La quasi-totalité des études sur l’exposition au bruit des cyclistes utilise uniquement un niveau sonore équivalent pondéré qui donne une valeur moyenne d’exposition sur une durée déterminée (LAeq,1sec, LAeq,30sec ou LAeq,1min). D’autres indicateurs permettraient de décrire l’exposition au bruit dans toute sa complexité : indic...
La quasi-totalité des études sur l’exposition au bruit des cyclistes utilise uniquement un niveau sonore équivalent pondéré qui donne une valeur moyenne d’exposition sur une durée déterminée (LAeq,1sec, LAeq,30sec ou LAeq,1min). D’autres indicateurs permettraient de décrire l’exposition au bruit dans toute sa complexité : indicateurs statistiques, évènementiels et dynamiques, analyse de la nature spectrale et temporelle du signal acoustique. Aussi une multitude de méthodes sont utilisées pour construire des cartes d’exposition relative au bruit (régression linéaire, modèles généralisés additifs, algorithmes d’apprentissage automatique comme les forêts aléatoires, XGBoost et LightGBM). De nouvelles approches comme les réseaux neuronaux sur un graphe semblent aussi prometteuses.
L’objectif général de mon projet de maîtrise est de développer une méthodologie rigoureuse pour évaluer l’exposition au bruit des cyclistes dans une ville donnée avec des vélos instrumentés de sonomètres et de GPS et pour produire des cartes d’exposition pour l’ensemble d’une ville. Plus spécifiquement, il s’agira de :
- Identifier les indicateurs acoustiques pertinents pour décrire l’exposition au bruit routier dans toute sa complexité.
- Réaliser une collecte de données extensive à vélo avec plusieurs personnes participantes à Montréal ou à Sherbrooke.
- Construire des cartes d’exposition au bruit pour l’ensemble de la ville à l’étude à partir de modèles prédictifs d’apprentissage automatique (XGBoost, LightGBM ou autres).
