Geluid vormt een essentieel onderdeel van ons dagelijks leven. Bij de analyse van omgevingsgeluid, of bij het akoestisch ontwerp van nieuwe omgevingen, dient men dan ook rekening te houden met de mechanismen aan de basis van de menselijke auditieve waarneming. In deze doctoraatsthesis wordt dergelijke aanpak uitgewerkt in een computationeel model voor het analyseren van omgevingsgeluid. Het model is enerzijds biologisch geinspireerd, en anderzijds computationeel efficient, zodat het geschikt is om te worden ingezet in gedistribueerde stedelijke geluidsmonitoring systemen. Het voorgesteld computationeel model bestaat uit submodellen voor perifere auditieve verwerking, voor het in kaart brengen van geluidskarakteristieken op basis van gelijktijdigheid, en voor het modelleren van auditieve aandacht. Een leerstrategie gebaseerd op verwachting is geïmplementeerd om rekening te houden met de menselijke auditieve leermechanismen op langere termijn. Het ontwikkelde mens-gebaseerde model voor machinaal luisteren werd toegepast in een aantal gevalstudies. De resultaten hiervan tonen aan dat het model automatisch een representatieve groep van typische geluiden voor een bepaalde locatie kan selecteren, en dat het de perceptuele effecten van de invoering van aanvullende geluiden in de sonische omgeving kan beoordelen. Het model vormt dan ook een veelbelovend instrument voor de analyse van omgevingsgeluid en het akoestisch ontwerp van de buitenomgeving.