选噪声仿真软件先确认报告要引用的标准:SoundPLAN 把 CNOSSOS-EU 与 ISO 9613-2 的实测差异摆上桌

01 选型先翻要引用的标准

Which Standard Your Report Cites

标准的分工先理清。一篇覆盖 ANSI/ASA、ASTM 与 ISO 的综述指出：测量器材靠 IEC 61672 的声级计精度分级（Class A/B/C）兜底，长期暴露用 Lden——晚间加 5 dB、夜间加 10 dB 的惩罚；统计声级 LAF5~LAF95 与事件计数 N5/N95 刻画起伏与突发^[1]。引用哪一档指标，决定数据有没有可比性。

标准版本由监管定，不由团队偏好定。interim 体系由四套国别方法拼成：道路交通用法国 NMPB-Routes-96，铁路用荷兰 SRM II，工业噪声用 ISO 9613-2，航空用 ECAC Doc 29^[2]。换版后新旧地图的可比性要重建——哈萨克斯坦 Shu 站的铁路评估就按 CNOSSOS-EU 走完整流程：数据入库、生成地图、叠加暴露、评估健康，昼 55、夜 45 dBA 限值贯穿全程^[3]。

图 1：按 CNOSSOS-EU 开展铁路噪声评估的五步流程：从数据采集到健康影响评估（引自文献[3]）

02 两套方法的实测差异

The Measured Gap Between Methods

interim 与 CNOSSOS-EU 不是换个名字。马德里团队把两代方法摆上同一张桌：45 个场景成对计算、1800 多对数据。interim 普遍给出更高的 LAeq，道路交通与铁路场景差异可达 5 dBA；工业噪声的参考方法正是 ISO 9613-2——比 CNOSSOS-EU 点线源高约 1 dB(A)，面源超 3.5 dB(A)，屏障屏蔽场景高 4~5 dB(A)，垂直与水平衍射叠加时约 7.5 dB(A)^[2]。交替期里，同一片区域的地图能差出一档颜色。

图 2：同一断面的垂直声级网格：上按 CNOSSOS-EU 计算，下按 interim 方法计算（引自文献[2]）

新方法也不等于直接可信。匈牙利德布勒森的验证用 IMMI 按 CNOSSOS-EU 建模，与路边实测平均只差 1.09 dB(A)、受声点侧 0.81 dB(A)，落在 2 dB(A) 可接受范围内^[4]；贝宁科托努的同方法对比就没这么稳：模拟值 75~88 dB(A) 系统性高于实测，偏差 −6.7 到 −17.6 dB——不本地校准就出图，报告会夸大污染^[5]。

图 3：路边实测与模型计算的逐时段对比：平均偏差 1.09 dB(A)

（引自文献[4]）

差异的另一半来自输入。意大利与罗马尼亚团队比较了微波雷达、AI 摄像头与 Google API 三种交通流数据：连续流下 API 够用，夜间低流量时估计值却抬到 55~60 dB 的台阶；一个案例里由流量推算的噪声比实测低约 5 dB^[6]。选型时问「交通数据从哪来」，不比问算法次要。

03 选型清单逐项落地

A Checklist That Holds Up

第一项：实测校准。土耳其科贾埃利的研究用 SoundPLAN 按 NMPB-96 方法为 D-100 与 TEM 干道建模，本地验证绝对误差 1.3~1.7 dB(A)，在欧盟工作组建议的 3 dB(A) 容差内^[7]。模型可信后缓解方案才立得住：重型车流量减半场景下，昼间暴露于 75 dB(A) 以上的住宅从 10898 栋降到 4451 栋，约 59% 高暴露住户移出红区^[7]。

图 4：缓解方案落地后的噪声地图：高暴露走廊明显收窄（引自文献[7]）

第二项：不确定度写进报告。DLR 的飞行对比给出量级：麦克风测量本身有 0.36~0.52 dB 的不确定度，仿真最大声压级平均偏差 0.64 dB，安装风扇的模型标准差却达 3.6 dB^[8]——预测值不带误差棒，就没资格进结论。第三项：情景可复核。德里 IGI 机场用 INM 建模，与 CPCB 实测偏差不超过 2 dB；NADP1 减噪程序让 65 dB(A) 以上暴露人口降约 23%，流量再分配却几乎没有改善^[9]。

最后一项是读图。慕尼黑的在线眼动实验（35 人）发现，同一份噪声地图换一套配色，识别正确率就从 94.29% 变成 91.43%^[10]。SoundPLAN 这类工程化噪声模拟预测软件的价值排序由此清晰：标准覆盖与本地校准在前，图表输出在后。报价单上排最后的，恰是选型时最先要问的。

参考文献

[1] Urban Soundscapes and Noise Assessment: Key Insights from ANSI, ASTM, and ISO Standards. Applied Sciences, 2026. DOI:10.3390/app16031174

[2] Comparative analysis between CNOSSOS-EU and interim methods. replenish-1104c, . DOI:10.61782/fa.2025.0215

[3] Assessment of Railway Noise Exposure at Shu Station, Kazakhstan: CNOSSOS-EU Model. replenish-1104c, . DOI:10.3390/su181910104

[4] Validation of road traffic noise and prediction of traffic increases along a highway in Hungary using noise maps. Environmental Monitoring and Assessment, 2026. DOI:10.1007/s10661-026-15821-0

[5] COMPARATIVE STUDY OF Ld SOUND LEVELS FROM ROAD TRAFFIC NOISE IN COTONOU: IN SITU MEASUREMENT AND SIMULATION USING THE CNOSSOS-EU MODEL. International Journal of Advanced Research, 2026. DOI:10.21474/ijar01/22628

[6] Influence of Traffic Input Data Quality on Road Noise Estimates Using the CNOSSOS-EU Method. Sensors, 2026. DOI:10.3390/s26030778

[7] Modeling and Mitigation of Road Traffic Noise in a Major Hub for Urban Sustainability. replenish-1104, . DOI:10.3390/su18126143

[8] Comparison of Noise Impact from Aircraft Flyover Measurements and Simulations Considering Model Uncertainties. Aerospace, 2025. DOI:10.3390/aerospace12121047

[9] Simulation of Noise Pollution Using the Integrated Noise Model (INM) in Airport Surroundings. replenish-1104, . DOI:10.28978/nesciences.1811133

[10] An Exploratory Study Investigating Users' Understanding of Noise Model Uncertainties. replenish-1104, . DOI:10.5194/ica-adv-5-1-2025