Prédiction des interventions et optimisation des ressources basées sur l'apprentissage automatique et la recherche opérationnelle pour les services d'incendie et secours
Auteur / Autrice : | Selene Leya Cerna Ñahuis |
Direction : | Christophe Guyeux |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 12/12/2022 |
Etablissement(s) : | Bourgogne Franche-Comté |
Ecole(s) doctorale(s) : | École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....) |
Partenaire(s) de recherche : | Laboratoire : FEMTO-ST : Franche-Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies (Besançon) - Franche-Comté Électronique Mécanique- Thermique et Optique - Sciences et Technologies (UMR 6174) / FEMTO-ST |
Site de préparation : Université de Franche-Comté (1971-....) | |
Jury : | Président / Présidente : Raphaël Couturier |
Examinateurs / Examinatrices : Carol Habib, Guillaume Royer-Fey | |
Rapporteurs / Rapporteuses : Lipika Deka, Jacques Demerjian |
Mots clés
Mots clés contrôlés
Résumé
Dans le monde entier, les Services d'Incendie et Secours (SIS) cherchent à développer des stratégies pour réduire leur temps de réponse lors des interventions, car c'est l'un des facteurs les plus importants pour sauver des vies et pour mesurer la qualité de leur service. Les données collectés au fil des ans sur leurs interventions lors d'incendies, de sauvetages, d'accidents de la route, etc., pourraient être utilisés pour développer des systèmes de prise de décision basés sur les données, comprendre les tendances de certains événements, améliorer l'efficacité de leur service et réduire les coûts d'exploitation.Pour cette raison, les principaux objectifs de cette thèse sont: i) Prédire les interventions pour soutenir la prise de décision dans le déploiement des ressources à court terme, et ii) Développer des méthodologies pour optimiser les ressources à long terme.Pour l'objectif i, nous construirons des modèles basés sur l'apprentissage automatique (ML) pour prédire le nombre d'interventions dans les prochaines heures, quand un pic de charge opérationnelle se produira en raison d'événements rares (par exemple, tempêtes et inondations), la mortalité des victimes, le temps de réponse à un incident et le temps de rotation des ambulances dans les hôpitaux.Pour l'objectif ii, nous développerons des méthodes d'optimisation basées sur des techniques de ML et de recherche opérationnelle (OR) pour la création d'un indicateur de qualité de service, un simulateur de charge opérationnelle, le redéploiement des ambulances, et la mise en place d'un nouveau centre.