Forschung

Auralisation
Zur Auralisation und Visualisierung müssen innovative, echtzeitfähige Schallausbreitungsmodelle entwickelt werden. Hierzu sind spezifische Informationen und Messdaten notwendig, welche mittels einer autonomen Messstation, bestehend aus einem hochauflösenden Array digitaler MEMS-Mikrofone und Sensoren zur Erzeugung von Bild-, Wetter- und GPS-Daten, erzeugt werden sollen. Die für komplexe Simulationen benötigte winkelabhängige Teilschallquellenseparation wird durch die Kombination von Beamforming-Algorithmen mit Klassifikatoren angestrebt. Hierfür wird das Sensorsystem die benötigten Trainings- und Validierungsdaten liefern. 

Digitaler Zwilling

Für das Datenmanagement müssen Schnittstellen und Übertragungstechnologien zur automatisierten Integration konventioneller und neuer Datenbestände in den Digital Twin geschaffen werden. Dabei steht der verlustfreie Austausch von Datenbeständen mit offenen Schnittstellen und Übertragungstechnologien im Vordergrund. Hierzu zählen in erster Linie Geodaten, konventionelle Bestands- und Planungsdaten, BIM-Daten und weitere Materialparameter zur akustischen Charakterisierung. Dabei sollten die Daten bidirektional, redundanz- und verlustfrei sowie versioniert zwischen externen Fachautorensystemen und dem EAV-Infra-Ökosystem übermittelbar sein.

Psychoakustik
Voraussetzung für psychoakustische Untersuchungen zur Entwicklung neuer Standards ist die realitätsnahe Aufnahme repräsentativer Schallimmissionen und deren Wiedergabe und Evaluierung unter kontrollierten Bedingungen. Die akustischen Signale der audiovisuellen Szenenbeschreibungen sollen einer psychoakustischen Signalanalyse unterzogen werden. 

Um Erkenntnisse über die notwendigen perzeptiven Zusammenhänge abzuleiten, sollen Hörversuche zur Wirksamkeit der Maßnahmen durchgeführt werden. Durch eine Verknüpfung der subjektiven Ergebnisse mit den Analysen soll eine Modellierung zur perzeptiven Wirksamkeit der Maßnahmen abgeleitet werden. 

Schallberechnung/Lärmschutzplanung
Zur Umsetzung der größtenteils automatisierten Schallschutzplanung wird ein lernfähiger Ansatz unter Verwendung genetischer KI-Algorithmen angewandt. Dieser Ansatz beruht auf der iterativen Optimierung vieler Individuen (d.h. Schallschutzvorschlägen) nach Maßgabe der psychoakustischen Quantifizierungsbasis und unter Verwendung der entwickelten Schallausbreitungsmodelle, sowie unter Berücksichtigung gesetzlicher Vorgaben. In einer geeigneten Umsetzung konvergieren dann einige der Individuen durch die wiederholte evolutionäre Selektion und gezielte Variation gegen optimale Schallschutzlösungen, wodurch Lösungsvorschläge offenbart werden, die durch herkömmliche heuristische Methoden verborgen blieben.