Thèse soutenue

Estimation de la pollution sonore en milieu urbain par assimilation d'observations mobiles
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Raphaël Ventura
Direction : Isabelle HerlinVivien Mallet
Type : Thèse de doctorat
Discipline(s) : Mathématiques appliquées
Date : Soutenance le 20/06/2018
Etablissement(s) : Sorbonne université
Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Centre de recherche de Paris (Paris)
Jury : Président / Présidente : Mark Asch
Examinateurs / Examinatrices : Régis Marchiano, Bruno Vincent
Rapporteurs / Rapporteuses : Maëlle Nodet, Philippe-Aubert Gauthier

Résumé

FR  |  
EN

La pollution sonore en milieu urbain est un enjeu sanitaire important, et l'exposition des populations doit être estimée adéquatement. Les simulations qui permettent de générer les cartes de bruit employées à cet effet sont cependant entachées d'erreurs. L'observation de l'environnement est alors judicieuse car elle permet la récolte d'informations supplémentaires en différents points de l'espace et à différents instants. Nous proposons dans cette thèse des méthodes d'assimilation de données permettant la fusion d'une carte de bruit issue de la simulation (ébauche), et d'observations acquises via l'application mobile Ambiciti. La fiabilité des observations est évaluée dans différents contextes, et nous mettons en place une méthode d'étalonnage qui permet de réduire autant que possible le biais de mesure. La combinaison de l'ébauche et des observations résulte en un estimateur nommé analyse, dont la variance de l'erreur est minimisée grâce à une estimation préalable des erreurs suivantes : corrélations spatiales des erreurs d'ébauche; erreurs d'instrumentation, de représentativité temporelle et spatiale pour l'observation. Une méthode d'assimilation à l'échelle du quartier est développée afin de générer des cartes horaires à partir d'une carte d'ébauche de bruit moyen sur une période de la journée, et d'observations acquises par un expérimentateur à travers Ambiciti. Une seconde méthode exploite l'ensemble des données partagées anonymement par les utilisateurs d'Ambiciti. Cet ensemble est filtré et classifié, et la précédente méthode est adaptée afin de produire des cartes de bruit d'analyse à l'échelle de la ville.