Contexte et atouts du poste
L’analyse des tendances historiques de mobilité et des changements comportementaux est essentielle pour comprendre comment l’évolution des contextes territoriaux — tels que la création de nouvelles pistes cyclables ou l’amélioration des transports publics — influence les pratiques de mobilité. Les données de mobilité urbaine incluent des informations spatio-temporelles (données décrites en fonction de l’espace et du temps), qui nécessitent des méthodes spécifiques de modélisation, de visualisation et d’analyse. Cependant, un défi récurrent dans l’analyse des données spatio-temporelles consiste à représenter efficacement l’espace, le temps et les objets tout en préservant leur cohérence géographique et chronologique. De plus, assurer l’interopérabilité entre domaines nécessite d’harmoniser des données hétérogènes au sein d’un même domaine afin de les rendre comparables, avant d’intégrer des jeux de données issus de domaines différents pour identifier d’éventuelles influences.
Dans ce contexte, ce projet vise à développer un graphe de connaissances RDF pour représenter les données de mobilité urbaine. RDF fournit des solutions naturellement interopérables et extensibles grâce à des méthodes innovantes pour structurer, intégrer, découvrir et publier des données. Malgré des travaux existants sur la modélisation des transformations territoriales (Bernard, 2019) et des événements de mobilité urbaine (Sobral et al., 2016) en RDF, une représentation complète des comportements historiques de mobilité en lien avec l’évolution des environnements urbains reste à construire.
Mission confiée
Ce stage se concentrera sur la représentation de la mobilité quotidienne des individus dans les zones urbaines ainsi que sur son évolution dans le temps. L’objectif est de capturer des indicateurs de mobilité selon l’espace, le temps et des attributs thématiques pour trois objets complémentaires issus des données de mobilité urbaine :
1. Les flux et déplacements : ils révèlent les structures urbaines à travers l’agrégation des mouvements origine–destination et leurs variations selon des facteurs socio-économiques, démographiques et d’usage du sol.
2. Le territoire : il met en évidence les usages des lieux urbains en relation avec les caractéristiques démographiques et socio-économiques des visiteurs, les activités réalisées et les variations temporelles de présence.
3. Les trajectoires quotidiennes : elles sont définies comme des parcours spatio-temporels d’activités, de lieux visités et de modes de transport, permettant la construction de typologies capturant la diversité des emplois du temps d’activités sous-jacents aux besoins de mobilité (Robette, 2011).
Principales activités
Le stage s’articulera autour des tâches suivantes :
4. Revue des vocabulaires existants
Étudier les ontologies et vocabulaires pertinents pour les données de mobilité urbaine, en portant une attention particulière à la représentation de l’espace, du temps, des attributs thématiques (par exemple, modes de transport, activités) et des objets (par exemple, déplacements, flux, territoires, trajectoires).
5. Développement d’ontologie
Concevoir une ontologie OWL pour représenter les données de mobilité urbaine et les indicateurs dérivés, en s’appuyant sur et en intégrant les vocabulaires existants identifiés lors de l’étape précédente.
6. Construction de graphe de connaissances RDF
Appliquer l’ontologie développée afin de structurer et d’intégrer les données dans des graphes de connaissances RDF. Les données proviendront des Enquêtes Ménages Déplacements réalisées en France depuis 1976, décrivant les déplacements et activités quotidiennes des individus en contexte urbain. L’accent sera mis sur des indicateurs de mobilité dérivés des travaux de thèse de Menin (Menin, 2020).
7. Validation
Évaluer l’ontologie et le graphe de connaissances construit via l’implémentation, en SPARQL, de questions de compétence métier identifiées dans les travaux de thèse de Menin.
8. Documentation et collaboration
Produire une documentation claire et collaborer avec l’équipe de recherche afin d’assurer la cohérence scientifique et méthodologique du projet.
Compétences
Compétences techniques et niveau requis :
Modélisation d’ontologies avec OWL et RDF ; création et manipulation de graphes de connaissances RDF ; connaissance de SPARQL ; compréhension des principes du Web sémantique et de l’interopérabilité des données ; notions en structuration et transformation de données (data lifting).
Langues :
Français / Anglais (capacité à lire et rédiger de la documentation scientifique en anglais).
Compétences relationnelles :
Rigueur scientifique ; autonomie ; capacité d’analyse et de synthèse ; aptitude à travailler en équipe de recherche ; communication claire à l’écrit et à l’oral ; curiosité et capacité d’apprentissage.
Compétences additionnelles appréciées : expérience avec des données spatio-temporelles ; notions en modélisation conceptuelle ; expérience en programmation (Python, JavaScript ou équivalent) ; intérêt pour les thématiques liées aux données urbaines ou à la mobilité.
Avantages
9. Restauration subventionnée
10. Transports publics remboursés partiellement
11. Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
12. Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
13. Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
14. Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
15. Accès à la formation professionnelle
16. Sécurité sociale
Rémunération
Gratification selon temps de présence
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.