Une base de données de masse basée sur les smartphones pour l'évaluation du bruit dans l'environnement : de l'évaluation de la qualité des données à la production de cartes de bruit pertinentes
Auteur / Autrice : | Ayoub Boumchich |
Direction : | Judicaël Picaut, Erwan Bocher |
Type : | Thèse de doctorat |
Discipline(s) : | Acoustique |
Date : | Soutenance le 19/10/2023 |
Etablissement(s) : | Le Mans |
Ecole(s) doctorale(s) : | Sciences de l'ingénierie et des systèmes (Nantes Université) |
Partenaire(s) de recherche : | Laboratoire : Unité mixte de recherche en acoustique environnementale - Unité Mixte de Recherche en Acoustique Environnementale / UMRAE |
Jury : | Président / Présidente : Adrien Pelat |
Examinateurs / Examinatrices : Jean-Michel Poggi, Matthieu Puigt, François Septier | |
Rapporteurs / Rapporteuses : Catherine Lavandier, Claudio Guarnaccia |
Mots clés
Résumé
Ce travail de thèse s’inscrit dans le cadre de la maitrise des environnements sonores dans l’environnement. Face à cet enjeu majeur, il est usuel de recourir à des cartes de bruit, réalisées la plupart du temps par la modélisation numérique, mais au détriment d’un manque de réalisme. Une alternative récente, basée sur l’utilisation d’une application pour smartphone (NoiseCapture), plus réaliste, propose d’utiliser une approche participative citoyenne pour collecter des données, mais pose la question de la qualité des données ainsi produite et de leur utilisation à des fins opérationnelles.A cet effet, le présent travail de thèse propose l’application de méthodes issues des Sciences des Données pour répondre à cette question. Le travail a d’abord porté sur une analyse détaillée de la base de données NoiseCapture pour en déterminer les limites et incertitudes. Dans un second temps, et dans la perspective d’utilisation des techniques (semi-)supervisées issues des méthodes d’apprentissage, une méthode de clustering spatial (DB-SCAN) a été mise en œuvre afin d’identifier des données de référence dans la base de données NoiseCapture. Enfin, afin de pallier aux limites du calibrage individuel des smartphones, une méthode de calibrage de masse, à l’aveugle, a été proposée puis appliquée sur la base de données NoiseCapture. Dans l'ensemble, la thèse a permis d’améliorer la qualité de la base de données NoiseCapture, ce qui offre des perspectives intéressantes pour l’utilisation de ces données à des fins opérationnelles.