Thèse Modélisation Macroscopique et Contrôle des Services de Mobilité à la Demande H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal Laboratoire de recherche : Grenoble Images Parole Signal Automatique Direction de la thèse : Paolo FRASCA ORCID 0000000309623119 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-31T23:59:59 Les réseaux de transport et les solutions de mobilité intègrent aujourd'hui un ou plusieurs composants algorithmiques. Les conducteurs interagissent avec des algorithmes via les applications de navigation, et les services de mobilité à la demande utilisent des algorithmes pour apparier les passagers avec des conducteurs disponibles et optimiser les trajets. Bien que ces exemples impliquent encore des facteurs liés au comportement humain, les flottes de véhicules autonomes rendront le comportement dynamique des systèmes de transport influencés par les algorithmes plus prévisible.

Il est bien connu que les services de mobilité à la demande facilitent les déplacements des usagers et que des algorithmes bien conçus peuvent améliorer l'efficacité du système. Cependant, des contraintes physiques, telles que la capacité du réseau routier et le nombre de véhicules, limitent les performances atteignables. Il est donc nécessaire de développer des politiques de contrôle afin d'exploiter pleinement les ressources disponibles, quitte à sacrifier une partie de la rentabilité, et de mettre en place des mécanismes de régulation garantissant une interaction équitable avec les autres modes de transport.

Pour répondre à ces enjeux, ce projet adopte une approche de modélisation macroscopique : au lieu de modéliser chaque véhicule individuellement, ceux-ci sont considérés comme des quantités agrégées. Cette approche s'est imposée en raison de sa tractabilité et a été utilisée pour l'évaluation des performances, l'aide à la décision réglementaire et le contrôle en temps réel. Si les modèles macroscopiques classiques considèrent l'ensemble du trafic de manière agrégée, des travaux plus récents les ont étendus aux flottes de services de mobilité. Toutefois, ces approches supposent souvent des dynamiques macroscopiques génériques, alors qu'en pratique le comportement du système dépend des algorithmes utilisés. De plus, lorsque des politiques de contrôle macroscopiques sont mises en oeuvre, les algorithmes au niveau microscopique peuvent réagir de manière complexe.

Dans ce contexte, l'objectif de cette thèse est d'identifier des modèles macroscopiques pertinents à partir de simulations microscopiques. Sur la base de ces modèles, des stratégies de contrôle pourront être développées afin d'améliorer les performances du service et de réguler les flottes de mobilité à la demande dans un réseau de transport multimodal. Par ailleurs, des outils issus de la théorie des jeux seront mobilisés pour modéliser les interactions entre les algorithmes des opérateurs de services et les objectifs des autorités publiques. DANCE research team https://team.inria.fr/dance/

Le ou la candidat(e) devra être familiarisé(e) avec la modélisation et le contrôle non linéaires, ainsi qu'avec l'optimisation. Une partie du travail impliquant l'utilisation d'un simulateur de trafic microscopique (SUMO), une bonne maîtrise d'un langage de script tel que Python, ou équivalent, est également requise. En revanche, aucune expérience préalable en simulation de trafic n'est exigée.