Le présent travail de recherche s'inscrit dans le cadre de la caractérisation de l'émission de bruit des véhicules routiers. On désire identifier les sources de bruit d'un véhicule en mouvement, lors de son passage sur une voie de circulation en conditions réelles, à partir de mesures acoustiques effectuées à poste fixe en bord de voie. Les méthodes d'imagerie acoustique utilisées actuellement présentent des performances insuffisantes sur véhicules routiers. Un état de l'art a permis d’identifier une méthode existante, MSA-PSF, consistant à effectuer sous certaines hypothèses une déconvolution sur sources mobiles dans le domaine fréquentiel, et originellement utilisée en aéronautique. Cette méthode est ici adaptée au contexte des véhicules routiers. Dans un deuxième temps, une approche originale est introduite pour répondre spécifiquement aux contraintes de ce contexte : CLEANT. Il s’agit d’une méthode itérative, dans le domaine temporel avec une approche large bande, qui prend en compte les effets du déplacement des sources et qui comporte deux paramètres permettant d’affiner les résultats : le facteur de boucle et le critère d’arrêt. Une version filtrée en fréquence est également proposée et montre une amélioration de l’identification de sources secondaires dans certains cas. CLEANT présente l’avantage d’obtenir des signaux-sources temporels reconstruits, ouvrant la voie à d’autres analyses, en particulier l’utilisation de la cohérence avec des signaux issus de mesures embarquées pour la séparation des contributions de sources décorrélées. MSA-PSF et CLEANT sont évaluées sur des simulations numériques à l'aide d'indicateurs mesurant leurs performances sur les aspects localisation et quantification de sources. Elles sont par la suite testées expérimentalement en conditions contrôlées de laboratoire, par l'utilisation d'une source mobile. Cette expérience permet une première application à un cas pratique, impliquant un mouvement linéaire, la présence de deux sources simultanées et des signaux de différentes natures (tonale et large bande). Enfin, elles sont comparées à l’approche classique de formation de voies sur source mobile, dans le cadre d’une expérience avec véhicule en conditions réelles. L'approche originale CLEANT fournit des résultats très encourageants, représentant une amélioration de la formation de voies classique, notamment en basse fréquence sur les cas testés. L'application à un véhicule en conditions réelles illustre certains comportements potentiellement problématiques de CLEANT et les solutions apportées par sa version filtrée en fréquence ou par l'ajustement de ses différents paramètres. Un premier test des approches par référencement avec des signaux issus de mesures embarquées est également présenté pour discriminer l'origine physique des sources, et souligne l'incidence de la brièveté des signaux inhérente au contexte de sources au passage. / The study detailed in this manuscript is part of the effort to characterize the noise emission from road vehicles. We wish to identify the noise sources of a moving vehicle, when driven on a roadway in real-world conditions, with roadside acoustic measurements. The current acoustic imaging methods do not provide sufficient performance on road vehicles. A state of the art led to the selection of an existing method, MSA-PSF, which consists in deconvolving signals from mobile sources in the frequency domain under certain assumptions, and was originally developed for aeroacoustics. This method is adapted here to the context of road vehicles. Then, an original approach is proposed in order to tackle the specific constraints of this context: CLEANT. This is an iterative method, performed in time domain with a wideband approach, which takes into account the effect of sources motion and includes two parameters designed to refine the result: the loop factor and the stopping criterium. A further version of the algorithm, including a frequency filter, is also proposed and shows significant improvement in identifying secondary sources in some particular cases. An interesting point of CLEANT is the availability of the sources reconstructed time signals, which enables other types of analysis, especially the use of the coherence with signals from on-board measurements in order to separate the contributions of uncorrelated sources. MSA-PSF and CLEANT are evaluated with numerical simulations and a set of indicators to measure their source localization and quantification performance. They are then tested in a controlled laboratory conditions experiment, using a moving source. This experiment represents a first application of the methods to a practical case, involving a linear motion, two simultaneous sources and different kinds of signals (tone and wideband). They are finally compared to the classical approach of moving source beamforming, within the frame of an experiment on a road vehicle, in real-world conditions. The original approach CLEANT yields very encouraging results, and is a clear improvement from the conventional beamforming, especially at low frequency for the tested cases. Applying it to a road vehicle in real-world conditions highlights a potentially troublesome behavior of the method, and the solution brought by CLEANT's frequency filtered version, or by adapting its various parameters. The coherence with reference signals to discriminate the physical origins of the sources is also tested and underlines the role of the short duration of the signals related to the sources passing-by context.

Le bruit affecte la santé humaine, provoquant de la gêne, des troubles du sommeil et augmentant le risque de crise cardiaque. Les quantifications de l’impact du bruit montrent que c’est un problème de santé publique et que le trafic routier en est majoritairement responsable. L’analyse du cycle de vie (ACV) est une méthode d’évaluation globale des impacts environnementaux d’un produit, d’un service ou d’un processus. Malgré la prise en compte de nombreux problèmes environnementaux, l’impact du bruit sur la santé humaine n’est pas encore correctement pris en compte dans l’ACV. L’objet de ce doctorat est d’intégrer dans l’ACV l’impact du bruit du trafic routier sur la santé humaine.Les différents éléments d’acoustique et d’épidémiologie qui permettent cette intégration sont présentés. Une analyse des méthodes existantes est conduite en les appliquant à un cas d’étude. Cela permet de comprendre les avantages et inconvénients des différentes approches tout en comparant les résultats qu’elles fournissent. Une méthode pour intégrer l’impact du bruit du trafic routier sur la santé humaine dans l’ACV est ensuite proposée. Cette méthode repose sur les logiciels de prédiction acoustique et les données rendues disponibles par la directive 2002/49/CE. Elle permet d’établir, avec une grande précision, des facteurs de caractérisations (CFs) reliant des flux élémentaires de l’inventaire ACV à un impact sur la santé humaine.La méthode est ensuite appliquée sur un échantillon de petites zones géographiques sélectionnées dans la région lyonnaise. L’application de la méthode et l’analyse des résultats apportent de nombreux enseignements sur l’existence potentielle d’une typologie pour la différentiation géographique, la meilleure forme pour la collecte d’information sur le bruit au niveau de l’inventaire ACV, la variabilité spatiale des CFs ou encore l’incertitude qui peut leur être associée. Les CFs obtenus montrent que l’intégration de l’impact du bruit en ACV pourrait doubler l’impact du transport routier sur la santé humaine. Ce doctorat identifie également des pistes de recherche. Des travaux similaires doivent être menés pour les autres moyens de transport (principalement trains et avions) pour permettre une comparaison équitable des études ACV les impliquant. Répéter la méthode dans d’autres zones géographiques, avec d’autres modèles d’émission et de propagation acoustique et/ou d’autres logiciels de propagation acoustique apporterait également des éléments intéressants. / Noise affects human health, causing annoyance, sleep disturbance and increasing the risk of cardiovascular disease. The quantification of noise impacts highlights it as a public health problem for which road traffic is mainly responsible. Life cycle assessment (LCA) is a technique to assess the environmental impacts of a product, a service or a process. Despite taking into account many environmental problems, the impact of noise on human health is not yet properly taken into account in LCA. The aim of this PhD thesis is to integrate the impact of traffic noise on human health in the LCA framework.The scientific elements of acoustics and epidemiology that allow this integration are presented. An analysis of the existing methods is conducted by applying them to a case study. This helps to understand the advantages and drawbacks of the different approaches while comparing the results they provide. A method to integrate the impact of road traffic noise on human health in the LCA framework is then proposed. The method is based on noise prediction software and data made available by the Directive 2002/49/EC. This makes it possible to establish, with great precision, characterisation factors (CFs) connecting elementary flows of the LCA inventory with an impact on human health.The method is then applied to a sample of small geographic areas selected in the region surrounding the city of Lyon (France). The application of the method and the analysis of the results provides a multitude of information regarding the potential existence of a typology for spatial differentiation, the best form for the collection of noise information at the LCA inventory level, the spatial variability of the CFs and the uncertainties that may be associated with them. The CFs obtained show that integrating the impact of noise into LCA could double the impact of road transport on human health. This PhD thesis also identifies further potential research topics. Similar work needs to be done for other transport modes (mainly trains and airplanes) to allow for a fair comparison of different transport modes in LCA studies. Repeating this method in other geographical areas with other acoustic emission and propagation models and/or other noise prediction software would also help the generalisation of this work and the assessment of possible sources of uncertainties.

Pour limiter la pollution sonore et répondre aux exigences des clients, le secteur automobile est contraint pour la prochaine décennie à diminuer drastiquement les émissions sonores de ses véhicules. Le Groupe Moto Propulseur (GMP) constitue l’une des principales sources de bruit et les solutions palliatives couteuses ne permettront plus à terme le passage des normes acoustiques. L’optimisation du comportement vibro-acoustique de telles structures par un travail détaillé de la conception reste le meilleur levier. Dans ce contexte, les ingénieurs sont à la recherche de méthodes expérimentales d’identification et de caractérisation de sources acoustiques particulièrement efficaces et pertinentes. En ce sens, la principale attente est la reconstruction précise des champs acoustiques sur des structures à géométrie complexe en présence d’un environnement industriel contraignant et non contrôlé. Dans la continuité de la méthode u-iPTF (inverse Patch Transfer Functions) précédemment développée, la première partie de ce travail de doctorat s’est attachée à uniformiser le principe du volume acoustique virtuel sur lequel elle repose afin de proposer la formulation d’une méthode alternative, dénommée m-iPTF, dont le principe théorique permet de répondre intégralement au cahier des charges du partenaire industriel. En effet, contrairement à la méthode u-iPTF, la méthode m-iPTF s’affranchit de la mesure des vitesses de particules d’air, encore peu robuste et coûteuse, et utilise uniquement des pressions acoustiques. Une première étude numérique a cadré le domaine de validité et de mise en application de la méthode. Elle a été suivie par trois campagnes expérimentales de complexité croissante dont une application en conditions industrielles standards, celle d’un GMP complet fonctionnant sur banc moteur. L’ensemble de ces études a permis de démontrer l’adéquation de la méthode à un milieu industriel et d’illustrer toutes les potentialités offertes par la reconstruction 3D de champs pariétaux pour l’optimisation de structures complexes (discrimination et hiérarchisation de sources, corrélation et couplage à la simulation numérique...). / To limit the sound pollution and to meet customer requirements, the automotive sector is constrained for the next decade to drastically reduce the noise emissions of its vehicles. The powertrain is one of the main sources of noise and expensive workaround will not be sufficient in the future to meet acoustic standards. The optimization of the vibro-acoustic behavior of such structures by a detailed design work remains the best way. In this context, engineers are looking for an efficient and relevant experimental noise source identification and characterization method. In this sense, the main expectation is the precise reconstruction of all the acoustic source fields on geometrically complex structures and in the presence of a restrictive and uncontrolled industrial environment. In the continuity of the u-iPTF method (inverse Patch Transfer Functions) previously developed, the first part of this PhD work was to standardize the principle of the virtual acoustic volume on which it relies and to propose the development of an alternative method, called m-iPTF, whose theoretical principle allows reaching all the specifications of the industrial partner. Indeed, contrary to the u-IPTF method, the m-iPTF method overcomes the measurement of air particles velocity, expensive and not yet robust, and uses acoustic pressure only. A first numerical study framed the scope of validity and application of the method. It was followed by three experimental campaigns of increasing complexity with a final application in industrial standard conditions, i.e. a powertrain running on a test bench. All these studies have demonstrated the suitability of the method in an industrial environment and illustrated the potential of the 3D reconstruction of parietal fields for the optimization of complex structures (discrimination and ranking of noise sources, correlation and coupling with numerical simulations...).