Skip to main content

Soutenance de thèse d'Antoine Lesieur

Le 9 septembre 2021

Le 9 septembre 2021 à 15h30 – INRIA, Paris (visio)

Cette soutenance est publique, les instructions de connexion seront communiquées ultérieurement.

 Le jury est composé de : 

  • [Rapporteurs] 
    • Claudio Guarnaccia (Université de Salerne, Italie)
    • Olivier Roustant (INSA Toulouse)
  • [Examinateurs]
    • Olga Mula (Université Paris Dauphine)
    • Régis Marchiano (Sorbonne Université)
  • [Encadrants]
    • Arnaud Can (Université Gustave Eiffel)
    • Vivien Mallet (INRIA)
    • Julien Salomon (INRIA)

 

Résumé :

La pollution sonore est un problème de santé publique bien identifié par les autorités sanitaires. 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, etc. Les cartes qui en résultent sont une estimation de la distribution spatiale des niveaux de bruit moyens. Ces données sont limitées dans l'espace, il existe certaines incertitudes qui empêchent de connaître précisément le trafic moyen annuel sur toutes les routes. La précision des cartes de bruit est limitée par la longueur du temps de calcul, qui nécessite des modèles simplifiés. En complément des cartes de bruit, des campagnes de mesure des niveaux de bruit sont réalisées. 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, mais elles sont très locales. Elles sont également coûteuses. La combinaison des approches de modélisation et de mesure permettrait d'augmenter la quantité de données utiles à la production de cartes 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.

Abstract :

Noise pollution is a public health problem well identified by health authorities. Noise maps are regularly generated. These maps are produced for the main noise sources. For road traffic, they are the result of simulations that estimate the noise level from traffic data, meteorological data, etc. The resulting maps are an estimate of the spatial distribution of average noise levels. These data are spatially limited, there are some uncertainties that prevent the annual average traffic on all roads from being known precisely. The accuracy of the noise maps is limited by the length of the calculation time, which requires simplified models. In addition to the noise maps, noise level measurement campaigns are carried out. They measure the temporal evolution of noise levels at a series of locations. These data give a more realistic picture of the actual noise level than the results of the simulations, but they are very local. They are also expensive. Combining modeling and measurement approaches would increase the amount of useful data for producing noise maps. The objective of this thesis is to implement so-called data assimilation methods to combine the advantages of both approaches.