Als je in de buurt van Schiphol woont, ken je het lawaai. Het is constant, het is meetbaar, en toch is er voor een bewoner geen echte manier om het zelf te meten. Professionele geluidsmeters kosten duizenden euro's. Meetstations van de gemeente staan dun gezaaid. De data bestaat wel, alleen is die niet van jou.
Daar begon dit mee. Niet met een marktkans, gewoon met oprechte ergernis: waarom is dit zo moeilijk? En vervolgens werd het een bouwproject van 18 maanden.
De architectuur uitwerken
Het lastige in het begin was uitvogelen hoe je continue audioclassificatie kunt draaien op een solar-gevoed apparaat. Die twee dingen gaan niet vanzelf samen. Audio-inference wil het liefst voortdurend draaien; solar wil zoveel mogelijk slapen, zeker tijdens een Nederlandse winter met zo'n 8 uur fatsoenlijk licht.
De aanpak waar we op uitkwamen was event-driven firmware. Audio-opname draait op de achtergrond via DMA, zonder dat de CPU eraan te pas komt, en de processor wordt pas wakker zodra er daadwerkelijk iets te classificeren valt. Voor de LTE-verbinding gebruiken we eDRX en PSM, waardoor de modem tussen databursts door kan slapen en de stroomopname daalt van zo'n 150 mA naar minder dan 1 mA. In combinatie met flashgeheugen dat data lokaal buffert wanneer er geen signaal is, houdt het apparaat zich goed staande tegen zowel slecht weer als slechte dekking.
Verder kijken dan dBa
In een vroeg stadium keken we naar het inzetten van een machine learning-classifier (YAMNet) om geluidsbronnen te herkennen, zoals vliegtuigen of verkeer. We kregen het werkend als proof of concept, maar het interessantere probleem bleek een ander: dBa vertelt je hoe hard iets is, maar niet of iemand het ook daadwerkelijk hinderlijk vindt. Een zacht gezoem op de verkeerde frequentie kan ondraaglijk zijn. Een luide breedbandige ruis kan nauwelijks opvallen. Het getal op zichzelf vangt dat niet.
Daarom hebben we in plaats daarvan de psychoakoestische metrieken uit het SQAT-model in C geïmplementeerd, om rechtstreeks op het embedded apparaat te draaien. Waar dBa frequenties weegt om het menselijk gehoor te benaderen, gaan psychoakoestische metrieken een stap verder:
- Loudness (ISO 532-1) modelleert hoe het auditieve systeem volume daadwerkelijk waarneemt
- Sharpness pikt scherpheid in hoge frequenties op
- Roughness meet snelle amplitudemodulatie in het bereik van 15–300 Hz, wat ervoor zorgt dat sommige geluiden irritant aanvoelen
- Fluctuation strength vangt langzamere, pulserende patronen
Samen geven deze een veel helderder beeld van waarom een bepaald geluid wel of niet hinderlijk is.
SQAT begon als een MATLAB-toolbox die deels aan de TU Delft is ontwikkeld voor het beoordelen van vliegtuiglawaai, waardoor het een logische keuze was. Het porten van de algoritmes naar C voor een beperkt embedded target was hier het belangrijkste engineeringwerk.
Een paar hardwarekeuzes die uitleg verdienen
We hebben in een vroeg stadium een goedkope PM2.5-sensor getest, rond de €7, breed verkrijgbaar. In een gecontroleerde omgeving leek hij prima en vervolgens dreef hij buiten flink af, vooral bij vochtigheid. De Sensirion SEN66 van €25 was de voor de hand liggende vervanger. Hij regelt zijn eigen temperatuur- en vochtigheidscompensatie, meet PM2.5, PM10, VOC, CO₂, en levert ons bovendien de temperatuurmeting die we nodig hadden om de gevoeligheidsdrift van de MEMS te compenseren.
Privacy
Een microfoon buiten bij iemands huis plaatsen is een gevoelige zaak, en dat wilden we niet afdoen met een privacyverklaring. Er is dan ook geen enkele manier waarop het apparaat audio kan opslaan of versturen. Ruwe audio wordt op het apparaat direct omgezet in dBa- en hinderwaarden, en data verschijnt alleen in geaggregeerde vorm op community-kaarten.
Het voelde belangrijk om deze beperkingen architectureel te maken in plaats van slechts beloftes.
Drie eigenschappen die wij niet onderhandelbaar achten:
- Geen audio opgeslagen of verstuurd. Ruwe audio verlaat het apparaat nooit. Alleen berekende metrieken worden verzonden.
- Postcode, geen coördinaten. Locatie wordt alleen op postcodeniveau gedeeld.
- Geaggregeerd op de kaart. Individuele metingen verschijnen nooit publiekelijk. Jouw data draagt alleen bij aan gebiedsgemiddelden.
Volgende stappen
Het apparaat bevindt zich momenteel in een middenfase van ontwikkeling. We zijn de firmware en algoritmes aan het finetunen en controleren de prestaties. Volg ons om op de hoogte te blijven van de voortgang!
Bouw je iets vergelijkbaars — solar-gevoed, met beperkte connectiviteit, continu meten — dan is het belangrijkste dat we je willen meegeven: ontwerp eerst voor het energiebudget, al het andere komt daarna. De featurelijst moet binnen de energie-envelop passen, niet andersom.