IFPEN œuvre dans le domaine de la qualité de l’air depuis plusieurs années en développant des solutions de mobilité connectée visant à sensibiliser les automobilistes sur l’impact des émissions liées à leur trajet, et en les incitant à adapter leur mode de conduite et/ou mode de déplacement.

Dans ce contexte, des données sur les émissions en usage réel des véhicules ont été recueillies et permettent également de cartographier avec précision les zones d’émissions. L’utilisation de ces données peut permettre une meilleure organisation de l’aménagement urbain ou de mieux anticiper certains épisodes de pollution et donc les mesures préventives à adopter.

Dans ce contexte nous visons dans ce travail à évaluer l’impact des émissions liées au trafic routier sur la qualité de l’air en mettant en œuvre un ensemble d’outils combinant modélisation numérique et data sciences  :

• données d’émissions issues de l’usage réel
• code de dispersion atmosphérique 3D reposant sur l’approche LBM (Lattice Boltzmann Method)
• outils d’analyses de sensibilité et de quantification d’incertitudes

L’étude se composera des actions suivantes :

• Mettre en place des set-ups numériques pour le calcul de CFD 3D à partir de données de bâti à l’échelle d’un quartier
• Contribuer à l’automatisation du workflow entre les données d’émissions générées par des web-services IFPEN et le code de calcul LBM
• Réaliser les simulations de dispersion de polluants utilisant l’ensemble de la chaîne de modélisation mise en place précédemment sur un cloud HPC et évaluer la performance de la solution sur différentes architectures de calcul parallèle (CPU, GPU)
• Mettre en œuvre et adapter les outils d’analyse de sensibilité développés dans un précédent travail de thèse, afin de déterminer les grandeurs d’intérêt et les facteurs d’impact sur la qualité de l’air. Les outils développés permettront de réaliser une évaluation de l’impact de différents scénarios d’aménagement urbain à l’échelle d’un quartier (~km²).

La chaîne de modélisation ainsi développée basée sur la haute résolution spatiale et temporelle des données d’émissions sera confrontée à des mesures de terrain et aux approches classiques utilisant des relevés d’émissions moyennes.

Pas de déplacements à prévoir

Simulation numérique, calcul scientifique, optimisation, Linux, Python…

Master 2 ou école d’ingénieur en informatique, mathématiques appliquées, statistiques

Stage ou projet en simulation numérique et/ou data sciences