Vents urbains prédits par machine learning
Grâce à l’intelligence artificielle, les scientifiques peuvent modéliser facilement et rapidement la trajectoire des vents dans les villes.
Mesure du vent à différentes altitudes: le campus de l’EPFL, modèle de canyon urbain. | Image: Dasaraden Mauree, EPFL
Au même titre que les structures naturelles, les villes influencent la trajectoire et la vitesse des vents. Ce sujet n’est pas sans importance pratique: la bise hivernale augmente la consommation énergétique des bâtiments et, lors de canicules estivales, la circulation de l’air est cruciale pour notre confort thermique. Hauteur des bâtiments, largeur des rues, disposition des arbres et du mobilier urbain… si l’on parvenait à optimiser l’interaction de ces éléments avec les vents, nos villes pourraient devenir plus écologiques et plus agréables à vivre.
A l’EPFL, l’équipe du physicien en bâtiment Jean-Louis Scartezzini développe une nouvelle manière de prédire la course des vents dans un canyon urbain – une rue où s’alignent de chaque côté des bâtiments de plusieurs étages. A cette fin, les chercheurs ont mesuré les vents à des hauteurs différentes pendant une année dans une rue du campus de l’EPFL.
Ces mesures ont permis de nourrir un modèle d’intelligence artificielle. Ainsi les scientifiques ont pu modéliser les courants d’air plus facilement et plus rapidement. «Les modèles traditionnels requièrent une représentation précise de l’environnement et une puissance de calcul élevée, explique le premier auteur de l’étude, Dasaraden Mauree. Notre système ne nécessite pas ces informations. Il lui faut moins d’une heure sur un simple ordinateur portable pour simuler une année de vents dans une rue.»
Cette nouvelle approche n’a pas encore tout à fait la précision des modèles traditionnels, mais les résultats se révéleraient déjà encourageants.
La prochaine étape résidera dans l’exploitation de données relevées en ville de Bâle afin d’ajuster le modèle et de le généraliser.
