Description de l'employeur
La technologie Distributed Acoustic Sensing (DAS) transforme une fibre optique en un réseau continu de capteurs acoustiques, capable de mesurer les vibrations sur plusieurs kilomètres. L'équipe SURFO exploite le DAS pour surveiller en temps réel l'état de son infrastructure ferroviaire. La technologie permet notamment le suivi du trafic, la détection de défauts liés à la voie et au matériel roulant, l'identification d'événements extérieurs tels que des chutes de rochers, ainsi que la détection d'intrusions le long des voies. Une seule fibre optique joue alors le rôle d'un réseau dense de milliers de capteurs distribués.
Description du poste
Spécialité : Traitement du signal, Intelligence artificielle, Mathématiques appliquées
Description du poste :
Dans le cadre de la gestion du trafic ferroviaire, il est essentiel de pouvoir suivre simultanément plusieurs trains en temps réel sur un même tronçon. Un premier système de suivi basé sur des méthodes de data association a été développé, mais celui-ci présente des limitations dans des scénarios complexes : croisements de trains, occultations temporaires, variations de vitesse importantes, et gestion des incertitudes de mesure.
L'objectif principal du stage est d'explorer et d'évaluer différentes approches avancées pour améliorer le suivi multi-trains, en allant au-delà des méthodes actuelles. Les pistes à explorer incluent :
oFiltrage optimal et prédictif : implémentation et évaluation de filtres de Kalman (standard, étendu, unscented), de filtres particulaires, et de leurs variantes adaptées au contexte ferroviaire.
oApproches d'intelligence artificielle (IA) : exploration de méthodes d'apprentissage profond pour le suivi d'objets multiples (MOT - Multiple Object Tracking), incluant les réseaux récurrents (LSTM, GRU), les transformers spatio-temporels, et les approches par apprentissage par renforcement.
oMéthodes hybrides : combinaison de filtrage optimal et d'IA pour tirer parti des avantages de chaque approche.
oData association avancée : amélioration des algorithmes existants avec des techniques sophistiquées (Hungarian algorithm, Joint Probabilistic Data Association, Multiple Hypothesis Tracking).
Le stage se déroulera selon les étapes suivantes :
oAnalyse approfondie du système de suivi actuel et identification de ses limitations
oRevue de littérature sur le suivi multi-objets, le filtrage optimal et les approches IA
oÉtablissement d'une baseline et définition de métriques de performance
oImplémentation et évaluation comparative des différentes approches sur données réelles
oAnalyse des forces et faiblesses de chaque méthode selon les scénarios
Profil recherché
Formation : Étudiant·e en dernière année d'école d'ingénieur ou Master 2 en traitement du signal, intelligence artificielle ou mathématiques appliquées.
Compétences techniques :
oSolides bases en mathématiques, traitement du signal et/ou machine learning
oMaîtrise de Python (NumPy, SciPy, PyTorch appréciés)
oCapacité à analyser des données expérimentales
Qualités personnelles :
oRigueur scientifique, curiosité, autonomie
oBon esprit d'équipe et capacité de communication
Intérêt pour les applications ferroviaires et l'innovation technologique
Niveau exigé BAC + : 4/5
Rétribution et avantages
Tous nos métiers sont ouverts aux personnes en situation de handicap.
Salaire
Gratification en fonction du niveau d'études
2025-013269
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.