MedeMeter bouwen

Als je in de buurt van Schiphol woont, ken je het geluid. Het is constant, het is meetbaar, en toch is het verrassend lastig om bij je eigen huis bruikbare metingen te doen. Professionele geluidsapparatuur is duur, en vaste meetstations kunnen je niet vertellen wat er in elke straat of aan elke gevel gebeurt. De data bestaat, maar vaak niet precies daar waar jij het probleem ervaart.

Daar is dit uit ontstaan. Niet vanuit een marktkans, maar vanuit een oprechte ergernis: waarom is dit zo moeilijk? En daarna werd het een bouwproject van 18 maanden.

De architectuur uitwerken

Het lastige aan het begin was uitvogelen hoe je continue audioclassificatie draait op een apparaat dat op zonne-energie werkt. Die twee dingen gaan van nature niet samen. Audio-inferentie wil constant draaien; zonne-energie wil zoveel mogelijk slapen, zeker tijdens een Nederlandse winter met vier uur fatsoenlijk licht.

De aanpak waar we op uitkwamen was event-driven firmware. Audio-opname draait op de achtergrond via DMA zonder CPU-betrokkenheid, en de processor wordt pas wakker als er daadwerkelijk iets is dat het classificeren waard is. Voor de LTE-verbinding gebruiken we eDRX en PSM, waarmee de modem kan slapen tussen databursts en het stroomverbruik daalt van zo’n 150 mA naar minder dan 10 µA. In combinatie met een SD-kaart die data lokaal buffert wanneer er geen signaal is, houdt het apparaat goed stand tegen zowel slecht weer als slechte dekking.

Verder dan dBA

In het begin onderzochten we het gebruik van een ML-classifier (YAMNet) om geluidsbronnen zoals vliegtuigen of verkeer te herkennen. We kregen het werkend als proof of concept, maar het interessantere probleem bleek een ander te zijn: dBA vertelt je hoe hard iets is, maar niet of een persoon het daadwerkelijk als storend ervaart. Een vaag gebrom op de verkeerde frequentie kan ondraaglijk zijn. Een luid breedbandgeruis kan nauwelijks opvallen. Het getal alleen vangt dat niet.

Daarom implementeerden we in plaats daarvan de psycho-akoestische metrieken uit het SQAT-model in C, om direct op het embedded apparaat te draaien. Waar dBA frequenties weegt om het menselijk gehoor te benaderen, gaan psycho-akoestische metrieken een stap verder. Loudness (ISO 532-1) modelleert hoe het gehoorsysteem daadwerkelijk volume waarneemt. Sharpness vangt hoogfrequente scherpte op. Roughness meet snelle amplitudemodulatie in het bereik van 15 tot 300 Hz, wat bepaalde geluiden schurend maakt. Fluctuation strength vangt langzamere, pulserende patronen op. Samen geven deze een veel helderder beeld van waarom een bepaald geluid wel of niet storend is.

SQAT begon als een MATLAB-toolbox die deels is ontwikkeld aan de TU Delft voor de evaluatie van vliegtuiggeluid, wat het een logische keuze maakte. Het porten van de algoritmen naar C voor een beperkt embedded systeem was hier het belangrijkste engineeringwerk.

De luchtkwaliteitssensor van €7 werkte. Tot we hem buiten hingen.

De eerste prototypes gebruikten een PM2.5-sensor van zo’n €7. Op de werkbank leek die prima bruikbaar. Buiten, vooral bij wisselende luchtvochtigheid, dreven de metingen zo ver af dat de besparing geen zin meer had.

We vervingen hem door de Sensirion SEN66. Die is duurder, maar regelt de temperatuur- en vochtigheidscompensatie zelf en levert PM2.5, PM10, VOC, CO₂ en temperatuur uit één module. Die temperatuurmeting helpt ook om te compenseren voor gevoeligheidsdrift van de microfoon.

Regen buiten houden zonder de meting te verpesten

Een buitenmicrofoon beschermen klinkt eenvoudig, totdat de bescherming verandert wat je meet. Een lange buis houdt regen tegen, maar veroorzaakt ook resonanties en verandert de frequentierespons.

Na de plaatsing te hebben doorgenomen met een akoestisch ingenieur, kozen we voor een ondiepe koepel met akoestisch schuim en richtten we de microfoon licht naar beneden. Zo is de microfoon beschermd tegen het weer, zonder dat de behuizing zelf onderdeel wordt van het akoestische signaal.

Privacy

Een microfoon buiten aan iemands huis hangen is een gevoelige zaak, en we wilden dat niet afdekken met een privacyverklaring. Daarom kan het apparaat op geen enkele manier audio opslaan of verzenden, niet via configuratie, maar door ontwerp. Geen GPS-module ook. Locatie is een postcode, éénmaal ingevoerd bij de installatie, en data verschijnt alleen in geaggregeerde vorm op community-kaarten. Het voelde belangrijk om deze beperkingen architectureel te maken in plaats van slechts beloften.

Van prototype naar buurtnetwerk

MedeMeter is ontworpen als burgersensor: het meet fijnstof en geluid waar mensen die daadwerkelijk ervaren, op straat, in plaats van alleen te vertrouwen op gemodelleerde kaarten. Dankzij zonne-energie en een eigen LTE-M-verbinding werkt het apparaat zonder netstroom of lokale wifi, waardoor voor de installatie alleen een geschikte muur of paal nodig is.

Om daar te komen werkten industrieel ontwerp, elektronica, embedded firmware, edge ML, cloudinfrastructuur en praktijktesten nauw samen. Het uiteindelijke product analyseert geluidskenmerken lokaal zonder ruwe audio op te nemen, terwijl de metingen bijdragen aan het landelijke RIVM-platform Samen Meten voor bewoners, onderzoekers en beleid.