Votre rôle
Votre rôle est d’effectuer un travail de recherche sur la résolution complexe de l'optimisation énergétique de bout-en-bout dans les réseaux véhiculaires impliquant véhicules, stations de base, réseaux Cloud/Edge et modèles d'IA.
Contexte global et problématique du sujet
Dans un monde en pleine transition vers des solutions plus durables et connectées, l'émergence de la mobilité verte connectée constitue un enjeu majeur. Cette évolution est motivée par la nécessité de réduire les émissions de gaz à effet de serre tout en offrant des solutions de transport efficaces et intégrées. Le contexte de recherche repose sur la demande croissante d'optimisation énergétique dans les réseaux 5G-V2X, résultant de la convergence des technologies de télécommunications et des véhicules connectés. La problématique centrale réside dans la gestion complexe de la consommation d'énergie à travers divers éléments du réseau et des véhicules, tout en assurant des performances optimales. Il s'agit ainsi de développer des stratégies innovantes pour minimiser la consommation énergétique tout en maintenant des niveaux de service élevés.
Objectif scientifique – résultats et verrous à lever
L'objectif de la thèse est de développer une approche basée sur les API pour la mobilité verte connectée, visant à optimiser l'efficacité énergétique tout au long du parcours du véhicule grâce à des modèles d'intelligence artificielle capables de prédire avec précision la consommation d'énergie dans les réseaux V2X verts, en tenant compte des contraintes opérationnelles et de mobilité.
Cela implique de relever des défis tels que la modélisation des schémas de consommation d'énergie, l'optimisation des algorithmes d'IA pour une prédiction précise de la consommation, ainsi que l'intégration transparente des services de mobilité dans l'infrastructure existante.
Les résultats attendus incluent la conception de modèles innovants ainsi que l'identification de paramètres clés influençant la consommation d'énergie pour une mobilité verte connectée à l'échelle, permettant ainsi de guider les futures stratégies d'optimisation énergétique et enfin l’exposition de ces résultats à travers des APIs.
Références
[1] Ilhem Souissi, Rihab Abidi, Nadia Ben Azzouna, Tahar Berradia, Lamjed Ben Said, « ECOTRUST: A novel model for Energy COnsumption TRUST assurance in electric vehicular networks », Ad Hoc Networks, Volume 149, 2023,
[2] B. Mao, F. Tang, Y. Kawamoto and N. Kato, "AI Models for Green Communications Towards 6G," in IEEE Communications Surveys & Tutorials, vol. 24, no. 1, pp. 210-247, First quarter 2022, doi: 10.1109/COMST.2021.3130901.
[3] Lv, Zhihan, and Wenlong Shang. "Impacts of intelligent transportation systems on energy conservation and emission reduction of transport systems: A comprehensive review." Green Technologies and Sustainability (2022).
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.