地图的显示层级设计
校园声景地图作为一种电子地图，具有电子地图所具备的显示内容的详略程度可以随时调控的特点。由于受计算机屏幕尺寸和屏幕分辨率的限制，电子地图的显示会受符号尺寸、符号数量、地理实体空间密度等因素的影响，出现符号压盖、图面焦糊等情况，所以电子地图的显示层级设计十分关键[22]。
本文对校园声景地图的表示内容进行了合理的显示层级设计，确保不同地理空间尺度下校园声景特征的清晰显示。由于校园声景地图随着显示比例的不断缩小，校园主干道上产生了符号拥挤、符号压盖等情况，所以将校园声景地图按比例尺由大到小分成3个层级进行显示。首先，第一显示层级为较大显示尺度，主要采用定点符号法显示出各采样点的指标情况，即通过多变量组合符号对校园内不同地理位置上的声源类型、声环境情绪、声强级及声音频率等4类声景描述指标进行了详细表示，如图8所示；其次，第二显示层级为中间显示尺度，主要采用动线符号法定性且定量地显示出校园主干道上声环境情绪、声强级及声音频率的分类分级变化特征，即清晰地显示出采集点的运动轨迹与声景的变化情况，如图9所示；最后，第三显示层级为较小显示尺度，可以在更大范围内，对校园整体的声环境有个总体的认知，主要采用了质量型线状符号，利用线状符号的色彩变量简洁明了地表示出校园主干道上的声环境情绪类型的变化特征，如图10所示。
图8 第一显示层级：不同地理位置上的声源类型、声环境情绪、声强级和声音频率
图9 第二显示层级：校园主干道上的声环境情绪、声强级和声音频率
图10 第三显示层级：校园主干道上声环境情绪概览
3.3校园声景地图的用户可用性评价
本文采用问卷调查法对校园声景地图的符号设计与显示层级设计进行了问卷调查。如表4所示，本文从用户对校园声景地图的符号认知度（Q1、Q2、Q3、Q4）、意象表达准确度（Q5、Q6）及用户满意度（Q7）的角度出发设计问卷，通过用户对调查问卷中相关问题的回答获得用户可用性评价。问卷采用5分计分制，最高5分，最低1分，分数越高，表明地图的可用性越好。本次问卷调查共收集有效问卷30份，被调查者主要为学校师生及相关工作人员，包含不同年龄阶段与教育水平，最终评分结果如表5所示。
表4 问卷调查相关问题陈述
序号
问题陈述
Q1
图4中的声源类型符号通过象形符号能够很容易地区分不同的声源类型？
Q2
图5中的声环境情绪符号通过颜色可以很容易地区分3种声环境情绪类型？
Q3
图6中的声强级符号通过尺寸大小能够很容易看出声强级的大小及变化？
Q4
图7中的声音频率符号通过密度大小能够很容易看出声音频率的大小及变化？
Q5
图9可以很容易看出该区域校园主干道上声环境情绪及声强级与声音频率的连续变化情况？
Q6
图10可以很容易看出该区域校园主干道上声环境情绪的分布情况？
Q7
在实际应用中，我愿意使用校园声景地图来了解生活工作场所的声环境情况？
由表5问卷评分结果可知：
1）在符号认知度方面（Q1、Q2、Q3、Q4），超过95%的被调查者认为声源类型符号、声强级符号和声音频率符号的设计能够清晰表达这3类声景描述指标的特征，90%的被调查者认为声环境符号的设计很容易区分不同情绪类型，说明用户对所设计的校园声景地图符号具有较高的认知度。
2）在意象表达准确度方面（Q5、Q6），80%以上的被调查者认为图9与图10能够很容易看出校园主干道上的声景特征变化情况，说明声景地图的符号设计与显示层级设计在意象表达上具有较好的准确度。
3）在用户满意度方面（Q7），被调查者都愿意使用校园声景地图来了解工作场所的声环境情况，说明校园声景地图能够满足用户了解声环境的需求。
表5 校园声景地图用户可用性评价调查结果 %
问题
不同意
略微不同意
一般
略微同意
同意
Q1
0.00
0.00
3.33
40.00
56.67
Q2
0.00
0.00
10.00
56.67
33.33
Q3
0.00
0.00
0.00
33.33
66.67
Q4
0.00
0.00
0.00
43.33
56.67
Q5
0.00
0.00
13.33
40.00
46.67
Q6
0.00
0.00
16.67
33.33
50.00
Q7
0.00
0.00
0.00
46.67
53.33
4 基于校园声景地图的声景分析
本文将校园作为研究对象，以南京师范大学仙林校区老北区（简称老北区）作为研究区域，通过校园声景地图实现了描述校园声景数据的可视化表达，基于校园声景地图对教学楼、食堂、操场、校内道路等重点声敏感区域进行声景分析。
1）统计分析数据显示，老北区的声源类型主要为人声和自然声，少部分是交通声，其中人声占比41%，自然声占比48%，交通声占比11%（如表6所示）。本区域的声环境情绪主要为无感，远多于愉快和烦恼类型，其中无感占比72%，烦恼占比24%，愉快占比4%（如图11所示）。根据《声环境质量标准GB3096-2008》[23]的规定，校园环境的昼间声压级低于55 dB时，不影响人的正常交流和思维，且无感和愉快两类声环境情绪的声压级都在55 dB以内，所以本区域76%的声环境不会对师生的正常教学活动产生影响。综上所述，本区域的声环境质量整体良好，能够满足校内师生日常生活和学习的需要。
表6 声源类型及情绪分布统计表
情绪感受
愉快
无感
烦恼
总计
人声
1
15
3
19
自然声
0
17
5
22
交通声
1
1
3
5
总计
2
33
11
46
2）校园不同功能区域的声景分布特征明显不同（如图12所示）。教学楼区域的声景特征表现为靠近教学楼处的声强级小、声音频率低，远离教学楼处的声强级大、声音频率高，情绪感受均为无感。宿舍区的声景特征表现为声强级中等、声音频率较高，情绪感受为无感。食堂作为师生用餐的公共场所，声强级和声音频率都很高，情绪感受为烦恼。教育超市的声强级和声音频率也很高，但情绪感受为无感。
3）通过对校园主干道上的声景进行分析可以发现（如图13所示）：道路上呈现的声环境情绪以无感的路段最多，烦恼的路段次之，愉快的路段最少。老北区外围道路的声景普遍呈现出声强级较高、声音频率较低的特点，这受校园主干道车辆行驶较多、校内师生活动较活跃的影响；建筑物之间的道路呈现出声强级较小，声音频率较高的特点，这与这些道路上人流量和车流量小的实际情况相一致。
图12 校园不同地理位置的声景分布图
图13 校园主干道上的声景分布图
5 结束语
本文基于声景理论，通过对影响声景的因素进行研究，提出了声源类型、声环境情绪、声强级和声音频率4类声环境描述指标。根据城市噪声环境监测标准，设计了一种声环境数据采集和处理的技术方案。基于地图制图理论与方法，对声景地图进行了合理的符号设计和显示设计，为目前声景研究存在的直观性不足问题提供了一种可视化解决方法。本文以校园为声景研究的场所，制作了校园声景地图，直观地展示了校园不同地理位置的声景变化特征，对校园声景进行了分析评价，为校园声环境的规划提供了科学依据。但本文仅对校园这一城市空间的声环境进行了可视化，这种声环境可视化方法是否有效适用于其他城市公共开放空间仍有待研究。因此，声环境作为评价城市宜居性的重要影响因素，城市声环境质量的可视化设计是一个值得研究的方向。
校园声景地图的数据处理与可视化设计
闫 芳1，江 南1，王 净1，李 滨2，吴明光3
（1.信息工程大学 地理空间信息学院, 郑州 450001；
2.河南工业大学 信息科学与工程学院，郑州 450001；
3. 南京师范大学 地理科学学院，南京 210023）
参考文献
[1] 史晓峰, 梁璐, 刘宇峰. 噪声地图在声环境中的应用研究综述[J]. 建筑与文化, 2020(9): 197-198.（SHI Xiaofeng, LIANG Lu, LIU Yufeng. Review of the application of noise map in acoustic environment[J]. Architecture & Culture, 2020(9): 197-198.）
[2] 虞涛. 城市噪声地图的发展和应用研究[J]. 环境科学与管理, 2014, 39(1): 129-133.（YU Tao. Study on development and application of urban noise mapping[J]. Environmental Science and Management, 2014, 39(1): 129-133.）
[3] The European Parliament, The Council of the European Union. Directive 2002/49/EC of the European Parliament and of the Council of 25 June 2002 relating to the assessment and management of environmental noise[Z]. Luxembourg. 2002.
[4] 凡宸，汪涛，周波涛，等．噪声地图的研究进展[J]．环境工程，2016，34(S1)：1095-1098． (FAN Chen，WANG Tao，ZHOU Botao，et al．The development trend of noise map[J]．Environmental Engineering，2016，34(S1)：1095-1098．)
[5] 付乐宜，艾廷华，黄丽娜，等．基于交通轨迹数据的三维动态噪声地图[J]．地球信息科学学报，2020，22(9)：1789-1798． (FU Leyi，AI Tinghua，HUANG Lina，et al．Three-dimensional dynamic noise map based on traffic trajectory data[J]．Journal of Geo-Information Science，2020，22(9)：1789-1798．)
[6] 李晏良, 刘兰华, 李志强. 基于地理信息系统的高速铁路噪声地图绘制技术[J]. 中国铁道科学, 2022, 43(1): 182-188.LI Yanliang, LIU Lanhua, LI Zhiqiang. High-speed railway noise mapping technology based on geographic information system[J]. China Railway Science, 2022, 43(1): 182-188.
[7] 郁帅, 王亚晨. 噪声地图技术在中尺度城市区域的试点应用[J]. 上海船舶运输科学研究所学报, 2022, 45(04): 70-74.YU Shuai, WANG Yachen. Pilot application of noise mapping technology in mesoscale urban areas[J]. Journal of Shanghai Ship and Shipping Research Institute, 2022, 45(04): 70-74.
[8] 李燕超，刘志红，仪垂杰，等．噪声地图在环境噪声监测中的应用[J]．环境监测管理与技术，2018，30(2): 39-42. (LI Yanchao，LIU Zhihong，YI Chuijie，et al．Application of noise map in environmental noise monitoring[J]．The Administration and Technique of Environmental Monitoring，2018，30(2): 39-42.)
[9] 康健，杨威．城市公共开放空间中的声景[J]．世界建筑，2002(6)：76-79． (KANG Jian，YANG Wei．Soundscape in urban open public spaces[J]．World Architecture，2002(6)：76-79．)
[10] 李竹颖, 林琳. 声景研究进展与展望[J]. 四川建筑, 2017, 37(5): 42-44.（LI Zhuying, LIN Lin. Progress and prospect of soundscape research[J]. Sichuan Architecture, 2017, 37(5): 42-44.）
[11] 康健．声景：现状及前景[J]．新建筑，2014(5)：4-7． (KANG Jian．Soundscape：current progress and future development[J]．New Architecture，2014(5)：4-7．)
[12] Acoustics - Soundscape - Part 1：Definition and conceptual framework：ISO 12913-1：2014[S]．International Organization for Standardization，2014．
[13] 李嘉，黄程韦，余华．语音情感的维度特征提取与识别[J]．数据采集与处理，2012，27(3): 389-393. (LI Jia，HUANG Chengwei，YU Hua．Dimensional feature extraction and recognition of speech emotion[J]．Journal of Data Acquisition & Processing，2012，27(3): 389-393.)
[14] AIELLO L M，SCHIFANELLA R，QUERCIA D，et al．Chatty maps：constructing sound maps of urban areas from social media data[J]．Royal Society Open Science，2016，3(3)：1-19．
[15] 中华人民共和国环境保护部．环境噪声监测技术规范 城市声环境常规监测：HJ 640—2012[S]．北京：中国环境科学出版社，2013． (Ministry of Environmental Protection of the People's Republic of China．Technical specifications for environmental noise monitoring routine monitoring for urban environmental noise：HJ 640—2012[S]．Beijing：China Environmental Science Press，2013．)
[16] 李睿，欧达毅．大学校园声景观调查与研究[J]．建筑科学，2017，33(8): 59-67. (LI Rui，OU Dayi．Survey and study on the soundscape of university campus[J]．Building Science，2017，33(8): 59-67.)
[17] 魏丹芳，李应．一种环境音频数据分类方法[J]．计算机与数字工程，2009，37(11): 7-9. (WEI Danfang，LI Ying．An environmental audio data classification method[J]．Computer and Digital Engineering，2009，37(11): 7-9.)
[18] WEI S Y，ZOU S，LIAO F F，et al．A comparison on data augmentation methods based on deep learning for audio classification[J]．Journal of Physics：Conference Series，2020，1453(1)：1-8．
[19] 张钰莎，蒋盛益．基于MFCC特征提取和改进SVM的语音情感数据挖掘分类识别方法研究[J]．计算机应用与软件，2020，37(8): 160-165. (ZHANG Yusha，JIANG Shengyi．Speech emotion data mining classification and recognition method based on MFCC feature extraction and improved SVM[J]．Computer Applications and Software，2020，37(8): 160-165.)
[20] 江南，李少梅，崔虎平．地图学[M]．北京：高等教育出版社，2017：94-130． (JIANG Nan，LI Shaomei，CUI Huping．Cartography[M]．Beijing：Higher Education Press，2017：94-130．)
[21] ELLIOT A J，MAIER M A．Color psychology：effects of perceiving color on psychological functioning in humans[J]．Annual Review of Psychology，2014，65(1)：95-120．
[22] 江南, 曹亚妮, 赵军喜, 等. 不同密度区电子地图多尺度显示模型的建立与应用[J]. 武汉大学学报(信息科学版), 2013, 38(4): 465-469.（JIANG Nan, CAO Yani, ZHAO Junxi, et al. Foundation and application of electronic map multi-scale display models of different density areas[J]. Geomatics and Information Science of Wuhan University, 2013, 38(4): 465-469.）
[23] 环境保护部．声环境质量标准：GB 3096—2008[S]．北京：中国环境科学出版社，2008． (Ministry of Environmental Protection of the People's Republic of China．Environmental quality standards for noise：GB 3096—2008[S]．Beijing：China Environmental Science Press，2008．)
作者简介：闫芳（1999—），女，甘肃兰州人，硕士研究生，主要研究方向为地图制图学与地理信息工程。
E-mail：1308311717@qq.com
通信作者：江南 教授 E-mail: 13653802609@163.com
引用格式：闫芳,江南,王净等.校园声景地图的数据处理与可视化设计[J].测绘科学,2023,48(6):222-230.
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
