Organisation du temps pour la décongestion de la mobilité urbaine : une approche interdisciplinaire pour les Bureaux des Temps

Time organization for urban mobility congestion : an interdisciplinary approach for Bureaux des Temps

• Auteur / Autrice : Yassamina Berkane
• Direction : Leïla Kloul, Yoann Demoli
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/12/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Données et algorithmes pour une ville intelligente et durable (Versailles ; 2015-...)
• Partenaire(s) de recherche : référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-....)
• Jury : Président / Présidente : Dominique Barth
• Jury : Examinateurs / Examinatrices : Vincent Kaufmann, Jakob Puchinger, Kamila Tabaka Simon, Frédéric Chaillan
• Jury : Rapporteurs / Rapporteuses : Vincent Kaufmann, Jakob Puchinger

Mots clés

Mots clés contrôlés

Gestion du temps

Apprentissage automatique

Analyse des données

Interdisciplinarité

Mobilités urbaines

Mots clés libres

Mobilité urbaine

Approche interdisciplinaire

Gestion du temps

Analyse des données

Apprentissage automatique

Bureaux des Temps

Urban mobility

Interdisciplinary approach

Time management

Data analysis

Machine learning

Time bureaus

Résumé

Soutenue par la croissance démographique au sein des zones urbaines, l'augmentation de la mobilité quotidienne est un défi majeur pour la gestion des villes et de leurs infrastructures routières, dans une optique de croissance économique et de développement durable. Dans cette thèse, le concept de gestion du temps est intégré dans une nouvelle approche pour réduire la congestion de la mobilité urbaine. Les méthodes traditionnelles se concentrent principalement sur les aspects spatiaux, négligeant ainsi la dimension temporelle. Dans l'approche proposée, nous nous intéressons à la prise en compte de concepts des Sciences Humaines et Sociales (SHS), en particulier les concepts sociologiques, avec les Sciences et Technologies de l'Information et de la Communication (STIC) pour proposer une solution d'aide à la décision pour les Bureaux des Temps, qui vise à modifier les temporalités afin de réduire la congestion urbaine. Cette approche intègre trois phases : identifier les profils de mobilité, analyser la congestion du trafic et prendre des décisions temporelles. Les profils de mobilité sont prédits à l'aide de techniques d'apprentissage en prenant en compte des critères sociologiques. L'analyse de la congestion du trafic exploite des données de l'application Waze. Enfin, l'utilisation des modèles de séries temporelles nous permet de prédire les degrés de congestion afin de proposer des temps de départ optimisés pour éviter la congestion urbaine. La solution proposée a le potentiel d'intégrer un ensemble de données hétérogènes dans la gestion de la congestion pour des villes urbaines harmonieuses.

Population growth and urbanization are major challenges for the management of cities and their resources. Urban mobility is one of these challenges because of its impact on quality of life, economic productivity, and environmental sustainability. In this thesis, the concept of time management is integrated into a new approach to reduce urban mobility congestion. Traditional methods primarily focus on spatial aspects, thus neglecting the temporal dimension. We concentrate on integrating concepts from the Social and Human Sciences (SHS), particularly sociological concepts, into Sciences and Technologies of Information and Communication (STIC) to propose a decision-support solution for the time bureaus, which aims to modify temporalities to reduce urban congestion.The proposed approach consists of three phases: identifying mobility profiles, analyzing traffic congestion, and making temporal decisions. Mobility profiles are predicted using learning techniques that take into account sociological criteria. Traffic congestion analysis investigates Waze data. Finally, the use of time series models allows us to predict congestion levels to propose optimized departure times to avoid urban congestion. The proposed solution has the potential to integrate a set of heterogeneous data in congestion management for harmonious urban cities.