State estimation and inverse modeling applied to noise pollution at a urban scale
Estimation d’état et modélisation inverse appliquées à la pollution sonore en milieu urbain
Résumé
Noise pollution is a public health problem well identified by health authorities. In order to establish the noise exposure of populations, noise maps are regularly generated. These maps are produced for the main sources of noise. For road traffic, they are the result of simulations that estimate the noise level from traffic data, meteorological data, topography, building distribution and vegetation. The resulting maps are an estimate of the spatial distribution of average noise levels over the study area. These data are spatially limited, there exists some uncertainties which prevent to know precisely the annual average traffic on all the roads in the study area. The accuracy of the noise maps is limited by the length of the computation time, which requires fairly simple models of the acoustic propagation. In addition to noise maps, stakeholders carry out noise level measurement campaigns. They measure the temporal evolution of noise levels at a series of given locations. These data give a more realistic reflection of the actual noise level than the results of noise map simulations, but they are very local. They are also expensive, which prohibits an extensive gridding of an area with a network of sensors. Combining modeling and measurement approaches would increase the amount of data useful for the production of noise maps. A noise map that combines the two approaches can overcome the limitations of simulation and measurement and provide dynamic, real-time mapping of noise levels. The objective of this thesis is to implement so-called data assimilation methods to unite the benefits of both approaches, simulation and observation.
La pollution sonore est un problème de santé publique bien identifié par les autorités sanitaires. Afin d'établir l'exposition au bruit des populations, des cartes de bruit sont régulièrement générées. Ces cartes sont produites pour les principales sources de bruit. Pour le trafic routier, elles sont le résultat de simulations qui estiment le niveau de bruit à partir des données de trafic, des données météorologiques, de la topographie, de la répartition des bâtiments et de la végétation. Les cartes qui en résultent sont une estimation de la distribution spatiale des niveaux de bruit moyens sur la zone d'étude. Ces données sont limitées dans l'espace, il existe certaines incertitudes qui empêchent de connaître précisément le trafic moyen annuel sur toutes les routes de la zone d'étude. La précision des cartes de bruit est limitée par la longueur du temps de calcul, qui nécessite des modèles simplifiés de la propagation acoustique. En complément des cartes de bruit, les acteurs concernés réalisent des campagnes de mesure des niveaux de bruit. Elles mesurent l'évolution temporelle des niveaux de bruit à une série d'emplacements donnés. Ces données donnent une image plus réaliste du niveau de bruit réel que les résultats des simulations des cartes de bruit, mais elles sont très locales. Elles sont également coûteuses, ce qui interdit le maillage extensif d'une zone avec un réseau de capteurs. La combinaison des approches de modélisation et de mesure permettrait d'augmenter la quantité de données utiles à la production de cartes de bruit. Une carte de bruit qui combine les deux approches peut surmonter les limites de la simulation et de la mesure et fournir une cartographie dynamique et en temps réel des niveaux de bruit. L'objectif de cette thèse est de mettre en œuvre des méthodes dites d'assimilation de données pour réunir les avantages des deux approches, simulation et observation.
Origine : Version validée par le jury (STAR)