Intégration de connaissance métier dans des algorithmes d'apprentissage non supervisé pour le transport ferroviaire

Integrating prior knowledge into unsupervised learning for railway transportation

• Auteur / Autrice : Paul Riverain
• Direction : Mohamed Nadif
• Type : Thèse de doctorat
• Discipline(s) : Science des données
• Date : Soutenance le 09/03/2022
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique PAris DEscartes (Paris ; 1998)
• Jury : Président / Présidente : Miguel Couceiro
• Jury : Examinateurs / Examinatrices : Miguel Couceiro, Éric Gaussier, Allou Badara Samé, Stéphane Canu, Nadia Ghazzali
• Jury : Rapporteur / Rapporteuse : Éric Gaussier, Allou Badara Samé

Mots clés

Mots clés contrôlés

Graphes dynamiques

Apprentissage non supervisé (intelligence artificielle)

Transport de voyageurs

Transports publics

Mots clés libres

Machine Learning

Apprentissage non-supervisé

Clustering

Classification

Graphes dynamiques

Apprentissage semi-supervisé

Machine Learning

Unsupervised learning

Clustering

Dynamic graphs

Semi-supervised learning

Résumé

Dans un réseau de transport, la supervision joue un rôle essentiel pour assurer le bon déroulement des opérations et la satisfaction des voyageurs. Cela inclut la fourniture d'informations adéquates aux passagers, la gestion de la sécurité des passagers, des actifs fixes, des systèmes de traction et la supervision du trafic en temps réel. Dans cette thèse, nous abordons la conception de nouveaux outils algorithmiques orientés données pour aider les opérateurs des systèmes ferroviaires urbains dans leur tâche de supervision du réseau de transport. Dans la mesure où beaucoup de décisions des opérateurs dépendent de la façon dont les déplacements des usagers sont distribués sur le réseau, nous cherchons donc à fournir aux opérateurs des informations synthétiques sur le flux de passagers actuel et son évolution.Etant données les entrées et sorties des usagers sur le réseau, le flux de passagers peut être vu comme un graphe dynamique en temps discret dont les nœuds sont les stations du réseau et dont les arêtes comptent le nombre de passagers entre deux paires de stations. Nous cherchons donc à résumer ce graphe dynamique en utilisant des techniques de clustering. Les modèles à blocs, dont font partie le modèle à blocs stochastiques et le modèle à blocs latents, sont des approches probabilistes pour le co-clustering qui semblent adéquates pour cette tâche de clustering de graphe. Le clustering ne dépend ici que de la façon dont le flux de passagers est distribué sur le réseau et n'inclut pas les connaissances expertes des opérateurs. Par conséquent, nous cherchons également à prendre en compte des informations contextuelles telles que les caractéristiques des stations, la topologie du réseau ou les actions des opérateurs sur la régulation des trains dans la synthèse du flux de passagers. Nous passons d'abord en revue les principaux concepts sur lesquels nos travaux sont basés ainsi que certains travaux connexes sur l'apprentissage non supervisé pour l'analyse des flux de passagers. Nous proposons ensuite une formalisation du problème opérationnel. Dans notre première contribution, nous présentons une extension du modèle à blocs stochastiques (SBM) pour les graphes dynamiques à temps discret qui prend en compte la variabilité des degrés des nœuds, ce qui nous permet de modéliser une classe plus large de réseaux. Nous dérivons une procédure d'inférence basée sur un algorithme EM variationnel qui fournit également les moyens d'estimer les corrections de degré en fonction du temps. Dans notre deuxième contribution, nous proposons d'exploiter les connaissances préalables sous la forme d'une semi-supervision par paire dans l'espace des lignes et des colonnes afin d'améliorer les performances de classification des algorithmes dérivés du modèle à blocs latents (LBM). Nous introduisons un cadre probabiliste général pour incorporer les relations Must Link et Cannot Link dans le LBM basé sur les champs aléatoires de Markov cachés et présentons deux algorithmes d'inférence basés sur EM variationnel et EM classifiant. Enfin, nous présentons l'application des deux algorithmes précédents sur des données de flux de passagers du monde réel. Nous décrivons ensuite un outil interactif que nous avons créé pour visualiser les clusters obtenus avec un LBM dynamique et les interpréter en utilisant les paramètres estimés du modèle. Ensuite, nous appliquons les algorithmes de co-clustering sur trois échelles de temps différentes. Nous présentons les aspects pratiques liés à l'utilisation de ces algorithmes ainsi que les cas d'utilisation possibles de la supervision par paire. Enfin, nous détaillons les limites des algorithmes proposés et présentons quelques perspectives.

In a transportation network, supervision plays a key role to ensure smooth operations and satisfied voyagers. This includes providing adequate passenger information, managing the security of the passengers, the fixed assets, the traction power systems and supervising the traffic in real-time. In this thesis, we address the conception of new data-driven algorithmic tools to help urban railway operators in the task of supervision of the transportation network. As many decisions of the operators depend on how the trips of the users are distributed on the network, we seek to provide synthetic information about the current passenger flow and its evolution to the operators in order to help them in the supervision of the traffic and the fixed assets. Given the entries and exits of the users on the network, the passenger flow can be seen as a discrete-time dynamic graph whose nodes are the stations of the network and whose edges count the number of passengers between any two pairs of stations. We thus aim at summarizing this dynamic graph using clustering techniques. The Block Models, including the Stochastic Block Model and the Latent Block Model, are model-based approaches for co-clustering that appear adequate for this task of graph clustering. The clustering here only depends on how the passenger flow is distributed on the network and does not include the expert knowledge of the operators. Consequently, we also seek to take into account contextual information such as the stations characteristics, the network topology or the actions of the operators on the train regulation in the summarizing of the passenger flow. We first review the main concepts our works are based on as well as some related works on unsupervised learning for passenger flow analysis. We then propose a formalization of the operational problem. In our first contribution, we present an extension of the Stochastic Block Model (SBM) for discrete-time dynamic networks that takes into account the variability in node degrees, allowing us to model a broader class of networks. We derive an inference procedure based on Variational Expectation-Maximization that also provides the means to estimate the time-dependent degree corrections. For our second contribution, we propose to leverage prior knowledge in the form of pairwise semi-supervision in both row and column space to improve the clustering performances of the algorithms derived from the Latent Block Model (LBM). We introduce a general probabilistic framework for incorporating Must Link and Cannot Link relationships in the LBM based on Hidden Markov Random Fields and present two inference algorithms based on Variational and Classification EM. Finally, we present the application of the two previous algorithms on real-world passenger flow data. We then describe an interactive tool that we created to visualize the clusters obtained with the dynamic LBM and interpret them using the estimated parameters of the model. Next, we apply the co-clustering algorithms in three different contexts to analyze the passenger flow on different time scales. We present the practical aspects related to the utilization of these algorithms as well as possible use-cases the pairwise supervision. Finally, we detail the limits of the proposed algorithms and present some perspectives.