Actualité de l'Equipe projet de recherche AE : Acoustique de l’Environnement (composante de l'UMR AE)
Découvrez l'équipe, ses enjeux, ses membres, son actualité... en consultant sa page
De plus en plus, une attention est portée sur la question du bruit et des nuisances sonores, particulièrement en milieu urbain. Depuis 2002, la directive européenne 2002/49/CE impose par exemple aux états membres de caractériser les environnements sonores aux abords des grandes infrastructures de transport et dans les grandes agglomérations à l’aide de cartographies du bruit.
A partir ce celles-ci, les collectivités peuvent ensuite élaborer des plans d’action précis et aussi communiquer auprès des habitants.
Améliorer et optimiser les cartes de bruit
Le bruit est considéré comme une nuisance environnementale préoccupante par deux français sur trois (IFOP 2014), et entraîne pour 20% d’entre eux la volonté de déménager. L’Europe (EEA 2010) et l’OMS (OMS 2018) ont rappelé qu’il peut aussi avoir un impact significatif sur la santé. C’est pourquoi les politiques publiques, notamment celles menées par l’Europe depuis 2002, visent à mieux prendre en compte le bruit dans l’aménagement du territoire, en réalisant des cartes de bruit stratégiques locales.
Afin de les rendre plus opérationnelles, le projet CENSE, financé par l’Agence Nationale de la Recherche (ANR), vise à élaborer des cartes de bruit plus proches de la réalité, qui permettraient par exemple d’évaluer de manière plus pertinente l’impact d’aménagements.
Pour caractériser les environnements sonores urbains de la manière la plus précise possible, le projet CENSE combine deux approches méthodologiques complémentaires :
- Le recensement des sources de bruit principales puis la modélisation numérique de la propagation du son en milieu bâti à l’aide de nouveaux outils de prévision développés dans le cadre du projet.
- Le suivi dans le temps des niveaux sonores sur une étendue spatiale importante de centre urbain, une approche généralement coûteuse, mais qui peut aujourd’hui devenir plus abordable grâce à l’apparition de nouveaux capteurs acoustiques à bas coût.
Un important réseau mixte de capteurs acoustiques filaires et de capteurs sans fil à bas coût est développé spécifiquement dans le cadre du projet afin d’observer les niveaux sonores en centre urbain.
Le réseau de 124 capteurs acoustiques a été mis en place dans le centre-ville de Lorient, qui sert de démonstrateur. Il est relié à internet grâce une connexion originale développée par un partenaire du projet en utilisant le réseau d’éclairage public.
Ce réseau permet:
- D’observer l’exposition sonore au cours du temps sur un maillage urbain dense,
- De contribuer à corriger, compléter et améliorer des modèles de prévision du bruit par un processus d’assimilation de données.
Les habitants de Lorient peuvent aussi effectuer eux-mêmes des relevés de leur environnement sonore à l'aide de l'application NoiseCapture, utilisable sur les téléphones Androïd. Les résultats s'affichent sous la forme d'une carte interactive.
Le Cerema pilote du volet sur la qualité des données
L’un des enjeux du projet est de fiabiliser les données d’entrée qui permettent de réaliser des cartes de bruit à l’aide de modèles numériques, à travers deux approches : en améliorant la qualité des données d’entrée issues des sources de bruit, et en quantifiant l’incertitude des données de sortie du modèle de prévision du bruit. Le Cerema pilote ce volet du projet, qui comprend plusieurs tâches et auquel contribuent plusieurs partenaires :
- Développer l’accès à des données d'entrée nouvelles ou améliorées (en incluant des données ouvertes et en les standardisant) pour mieux décrire l’environnement urbain et réduire les incertitudes ;
- Evaluer la propagation des incertitudes dans le modèle de prévision du bruit ;
- Développer un modèle de prévision du bruit rapide (méta-modèle) ayant les mêmes variables d'entrée et de sortie que le modèle d'origine, donnant des résultats très similaires par rapport au modèle d'origine, mais nécessitant beaucoup moins temps de calcul pour la réalisation d’une carte de bruit. Ce méta-modèle peut également être utile pour modéliser la propagation des incertitudes et pour l'assimilation des données.
Le projet CENSE s’intéresse aussi à la réalisation de cartes de bruit perceptives, en développant des modèles descriptifs de l’environnement sonore reposant sur des méthodes nouvelles d'identification automatique des sources de bruit. L’objectif est d’améliorer l’estimation des niveaux d’exposition sonore ainsi que la caractérisation des ambiances sonores urbaines.
Une dernière étape consistera à mettre en place une plateforme pour intégrer les données géolocalisées, afin de les rendre accessibles.
Le projet CENSE est coordonné par l’UMRAE (Université Gustave Eiffel (ex-IFSTTAR), Cerema) avec 7 partenaires : Bouygues Energies & Services, Bruitparif , le Laboratoire des Sciences du Numérique de Nantes, l’INRIA, le Laboratoire des Sciences et Techniques de l'Information, de la Communication et de la Connaissance, le laboratoire MRTE (Mobilités, Réseaux, Territoires, Environnement) de l’Université de Cercy-Pontoise et Wi6Labs.
Les résultats, notamment sur les technologies et techniques d’acquisition des données, seront capitalisés et diffusés auprès des acteurs concernés par l’impact du bruit et l’aménagement urbain. Des guides méthodologiques seront produits sur différents éléments pour la réalisation des cartes de bruit :
- Sélection, nettoyage et importation des données d'entrée pour la cartographie du bruit ;
- Quantifier les incertitudes des indicateurs de bruit de sortie calculés à partir des incertitudes des données d'entrée ;
- Produire des cartes de bruit en utilisant des standards cartographiques ouverts ;
- Introduction de descripteurs d'agrément sonore dans les cartes de bruit ;
- Optimiser un réseau de surveillance du bruit urbain.
Les données seront quant à elles accessibles en open data sur différentes plateformes.
AUTEURS:
- J. Picaut (Université Gustave Eiffel / UMRAE)
- A. Can (Université Gustave Eiffel / UMRAE)
- D. Ecotière (Cerema / UMRAE)
- Mathieu Lagrange (CNRS/LS2N)
- Vivien Mallet (Inria/ CLIME)
- Catherine Lavandier (UCP)
- Erwan Bocher (CNRS/ Lab-STICC)