Optimisation multiniveaux et multicritère pour la régulation intelligente et durable des feux de signalisation : approche par intelligence artificielle dynamique.

Multilevel and multi-criteria optimization for intelligent and sustainable traffic light regulation: a dynamic artificial intelligence approach.

• Auteur / Autrice : Ahmed Tebboune
• Direction : Abderrahman El mhamedi
• Type : Projet de thèse
• Discipline(s) : Productique - Génie industriel
• Date : Inscription en doctorat le 01/10/2025
• Etablissement(s) : Paris 8
• Ecole(s) doctorale(s) : Cognition, Langage, Interaction
• Partenaire(s) de recherche : Laboratoire : laboratoire Quartz

Mots clés

Mots clés libres

Industrie5.0

Intelligence artificielle

Environnement

Durable

Apprentissage par renforcement

Industry5.0

Artificial intelligence

Durability

Sustainbility

Deeplearning

Renforcement learning

Résumé

Ce projet de thèse vise à intégrer les principes de l'Industrie 5.0 dans le domaine de la mobilité urbaine intelligente, à travers une approche mathématique avancée basée sur l'optimisation multicritère et l'intelligence artificielle. L'Industrie 5.0 met l'accent sur une interaction humaine–technologique équilibrée, durable et centrée sur l'humain, en complément des avancées technologiques de l'Industrie 4.0. Dans ce contexte, la mobilité urbaine constitue un levier stratégique pour améliorer la qualité de vie des citoyens, réduire l'empreinte environnementale et optimiser l'utilisation des infrastructures existantes. L'objectif principal de ce travail est de développer des modèles mathématiques innovants permettant d'optimiser les systèmes de mobilité urbaine en tenant compte de plusieurs critères souvent conflictuels, tels que la fluidité du trafic, la sécurité, la consommation énergétique, les émissions polluantes, le confort des usagers et l'équité d'accès aux services de transport. Ces modèles seront résolus à l'aide de méthodes d'optimisation multicritère, combinées à des algorithmes d'intelligence artificielle, notamment les algorithmes évolutionnaires, l'apprentissage automatique et, le cas échéant, l'apprentissage par renforcement. L'approche proposée permettra d'intégrer des données dynamiques issues de l'environnement urbain (capteurs, flux de trafic, comportements des usagers) afin de produire des solutions adaptatives et robustes. Les résultats attendus visent à proposer un cadre décisionnel intelligent, aligné avec les valeurs de l'Industrie 5.0, favorisant une mobilité urbaine plus durable, résiliente et centrée sur l'humain, tout en apportant une contribution scientifique significative en mathématiques appliquées et en intelligence artificielle.

This PhD project aims to integrate the principles of Industry 5.0 into intelligent urban mobility systems through an advanced mathematical framework based on multi-objective optimization and artificial intelligence. Industry 5.0 emphasizes a human-centered, sustainable, and resilient interaction between humans and technology, complementing the technological advances of Industry 4.0. In this context, urban mobility represents a key challenge and an important opportunity to enhance citizens' quality of life, reduce environmental impact, and improve the efficiency of existing transportation infrastructures. The main objective of this research is to develop innovative mathematical models for urban mobility optimization, considering multiple and often conflicting objectives, such as traffic flow efficiency, safety, energy consumption, environmental emissions, user comfort, and equitable access to transportation services. The proposed models will be solved using multi-objective optimization techniques, combined with artificial intelligence approaches, including evolutionary algorithms, machine learning, and potentially reinforcement learning. The framework will incorporate dynamic and real-time urban data (e.g., traffic sensors, mobility patterns, user behavior) to generate adaptive, robust, and human-centered solutions. The expected outcomes include the development of an intelligent decision-support framework aligned with the values of Industry 5.0, enabling sustainable, resilient, and human-centric urban mobility systems, while providing a strong scientific contribution to applied mathematics and artificial intelligence.