Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

18 décembre 2020

Beamalytics: analyse et visualisation de données massives en acoustique environnementale


Catégorie : Stagiaire


Beamalytics: analyse et visualisation de données massives en acoustique environnementale

Offre de stage au LS2N

 

Date début : 01 Mars 2021

Date fin : 01 Septembre 2021

Laboratoire: LS2N

Encadrants :

V. Lostanlen CR CNRS LS2N (https://www.lostanlen.com)

M. Lagrange CR CNRS LS2N (https://mathieulagrange.github.io)

P. Aumond CR Univ. Eiffel

Rémunération par gratification au tarif standard ~500 euros

Contact : mathieu.lagrange@ls2n.fr

Un nombre croissant de citadins souffre de nuisances sonores.

Or, contrairement à la pollution chimique, la pollution sonore varie drastiquement dans le temps (quelques minutes) et dans l’espace (quelques dizaines de mètres). Dans ce contexte, le déploiement d’un réseau de capteurs acoustiques permet d’évaluer quantitativement le niveau de bruit en différents points de mesure. Une telle évaluation encourage la mise en œuvre de politiques ciblées afin de lutter contre la gêne liée au bruit. Néanmoins, la masse de données ainsi collectées réclame le développement de nouvelles méthodes en sciences de l’information, relatives notamment à l’apprentissage statistique non supervisé (unsupervised learning).

L’objectif central du projet Beamalytics est de produire une visualisation riche et dynamique des sources de pollution sonore urbaine. L’idée-clé consiste à calculer, pour chaque capteur et à intervalles réguliers, un indicateur acoustique multidimensionnel, comprenant par exemple des termes d’intensité, de rugosité (roughness), d’acuité (sharpness), et de contraste spectrotemporal (TFSD). Sur la base d’une analyse bibliographique, il s’agira d’identifier les dimensions qui corrèlent le plus avec la gêne perçue, au moyen d’un modèle de régression. Dans un deuxième temps, les dimensions résiduelles de l’indicateur, dont la variance n’est pas expliquée par la gêne perçue, pourront être projetées sur un espace de dimension deux à l’aide d’une analyse en composantes principales (PCA). Enfin, on assignera chaque scène sonore une couleur au moyen d’un système de coordonnées coniques teinte-chroma-valeur, dans lequel la valeur (clair/foncé) représente la gêne sonore prédite tandis que la saturation (pâle/coloré) représente l’excentricité statistique de l’échantillon considéré.

Le/la stagiaire sera invité à démontrer l’applicabilité de son modèle sur des données acoustiques réelles recueillies dans la ville de Lorient dans le cadre du projet CENSE (Caractérisation des environnements sonores urbains).

 

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.