Proposition de sujet de thèse 2016

Proposition de sujet de thèse 2016
Titre du sujet proposé : Modélisation 3D-BIM de l’environnement et simulation
numérique : Constructibilité et application à l’étalement urbain
Laboratoire d’accueil :
IRC-ESTP, 28 avenue du Président Wilson - 94234
Cachan Cedex
Direction scientifique :
Omar DOUKARI, Enseignant-Chercheur à l’IRCESTP ([email protected], 01 78 12 30 13)
Rani El Meouche, Enseignant-Chercheur à l’IRCESTP ([email protected], 01 49 08 07
96)
Allocation de recherche :
Type : Bourse Fondation ESTP
Date de début : Septembre 2016
Mots clefs :
BIM,
SIG,
simulation
modélisation 3D
Profil du candidat :
Scientifique : Master Recherche / Ingénieur en
Informatique, Math. Appliquées ou Génie Civil
Connaissance spécifiques :
Solides compétences en programmation : la
maîtrise d’un langage de programmation (C, C++,
Java ou Python) est indispensable
Maitrise des outils de modélisation 3D très
appréciée: Unity 3D, Blinder, SketchUp, ou
JMonkeyEngine
environnementale,
Contexte et objectifs :
Au cours de ces dernières années, les administrations publiques, les villes et les entreprises ont montré
un grand intérêt dans la construction de modèles virtuels de villes en 3D, et ce pour différents usages :
la communication, la gestion des patrimoines urbains, les projets d’urbanismes, d’implantation ou de
simulations (bruit, pollution, changement climatique, inondation, étalement urbain,…), etc. [1, 2].
L’urbanisation et plus particulièrement l’étalement urbain induit des changements souvent
irréversibles. Elle impacte la biodiversité, les écosystèmes et le climat urbain, transforme les paysages,
dégrade les espaces agricoles et naturels qui se réduisent inexorablement [3, 4, 5, 6]. Le suivi et la
maîtrise de l'artificialisation des territoires représentent ainsi un enjeu important pour les collectivités
territoriales qui se trouvent confrontées aux objectifs transversaux du développement durable et à une
demande sociétale pressante en matière d’environnement.
Geographic Information System (GIS)
Building Information Model (BIM)
+
Figure 1 : Couplage GIS & BIM
La modélisation de la ville est à l’intersection de deux domaines : (i) celui de l’architecte qui modélise
un nouveau projet de bâtiment ou d’infrastructure, pour l’insérer dans un site et le construire, et
d’autre part (ii) la personne chargée de modéliser tous les éléments d’un site urbain, y compris les
bâtiments [7]. D’un côté, le monde du BIM (Building Information Modeling) voit les SIG (Système
d’Information Géographique) comme un moyen de concevoir et d’intégrer les données du BIM dans
un environnement spatial, et de l’autre côté, le BIM est considéré comme une source de données
primordiale pour la construction des environnements par les utilisateurs de SIG [8]. A notre
connaissance, il n’existe malheureusement pas, à l’heure actuelle, de normes ni d’outils permettant de
modéliser à la fois les espaces extérieur et intérieur d’un environnement urbain complet en 3D, tout en
gardant la possibilité d’avoir des maquettes numériques sémantiquement riches.
De nombreuses études faisant appel à diverses approches de modélisation et d’outils de simulation
plus ou moins complexes ont été réalisées dans le domaine de l’étalement urbain [8, 9, 10, 11, 12, 13,
14, 15, 16]. Ainsi, une multitude de modèles, présentant des caractéristiques communes ou
spécifiques, a été développée pour reconstruire spatialement les changements d’occupation et d’usage
des sols, en l’occurrence ceux résultant de l’expansion urbaine. Globalement, on peut distinguer deux
grandes familles de modèles d’expansion urbaine : les modèles économiques basés sur l’interaction
usage du sol-transport et les modèles spatiaux, plus précisément les modèles de changements
d’occupation et d’usage des sols. Une autre classification permet de distinguer deux types de modèles
de simulation : process-based versus pattern-based modèles [17]. Parmi les plus connus, on peut citer:
SLEUTH [18], UrbanSim [19], LCM [20, 21], DINAMICA [22], CLUE [23], GEOMOD [24],
MOLAND [25], CURBA [26].
Malgré le degré de maturité de ces recherches qui ont permis d’améliorer considérablement la capacité
prédictive des modèles au cours des dernières décennies, la place de la modélisation dans le processus
de planification et de prise de décision n’en est qu’à ses débuts en raison de plusieurs limites [27].
Parmi tous les modèles dynamiques et spatialement explicites [28], ceux basés sur les automates
cellulaires sont les plus répandus pour leurs applications en milieu urbain [29, 30]. Ceci s’explique
notamment par le caractère spatialement explicite et dynamique des automates cellulaires, et par
l’intégration aisée des classifications issues des données de télédétection dans ces modèles. C’est le
cas du modèle SLEUTH dédié à la simulation dynamique de l’expansion urbaine [29, 31].
Figure 2 : Fonctionnement de SLEUTH 2D
Parmi les points forts de SLEUTH, on peut citer sa capacité à simuler quatre grandes formes
d’expansion urbaine : en continuité de l'urbain existant, par création de nouveaux centres ou foyers
urbains, par diffusion et le long des axes routiers. Cependant, son fonctionnement reste basé sur une
représentation en 2D et une simple répartition binaire de l’espace en deux classes : tache urbaine et
zones non urbanisées. De plus, SLEUTH étant actuellement un des modèles les plus complets
existants, il semble pertinent d’adapter tout particulièrement celui-ci en 3D afin d’affiner encore plus
la simulation de l’expansion urbaine, tout en facilitant le couplage du modèle avec d’autres outils de
simulation, ce qui permettrait des estimations encore plus complètes, en prenant en compte l’îlot de
chaleur urbain, le trafic, la pollution et les besoins énergétiques des bâtiments.
En ayant pris connaissance de ces points, plusieurs étapes se révèlent nécessaires pour aborder au
mieux la modélisation 3D-BIM de l’étalement urbain :
1- Adaptation du modèle SLEUTH 2D pour être facilement utilisé dans une modélisation
incrémentale, et couplé dans un système modulaire.
2- Parcellisation et développement de nouvelles routes : Faire de SLEUTH 2D un modèle 3D réaliste
nécessite le passage d’une tache urbaine homogène à des lotissements et des rues. Pour cela, on
pourrait s’inspirer des travaux réalisés dans [32].
3- Modélisation 3D de l’étalement urbain : Pour ce faire, nous pourrions nous baser sur les nouvelles
technologies utilisées dans le domaine des jeux vidéo (Unity 3D, JMonkeyEngine, etc.) ; des outils
permettant déjà de modéliser et simuler des environnements urbains et comportant donc des
fonctionnalités géométriques et physiques utiles pour ce genre d’application.
4- Développement d’un modèle paramétrique pour la modélisation des bâtiments et l’aménagement
des villes : Cela nécessite l’identification des facteurs régissant l’aménagement des villes et permettant
ainsi de choisir entre plusieurs types de bâtiments : maison détachée, maison en continu, bâtiment
détaché, bâtiment en continu, gratte-ciel, centre ancien, bâtiment industriel, etc. [33].
5- Raffinement du modèle paramétrique en y intégrant des données sur les matériaux des bâtiments,
leur résistance ou leur dégradation au cours du temps par exemple, ou même tout autre facteur
susceptible de modifier la ville ou d’apporter des indices afin de parer à d’éventuelles catastrophes. En
bref, améliorer le modèle SLEUTH 3D en un modèle SLEUTH 3D-BIM.
6- Couplage du modèle SLEUTH 3D-BIM avec d’autres outils de simulation en vue de l’estimation de
l’îlot de chaleur urbain, le trafic, la pollution et les besoins énergétiques des bâtiments.
Les résultats escomptés de cette thèse devraient faciliter, sans perte d’information sémantique,
l’intégration de l’ouvrage (bâtiment ou infrastructure) dans son environnement en vue de pouvoir
effectuer des simulations (pollution de l’air, inondation, étalement urbain, consommation énergétique,
évaluation environnementale,...) plus pertinentes, et intégrer l’ensemble des résultats (résultats de
simulation, plans de secours,...) dans la maquette numérique pour constituer un outil de représentation
3D, de mise en relation et d’aide à la décision à destination des scientifiques et des autorités en charge
de la prévention des risques par l’aménagement urbain et la gestion de crise.
Références bibliographiques :
[1] Stoter J., Kluijver H., Kurakula V. (2008). 3D Noise Mapping in Urban Areas. International
Journal of Geographical Information Science, Vol. 22, No. 8, s.907–924, 2008, Elsevier
[2] Masson V. et al. (2014). Adapting cities to climate change: a systemic modelling approach. Urban
Climate, 10, 407-429, 2014
[3] McKinney M.-L. (2002). Urbanization, biodiversity, and conservation. Bioscience, vol. 52, p. 883890.
[4] Aguejdad R. (2009). Etalement urbain et évaluation de son impact sur la biodiversité, de la
reconstitution des trajectoires à la modélisation prospective. Application à une agglomération de taille
moyenne : Rennes Métropole. Thèse en géographie, Université Rennes 2 Haute-Bretagne,
http://tel.archives-ouvertes.fr/tel-00553665/
[5] Jenerette G.-D., Poterie D. (2010). Global analysis and simulation of land-use change associated
with urbanization. Landscape Ecology, vol. 25, p. 657-670.
[6] Seto K.-C., Güneralp B., Hutyra L.-R. (2012). Global forecast or urban expansion to 2030 and
direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences of
the USA, vol. 109, n° 40, p. 16083–16088.
[7] Ferriès B., Léglise M. (2006). Frictions between heterogeneous worlds. 3rd International
Conference on Virtual City and Territory, Bilbao, Spain, 2006
[8] MAO S., et al. (2015). Modélisation 3D BIM multi-échelle d’un projet BTP Tunnel. SAGEO
Tunisie, 2015
[9] Agarwal C., Green G.-L., Grove M., Evans T., Schweik C. (2000). A review and assessment of
landuse change models: Dynamics of space, time and human choice. General Technical Report NE297, U.S. Department of Agriculture, Forest Service, Northeastern Research Station, 67 p.
[10] Torrens P.-M., O’Sullivan D. (2001). Cellular automata and urban simulation: where do we go
from here? Environment and Planning, vol. 28, p. 163-168.
[11] Allen J., Lu K. (2003). Modeling and prediction of future urban growth in the Charleston region
of South Carolina: A GIS-based integrated approach. Conservation Ecology, n° 8, p. 1-20.
[12] Cheng J., Masser I. (2003). Urban growth pattern modeling: a case study of Wuhan city, PR
China. Landscape and Urban Planning, vol. 62, n° 4, p. 199-217.
[13] Wilson E.-H., Hurd J.-D., Civco D.-L., Prisloe M.-P., Arnold C. (2003). Development of a
geospatial model to quantify, describe and map urban growth", Remote Sensing of Environment, vol.
86, n° 3, p. 275-285.
[14] Sudhira H.-S., Ramachandra T.-V., Jagadish K.-S. (2004). Urban sprawl: metrics, dynamics and
modelling using GIS. International Journal of Applied Earth Observation and Geoinformation, vol. 5,
p. 29-39.
[15] Verburg P.-H. (2006). Simulating feedback in land use and land cover change models. Landscape
Ecology, vol. 21, n° 8, p. 1171-1183.
[16] Haase D., Schwarz N. (2009). Simulation Models on Human–Nature Interactions in Urban
Landscapes: A Review Including Spatial Economics, System Dynamics, Cellular Automata and
Agent-based Approaches. Living Reviews in Landscape Research, vol. 3, n° 2,
http://www.livingreviews.org/lrlr-2009-2
[17] Houet T. (2015). Usages des modèles spatiaux pour la prospective. Revue Internationale de
Géomatique, vol. 25, n° 1, p. 123-143.
[18] Clarke K.-C., Gaydos L. (1998). Long term urban growth prediction using a cellular automaton
model and GIS: Applications in San Francisco and Washington/Baltimore. International Journal of
Geographical Information Science, vol. 12, n° 7, p. 699-714.
[19] Waddell P., Borning A., Noth M., Freier N., Becke M., Ulfarsson G. (2003). Microsimulation of
Urban Development and Location Choices: Design and Implementation of UrbanSim. Networks and
Spatial Economics, vol. 3, n° 1, p. 43-67.
[20] Aguejdad R., Houet T. (2008). Modeling of urban sprawl using the Land Change Modeler on a
French metropolitan area (Rennes): foresee the unpredictable, International Symposium “Spatial
landscape Modelling: from dynamic approaches to functionals evaluations”, Toulouse, 3-5 June 2008.
[21] Mas J.-F., Kolb M., Paegelow M., Camacho Olmedo M.-T, Houet T. (2014). Inductive patternbased land use/cover change models: A comparison of four software packages. Environmental
Modelling and Software, vol. 51, p. 94-111.
[22] Mas F., Kolb M., Houet T., Paegelow M., Camacho Olmedo M.-T. (2011). Éclairer le choix des
outils de simulation des changements des modes d’occupation et d’usages des sols. Une approche
comparative. Revue Internationale de Géomatique, p. 405-430.
[23] Verburg P.H., Overmars K.P. (2009). Combining top-down and bottom-up dynamics in land use
modeling: exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model.
Landscape Ecology, vol. 24, n° 9, p. 1167-1118.
[24] Pontius Jr R.-G., Cornell J., Hall C. (2001). Modeling the spatial pattern of land-use change with
Geomod2: application and validation for Costa Rica. Agriculture, Ecosystems and Environment, vol.
85, n° 1-3, p.191-203.
[25] Chéry J.-P., Buyck J., Jarrige F. (2010). Report on enhanced planning strategies and decision
making for urban fringes including scenarios for future land use development: Montpellier Case study,
http://cemadoc.irstea.fr/cemoa/PUB00038345
[26] Landis J.-D., Monzon J.-P., Reilly M., Cogan C. (1998). Development and Pilot Application of
the California Urban and Biodiver sity Analysis (CURBA) Model, the 1998 ESRI International User
Conference, October 7, http://www.escholarship.org/uc/item/5713p6g6#page-2
[27] Brits A., Burke M., Li T. (2014). Improved modelling for urban sustainability assessment and
strategic planning: local government planner and modeller perspectives on the key challenges.
Australian Planner, vol. 51, n° 1, p. 76-86.
[28] Aguejdad R., Doukari O., Avener P., Houet T., Viguié V. (2015). Modélisation prospective de
l’étalement urbain : apports et limites de trois modèles de spatialisation (SLEUTH, LCM et NEDUM2D). Cybergeo, accepté.
[29] Clarke K.-C. (2008). A Decade of Cellular Urban Modeling with SLEUTH: Unresolved Issues
and Problems. Chapter 3 in Planning Support Systems for Cities and Regions. Cambridge, MA, Brail
R.K. (ed), Lincoln Institute of Land Policy, p. 47-60.
[30] Santé I., García A.M., Miranda D., Crecente R. (2010). Cellular automata models for the
simulation of real-world urban processes: A review and analysis. Landscape and Urban Planning, vol.
96, No. 2, 108–122.
[31] Candau J. (2002). Temporal calibration sensitivity of the SLEUTH urban growth model. Master’s
thesis, Department of Geography, University of California, Santa Barbara, CA.
[32] Dahal K.J., Chow T.E. (2014). A GIS toolset for automated partitioning of urban lands.
Environmental Modelling and Software, vol. 55, 222 -234.
[33] Bonhomme M. (2012). GENIUS: A tool for classifying and modelling evolution of urban
typologies. Actes de la 28ème conférence PLEA, du 7 au 9 novembre 2012 à Lima (Pérou).