I

Rabattement intermodal dans les simulations multi-agents

salary Salary :

€1,300 - 1,300 weekly

icon building Compagnie : Irt Systemx
icon briefcase Type d'emploi : Stage

Description de l'emploi - Rabattement intermodal dans les simulations multi-agents

L’IRT SystemX conduit un programme de recherche et développement en partenariat avec la SNCF sur différentes thématiques relatives aux transports multimodaux urbains et périurbains. Il implique notamment des modélisations des futurs systèmes de transports, et comprend des enjeux relatifs à la représentation des caractéristiques territoriales et opérationnelles des futurs services.

Au sein de ce projet, SystemX développe des modèles de simulation multi-agents à la pointe de l’état de l’art pour répondre à des questionnements autour de la mise en place et du renforcement des offre de transport ferroviaire [1,2]. Une problématique centrale de ces études concerne le rabattement intermodal entre la voiture et le transport ferroviaire, aussi connu sous le nom de Park-and-Ride [3]. Bien que la compréhension de ces comportements et leur intégration dans les modèles de simulation soit centrale pour les études prospectives, cette question n’est pour l’heure pas entièrement résolue dans la littérature sur les modèles de simulation multi-agents. Ce stage a pour objectif d’adresser ce verrou en étudiant les comportements de rabattement via des données d’enquête ménage-déplacement et en construisant un modèle de choix intégrable dans les simulations multi-agents.

L’IRT SystemX conduit un programme de recherche et développement en partenariat avec la SNCF sur différentes thématiques relatives aux transports multimodaux urbains et périurbains. Il implique notamment des modélisations des futurs systèmes de transports, et comprend des enjeux relatifs à la représentation des caractéristiques territoriales et opérationnelles des futurs services.

Au sein de ce projet, SystemX développe des modèles de simulation multi-agents à la pointe de l’état de l’art pour répondre à des questionnements autour de la mise en place et du renforcement des offre de transport ferroviaire [1,2]. Une problématique centrale de ces études concerne le rabattement intermodal entre la voiture et le transport ferroviaire, aussi connu sous le nom de Park-and-Ride [3]. Bien que la compréhension de ces comportements et leur intégration dans les modèles de simulation soit centrale pour les études prospectives, cette question n’est pour l’heure pas entièrement résolue dans la littérature sur les modèles de simulation multi-agents. Ce stage a pour objectif d’adresser ce verrou en étudiant les comportements de rabattement via des données d’enquête ménage-déplacement et en construisant un modèle de choix intégrable dans les simulations multi-agents.

Objectifs du stage :

Dans ce contexte, nous recherchons un.e stagiaire pour appuyer le développement de ces modèles et participer à la consolidation des actifs déjà implémentés. Par ailleurs, une partie du stage s’articulera autour de l’analyse des données de sortie de simulation et la production d’indicateurs permettant d’évaluer la performance et qualité des méthodes implémentées.

Vos missions

  • Vous familiariser avec les problématiques liées au transport, les simulations multi-agents de mobilités, les modèles de choix modal ainsi que les méthodes développées et mises en œuvre dans le cadre du projet ;
  • Faire un retour sur les limitations des modèles et des processus existants ;
  • Analyser les enquêtes ménage-déplacement disponibles en France et mettre en perspective les comportements de rabattement intermodaux et leurs déterminants ;
  • Proposer avec l’encadrement un modèle de choix modal intégrant ces comportements et les facteurs identifié tout en veillant à la compatibilité du modèle ;
  • Mener les développements des modèles et des cas d’usages puis procéder à leur évaluation ;
  • Rédiger le rapport de stage détaillant les travaux.

Références bibliographiques sur le sujet :

[1] Hörl, S., & Balac, M. (2021). Synthetic population and travel demand for Paris and Île-de-France based on open and publicly available data. Transportation Research Part C: Emerging Technologies, 130, 103291.

[2] Chouaki, T., Hörl, S., & Puchinger, J. (2023, January). Towards reproducible simulations of the grand paris express and on-demand feeder services. In 102nd Annual Meeting of the Transportation Research Board (TRB 2023).

[3] Zhao, X., Li, Y., & Xia, H. (2017). Behavior decision model for park-and-ride facilities utilization. Advances in Mechanical Engineering, 9(7), 1687814017708907.

PROFIL ET COMPETENCES:

De formation BAC +5 / école d’ingénieur ou université master (M1 ou M2), dans le domaine de l’informatique, de l’optimisation ou de l’ingénierie logicielle, avec des compétences en développement.

Des connaissances autour de la modélisation et la simulation multi-agent, ainsi qu’autour des problématiques de transport sont un plus.

Compétences souhaitées :

  • Développement en Python
  • Analyse et visualisation de données
  • Outils de développement (Git, Gitlab, ...)
  • Connaissances en JAVA appréciées
  • Connaissances en Systèmes d’Information Géographiques (QGis) appréciées

Aptitudes personnelles :

  • Appétence pour la résolution de problèmes complexes
  • Force de proposition et esprit critique
  • Capacité de synthèse
  • Curiosité, créativité et esprit d’initiative
  • Intérêt pour les problématiques liées à la mobilité

Application deadline

As long as the job is online

Study level

Master level or equivalent

Job Category

Engineering
Original job Rabattement intermodal dans les simulations multi-agents posted on GrabJobs ©. To flag any issues with this job please use the Report Job button on GrabJobs.
Share Job
Share Job

Similar Rabattement intermodal dans les simulations multi-agents Jobs in France

GrabJobs est le portail d'emploi n°1 en :country, te connectant rapidement à des milliers d'emplois ! Trouve les meilleurs emplois de dans France, postule en 1 clic et obtiens un emploi dès aujourd'hui !

Copyright © 2026 Grabjobs Pte.Ltd. All Rights Reserved.