Logo Lab-STICCDes capteurs à la connaissance : Communiquer et décider

Offre de thèse : Machine learning And Matheuristics algorithms for Urban Transportation

| DECIDE  

Localisation: Lab-STICC, UMR CNRS 6285, IMT Atlantique, Brest
Encadrants : Marc SEVAUX, Romain BILLOT, Flavien LUCAS
Contacts. . .: marc.sevaux@univ-ubs.fr, romain.billot@imt-atlantique.fr, flavien.lucas@imt-nord-europe.fr

Sujet

La mobilité urbaine (urban transportation), qui s’entend comme le transport de biens et de personnes, a transformé en profondeur notre économie et doit aujourd’hui répondre à des impératifs de durabilité. Le transport de biens et de marchandises n’échappe pas à cette transformation. Les livraisons au domicile du client, dans une entreprise, ou dans un point de collecte sont de plus en plus nombreuses. Avec la mise en place de zones de circulation restreintes en centre-ville, la multiplication du transport combiné est réelle. Un camion part du dépôt avec des marchandises qu’il livre dans un centre de livraison péri-urbain, ces marchandises sont prises en charge par une camionnette pouvant circuler en ville, tandis que la livraison du dernier kilomètre peut être assurée en vélo ou en scooter électrique. L’épisode de la COVID-19 et les confinements successifs ont montré la multiplication de ces livraisons et le besoin de mettre en place des solutions d’aide à la décision adaptatives et résilientes aux crises à venir, qu’elles soient sanitaires ou environnementales.

Le sujet de thèse Machine learning And Matheuristics algorithms for Urban Transportation (MAMUT) vise à concevoir une plateforme ouverte de résolution de problèmes récurrents, dynamiques et stochastiques de tournées de véhicules en milieu urbain en utilisant à la fois les outils de la Recherche Opérationnelle (RO) et ceux du Machine Learning (ML). Notre proposition s’appuie d’abord sur l’identification, la reconnaissance et l’explication des caractéristiques d’une large classe de problèmes de logistique urbaine à l’aide du Machine Learning. Elle propose ensuite un solveur pour des instances réelles de grande taille qui mêle les meilleurs outils de la Recherche Opérationnelle et les techniques d’apprentissage fondées sur une IA explicable. Enfin, cette thèse fournira à la communauté scientifique et industrielle les problèmes, instances, algorithmes développés à travers une plateforme collaborative ouverte et open source.

Profil

  • étudiant titulaire d’un master ou diplôme d’ingénieur avec des connaissances en recherche opérationnelle et en fouille de données;
  • compétences en programmation (julia, Python).

Candidatures

Pour postuler les candidats doivent envoyer au plus tôt dans un seul document PDF (à marc.sevaux@
univ-ubs.fr, romain.billot@imt-atlantique.fr, flavien.lucas@imt-nord-europe.fr) :

  1. un CV détaillé avec d’éventuels lettres de recommandation;
  2. un relevé de notes du master ou de l’école d’ingénieur;
  3. une lettre de motivation et
  4. des éléments de bibliographie ou de réalisations personnelles relevant d’une activité de recherche du candidat (si possible - cela peut-être un projet, un sujet de stage recherche, etc).

Toutes les actualités