Séminaire de travail (3/12/18)

Agenda

Matin

10h00-10h15

Accueil café

10h15-11h00

My-Moby: a customer oriented tool to support integrated transport and resilient communities, par Cristina Pronello de Sorbonne Universités - Université de Technologie de Compiègne. Département Génie des systèmes urbains &  EA 7284 AVENUES

11h00-11h30

L'envers et l'endroit de la livraison instantanée à vélo. Enquête dans l'Est parisien, par Laetitia Dablanc et Anne Aguilera (AME - LVMT) et Zacharie Chebance de l’Ecole des Mines Paristech – Option Affaires Publiques et Innovation (API) et Master Transport et Développement Durable (TRADD)

11h30-12h00

Flux et réseaux de transport dans le geoweb, par Françoise Bahoken (AME-SPLOTT) et Etienne Côme (COSYS-GRETTIA)

12h00-12h30

Modèle d'auto-organisation pour les protocoles de routage dans les réseaux ad hoc de véhicules, par Martine Wahl (COSYS – LEOST)

12h30-12h45 GeolocPVT  : Calcul de trace à partir des données GNSS brutes sous Android par Céline Ragoin (AME - GEOLOC)

Déjeuner

12h45 - 14h00  en A003

Après midi

14h00-14h45

Big data et mobilité : Eléments sur la transformation numérique de la mobilité, par Olivier Haxaire de TELECOM ParisTech - École des Ponts ParisTech

14h45-16h30

Travaux des doctorants

 

 
  • Loïc Bonnetain : Reconstruction d'itinéraires en milieu urbain à partir de traces de téléphonie mobile
  • Elise Henry : Analyse de la résilience d'un réseau de transport urbain au moyen d'un graphe dynamiquement pondéré
  • Sarah Ben Hamida : Représentations et pratiques de la marche via les applications smartphone d'aide à la mobilité
  • Rahmad Sadli1,2, Yassin El Hillali1, Charles Tatkeu2, Atika Rivenq1 : Ultra-Wide Band Short-Range Radar (UWB-SRR) for Vulnerable Road Users Identification. 1Université Polytechnique Hauts-de-France, IEMN-DOAE, 59313 Valenciennes, France 2Univ Lille Nord de France, F-59000 Lille, IFSTTAR, COSYS, LEOST, F-59650 Villeneuve d’Ascq, France
 

Informations Pratiques

Quandle 3 décembre 2018
salle A016 sur le site de l'ifsttar MLV
Heures10h00 à 16h30
Financement de la mission par le PF ?

écrire à cyrille.belon(at)ifsttar.fr avec les porteurs du PF en copie

Résumés et téléchargement des présentations

Télécharger la présentation

Gathering data, cross-checking information, keeping only the facts and selecting the most relevant strategies: here are expressed, in few words, our approach for promoting a sustainable transport system.

In our vision mobility rights are fundamental ones and are unavoidable to support the creation, upkeep and enhancement of economic and social networks. We defend the perspective that a smart territory should be able to satisfy its population needs while guaranteeing a healthy and danger-free environment.

We endeavour towards the active engagement of the populations in the decision-making processes. A subtle mix of pedagogy, necessary to raise awareness of current problems, and listening, in order to meet the needs of users as closely as possible.

The base project, carried by the professorship MIDT (Mobilité Intelligentes et Dynamiques Territoriales – Intelligent Mobility and Territorial Dynamics) at the Université Technologique de Compiègne (UTC-Sorbonne Université) has as scientific goals:

  • to push one step forward research on mobility behaviour;
  • to understand the specific role of information delivery on behaviour for different types of users;
  • to propose tailored transport policy, rightfully adapted to users’ needs.

To carry out the project, several technological and social tools are at stakes.

  •  Raw mobility data are collected thanks to different sensors the use of a dedicated smartphone App.
  • Qualitative information (perception, real needs, preferences, sensibilities, point of view) are collected thanks to focus groups between participants of our living lab.

Thanks to different experimental implementation of the service in 3 cities of the Oise department (Compiègne, Beauvais and Creil, France), and the active involvement of both stakeholders and citizens, it is now possible for us to collect high quantity/high quality mobility data and to identify new mobility services effective to shape tomorrow’s urban environment.

Active research and development allow us to continuously improve our services, current progresses are being made in the fields of:

  • automatic mode detection, thanks to machine learning techniques;
  • automatic scope inference, thanks to time series analysis and spatial POI detection;
  • automatic zoning and OD matrix construction, thanks to big data processing and spatial statistics.

We bet on collective intelligence in the era of artificial one. We develop the tools necessary for individuals to transform personal knowledge and experiences into redistributable commons at different geographic and social levels.

Télécharger la présentation

La présentation vise à mieux caractériser le profil et les conditions de travail des livreurs travaillant pour les plateformes de livraison instantanée de repas, et à réfléchir aux enjeux d'adaptation de la ville "cyclable" à cette nouvelle activité en plein développement. Les résultats sont basés sur deux enquêtes réalisées en 2016 et en 2018 auprès de coursiers opérant dans la partie Est de Paris intra-muros, principalement pour le compte des plateformes Deliveroo, Foodora, UberEats et Stuart.

Télécharger la présentation

Nous présentons une première analyse de la production cartographique de flux et de réseaux sous la forme d'applications web. Elle porte sur une première exploitation d'une liste d'applications et de services de géo-visualisation de ces informations, en cours de constitution dans le cadre du projet gflowiz- geographic flow visualisation (https://tinyurl.com/gflowiz). La version de la liste présentée ici est celle de septembre 2018.
L'attention est focalisée ici sur la sélection d'applications web qui portent sur le domaine transports, un champ spécifique du geoweb portant sur les flux, flots, trafics et déplacements de personnes et de biens. Les applications de transports et télécommunications se révèlent les plus représentées du corpus actuellement recensé, avec près du tiers des entrées. Si la carte de flux en implantation ponctuelle – bi localisée, est la plus représentée, nombre de dispositifs mobilisent une implantation linéaire, qui correspond à l’infrastructure supportant le déplacement. Les modes de transport concernés sont en effet souvent terrestres (ferroviaires et routiers, pour moitié d'entre eux) ; ils sont dans une moindre mesure maritimes ou aériens. Il est intéressant de noter que les applications web dédiées au transport décrivent pour moitié des flots de véhicules : transport collectifs (bus et métro) ; transports individuels (voiture, vélos en libre-service), ainsi que des navires. Un quart concerne des flux de personnes (passagers, migrants, sportifs, etc.)

Télécharger la présentation

L'Ifsttar a développé, en collaboration scientifique avec un chercheur de l’ULCO-LISIC, un algorithme de clustering, distribué et coopératif, qui constitue une nouvelle approche du routage des réseaux ad hoc (V2V) pour les VANETs. En l’absence ou en complément d’une infrastructure, cette approche offre, à la couche application, les services d’une infrastructure virtuelle stable dynamiquement. Dans cette présentation, nous montrerons comment les services de communication offerts par l’algorithme développé « Chain-Branch-Leaf » (CBL) peut répondre aux besoins d’une application distribuée d’égo-localisation coopérative.

 Références (pour en savoir plus) :

  •  RIVOIRARD Lucas, WAHL Martine, SONDI Patrick, BERBINEAU Marion, GRUYER Dominique (2018). « Chain-Branch-Leaf: a Clustering Scheme for Vehicular Networks Using Only V2V Communications », In Ad Hoc Networks, Special session on Advances in Wireless Communication and Networking for Cooperating Autonomous Systems, vol. 68, pp.70-84, January 2018, DOI 10.1016/j.adhoc.2017.10.007.
  •  Lucas RIVOIRARD, Martine WAHL, Patrick SONDI, Dominique GRUYER, Marion BERBINEAU, « A Cooperative Vehicle Ego-localization Application Using V2V Communications with CBL Clustering », in 29th IEEE Intelligent Vehicles Symposium (IV 2018), Chang Shu, Suzhou, China, June 26-29, 2018.
  •  Mohsen ROHANI, Denis GINGRAS, and Dominique GRUYER, « A Novel Approach for Improved Vehicular Positioning Using Cooperative Map Matching and Dynamic Base Station DGPS Concept », IEEE Transactions on Intelligent Transportation Systems, Vol. 17, No. 1, January 2016.

Télécharger la présentation

Depuis Android 7, les données brutes de navigation sont accessibles directement via l’appareil. Dans le cadre de la "GNSS Raw Measurements Task Force" de la GSA, le laboratoire Géoloc développe une application de calcul de traces en exploitant ces données.

Télécharger la présentation

Depuis 2007, un ensemble de technologies « habilitantes » a profondément transformé le paysage de la mobilité et rend possibles des offres innovantes (car pooling/sharing, mobility as a service, pay as you go/drive, on-demand mass transit, etc). Ce domaine complexe et foisonnant est en rapide « transformation numérique », voire en recomposition. Notre étude tente de dégager quelques points de points de repère et tendances par rapport auxquels les événements du secteur arrivant à flux continu peuvent être situés et remis en perspective.

 

 

Télécharger la présentation

Dans un premier temps, une approche de map-matching de traces de téléphonie mobile basée sur le modèle de Markov caché sera présentée. La reconstruction d'itinéraire est envisagée d'un point multimodale et dans un contexte urbain. Ensuite, un cas d'étude à la ville de Lyon sera présentée pour l'analyse de la mobilité au niveau microscopique et macroscopique à partir des données de téléphonie mobile

 

 

Télécharger la présentation

Les réseaux de transport, essentiels à notre société, fonctionnent aujourd'hui pour la majorité à capacité limite et sont d'autre part soumis à de nombreuses perturbations qui affectent leurs performances. L'analyse de leur résilience est indispensable. Ce travail a pour premier objectif de combiner les deux approches, statique et dynamique, largement utilisées dans ce domaine de recherche. La méthodologie développée utilise un graphe pondéré dynamiquement. Les mesures de centralité appliquées permettent alors de tenir de compte des dynamiques de trafic, en plus des vulnérabilités topologiques. Le second objectif consiste en l'analyse de différentes méthodes simulant les perturbations afin d'en évaluer leur impact. Cette étape permet d'élargir les perturbations analysées actuellement, consistant en celles d'un lien unique.

Télécharger la présentation

Présentation de mon mémoire de recherche effectué dans le cadre d'un Master 2 en Géographie (encadré par Anne Aguiléra). Ce dernier porte sur le croisement de la mobilité urbaine pédestre et du numérique et il vise à mettre en lumière une marche particulière ; celle accompagnée et aidée d'un appareil mobile connecté.

Télécharger la présentation

In this research, we have investigated the performance of Ultra-Wide Band - Short Range Radar  (UWB-SRR) for identification of Vulnerable Road Users (VRUs). This work is targeted especially to the cyclist and pedestrian. The work focused on the two main parts, detection and recognition. In detection part,  we have investigated 1-D and 2-D radar data. For 1-D radar data,  a combination of Higher Order Statistics (HOS) and the well-known  Cell-Averaging Constant False Alarm Rate (CA-CFAR) detector has been proposed in order to obtained a good radar detector. We have found that the performance of the proposed method is better than that of using ordinary second order statistic, HOS, and CA-CFAR detector.  For 2-D radar data, we proposed a novel method of clutter removal in order to enhance radar detection performance. We have compared the performances in term of Signal-to-Noise Ratio (SNR) for different methods like Singular Value Decomposition (SVD), Principal Component Analysis (PCA), Wavelet Shrinkage Denoising (WSD), Higher Order Statistics (HOS) and the proposed method that is a combination of  WSD and HOS. The results show that the proposed of clutter removal method outperforms the others.  In the recognition part, Support Vector Machines (SVM), Deep Belief Network (DBN) and Convolution Neural Network (CNN) have been investigated for identification of radar targets and their performances have been evaluated.  SVM and DBN can potentially classify the targets like the cyclist and pedestrian, but the CNN is a better choice for identification of VRUs because it gives a better performance than that of SVM and DBN.

Keywords: CA-CFAR, CNN, cyclist, DBN, HOS,  Pedestrian, SVM, UWB-SRR, Vulnerable Road Users, VRUs Identification.