Prévision à court terme des flux de voyageurs : une approche par les réseaux bayésiens
Auteur / Autrice : | Jérémy Roos |
Direction : | Stéphane Bonnevay, Gérald Gavin |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 28/09/2018 |
Etablissement(s) : | Lyon |
Ecole(s) doctorale(s) : | École doctorale en Informatique et Mathématiques de Lyon |
Partenaire(s) de recherche : | établissement opérateur d'inscription : Université Claude Bernard (Lyon ; 1971-....) |
Laboratoire : Entrepôts, Représentation et Ingénierie des Connaissances | |
Jury : | Président / Présidente : Alexandre Aussem |
Examinateurs / Examinatrices : Stéphane Bonnevay, Gérald Gavin, Shadi Sadeghian, Nathalie Laurent | |
Rapporteurs / Rapporteuses : Philippe Leray, Latifa Oukhellou |
Mots clés
Résumé
Dans ces travaux de thèse, nous proposons un modèle de prévision à court terme des flux de voyageurs basé sur les réseaux bayésiens. Ce modèle est destiné à répondre à des besoins opérationnels divers liés à l'information voyageurs, la régulation des flux ou encore la planification de l'offre de transport. Conçu pour s'adapter à tout type de configuration spatiale, il permet de combiner des sources de données hétérogènes (validations des titres de transport, comptages à bord des trains et offre de transport) et fournit une représentation intuitive des relations de causalité spatio-temporelles entre les flux. Sa capacité à gérer les données manquantes lui permet de réaliser des prédictions en temps réel même en cas de défaillances techniques ou d'absences de systèmes de collecte