MOBILITÉ ET ÉMISSIONS DE CO2 PAR LE TRAFIC ROUTIER

MOBILITY AND CO2 EMISSIONS FROM ROAD TRANSPORTATION

• Auteur / Autrice : Xavier Bonnemaizon
• Direction : Philippe Ciais, Frédéric Chevallier
• Type : Projet de thèse
• Discipline(s) : Géosciences
• Date : Inscription en doctorat le 14/11/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale des sciences de l'environnement d'Île-de-France
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences du Climat et de l'Environnement - DRF
• Partenaire(s) de recherche : Equipe de recherche : Modélisation inverse pour les mesures atmosphériques et satellitaires (SATINV)
• Partenaire(s) de recherche : référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)

Mots clés

Mots clés libres

Changement climatique

Machine learning

Émissions de CO2

Transport routier

Géolocalisation

Véhicules électriques

Machine learning

Climate change

Carbon dioxide emissions

Road transport

Geolocation

Electric vehicles

Résumé

Selon l'Environmental Protection Agency des États-Unis, le secteur des transports aux États-Unis est responsable de 28 % des émissions de gaz à effet de serre. Les changements dans les schémas de mobilité pendant et après le Covid19 ont eu de fortes conséquences sur les émissions de CO2 aux États-Unis, en même temps que l'augmentation progressive des véhicules électriques (VE). En particulier, le secteur des transports a considérablement changé depuis la crise du Covid19 avec une forte réduction et un rebond en cours. L'objectif principal de la thèse est de quantifier les consommations de fuel et les émissions de CO2 pendant et après le Covid19, et les changements de comportements des usagers des transports routiers, à partir de grands volumes de données de géolocalisation. La thèse utilisera des techniques de machine learning pour exploiter des données de géolocalisation acquises en collaboration avec la société Kayrros qui couvrent entre 2 et 4% de la population ,avec un pas de temps de quelques secondes, afin de prédire les flux de traffic routier et leur variabilité au cours des 4 dernières années, et d'en déduire les émissions de CO2 associées. Dans un second temps, les données de bornes de chargement des véhicules électriques seront croisées avec les données de géolocalisation pour en déduire les habitudes des utilisateurs de voitures électriques et leur impact éventuel sur les courbes de charge à Paris. L'étude sera effectuée à l'échelle d'une agglomération (Paris, Los Angeles), d'une région, et d'un pays pour les États-Unis et France.

According to the U.S. Environmental Protection Agency, the U.S. transportation sector is responsible for 28% of greenhouse gas emissions. Changes in mobility patterns during and after Covid19 have had a strong impact on CO2 emissions in the United States, along with the gradual increase in electric vehicles (EVs). In particular, the transportation sector has changed significantly since Covid19 with a sharp reduction and a rebound underway. The main objective of the PhD thesis is to quantify fuel consumption and CO2 emissions during and after Covid19, and changes in road transport user behavior, from large volumes of geolocation data. The thesis will use machine learning techniques to exploit geolocation data acquired in collaboration with the company Kayrros. The data cover between 2 and 4% of the population, with a time step of few seconds. The goal is to predict road traffic flows and their variations over the last 4 years, and to deduce the associated CO2 emissions. In a second step, the data from the electric vehicle charging stations will be crossed with geolocation data to deduce the habits of electric car users and their possible impact on the charging curves in Paris. The study will be carried out at the scale of a metropolitan area (Paris, Los Angeles), a region, and a country for the United States and France.