Stage Mines Saint Etienne - "Optimisation basée sur une utilisation combinée de simulation multi-agents et d’algorithmes évolutionnistes pour le transport multimodal" - 5 mois

English Version

Rejoindre Mines Saint-Étienne, c’est s’engager dans une institution où la science et l’innovation bâtissent un avenir plus durable. Une école d’excellence où chacun a l’opportunité de révéler son plein potentiel et de contribuer à relever les défis de demain.

Classée parmi les meilleures écoles d'ingénieurs en France (Top 11) et reconnue dans le monde entier, Mines Saint-Étienne (MSE), membre de l'Institut Mines-Télécom, forme les talents de demain tout en contribuant activement à relever les grands défis industriels, numériques et environnementaux grâce à une recherche d'excellence où la science et l'innovation construisent un avenir plus durable.

L’Institut Mines-Télécom fédère les grandes écoles françaises autour des défis industriels majeurs, numériques, énergétiques et écologiques. Avec ses 8 Grandes Écoles publiques et 2 écoles filiales, il est le premier institut public dédié aux ingénieurs et managers. Ensemble, nous imaginons et construisons un avenir durable, en formant les acteurs qui façonneront les transitions de demain.

Le stage sera mené à l'École des Mines de Saint-Étienne, offrant un environnement de recherche avancé et des infrastructures adaptées aux travaux relatifs aux environnements cyber-physiques et en systèmes multi-agents.

🗺️ Contexte du stage

Les plateformes de simulation de trafic adoptent des approches multi-agents pour mieux représenter les différents modes de transport et comprendre les comportements des usagers. Il s’agit donc d’utiliser un outil de simulation pour simuler le comportement des agents dans un réseau de transport afin d’analyser et améliorer les systèmes de transport multimodaux. Dans ce projet, nous ferons usage d’un simulateur multi-agents de trafic multimodale pour simuler les comportements de déplacement des voyageurs et déterminer les taux d’utilisation des modes de transport selon leurs conséquences comme le taux de pollution, le bruit, le coût financier,.., etc (mesures récupérées par simulation ). Nous faisons ainsi l’hypothèse que les voyageurs sont influencés dans leur choix du mode de déplacement par une analyse à priori des conséquences des alternatives disponibles.

La simulation utilisée seule permet de rendre compte du trafic globale qui est résultat des choix des voyageurs. Les décisions des voyageurs étant en parti simultanées (selon leur heure de départ), les itinéraires individuellement choisis peuvent finalement ne pas répondre au mieux aux attentes des voyageurs. Le résultat est souvent une sous utilisation des options multimodales. Par exemple, si le déplacement en voiture est le plus rapide à priori, si tous les voyageurs choisissent ce mode alors le résultat est un réseau encombré qui ne satisfait personne. Une approche pour définir un équilibre entre les demandes des voyageurs et les capacités du réseau repose très souvent sur une approche gloutonne avec la multiplication des simulations. Ce processus de recherche des itinéraires présentant les meilleurs taux d’utilisation des modes de transport devrait pouvoir être amélioré à l’aide de méthodes d’optimisation.

L'objectif du projet est de fournir des contributions théoriques et pratiques pour guider les résultats d’un simulateur multi-agent appliqué dans le transport modal. Ces travaux seront validés via un simulateur multimodal pour évaluer l'efficacité de la synchronisation entre simulateur multi-agent et l’algorithme d’optimisation.

🎯 Objectif du projet de Master

L’objectif principal de ce projet est de mettre en place un workflow entre un simulateur multi-agent afin de rendre compte de l’évolution du trafic multimodale et un algorithme d’optimisation afin de guider la recherche des meilleurs itinéraires.

Les tâches principales incluront :

1. Recherche bibliographique :

• Etude des différentes classes d’approches d’optimisation couplées et/ou incluses dans les simulateurs multi-agents.

• Identifier la classe d’approche à utiliser et définir les paramètres à optimiser selon le simulateur multimodal.

2. Construction et implémentation :

• Configurer l’algorithme d’optimisation.

• Modéliser le couplage avec le simulateur multimodal.

3. Évaluation des performances :

• Tester l’efficacité de l’algorithme d’optimisation pour limiter les scénarios de simulation à évaluer et proposer les meilleures alternatives d’itinéraires.

Technologies et Outils Utilisés :

 Outils de simulation multi-agents :

• Plateforme Territoire (https://territoire.emse.fr/wordpress/?page_id=3680)

• Matsim (https://github.com/matsim-org/)

• MnMS, (https://github.com/licit-lab/MnMS)

 Langages de programmation : Python et Java pour configurer l’algorithme d’optimisation et le couplage avec le simulateur multi-agents.