Stage Master 2 : Conception d un système d optimisation de trajets partagés pour la mobilité étudiante : une approche multicritère H/F

Le poste proposé

0

Travaux de Recherche

Sujet de thèse/stage résumé

Ce stage s’inscrit dans le cadre du projet « Mon Trajet Vert » et vise à développer une solution innovante d’optimisation des trajets multimodaux pour les étudiants de Strasbourg. L’originalité de l’approche réside dans l’intégration d’un système de matching intelligent pour le covoiturage, combinant des données réelles et simulées via OpenTripPlanner et SUMO. Les travaux sur l’intégration des préférences dans l’optimisation multi-objectifs serviront de base théorique à notre approche [1].

La méthodologie s’appuiera sur des techniques avancées d’optimisation pour la planification des trajets, en s’inspirant particulièrement des travaux fondamentaux de Agatz et al. sur le covoiturage dynamique [2]. L’intégration des aspects de sécurité et de préférences utilisateurs s’inspirera des recherches établies de Furuhata et al. sur les systèmes de covoiturage [3].

L’évaluation des performances du système suivra une approche multicritères, incluant l’impact environnemental, le temps de trajet, et la satisfaction des utilisateurs. Le développement d’un prototype d’application permettra de valider l’approche en conditions réelles, s’appuyant sur les méthodologies développées par Shaheen et al. [4].

Projet de stage

Contexte scientifiqueL’optimisation des transports multimodaux, particulièrement dans le contexte des campus universitaires, pose des défis uniques en raison des spécificités des déplacements étudiants (budget limité, horaires variables, conscience environnementale). Le covoiturage étudiant nécessite des solutions adaptées dépassant les simples critères de proximité géographique et temporelle pour intégrer la sécurité, les affinités sociales et la flexibilité horaire.Pour développer ces solutions, une approche hybride combinant données réelles et données synthétiques (générées via OpenTripPlanner et SUMO) permet de valider efficacement les modèles d’optimisation. Plusieurs algorithmes de matching notables ont émergé : la recherche tabou multi-critères de Ben Cheikh [6] pour le covoiturage dynamique, l’approche de l’École Polytechnique de Montréal basée sur la théorie des graphes pour l’intégration multimodale [7], et le système en temps réel d’ECOV optimisant l’occupation des véhicules en zones rurales et périurbaines Matagne [8]. Le futur développement s’appuiera sur une analyse approfondie de ces algorithmes pour sélectionner et implémenter la solution la plus pertinente.Ces avancées s’inscrivent dans la continuité des travaux de Bezoui et al. (2022) sur l’intégration des préférences utilisateurs dans l’optimisation multi-objectifs, particulièrement adaptée au contexte de la mobilité étudiante. Sujet de stage 

Ce stage vise à développer une solution innovante pour optimiser les déplacements des étudiants du campus de Strasbourg en combinant :

1.  La génération de données de trajets synthétiques via OpenTripPlanner et SUMO
2.  L’optimisation multi-objectifs intégrant les préférences des utilisateurs
3.  Le développement d’algorithmes de matching intelligent pour le covoiturage
4.  L’intégration des contraintes spécifiques aux étudiants (emplois du temps, budget)

Le/la stagiaire travaillera en étroite collaboration avec une équipe pluridisciplinaire incluant des chercheurs en optimisation, transport et développement durable. Le projet s’inscrit dans l’initiative « Mon Trajet Vert » et bénéficiera des synergies avec les travaux de thèse en cours sur la mobilité durable.

Objectifs du stage:

·      Analyse et modélisation des données

·      Conception du système de matching

·      Développement algorithmique

·      Prototype et validation

·      Documentation et valorisation

ContextePrésentation du laboratoire

CESI LINEACT (UR 7527), Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l’entreprise et en partenariat avec elles. Une approche centrée sur l’humain et couplée à l’utilisation des technologies, ainsi que le maillage territorial et les liens avec la formation, ont permis de construire une recherche transversale ; elle met l’humain, ses besoins et ses usages, au centre de ses problématiques et aborde l’angle technologique au travers de ces apports.

Sa recherche est organisée selon deux équipes scientifiques interdisciplinaires et deux domaines applicatifs.

·      L’équipe 1 « Apprendre et Innover » relève principalement des Sciences cognitives, Sciences sociales et Sciences de gestion, Sciences et techniques de la formation et celles de l’innovation. Les principaux objectifs scientifiques visés sont la compréhension des effets de l’environnement, et plus particulièrement des situations instrumentées par des objets techniques (plateformes, ateliers de prototypage, systèmes immersifs…) sur les processus d’apprentissage, de créativité et d’innovation.

·      L’équipe 2 « Ingénierie et Outils Numériques » relève principalement des Sciences du Numérique et de l’Ingénierie. Les principaux objectifs scientifiques portent sur la modélisation, la simulation, l’optimisation et l’analyse de données de systèmes cyber physiques. Les travaux de recherche portent également sur les outils d’aide à la décision associés et sur l’étude des interactions humains-systèmes notamment à travers les jumeaux numériques couplés à des environnements virtuels ou augmentés.

Ces deux équipes développent et croisent leurs recherches dans les deux domaines applicatifs de l’Industrie du Futur et de la Ville du Futur, soutenues par des plateformes de recherche, principalement celle de Rouen dédiée à l’Usine du Futur et celles de Nanterre dédiée à l’Usine et au Bâtiment du Futur.

Positionnement dans les thématiques de recherche du laboratoire