Développement d'un Outil d'Analyse du Potentiel de Covoiturage à Partir de Données Synthétiques de Mobilité
Direction Sciences et Technologies du Numerique

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. Depuis les concepts scientifiques en recherche fondamentale jusqu’aux solutions technologiques en recherche appliquée, l’innovation est au cœur de son action, articulée autour de quatre orientations stratégiques : climat, environnement et économie circulaire ; énergies renouvelables ; mobilité durable ; hydrocarbures responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur l’apport de solutions aux défis sociétaux et industriels de l’énergie et du climat, au service de la transition écologique. Partie intégrante d’IFPEN, IFP School, son école d’ingénieurs, prépare les générations futures à relever ces défis.

Développement d’un Outil d’Analyse du Potentiel de Covoiturage à Partir de Données Synthétiques de Mobilité

Dans un contexte où la mobilité dur able devient une priorité, le développement du covoiturage apparaît comme un levier majeur pour réduire les émissions de gaz à effet de serre et alléger le trafic routier. L’utilisation de données de mobilité, qu’elles soient réelles ou obtenues par des simulateurs de trafic, permet d’analyser ces phénomènes de manière fine. Cette approche facilite la modélisation à grande échelle des comportements de mobilité, tout en garantissant la robustesse des résultats.

Ce stage vise à analyser le potentiel de covoiturage sur un territoire urbain à partir de données de mobilité synthétiques. Cette analyse permettra d’identifier de nouvelles aires et  lignes de covoiturage afin de quantifier les réductions potentielles du nombre de véhicules en circulation et le gain environnemental associé. Différents scénarios prospectifs de mobilité plus durable pourront ainsi être analysés.

Objectifs du stage : 

• Identifier des aires de covoiturage en fonction des origines et destinations des trajets des agents modélisés, en tenant compte de la dimension temporelle.
• Identifier des lignes de covoiturage avec des approches de clustering en analysant les itinéraires et les horaires de départ et d’arrivée des agents.
• Comparer les lignes de covoiturage avec le réseau de transport en commun pour évaluer les opportunités de report modal.
• Évaluer l'impact environnemental du covoiturage en modélisant différents scénarios de réduction du nombre de véhicules sur le réseau routier.
• Développer des indicateurs de performance pour quantifier le taux de succès potentiel du covoiturage, tels que le taux de remplissage des véhicules ou la réduction du kilométrage total parcouru.
• Intégrer une dimension socio-économique pour analyser les comportements d’adoption du covoiturage, en fonction de facteurs tels que la distance des trajets, la taille des foyers ou les caractéristiques du territoire étudié.

Tâches de l’étudiant : 

• Traitement des données de mobilité issues du simulateur de trafic.
• Analyse des densités de départ et d’arrivée pour identifier des aires de covoiturage.
• Analyse des itinéraires et des horaires des trajets par des techniques de clustering pour identifier des lignes de covoiturage.
• Comparaison des lignes de covoiturage avec les réseaux de transport en commun.
• Evaluer l’efficacité environnemental du système pour différents scénarios prospectifs.

Ce stage offrira une expérience pratique dans le développement d’outils numériques pour la mobilité durable. Il fera appel à des compétences en traitement des données, en modélisation, et en apprentissage automatique. Les résultats pourront être intégrés à des outils de visualisation et d’évaluation de scénarios prospectifs.

Profil recherché :

Master 2 ou dernière année d’école d’ingénieur, spécialisé en science des données avec un intérêt marqué pour la modélisation.

• Une expérience avec des outils de simulation de trafic serait un plus.
• Autonomie, rigueur, prise de recul et capacité à travailler avec de grands volumes de données.

Durée: 5 mois
Encadrants : Bassel Othman, Giovanni De Nunzio
Lieu : IFPEN – Solaize, Le site est accessible en transport en commun.

Envoyer CV et lettre de motivation !