Présentation

Bruit urbain : un enjeu sociétal majeur

La réduction de l'exposition au bruit est une préoccupation sociétale et environnementale majeure, en particulier dans les villes, qui sont soumises à une multitude de sources sonores et qui comptent de facto de nombreuses personnes exposées. Dans ce contexte, la cartographie du bruit est un outil pertinent pour diagnostiquer les environnements sonores urbains, proposer des plans d'action pour réduire les nuisances sonores, ainsi que pour communiquer avec les citadins.

Aujourd'hui, les cartes de bruit sont essentiellement élaborées au moyen de simulations numériques, avec une grande précision spatiale, à partir d'un recensement des sources de bruit du trafic routier. Cependant, cette méthode présente des limites bien connues, notamment en ce qui concerne la qualité insuffisante des données d'entrée, la modélisation simplifiée des émissions et de la propagation et, enfin, l'inadéquation des indicateurs classiques de bruit pour décrire les environnements sonores perçus.

Parallèlement, des observatoires de bruit ont été déployés dans certaines villes, permettant d'accéder localement aux variations temporelles des niveaux sonores réels, mais entraînant des coûts opérationnels élevés, lesquels interdisent un déploiement très dense, limitant ainsi le nombre de points d'observation à quelques unités.

 

Cense : l'enjeu de la qualité des données d'entrée et des incertitudes des données de sortie

Le projet se concentrera également sur la qualité des données d'entrée nécessaires à la modélisation, puisqu'elles définissent également la qualité des indicateurs de bruit en sortie des outils de simulation. Deux aspects seront développés : le premier concernant l'optimisation et l'amélioration de la qualité des données d'entrée ; le second sur l'estimation de l'incertitude des données de sortie, à partir de celles d'entrée. Ces travaux, basés sur des approches de propagation de l'incertitude, constituent là encore une avancée majeure. En effet, l'information sur la qualité des données de sortie provenant des modèles de prévision du bruit est actuellement totalement absente, ce qui peut avoir un impact sur le développement de solutions pour réduire les nuisances sonores.

Cense: les SIG au cœur du projet

Parce que la gestion des données géolocalisées est au cœur du projet, le développement d'une plate-forme de système d'information géographique (SIG) spécifique constitue une tâche importante, afin de faciliter l'accessibilité des données (entrées/sorties, mesurées/simulées), leur réutilisation et leur exploitation pour construire de nouvelles cartes thématiques.

Cense: une méthode originale pour mieux appréhender les environnements sonores

Compte tenu de l'évolution récente des technologies de mesure du bruit et des méthodes de calcul, il semble maintenant possible de combiner ces deux approches afin de bénéficier des avantages de chacune d'entre elles. Cela constitue une innovation majeure dans l'élaboration de modèles de prévision de bruit, offrantde nombreuses possibilités d'évaluation et d'amélioration des paysages sonores urbains.

En détail, le projet CENSE vise à améliorer la caractérisation des environnements sonores urbains, en combinant les observations in situ et les prévisions numériques du bruit. Le projet s'appuie sur des techniques d'assimilation de données qui ont très peu développées dans le contexte du bruit, afin de profiter des avantages de la modélisation et des mesures. Cette approche est notamment rendue possible grâce au déploiement récent et abordable de capteurs de bruit à faible coût. En particulier, dans le cadre du projet CENSE, le déploiement d'un réseau mixte de capteurs câblés/sans fil, connecté à Internet par l'intermédiaire d'un réseau public de lampadaires (en tant que système de communication sur lignes électriques), constitue une approche technique innovante.

 

Cense: de la prévision du bruit à l'évaluation de sa perception

Le projet CENSE proposera également une approche originale pour produire des cartes de bruit perceptives, en développant des modèles de paysage sonore qui reposent sur l'identification automatique des sources de bruit, basés sur des modèles qui n'ont jamais été appliqués au bruit urbain.