Le 08/03/2018 par TrafficMaster :
Modélisation et optimisation des services de co-voiturage urbain
Résumé :
Ces dernières années ont vu un essor important des services de mobilité à la demande : transport à la demande, autopartage, co-voiturage, vélos en libre-service, etc. En effet, l’utilisation massive des objets connectés permet à ces systèmes de transport d’adapter la capacité de service de manière dynamique à la demande en passager. De cet équilibre entre l’offre et la demande découle l’efficacité nécessaire du système pour inciter les usagers à ce reporter du véhicule individuel vers ces modes partagés. L’utilisation croissante des NSM par les utilisateurs est donc favorisée par la capacité de ces services à répondre à un besoin en déplacement spatio-temporel très précis mais aussi par leur facilité d’accès et d’usage. Dans un monde économique en pleine transformation, où les notions de propriété et de partage sont en pleine mutation, les NSM vont, à coup sûr, bouleverser la mobilité de demain.
Pour le moment essentiellement dans les mains des start-up et autres entreprises privées, l’objectif est de proposer des méthodes de modélisation et d’optimisation d’une catégorie des NSM : le co-voiturage urbain. Derrière cette terminologie générale, il est possible de rassembler les systèmes de transport mutualisant le déplacement des plusieurs usagers dans le même véhicule. Ces services peuvent prendre la forme d’une course de taxi (ou VTC) partagée, la mise à disposition des sièges vides par un conducteur, voir peuvent à même à terme préfigure le fonctionnement des véhicules autonomes (dans leur version collective). L’enjeu de la thèse est donc la production d’un socle de modèles permettant de reproduire le fonctionnement des services de co-voiturage urbain ainsi que des méthodes d’optimisation en temps réel prenant en compte la spécificité de la circulation en ville.
Plusieurs verrous scientifiques sont d’ores et déjà identifiés. Tout d’abord, un travail est à réaliser sur la demande de transport pouvant être satisfaite par cette nouvelle offre de transport. Il s’agit d’identifier quels déplacements peuvent être mutualiser (trajets proches, heure de départ et d’arrivée similaires, etc.). Le mode de fonctionnement du service a une incidence directe (service porte à porte, lieux d’échanges pré-identifiés, etc.). Ensuite, la difficulté majeure est de pouvoir fournir aux usagers une offre de transport individualisé, répondant à leurs besoins et permettant d’optimiser leur déplacement. Les véhicules, autonomes ou non, fournissant l’offre de transport évoluant au milieu de la circulation, la prise en compte des conditions de trafic et leur évolution à court-terme est un élément indispensable à prendre en compte pour garantir l’efficacité et la réussite du système. Enfin, le retour et la caractérisation des usagers pouvant être captés par les services de co-voiturage urbain dans une compétition avec le véhicule individuel et les autres modes de transport sont à analyser.
Le plan de travail de la thèse suit donc assez logiquement les défis associés à ces différents verrous scientifiques. Dans un premier temps, à partir de techniques issues de la modélisation des transports mais aussi du domaine du data science, une méthode générique permettant de grouper (clustering) des déplacements similaires est à élaborer. De bonnes compétences de compréhension des phénomènes physiques à travers l’analyse de données sont indispensables. Dans un second temps, une fois les scénarios de demandes élaborés, un algorithme permettant à la fois d’optimiser l’ordre des usagers à servir (problème type TSP) mais aussi les trajets entre les lieux à visiter (problème type plus court-chemin). La méthode élaborée doit intégrer les conditions de trafic et leur évolution à court-terme mais aussi une série de contraintes comportementales propres aux usagers. De plus, il est nécessaire d’optimiser à l’échelle d’un véhicule mais aussi à l’échelle de la flotte de véhicule (problème type VRP) en fonction du service retenu. Enfin, une fois un modèle et une méthode d’optimisation correctement élaborées, une analyse en retour de la demande en transport pouvant être satisfaite doit être réalisée. Cette approche permet à la fois de comprendre les mécanismes de compétition entre les services de co-voiturage urbain, les véhicules individuels et les autres modes de transport mais aussi de déterminer l’équilibre économique de cette nouvelle offre de transport.
Profil recherché :
Le candidat doit avoir RO ainsi que de bonnes compétences en modélisation mathématique et science des données. Enfin, il devra avoir de bonnes aptitudes en communication orale et écrite en langue anglaise.
Autres informations :
Laboratoire d’accueil : LICIT, UMR ENTPE / IFSTTAR, Université de Lyon, http://licit-lyon.eu/
Directeur de thèse : Nicolas Chiabaut, HDR, nicolaschiabaut.weebly.com
Lieu : ENTPE, rue Maurice Audin, 69518 Vaulx-en-Velin
Date de début : 01/10/2018 (possibilité d’un stage de Master avant)
Salaire brut : 1764€/mois (possibilité de vacations d’enseignement)
Renseignement et candidatures :
Les candidats doivent envoyer leur CV, lettre de motivation et relevés de notes de Master (M1 & M2) par voie électronique à nicolas.chiabaut@entpe.fr. Une réponse sera donnée si la candidature est retenue pour un entretien.
