Société : CESI Lieu : Meurthe-et-Moselle (Grand Est)
Descriptif du poste
Société : CESI Catégorie : Stage Filiere : IT/Etudes, développement et intégration Lieu : Meurthe-et-Moselle (Grand Est)
Mission
Titre : Optimisation des Itinéraires Multimodaux Écologiques avec Intégration de Covoiturage pour Campus Urbains Domaines scientifiques : Sciences du Numérique Optimisation et Aide à la décision Ingénierie des Transports Développement Durable Mots clés : Mobilité Durable Optimisation Multiobjectif Économie Environnement Encadrement Encadrants : Madani Bezoui, Enseignant-Chercheur, CESI, Campus de Nancy. Travaux de Recherche Sujet stage résumé Le stage se concentrera sur l'optimisation multiobjectif des itinéraires multimodaux écologiques pour les étudiants, en intégrant des données accessibles en ligne, telles que les horaires des transports en commun, les systèmes de vélos partagés, ainsi que des informations météorologiques et géographiques pertinentes. En outre, des données sur le covoiturage seront extraites de plateformes telles que Mobicoop et Klaxit [1]. L'objectif est de développer un modèle qui sera non seulement applicable à un campus spécifique, mais également adaptable pour être testé et validé sur des sites distincts, permettant ainsi une comparaison méthodique et une évaluation de la reproductibilité des résultats. Le ou la stagiaire utilisera des techniques avancées d'optimisation multiobjectif pour équilibrer des critères tels que le coût, le temps, la commodité et l'impact environnemental. Cela nécessitera une compréhension profonde des algorithmes d'optimisation et de la modélisation des systèmes de transport, ainsi qu'une capacité à travailler avec des ensembles de données volumineux et hétérogènes. La proposition comprendra également une composante d'accessibilité, garantissant que les solutions développées soient inclusives et tiennent compte des besoins des étudiants en situation de handicap. Enfin, le stage contribuera à la recherche sur la mobilité durable et la planification des ressources, enrichissant le corps de connaissances dans ces domaines importants et offrant une solution pratique aux défis de la mobilité étudiante. Projet de stage Contexte scientifique Le développement de systèmes de transport durables est devenu un enjeu central pour les villes et les établissements d’enseignement supérieur, en réponse à la nécessité croissante de solutions de mobilité éco-responsables [1]. L'optimisation multiobjectif des itinéraires multimodaux pour les étudiants représente une approche innovante qui concilie les exigences de rapidité, de coût, de confort et de durabilité environnementale [2, 3]. Ce stage s'inscrit dans un contexte scientifique où les algorithmes d'optimisation multiobjectif deviennent cruciaux pour adresser la complexité des systèmes de transport urbains [4, 5]. Avec la convergence des technologies de l'information et la disponibilité de données en temps réel, les possibilités de modélisation des systèmes de transport sont en expansion. La modélisation et la simulation avancées permettent d'analyser et de prédire les comportements de mobilité, tout en intégrant les objectifs et les contraintes des utilisateurs, y compris des étudiants en situation de handicap [6, 7]. La recherche opérationnelle et l'intelligence artificielle apportent des méthodes et des outils capables de traiter et d'analyser de vastes ensembles de données, ouvrant la voie à des solutions de mobilité personnalisées et adaptatives [8]. L'application de ces méthodologies au domaine de la mobilité étudiante offre la possibilité d'améliorer significativement l'efficacité et la durabilité des déplacements, en ligne avec les objectifs de réduction d'empreinte carbone et d'inclusivité. L'implication dans ce projet de recherche permettra non seulement d'approfondir la compréhension des systèmes de transport multimodaux mais aussi de contribuer à l'élaboration de politiques de transport plus intelligentes et intégrées. La capacité de développer un modèle adaptable et testable sur différents sites offre une opportunité précieuse de validation empirique et de réplication des études, éléments fondamentaux dans la recherche scientifique appliquée. Ce travail se positionne à la frontière de la recherche opérationnelle, de l'ingénierie des transports et de l'informatique, et promet de fournir des contributions significatives à la mobilité durable et à la gestion des ressources urbaines. Sujet de stage Ce stage a pour but la création d'un outil d'aide à la décision pour la planification de trajets multimodaux écologiques destinés aux étudiants. L'outil intégrera des données en ligne telles que les horaires des transports en commun, les données de systèmes de vélos partagés, et des informations de covoiturage provenant de plateformes comme Mobicoop et Klaxit. En plus de considérer des données météorologiques et géographiques, l'outil prendra en compte l'accessibilité pour les personnes en situation de handicap, visant ainsi à développer un modèle applicable et adaptable sur différents campus urbains. L'étudiant(e) stagiaire mettra en oeuvre des techniques d'optimisation multiobjectif avancées pour équilibrer des critères tels que le coût, le temps, la commodité et l'impact environnemental. Ce projet s'inscrit dans une démarche de recherche contribuant au développement de solutions de mobilité durable et à la planification des ressources, en alignement avec les défis actuels de la mobilité étudiante. Objectif du Stage : Le stage a pour objectif principal la conception d'un outil d'optimisation multiobjectif pour la planification de trajets multimodaux écologiques, dédié à améliorer la mobilité des étudiants dans un contexte urbain. Cet outil vise à harmoniser les aspects économiques, environnementaux et sociaux des déplacements, en proposant des itinéraires qui non seulement réduisent les coûts pour les étudiants mais aussi minimisent l'impact écologique et garantissent une distribution équitable de l'accès aux moyens de transport. L'enjeu est de développer une solution numérique qui tienne compte des besoins et contraintes variés, en s'appuyant sur des données précises et actualisées, telles que les horaires des transports en commun, la disponibilité des vélos partagés et les options de covoiturage. Tâches à Réaliser : Analyse des Besoins et des Contraintes : Effectuer une collecte minutieuse de données sur les habitudes de mobilité des étudiants et les ressources disponibles en transport. Identifier les facteurs influençant la mobilité étudiante tels que les coûts, l'impact environnemental et l'accessibilité des transports. Développement d'Algorithmes : Concevoir et programmer des algorithmes d'optimisation multiobjectif pour traiter et équilibrer divers critères de mobilité. Intégrer ces algorithmes dans un système de simulation capable de tester et comparer différents scénarios de mobilité. Conception de la Plateforme : Développer une interface utilisateur intuitive qui permet aux étudiants et planificateurs de visualiser et interpréter les résultats. Assurer la flexibilité de la plateforme pour l'adapter aux évolutions des données et aux changements de critères. Validation et Amélioration : Réaliser des tests pilotes de la plateforme avec un groupe représentatif d'étudiants. Collecter les retours d'expérience et ajuster les modèles pour renforcer la précision et la pertinence des recommandations de transport. Chaque étape du stage est conçue pour progresser vers la réalisation d'un prototype fonctionnel et d'un rapport d'analyse détaillé, qui seront finalement présentés à la communauté académique et intégrés dans le cadre du projet MobE. Antériorité du sujet dans le laboratoire Integrating preferences within multiobjective flexible job shop scheduling : https://scholar.google.com/citations?view_op=view_citation&hl=fr&user=d8g50fgAAAAJ&sortby=pubdate&citation_for_view=d8g50fgAAAAJ:35N4QoGY0k4C M Bezoui, AL Olteanu, M Sevaux, European Journal of Operational Research 305 (3), 1079-1086 Preference-driven tabu search for multiobjective scheduling problems : https://scholar.google.com/citations?view_op=view_citation&hl=fr&user=d8g50fgAAAAJ&sortby=pubdate&citation_for_view=d8g50fgAAAAJ:lSLTfruPkqcC M Bezoui, AL Olteanu, M Sevaux 23ème congrès annuel de la Société Française de Recherche Opérationnelle et … Programme du stage : Février - Mars (Mois 1-2) : Analyse Préliminaire et Collecte de Données 1. Mener des enquêtes et des groupes de discussion pour établir les besoins en mobilité des étudiants 2. Collecter des données à partir de sources en ligne pour les transports en commun, vélos partagés, covoiturage, et données météorologiques et géographiques. 3. Analyser les systèmes de transport des campus CESI pour comparer les besoins et contraintes. Avril (Mois 3) : Conception de l'Approche Méthodologique 1. Développer un cadre méthodologique pour l'optimisation multiobjectif en intégrant une métaheuristique NSGA-II pour gérer les objectifs dynamiques des étudiants. 2. Hiérarchiser les critères de décision, incluant coût, temps, confort, et impact environnemental, avec la possibilité de mise à jour des objectifs étudiantes. Mai - Juin (Mois 4-5) : Développement et Validation des Modèles 1. Programmer des algorithmes d'optimisation multiobjectif avec NSGA-II pour simuler et optimiser les itinéraires multimodaux 2. Valider les modèles en simulant des scénarios de transport pour quelques campus de CESI, et analyser l'efficacité et la durabilité des itinéraires proposés. Juillet (Mois 6) : Évaluation et Révision des Modèles 1. Réaliser des tests pilotes sur les deux campus et recueillir des retours pour ajuster les modèles. 2. Élaborer un rapport d'analyse détaillé avec des recommandations basées sur les résultats des tests, y compris une comparaison entre les campus. 3. Préparer une présentation des résultats, y compris la méthodologie NSGA-II, pour la communauté académique et les parties prenantes. 4. Finaliser le rapport final détaillé, y compris la documentation et des comparaisons inter-campus. Production scientifique/technique attendue 1. Développement d'une plateforme prototype et publication d’une communication dans une conférence dans le domaine. 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. Organisation de la thèse/stage Financement : Programme MobE Lieu de travail : Campus CESI- Nancy Date de démarrage : 1 février 2024. Durée : 6 mois. Votre Recrutement Ses Modalités : sur dossier et entretien. Merci d’adresser votre candidature à mbezoui@cesi.fr avec pour objet de mail : « [Candidature]_Plateforme_Intégrée_MobE 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 (à adapter en fonction du niveau du stage) 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 : A préciser - Lister entre 3 et 5 compétences scientifiques et technique attendues 1. Connaissances en optimisation multiobjectif et optimisation combinatoire. 2. Expérience en analyse de données et modélisation. 3. Intérêt pour les problématiques de développement durable et de mobilité. 4. Maitrise de la programmation sous 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. 10 références maximum dont 4 minimum en lien direct avec le sujet de stage faisant partie de l’état de l’art. [1] DALKMANN, Holger, FISCHER, Alyssa, et PEET, Karl. Green mobility: Why green transport interventions matter for sustainable mobility. 2017. [2] VAN BERKUM, Eric. Multi-objective optimization of multimodal transportation networks. 2012. [3] JAYARATHNA, Chamari Pamoshika, AGDAS, Duzgun, DAWES, Les, et al. Multi-objective optimization for sustainable supply chain and logistics: a review. Sustainability, 2021, vol. 13, no 24, p. 13617. [4] FRIESZ, Terry L. Multiobjective optimization in transportation: the case of equilibrium network design. In : Organizations: Multiple Agents with Multiple Criteria: Proceedings of the Fourth International Conference on Multiple Criteria Decision Making, University of Delaware, Newark, August 10–15, 1980. Berlin, Heidelberg : Springer Berlin Heidelberg, 1981. P. 116-127. [5] ABDELGAWAD, Hossam, ABDULHAI, Baher, et WAHBA, Mohamed. Multiobjective optimization for multimodal evacuation. Transportation Research Record, 2010, vol. 2196, no 1, p. 21-33. [6] WANG, Chao, MA, Changxi, et XU, Xuecai Daniel. Multi-objective optimization of real-time customized bus routes based on two-stage method. Physica A: Statistical Mechanics and its Applications, 2020, vol. 537, p. 122774. [7] TONG, Yongxin, ZENG, Yuxiang, ZHOU, Zimu, et al. A unified approach to route planning for shared mobility. Proceedings of the VLDB Endowment, 2018, vol. 11, no 11, p. 1633. [9] Klaxit, une autre plateforme de covoiturage, https://www.klaxit.com/ Annexe : Les données qui seront exploitées Informations sur les systèmes de vélos partagés, incluant les points de location et disponibilité: Bike Share Research (BSR) fournit une plateforme de données ouverte et collaborative avec un accès API pour explorer des centaines de systèmes de vélos partagés (BSS), y compris les détails opérationnels, les stations et les statistiques. Données de plateformes de covoiturage comme Mobicoop et Klaxit : Mobicoop est une plateforme open-source pour le covoiturage, l'auto-stop local et les services de transport solidaire. Pour Klaxit, il convient de rechercher des plateformes de données ouvertes ou de contacter directement le service pour connaître sa politique de partage des données. Informations météorologiques historiques et prévisionnelles influençant la mobilité : Pour les données météorologiques historiques et prévisionnelles influençant la mobilité, vous pouvez accéder à divers services météorologiques qui proposent des API pour les données météorologiques. Des sites web tels que OpenWeatherMap, Weatherstack, ou des agences météorologiques gouvernementales fournissent de telles données, qui comprennent souvent des enregistrements historiques et des prévisions. Cartes géographiques et données topographiques des campus et des villes concernées : Les données géographiques et topographiques peuvent provenir de plateformes de données ouvertes fournies par les gouvernements locaux ou des institutions telles que OpenStreetMap, qui offrent des informations cartographiques détaillées pouvant inclure les plans des campus. Statistiques sur l'utilisation des différents modes de transport par les étudiants : Ces informations peuvent être obtenues par le biais d'enquêtes menées sur les campus ou en consultant les études sur les transports publiées par les universités ou les autorités locales de transport. Retours et préférences des étudiants en matière de transport collectés via enquêtes : Des enquêtes peuvent être conçues et diffusées à l'aide d'outils tels que Google Forms ou SurveyMonkey, ciblant la population étudiante afin de recueillir des données de première main sur les préférences et les expériences en matière de transport.CLIQUER ICI POUR POSTULER
