Nantilus
Potentiel et prévision des temps d'attente pour le covoiturage sur un territoire
Cette thèse s intéresse au potentiel et à la prévision des temps d attente concernant le covoiturage sur un territoire en utilisant des méthodes d apprentissage statistique. Cinq thèmes principaux sont abordés dans le présent manuscrit. Le premier présente des techniques de régression quantile afin...
Enregistré dans:
| Auteurs principaux : | , , , , , , |
|---|---|
| Collectivités auteurs : | , , |
| Format : | Thèse ou mémoire |
| Langue : | anglais français |
| Titre complet : | Potentiel et prévision des temps d'attente pour le covoiturage sur un territoire / Panayotis Papoutsis; sous la direction de Bertrand Michel et de Gérard Biau |
| Publié : |
2021 |
| Accès en ligne : |
Accès Nantes Université
|
| Note sur l'URL : | Accès au texte intégral |
| Note de thèse : | Thèse de doctorat : Mathématiques et leurs interactions : Ecole centrale de Nantes : 2021 |
| Sujets : |
| Résumé : | Cette thèse s intéresse au potentiel et à la prévision des temps d attente concernant le covoiturage sur un territoire en utilisant des méthodes d apprentissage statistique. Cinq thèmes principaux sont abordés dans le présent manuscrit. Le premier présente des techniques de régression quantile afin de prédire des temps d attente. Le deuxième détaille la construction d un processus de travail empruntant des outils des Systèmes d Information Géographique (SIG) afin d exploiter pleinement les données issues du covoiturage. Dans un troisième temps nous construisons un modèle hiérarchique bayésien en vue de prédire des flux de trafic et des temps d attente. En quatrième partie nous proposons une méthode de construction d une loi a priori informative par transfert bayésien dans le but d améliorer les prédictions des temps d attente pour une situation de jeu de données court. Enfin, le dernier thème se concentre sur la mise en production et l exploitation industrielle du modèle hiérarchique bayésien. This thesis focuses on the potential and prediction of carpooling waiting times in a territory using statistical learning methods. Five main themes are covered in this manuscript. The first presents quantile regression techniques to predict waiting times. The second details the construction of a workflow based on Geographic Information Systems (GIS) tools in order to fully leverage the carpooling data. In a third part we develop a hierarchical bayesian model in order to predict traffic flows and waiting times. In the fourth part, we propose a methodology for constructing an informative prior by bayesian transfer to improve the prediction of waiting times for a short dataset situation. Lastly, the final theme focuses on the production and industrial exploitation of the bayesian hierarchical model. |
|---|---|
| Variantes de titre : | Potential and prediction of waiting times for carpooling in a territory |
| Notes : | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) Partenaire(s) de recherche : Laboratoire de Mathématiques Jean Leray (Nantes) (Laboratoire) Autre(s) contribution(s) : Anne Philippe (Président du jury) ; Bertrand Michel, Gérard Biau, Anne Philippe, Pierre Latouche, Guillaume Saint Pierre, Sophie Ancelet, Thomas Matagne (Membre(s) du jury) ; Pierre Latouche, Guillaume Saint Pierre (Rapporteur(s)) |
| Configuration requise : | Configuration requise : un logiciel capable de lire un fichier au format : PDF |