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 : |
LEADER | 05235clm a2200697 4500 | ||
---|---|---|---|
001 | PPN263051978 | ||
003 | http://www.sudoc.fr/263051978 | ||
005 | 20240326055500.0 | ||
029 | |a FR |b 2021ECDN0059 | ||
033 | |a http://www.theses.fr/2021ECDN0059 | ||
035 | |a (OCoLC)1331144812 | ||
035 | |a STAR177503 | ||
100 | |a 20220620d2021 k y0frey0103 ba | ||
101 | 0 | |a eng |a fre |d fre |d eng |2 639-2 | |
102 | |a FR | ||
105 | |a ||||ma 00|yy | ||
135 | |a dr||||||||||| | ||
181 | |6 z01 |c txt |2 rdacontent | ||
181 | 1 | |6 z01 |a i# |b xxxe## | |
182 | |6 z01 |c c |2 rdamedia | ||
182 | 1 | |6 z01 |a b | |
183 | |6 z01 |a ceb |2 RDAfrCarrier | ||
200 | 1 | |a Potentiel et prévision des temps d'attente pour le covoiturage sur un territoire |f Panayotis Papoutsis |g sous la direction de Bertrand Michel et de Gérard Biau | |
214 | 1 | |d 2021 | |
230 | |a Données textuelles | ||
304 | |a Titre provenant de l'écran-titre | ||
314 | |a Ecole(s) Doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) | ||
314 | |a Partenaire(s) de recherche : Laboratoire de Mathématiques Jean Leray (Nantes) (Laboratoire) | ||
314 | |a 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)) | ||
328 | 0 | |b Thèse de doctorat |c Mathématiques et leurs interactions |e Ecole centrale de Nantes |d 2021 | |
330 | |a 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. | ||
330 | |a 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. | ||
337 | |a Configuration requise : un logiciel capable de lire un fichier au format : PDF | ||
541 | | | |a Potential and prediction of waiting times for carpooling in a territory |z eng | |
606 | |3 PPN033020701 |a Covoiturage |2 rameau | ||
606 | |3 PPN029753090 |a Statistique bayésienne |2 rameau | ||
606 | |3 PPN178541184 |a Prédiction séquentielle |2 rameau | ||
606 | |3 PPN030380898 |a Système d'information géographique |2 rameau | ||
608 | |3 PPN027253139 |a Thèses et écrits académiques |2 rameau | ||
610 | 0 | |a Temps d attente | |
610 | 0 | |a Régression quantile | |
610 | 0 | |a Modèle hiérarchique bayésien | |
610 | 0 | |a Prior informatif | |
686 | |a 510 |2 TEF | ||
700 | 1 | |3 PPN262768437 |a Papoutsis |b Panayotis |f 1992-.... |4 070 | |
701 | 1 | |3 PPN229667155 |a Michel |b Bertrand |f 19..-.... |4 727 |4 555 | |
701 | 1 | |3 PPN097658022 |a Biau |b Gérard |f 19..-.... |4 727 |4 555 | |
701 | 1 | |3 PPN237644320 |a Philippe |b Anne |4 956 |4 555 | |
701 | 1 | |3 PPN203820827 |a Latouche |b Pierre |4 958 |4 555 | |
701 | 1 | |3 PPN076719472 |a Saint Pierre |b Guillaume |c mathématicien |4 958 |4 555 | |
701 | 1 | |3 PPN223529931 |a Ancelet |b Sophie |4 555 | |
711 | 0 | 2 | |3 PPN03063525X |a Centrale Nantes |c 1991-.... |4 295 |
711 | 0 | 2 | |3 PPN204770424 |a École doctorale Mathématiques et sciences et technologies de l'information et de la communication |c Rennes |4 996 |
711 | 0 | 2 | |3 PPN087220865 |a Laboratoire de Mathématiques Jean Leray |c Nantes |4 981 |
801 | 3 | |a FR |b Abes |c 20230630 |g AFNOR | |
856 | 4 | |q PDF |s 19259051 |u http://www.theses.fr/2021ECDN0059/document |z Accès au texte intégral | |
856 | 4 | |u http://www.theses.fr/2021ECDN0059/abes | |
856 | 4 | |u https://tel.archives-ouvertes.fr/tel-03699594 | |
930 | |5 441092306:793616387 |b 441092306 |j g | ||
991 | |5 441092306:793616387 |a exemplaire créé automatiquement par STAR | ||
998 | |a 928020 |