Écoute opportuniste des vibrations générées par les trains pour l'imagerie du sous-sol et la surveillance des voies ferrées

Les voies ferrées sont sujettes aux aléas géotechniques, tels que les fontis. Les méthodes d’imagerie sismique peuvent aider les gestionnaires d’infrastructures à mieux gérer ce risque. Dans cette thèse, nous développons une méthode d’imagerie de la proche surface à partir d’enregistrements opportunistes des vibrations générées par les trains, en utilisant une antenne dense d’accéléromètres. Nous proposons une méthode d’imagerie adaptée aux vibrations générées par les trains, qui détermine la vitesse de l’onde de cisaillement dans le sous-sol en trois dimensions. Cette méthode repose sur une approximation empirique de la source sismique. Pour éviter cette approximation, nous développons une approche de quantification de la source à partir des données sismiques. Cette inversion non-linéaire reconstruit la trajectoire de chaque essieu du train (la cinématique), et donne également un proxy de la déflexion de la voie causée par le passage d’un essieu. Une fois le train bien caractérisé, on peut simuler les vibrations induites par son passage, qui dépendent beaucoup de petites imperfections de la voie et du véhicule. Les simulations valident les modèles empiriques de source apparente utilisés pour l’imagerie. Finalement, on montre que les antennes utilisées pour l’imagerie peuvent avoir d’autres applications, comme la détection d’éboulements menaçant le trafic ferroviaire.

Institutions

Publication Details

Journal
theses.fr (ABES)
Published
2024-12-03
Primary Topic
Global Maritime and Colonial Histories
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Écoute opportuniste des vibrations générées par les trains pour l'imagerie du sous-sol et la surveillance des voies ferrées

theses.fr (ABES)
Global Maritime and Colonial Histories
article

Écoute opportuniste des vibrations générées par les trains pour l'imagerie du sous-sol et la surveillance des voies ferrées

article en

Abstract

Les voies ferrées sont sujettes aux aléas géotechniques, tels que les fontis. Les méthodes d’imagerie sismique peuvent aider les gestionnaires d’infrastructures à mieux gérer ce risque. Dans cette thèse, nous développons une méthode d’imagerie de la proche surface à partir d’enregistrements opportunistes des vibrations générées par les trains, en utilisant une antenne dense d’accéléromètres. Nous proposons une méthode d’imagerie adaptée aux vibrations générées par les trains, qui détermine la vitesse de l’onde de cisaillement dans le sous-sol en trois dimensions. Cette méthode repose sur une approximation empirique de la source sismique. Pour éviter cette approximation, nous développons une approche de quantification de la source à partir des données sismiques. Cette inversion non-linéaire reconstruit la trajectoire de chaque essieu du train (la cinématique), et donne également un proxy de la déflexion de la voie causée par le passage d’un essieu. Une fois le train bien caractérisé, on peut simuler les vibrations induites par son passage, qui dépendent beaucoup de petites imperfections de la voie et du véhicule. Les simulations valident les modèles empiriques de source apparente utilisés pour l’imagerie. Finalement, on montre que les antennes utilisées pour l’imagerie peuvent avoir d’autres applications, comme la détection d’éboulements menaçant le trafic ferroviaire.

theses.fr (ABES)
Centre de Géosciences (FR)
Sustainable cities and communities
Openalex Percentile: Top 18%
Global Maritime and Colonial Histories
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.