研究区域乐山市中心城区，地处四川盆地向西南山地过渡地带，总体趋势西南高，东北低，属于亚热带季风性湿润气候，是全市的经济、文化、政治中心。乐山市中心城区山水相依，位于城市西南边的嘉州绿心公园，东至青果山、西接青衣江、南临成都理工大学、北靠竹公溪和柏杨西路片区，占地9.8平方公里，公园内动植物生态多样性丰富，是中国地级市中最大的城市绿心，有着“乐山城市之肺”的美称；岷江、青衣江、大渡河三江绕城，发源于青衣江的竹公溪穿城而过后汇入岷江，故乐山市中心城区被誉为“森林在城市中，城市在山水中”。

将乐山市中心城区按500 m × 500 m划分为127个区域网格，在每个网格内布设1个监测点位，用爱华AWA 6228声级计按照《环境噪声监测技术规范城市声环境常规监测》(HJ 640-2012)，在无雨雪、无雷电天气，风速5.0 m/s以下，监测点位高度距离地面1.2 m以上，分别在昼间工作时间和夜间22:00~24:00内进行，避开节假日和非正常工作日，每个监测点位测量10 min的等效连续A声级Leq。本研究中使用的AOI (兴趣面)、POI (兴趣点)数据来自高德地图，其中将POI分为四个功能类别，即休闲娱乐服务、餐饮服务、社会服务、商超服务。此外，我们还提取了“海棠社区”中乐山市中心城区的噪声投诉记录，作为对POI数据的补充。

乐山市中心城区居民小区共计434个，分布在127个500 m × 500 m的网格内，使用Qgis软件计算小区面积及小区被网格分割后的面积，根据居民小区所在网格昼夜等效声级面积加权后计算得出居民小区等效声级，公式如下：

$S\_Leq=\frac{1}{S\_Area}\times \underset{i}{\overset{n}{{\displaystyle \sum }}}\left(S\_Are{a}_{\left(i\right)}\times S\_Le{q}_{\left(i\right)}\right)$

其中：S_Leq为居民小区等效声级；S_Leq_(i)为i网格的等效声级；S_Area为居民小区面积；S_Area_(i)为居民小区在i网格内的面积。

备注：**：在0.01水平(双侧)上显著相关，*：在0.05水平(双侧)上显著相关。

结果经统计：居民小区昼间等效声级均值为(54.5 ± 3.4) dBA (95%置信区间为54.38~54.2 dBA)，夜间等效声级均值为(47.5 ± 4.3) dBA (95%置信区间为48.0~47.2 dBA)，反映了乐山市中心城区居民小区噪声相对较好，经Normality Test检验，昼间等效声级Shapiro-Wilk W = 0.897，p < 0.0001*，夜间等效声级Shapiro-Wilk W = 0.958，p < 0.0001*，表明测量过程未出现突发或偶发性异常数值，数据不需要剔除，能体现小区声环境状况，见 表1 。

乐山市中心城区自古就以“水路通畅”而闻名，成就了“码头文化”，造就了居民“依山而聚，伴水而生”的“山水休闲”生活习俗，故乐山市中心城区居民主要聚集在城市东北部，即岷江、大渡河、竹公溪沿河以及绿心公园外围周边，这些区域休闲娱乐服务、餐饮服务、社会服务、商超服务等POI (兴趣点)数量众多、类型完善；而城市西南部高新区、高铁片区居民等新发展区域则较分散，POI (兴趣点)数量也较少且不完备，这与乐山东北低、西南高的地形特征相吻合。见 图1 。

综上，居民的聚集倾向于便捷、高效，居民聚集程度越高POI (兴趣点)分布越密集、类型越丰富。乐山市中心城区POI (兴趣点)分布不均，呈现东北部聚集、丰富，西南分散、稀缺的特点。

城市噪声对居民身心健康的影响逐渐成为公众讨论的热点话题。公众参与作为多源数据的重要组成部分，体现了公众对噪声的直观感知。“海棠社区”是乐山本地综合性门户论坛，其中民意区为乐山本地最大的网络民意聚集区，是收集城市居民对事件投诉和声音的最直接方式之一。它也是社会感知数据的重要来源。“海棠社区”平台收到信息后，将形成工单，根据投诉类别转发到政府相应部门。最后，他们会就投诉人的处理结果提供意见。该平台收集的数据具有权威性强、覆盖用户全的特点，可以直接反映乐山市城市治理中存在的问题。同时，这些数据的特征对市民进行了感官和情感导向，可以为城市规划和管理研究提供参考。

本研究收集了“海棠社区”2020~2023年关于乐山市中心城区的公共噪音投诉数据共计269起，从投诉类型看：其中经营性投诉173起(占比64.6%)，生活类投诉49起(占比17.9%)，施工类投诉29起(占比10.9%)，交通类投诉18起(占比6.6%)，见 图2 。

核密度是一种用于了解地理位置变化模式的空间数据分析程序。核密度分析法是利用投诉点密度分布探索他们所在的空间的关系，核密度估计方法充分利用了原始数据，结果几乎不受主观影响的因素，具有渐进变化和揭示细节特征的能力。

通过分析噪声投诉的核心密度，颜色较深的区域表示噪声投诉的密度较高，颜色较浅的区域表示噪声投诉的发生频率较低。噪声投诉核密度图显示：噪声投诉主要集中在经营类场所(娱乐场所、餐饮、商超等)和道路交通高密集区。例如长青路环路、凤凰路中段地段投诉较多；天星路的通江片区、滨江路的城南片区附近的生活、经营性噪音投诉非常集中，符合商圈游客密度高、商业推广的实际情况。这两个片区的老社区和老市场较多，因此不可避免地会有居民对商业经营的噪音投诉。见 图3 。

以上说明：居民生活对城市声环境有显著影响，居民聚集程度、POI (兴趣点)分布特征与城市声环境分布相关联。一方面居民喜欢向“交通便捷性高”、“功能选择性多样化”的地点聚集；另一方面也有70.5%的居民认为正受到“交通便捷性高”、“功能选择性多样化”所带来的噪声影响。

聚类是以数据共有的特征，将数据分成多个类别，以便于进一步观察和分析。K-mean聚类法作为聚类分析中常用的一种聚类方法，被广泛使用。为更好地探讨噪声投诉与POI (兴趣点)之间的关系，本研究运用K-mean聚类分析方法，并引入基于POI (兴趣点)区域功能混合度指标，其值与各类POI类型的总数、以及每种类型的百分比有关。区域功能混合度值越高，说明该网格功能程度越高，所能提供的服务类型越多样、越完整，且该网格被某一POI类型主导的可能性越小。计算公式如下：

$S=-\underset{i}{\overset{n}{{\displaystyle \sum }}}\left(p_{\left(i\right)}\times {\log }_{10}{p}_{\left(i\right)}\right)$

其中，S为区域功能混合程度；i为某网格内POI类型的数量；P_(i)为某一类型在所有类型中所占的比例。

备注：**：在0.01水平(双侧)上显著相关，*：在0.05水平(双侧)上显著相关。

备注：**：在0.01水平(双侧)上显著相关，*：在0.05水平(双侧)上显著相关。

使用K-mean (K = 3)聚类，对投诉数量、居民小区等效声级与区域功能混合度进行分析，结果表明：投诉数量与区域功能混合度的方差统计检验结果：F Ratio = 80.415，p < 0.0001*；对居民小区等效声级与区域功能区混合度的方差统计检验结果：居民小区昼间F Ratio = 4.651，p = 0.0099* < 0.05，夜间F Ratio = 3.696，p = 0.0253* < 0.05。表明在空间维度上，区域功能混合度与噪声投诉数量、居民小区等效声级之间具有一定的相关性，即存在明显的聚集特征，呈现出POI功能混合度越高、功能越丰富的地方，噪音投诉越多的趋势，见 表2 、 表3 和 图4 。

1) 宁静评价预测(TRAPT)：指小区声景环境的感知。

$TR=10.55+0.041\times S-0.146\times S\_Leq+MF$

其中，TR为宁静评价预测值；S为功能混合度与投诉数量的聚类参数的距离，作为自然特征所占的百分比；MF为功能混合度与投诉数量的聚类参数的类别，作为调节参数。

2) 宁静指数(Tranquility Index)：指i小区宁静感知经过归一化处理，形成60~100区间的指数。

$TR{I}_{\left(I\right)}=60\times e^{-\frac{T{R}_{\left(i\right)}-\min \left(TR\right)}{\max \left(TR\right)-\min \left(TR\right)}\times \ln \left(0.6\right)}$

其中，TRI_(i)为宁静指数值；min_(TR)为宁静评价预测中最小值；max_(TR)为宁静评价预测中最小值。

Table 4. Top 10 of “Tranquility Index” at day and night in Leshan urban district

表4. 乐山市中心城区居民小区昼、夜“宁静指数”前10排名

根据上述方法，使用2023年乐山区域噪声数据，绘制了乐山市中心城区居民小区昼、夜“宁静指数”地图。“宁静指数”的数值越高说明小区越安静，数值由低到高在地图上呈现为从红色到绿色，见 图5 。2023年乐山市中心城区小区昼、夜“宁静指数”前10排名，见 表4 。