Caractérisation des environnements sonores urbains : vers une approche globale associant données libres, mesures et modélisations – CENSE

Avec l’évolution des technologies de mesure, notamment à travers le développement de capteurs à bas coût, il semble aujourd’hui possible d’envisager une nouvelle génération d’outils de prévision du bruit, basée à la fois sur une mesure massivement distribuée dans le temps et dans l’espace, et à la fois sur la modélisation numérique, en mettant en œuvre des techniques de fusion de données. Ainsi, le projet CENSE, soutenu par l’ANR (appel à projet ANR-16-CE22), vise à établir une nouvelle méthodologie d’évaluation des environnements sonores, associant données libres, mesures et modélisation.

Plus précisément, le projet CENSE vise à développer et à mettre en œuvre un réseau de capteurs à bas coût original (basé sur un système d’éclairage urbain intelligent agissant comme système de transmission de données pour les capteurs acoustiques), au développement de techniques de reconnaissance de sources sonores, à l’amélioration des outils de modélisation du bruit (accès à de nouvelles données pour les simulations, évaluation de la qualité de la donnée), au développement de méthodologies de fusion de données adaptées à la problématique des nuisances sonores, ainsi qu’à une représentation de la qualité de l’environnement sonore. De manière transversale au projet, la mise en forme des données utilisées et produites, ainsi que la prise en compte des incertitudes associées, constitue également un point important du projet.

À ce stade, les travaux ont permis de faire évoluer l’outil de calcul NoiseModelling, afin d’y intégrer la méthodologie européenne CNOSSOS. Une méthode a ensuite été proposée pour automatiser la production des cartes de bruit en utilisant les données ouvertes OpenStreetMap. Enfin, la méthode de Morris a été adaptée à notre problématique, afin de réaliser une étude de sensibilité de la modélisation aux paramètres de calcul.

La mise en œuvre d’un prototype d’un réseau de capteurs constitue un élément majeur du projet. Deux prototypes de capteur ont ainsi été réalisés, l’un en connexion filaire, l’autre en connexion radio, puis testé en chambre semi-anéchoïque. En parallèle, les équipements nécessaires à la mise en œuvre d’un réseau « communicant » sur la base de l’infrastructure d’éclairage public ont été testés sur un site d’essai, puis en partie déployés au sein de la Ville de Lorient.

La fusion des données mesurées avec les données simulées, constitue une originalité forte du projet, et ce, afin de produire des cartes de bruit plus réalistes. Une thèse sur l'assimilation de données a déjà permis de mettre en place l’ensemble de la méthodologie. Un méta-modèle a ainsi été développé et testé sur le réseau de Lorient et sera prochainement couplé avec les données produites par le réseau de capteurs.

Enfin, un objectif du projet est de produire des cartes de bruit intégrant une notion perceptive. Ainsi, un questionnaire d'enquête, à destination des riverains du site expérimental, a été diffusé en octobre 2018. La prochaine étape consistera en une seconde expérimentation, à l’automne 2019. Ce travail permettra de proposer des modèles de perception pertinents. D'autre part, une thèse sur la séparation des sources et la perception a déjà permis de montrer la possibilité de calculer des indicateurs physiques reliés aux variables perceptives influentes (temps de présence des sources, agrément sonore, etc.).

La priorité actuelle concerne le déploiement intégral du réseau de capteurs dans le Centre-Ville de Lorient afin de pouvoir « alimenter » les autres méthodologies proposées dans le cadre du projet (assimilation de données, cartes de bruit perceptives). En parallèle, un travail important sera fourni pour valoriser les travaux de recherche sous forme de productions scientifiques. Enfin, la fin du projet s’attachera à capitaliser l’ensemble des travaux menés et des résultats obtenus afin que l’ensemble de la méthodologie puisse être dupliquée de manière quasi-opérationnelle dans d’autres villes.

La liste des productions est disponible sur le site web du projet :
cense.ifsttar.fr/le-projet/productions/

La réduction du bruit dans l’environnement, notamment en milieu urbain où l’exposition est la plus importante, est aujourd’hui un enjeu sociétal et économique majeur. Dans ce contexte, la cartographie du bruit est reconnue comme un outil efficace pour évaluer, proposer des plans d’action et communiquer sur les environnements sonores urbains. De nos jours, ces cartes de bruit, établies en général avec une précision spatiale élevée, sont essentiellement élaborées à partir d'un recensement des principales sources de bruit (majoritairement routières), suivi d'une modélisation de la propagation du son. Cette méthode a toutefois des limites bien connues, en particulier en raison d’une connaissance et d’une qualité insuffisante des données d'entrée, mais également du fait de l’utilisation de modèles d’émission et de propagation simplifiés. Par ailleurs, les données de sortie de ces outils prévisionnels, basées sur des indicateurs purement physiques, ne suffisent pas pour décrire la qualité des environnements sonores perçus. À l’inverse, des observatoires du bruit tels que ceux déployés aujourd’hui dans quelques grandes villes, permettent d’accéder localement à l’évolution des niveaux sonores dans le temps, mais au détriment de coûts opérationnels très élevés, limitant le nombre points d’observation à quelques unités.

Compte-tenu des récents développements technologiques et numériques, il semble aujourd’hui possible de combiner ces deux approches, afin de tirer profit de leurs avantages respectifs. Cela constituerait une avancée significative en matière de prévision du bruit dans l’environnement, et ouvrirait de nouvelles perspectives pour améliorer la qualité des environnements sonores urbains.
Ainsi, le projet CENSE vise à améliorer la caractérisation des environnements sonores urbains, en combinant des observations in situ et des estimations numériques des niveaux de bruit. La méthodologie repose sur des techniques d'assimilation de données qui n'ont encore jamais été mises au point dans le contexte de l'acoustique environnementale. Dans le cadre du projet, cette approche est rendue possible grâce au déploiement d'un réseau mixte de capteurs filaires et sans fil à bas coût, connectés à un réseau internet porté par un réseau d’éclairage public (système de type Courant Porteur en Ligne).

En complément du développement d’un système de mesure cohérent avec les besoins des techniques d’assimilation de données, le projet se positionne aussi sur l’amélioration de la qualité des données d'entrée qui sont nécessaires à la modélisation numérique. Deux orientations sont proposées, la première sur l'optimisation et l'amélioration de la qualité des données d'entrée (via des approches SIG), la seconde sur l'estimation de l'incertitude des données de sortie, à partir de celle des données d'entrée (via des approches de propagation d’incertitude). En effet, la notion d’incertitude associée aux données de sortie des modèles de prévision de bruit est actuellement totalement absente, ce qui peut avoir un impact sur le développement de solutions pour réduire les nuisances sonores. Ce point constitue là encore une particularité intéressante du projet CENSE.

En outre, le projet CENSE se propose également de développer une approche originale pour produire des cartes de bruit perceptives, en développant des modèles descriptifs de l’environnement sonore reposant sur des méthodes nouvelles d'identification automatique des sources.

Enfin, parce que la gestion de données géo-localisées est au centre du projet, le développement d'une plateforme d’intégration d’informations géographiques constitue un élément fondamental afin de faciliter l'accessibilité des données dans le cadre du projet, leur réutilisation et leur exploitation pour produire de nouvelles formes de représentation cartographique de l’environnement sonore.

Globalement, que ce soit sur le plan scientifique, sociétale ou économique, le projet ouvre des perspectives ambitieuses et prometteuses.