STAGE RECHERCHE - LABORATOIRE LINEACT (H-F) CESI

Reconstruction de matrices Origine-Destination à partir de données ouvertes de vélo-partage

Domaines scientifiques : informatique, mathématique, géomatique

Mots clés : vélo-partage, données ouvertes, matrice Origine-Destination, méthode inférentielle

Encadrement

Encadrant (s) :

Gaël PALLARES, Enseignant Chercheur (encadrant principal)

Myriam FOUCRAS, Enseignant Chercheur

Travaux de Recherche

Sujet stage résumé

Dans un contexte de changement climatique et de diminution de ressources naturelles, il devient vital d'optimiser les transports existants et de développer l'usage de modes écologiquement plus vertueux. Or la conception et la gestion d'un réseau de transport nécessite une connaissance fine de la demande obtenue généralement par l'estimation de matrices Origine/Destination (mOD) issues de données d'enquêtes coûteuses et chronophages. Le déploiement d'outils numériques permet l'acquisition automatique de données en temps réel et leur analyse apparait comme une alternative pour cette évaluation. L'objet de ce stage est de reconstruire les matrices Origine-Destination de vélo-partage à partir de données ouvertes afin de caractériser les flux spatio-temporels de mobilité vélo et ainsi de mieux en comprendre son usage.

Projet de stage

Contexte scientifique Ce stage s'inscrit dans le cadre du programme MobE porté par CESI. Ce programme vise à comprendre et optimiser la mobilité du public étudiant en faveur des économies d'énergie et à engager les établissements d'enseignement supérieur dans une transformation de la mobilité du public étudiant via une approche intégrée d'analyse, d'apports méthodologiques et de diffusion large auprès des étudiants et des établissements d'enseignement supérieur.

Nous cherchons à réduire l'empreinte carbone des déplacements étudiants tout en proposant des alternatives efficientes basés notamment sur la mobilité douce (marche, vélo, trottinette…) mais aussi tout moyen de mobilité, collectif ou individuel, contribuant à une baisse des émissions de CO2 (tel que les transports en commun ou le covoiturage).

Le Programme s'articule autour des axes suivants :

- Analyser et comprendre les leviers motivationnels de mobilité des étudiants puis imaginer les mobilités de demain de manière participative avec plus de 5 000 étudiants - Organiser des évènements de proximité sur le sujet de la mobilité dans les établissements d'enseignement supérieur avec des actions de terrain telles que la mise en place d'une communication adaptée au public jeune, de challenges de la mobilité, des challenges des ambassadeurs de mobilité.

- Accompagner la démarche d'établissements d'enseignement supérieur dans l'optimisation des mobilités étudiantes : 20 établissements impliqués directement pour établir leur diagnostic et 4 à 6 pilotes pour engager des plans de mobilité campus à l'aide des données et outils numériques.

- Pérenniser l'engagement des établissements d'enseignement supérieur dans la démarche de mobilité économe des étudiants en mettant à disposition l'ensemble de la synthèse, des analyses ainsi que des outils méthodologiques.

Sujet de stage

La densification démographique des villes entraîne un accroissement des besoins en mobilité urbaine et avec lui l'aggravation de divers problèmes sous-jacents notamment énergétiques et écologiques. Dans un contexte de taille finie d'espace et de ressources, il devient vital d'une part d'optimiser les transports existants, et d'autre part de développer l'usage de modes plus vertueux écologiquement (Gallo and Marinelli, 2020). Or la conception et la gestion d'un réseau de transport nécessite une connaissance fine de la demande obtenue traditionnellement par l'estimation de matrices Origine/Destination (mOD) issues de données d'enquêtes (Zalewski et al, 2019). Le déploiement massif d'outils numériques permet l'acquisition automatique de données en temps réel et leur analyse apparait comme une alternative pour la reconstruction (Hussain et al, 2021).

L'objet de ce stage est ainsi de reconstruire les matrices Origine-Destination de vélo-partage, à partir de données ouvertes multi-villes, afin de caractériser les flux spatio-temporels de mobilité (Chen et al, 2017 ; Schneble and Kauermann, 2022). Les résultats seront analysés au regard des types de zones d'occupation (résidentiel, commerces, écoles/universités, …), du réseau de transport (routes, aménagement cyclable, …) et de la météo. Une attention particulière sera portée au public étudiant pour lequel un contexte socio-économique et des contraintes de temps sont propres.

Antériorité du sujet dans le laboratoire

La problématique de « reconstruction de matrice Origine-Destination » est un sujet actif au laboratoire. Une thèse de doctorat est actuellement en cours et, suite à une étude bibliographique approfondie, il est apparu que l'incertitude dans la reconstruction des mOD est difficilement considérée. La thèse s'attache aujourd'hui à mieux prendre en compte la dispersion dans la reconstruction par l'utilisation d'outils novateurs comme l'arithmétique des intervalles. Parallèlement à ces travaux, CESI est en partenariat avec un gestionnaire de transports et un laboratoire public pour améliorer les outils d'évaluation des mOD par différentes approches que sont les méthodes inférentielles « enrichies » ou l'Intelligence Artificielle (IA).

Programme de travail

Mois 1 : Bibliographie et définition du plan d'actions

Mois 2-5 : collecte, nettoyage et analyse de données

Mois 6 : Visualisations et présentations écrite (rapport) et orale

Production scientifique/technique attendue

Les livrables attendus sont :

- le rapport de stage incluant le modèle de reconstruction explicité

- le code de programmation Python associé

- les données obtenues (matrices Origine/Destination)

Au-delà de l'évaluation de la sollicitation du réseau, ce travail sera une brique supplémentaire dans la compréhension des leviers et freins à l'usage du deux-roues notamment chez les étudiants (Torrisi et al, 2021). Par ailleurs, elle pourra être intégrée comme donnée d'entrée à des outils de simulations visant à décrire et à prédire la dynamique des flux de mobilité (Hörl and Balac, 2021). Elle sera également utile comme jeu de données terrain pour l'étude des problèmes d'optimisation de rééquilibrage de la flotte de vélos en recherche opérationnelle (Schuijbroek et al., 2017) et permettra une description plus fine des déplacements par affectation de poids en théorie des graphes (Yang et al., 2020). Suivant l'état d'avancement du stage et des résultats obtenus, une valorisation de la production scientifique est envisagée.

Contexte

Présentation du laboratoire

CESI LINEACT (UR 7527), Laboratoire d'Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l'industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l'entreprise et en partenariat avec elles. Une approche centrée sur l'humain et couplée à l'utilisation des technologies, ainsi que le maillage territorial et les liens avec la formation, ont permis de construire une recherche transversale ; elle met l'humain, ses besoins et ses usages, au centre de ses problématiques et aborde l'angle technologique au travers de ces apports.

Sa recherche est organisée selon deux équipes scientifiques interdisciplinaires et deux domaines applicatifs.

- L'équipe 1 "Apprendre et Innover" relève principalement des Sciences cognitives, Sciences sociales et Sciences de gestion, Sciences et techniques de la formation et celles de l'innovation. Les principaux objectifs scientifiques visés sont la compréhension des effets de l'environnement, et plus particulièrement des situations instrumentées par des objets techniques (plateformes, ateliers de prototypage, systèmes immersifs...) sur les processus d'apprentissage, de créativité et d'innovation.

- L'équipe 2 "Ingénierie et Outils Numériques" relève principalement des Sciences du Numérique et de l'Ingénierie. Les principaux objectifs scientifiques portent sur la modélisation, la simulation, l'optimisation et l'analyse de données de systèmes cyber physiques. Les travaux de recherche portent également sur les outils d'aide à la décision associés et sur l'étude des interactions humains-systèmes notamment à travers les jumeaux numériques couplés à des environnements virtuels ou augmentés.

Ces deux équipes développent et croisent leurs recherches dans les deux domaines applicatifs de l'Industrie du Futur et de la Ville du Futur, soutenues par des plateformes de recherche, principalement celle de Rouen dédiée à l'Usine du Futur et celles de Nanterre dédiée à l'Usine et au Bâtiment du Futur.

Positionnement dans les thématiques de recherche du laboratoire

Le sujet de stage proposé questionne les problématiques de mobilités partagées et sa finalité est essentiellement à visée applicative. Ce travail est dans la continuité des activités de recherches antérieures du laboratoire LINEACT - axe de recherche Gestion des systèmes de transports multimodaux, sous axe : Mobilité partagée de l'équipe 2 Ingénierie et outils numériques.

Organisation de la thèse/stage

Financement : Programme MobE

Lieu de travail : CESI, campus de Montpellier

Date de démarrage : février 2024

Durée : 5-6 mois

Votre Recrutement

Ses Modalités : sur dossier et entretien.

Merci d'adresser votre candidature à [email protected] avec pour objet de mail :

« [Candidature] Stage_mOD-BSS »

Votre candidature devra comporter :

- un Curriculum-Vitae détaillé du candidat. En cas de rupture dans le cursus universitaire, merci de donner une explication ;

- une lettre de motivation explicitant ses motivations à poursuivre une thèse de doctorat ;

- les résultats du master 1 et 2 (en cours) et les bulletins de notes correspondant ;

- toute autre pièce que vous jugerez utile.

Merci de transmettre l'ensemble des documents au sein d'un fichier zip intitulé NOM prénom.zip.

Vos compétences :

Compétences scientifiques et techniques :

- solides connaissances en mathématiques et analyses statistiques

- bonnes connaissances en traitement de données

- maitrise du logiciel Python

Compétences relationnelles :

- être autonome, avoir un esprit d'initiative et de curiosité,

- savoir travailler en équipe et avoir un bon relationnel,

- être rigoureux

Références.

Chen, L., Ma, X., Nguyen, T. M. T., Pan, G., & Jakubowicz, J. (2017). Understanding bike trip patterns leveraging bike sharing system open data. Frontiers of computer science, 11, 38-48.

Gallo, M., & Marinelli, M. (2020). Sustainable mobility: A review of possible actions and policies. Sustainability, 12(18), 7499.

Hörl, S., & Balac, M. (2021). Synthetic population and travel demand for Paris and Île-de-France based on open and publicly available data. Transportation Research Part C: Emerging Technologies, 130, 103291.

Hussain, E., Bhaskar, A., & Chung, E. (2021). Transit OD matrix estimation using smartcard data: Recent developments and future research challenges. Transportation Research Part C: Emerging Technologies, 125, 103044

Schneble, M., & Kauermann, G. (2022). Estimation of latent network flows in bike-sharing systems. Statistical Modelling, 22(4), 349-378.

Schuijbroek, J., Hampshire, R. C., & Van Hoeve, W. J. (2017). Inventory rebalancing and vehicle routing in bike sharing systems. European Journal of Operational Research, 257(3), 992-1004.

Torrisi, V., Ignaccolo, M., Inturri, G., Tesoriere, G., & Campisi, T. (2021). Exploring the factors affecting bike-sharing demand: Evidence from student perceptions, usage patterns and adoption barriers. Transportation Research Procedia, 52, 573-580.

Yang, Y., Heppenstall, A., Turner, A., & Comber, A. (2020). Using graph structural information about flows to enhance short-term demand prediction in bike-sharing systems. Computers, Environment and Urban Systems, 83, 101521.

Zalewski, A., Sonenklar, D., Cohen, A., Kressner, J., & Macfarlane, G. (2019). Public Transit Rider Origin-Destination Survey Methods and Technologies (No. Project J-7, Topic SH-18).

CESI est une école d'ingénieurs qui fait de la promotion sociale par l'excellence un modèle de réussite. Rejoignez un environnement stimulant où l'esprit d'équipe, la diversité des projets et l'autonomie ne font qu'un. Découvrez une école qui a su développer un modèle unique et se donne les moyens au quotidien de relever les grands défis de l'époque. Nos 25 campus, 28 000 étudiants, 8000 entreprises partenaires et 106 000 alumni témoignent de l'impact de CESI au niveau national.

CESI accompagne ses étudiants en utilisant des méthodes innovantes de pédagogie active. L'établissement forme avec rigueur les futurs ingénieurs, techniciens et managers, dans les secteurs suivants : l'Industrie & l'Innovation, le BTP, l'Informatique et le Numérique et le Développement Durable. Parallèlement, CESI concrétise son engagement dans la Recherche à travers des activités menées au sein de son Laboratoire d'Innovation Numérique, CESI LINEACT.

Les partenariats établis avec 130 universités à travers le globe, attestent de l'engagement international de CESI. Ces liens privilégiés offrent aux élèves ingénieurs une mobilité sortante et entrante à l'échelle internationale, façonnée notamment par des stages obligatoires faisant partie intégrante de leur cursus.