Mehdi Katranji

PhD student

Désagrégation, complétude et fusion de données hétérogènes, multi-sources et multimodales pour l’aide à la décision en aménagement urbain et en service de mobilité

Mehdi Katranji sous la direction de Alexandre Caminada et Laurent Moalic

Résumé

L’objectif de la thèse est de proposer, de développer, de tester et de comparer des méthodes de traitement de données pour mieux modéliser, simuler et comprendre la mobilité des personnes en vue de fournir des éléments d’aide à la décision aux décideurs publics et privés de l’aménagement du territoire et des infrastructures et services de transport. Ces objectifs sont stratégiques à moyen terme dans la perspective de déploiement d’AGV en espace ouvert sous contrôle partiel ou total de machines et de logiciels.

Dans le souci de tenter de fournir des informations en plus grand nombre et plus précises, à un coût maîtrisé, tous les acteurs du sujet sont attentifs aux nouvelles sources d’informations offertes par les technologies numériques de communications avec les récepteurs mobiles tels que les informations de positionnement par satellite ou par antennes terrestres hertziennes et cellulaires. Certes ces données issues de nouveaux marqueurs technologiques sont aujourd’hui très nombreuses, mais leur exploitation posent de très nombreux nouveaux problèmes d’interprétation qui font que leur intégration aux pratiques actuelles par enquêtes et compteurs n’est pas directe et demande de nouveaux apports scientifiques et méthodologiques.
Le travail porte sur la conception et le développement de procédés intégrant des outils mathématiques et informatiques pour répondre aux verrous scientifiques de désagrégation spatiale et temporelle des données, de mise en complétude des données et de fusion des données. Du fait de la stochasticité des comportements, on portera une attention particulière aux outils de l’apprentissage ou learning systems afin de mettre en place des procédés de découverte de comportement et pas seulement de description de comportement. Le passage à des modèles statistiques connues, probablement non linéaires, pourra faire l’objet d’une étude à part entière afin de décrire au moins partiellement les comportements.
Une illustration des propositions et de leur pertinence sera montrée à travers le développement informatique d’une application concrète d’aide à la décision comme par exemple pour le dimensionnement d’une offre de service d’auto-partage ou de pilotage d’AGV.

Staff Information
Campus Address
VEDECOM 77 Rue des Chantiers, 78000 Versailles
Stay in Touch