Description
Date depot: 1 janvier 1900
Titre: Modélisation latente de données de déplacements: apprentissage et exploitation d'un espace continu
Directeur de thèse:
Patrick GALLINARI (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
La littérature sur la mobilité (notamment urbaine) est vaste et hétérogène, de l'évaluation des politiques d'aménagement du territoire à la caractérisation des déplacements en véhicules personnels, taxis, transports en commun, vélos en libre service ou même piétons. Les études sont tantôt centrées sur les utilisateurs (à des fins de prédiction, recommandation ou simplement modélisation) et tantôt sur les territoires (dynamique des villes, points d'engorgement des axes de transports). L'hétérogénéité est telle que même le vocabulaire devient ambigu : La prédiction signifiera parfois le fait d'expliquer un déplacement par un modèle et parfois le fait de prédire un comportement.
Cette thèse vise à exploiter les dernières avancées du domaine de l'apprentissage automatique pour exploiter les données de déplacements, puis à enrichir les outils statistiques de la fouille de données. En identifiant les acteurs que nous souhaitons modéliser, associer à diverses contraintes telles que les réseaux de transport et les horaires de chacun, il est possible de construire un espace latent permettant de représenter des éléments hétérogènes (lieux, personnes, modes de transport...) dans un espace commun. Les principales questions ouvertes à l'heure actuelle concernent la dynamique, à plusieurs niveaux : souhaitons nous modéliser la dynamique d'une population ou prédire les déplacements individuels ? La modélisation des acteurs doit-elle être apprise de manière statique, en ajoutant ensuite une seconde couche de modélisation dynamique ? Ou est-il possible d'apprendre directement une représentation pour les trajectoires, dans le même espace que celui des acteurs ?
Les travaux du doctorant porteront sur ces questions. Après avoir assimilé les bibliographies des domaines du transport et de l'apprentissage statistique, le doctorant proposera et implémentera ses propres approches pour modéliser et exploiter la dynamique des systèmes de transports. Les applications envisagées sont multiples : La catégorisation des utilisateurs, des territoires, la modélisation des habitudes et la prédiction des comportements. Nous envisagerons même la possibilité de nous substituer à des systèmes de modélisation lourds pour le calcul des isochrones et l'étude d'impact de l'ouverture de nouvelles voies de transports.
Doctorant.e: Tonnelier Emeric