Thèse "analyse de données de signalisation mobile pour la planification logistique urbaine" f/h

Votre rôle

Votre rôle est d’effectuer un travail de thèse sur : « Analyse de données de signalisation mobile pour la planification logistique urbaine »

Contexte global et problématique du sujet

Le secteur des transports est le principal contributeur aux émissions de gaz à effet de serre, responsables du réchauffement climatique. La planification urbaine joue un rôle crucial dans la réduction de ces émissions, surtout avec l'augmentation de la population urbaine, qui devrait atteindre deux tiers de la population mondiale d'ici 2050. Les concepts comme la « ville en 15 minutes » nécessitent une planification urbaine efficace pour réduire les déplacements motorisés et garantir un accès rapide aux services essentiels. Cependant, les données disponibles sur la mobilité des populations et des marchandises restent fragmentées et hétérogènes, limitant la compréhension des interactions complexes entre la mobilité et les infrastructures urbaines.

Les réseaux de télécommunication offrent un potentiel considérable pour la production de statistiques de mobilité grâce à l'explosion des données de localisation générées par les smartphones et autres objets connectés. Par exemple, des services comme Flux Vision d’Orange utilisent les métadonnées de signalisation mobile pour créer des observatoires de la mobilité humaine.

Objectif scientifique – résultats et verrous à lever

L’objectif de la thèse est de concevoir un observatoire de la logistique urbaine en exploitant les données de signalisation mobile. Il s’agira de comprendre et formaliser les indicateurs utiles à la planification urbaine, de développer et valider une chaîne de production d’indicateurs issus de la signalisation mobile, et de concevoir un observatoire de la logistique urbaine fusionnant les données des différentes parties prenantes.

Les résultats attendus incluent la définition des besoins pour piloter la transformation des villes, l'amélioration des algorithmes de classification des comportements de mobilité, et la conception d'un dispositif de normalisation et de fusion des données. Les verrous à lever comprennent l'amélioration de la résolution spatio-temporelle des données, la validation de la représentativité statistique des indicateurs, et l'intégration des différentes sources de données dans un observatoire global et réplicable à l’échelle, mettant en œuvre les technologies d'IA génératives et des approches de simulation, tout en respectant les aspects d'intrusivité, de sobriété énergétique et de respect de la vie privée.