EchoFriendly: Analisi sulla classificazione del paesaggio sonoro ambientale utilizzando tecniche computazionali e Machine Learning

Abstract

Il suono è una componente fondamentale degli ambienti in cui viviamo. Il paesaggio sonoro di un luogo può farci sentire calmi e rilassati, o rovinare il nostro lavoro, celebrazioni o riposo. Migliorare la qualità eco-acustica di questi luoghi richiede una conoscenza approfondita dei loro paesaggi sonori, e la tecnologia offre strumenti per individuare le caratteristiche acustiche che incidono di più sulla qualità della vita degli abitanti. Questo lavoro combina acustemologia e machine learning, insieme a un approccio euristico, per automatizzare l’analisi dei paesaggi sonori. Cinque classificatori (Random Forest, RBF SVC, Linear SVC, Logistic Regression e LinearSVC con norma L1) e un modello Baseline basato sul livello sonoro continuo equivalente ponderato A (LAeq) classificano i paesaggi sonori urbani come rumorosi o silenziosi, per supportare sistemi di raccomandazione che orientino verso luoghi più tranquilli. Si usano caratteristiche Quantitative, estratte dal segnale audio, e Hybrid, che aggiungono informazioni qualitative ricavate da questionari. Gli esperimenti usano 68 registrazioni acquisite con uno smartphone e altre 68 con un registratore digitale, analizzate su finestre di 30, 60 e 90 secondi e valutate con tre schemi di validazione incrociata che riproducono scenari d’uso realistici. Le prestazioni sono misurate tramite accuratezza bilanciata su 50 ripartizioni ripetute e confrontate con test di significatività e test di Friedman-Nemenyi. Le caratteristiche qualitative migliorano significativamente tutti i modelli di machine learning, che superano la Baseline con le caratteristiche Hybrid. La Baseline resta competitiva solo sulle registrazioni da smartphone con caratteristiche Quantitative. Nessun classificatore è costantemente superiore; nello scenario di cold-start, con utenti e registrazioni nuovi, i cinque modelli sono statisticamente indistinguibili. Dispositivo e lunghezza della finestra incidono poco sui classificatori, ma molto sulla baseline.

Sound is a fundamental component of the environments in which we live. The soundscape of a place can make us feel calm and relaxed, or disrupt our work, celebration or rest. Improving the eco-acoustic quality of these places requires a deep understanding of their soundscapes, and technology offers tools to identify the acoustic features that most affect inhabitants’ quality of life. In this work, we combine acoustemology and machine learning, together with a heuristic approach, to automate soundscape analysis. Five classifiers (Random Forest, RBF SVC, Linear SVC, Logistic Regression and LinearSVC with L1 norm) and a Baseline model based on the A-weighted equivalent sound level (LAeq) classify urban soundscapes as noisy or quiet, with the aim of supporting recommendation systems that guide people towards quieter places. Two feature sets are used: Quantitative features extracted from the audio signal, and Hybrid features, which add qualitative information from user questionnaires. The experiments rely on 68 recordings collected with a smartphone and other 68 with a digital recorder, analyzed over windows of 30, 60 and 90 seconds, and evaluated under three cross-validation schemes reproducing realistic usage scenarios: unseen recordings, unseen users, and both unseen users and recordings. Performance is measured by balanced accuracy over 50 repeated splits and compared through paired significance tests and Friedman-Nemenyi tests. The results show that adding qualitative features significantly improves every machine learning model, and all of them significantly outperform the baseline when Hybrid features are used. The Baseline remains competitive only on smartphone recordings with Quantitative features. No classifier is consistently superior; in the cold-start scenario, i.e, with both new users and new recordings, the five are statistically indistinguishable. Device and window length have little effect on the classifiers, whereas the baseline is sensitive to both.