Etude comparée des phénomènes de congestion dans les grandes villes européennes

Contexte scientifique

La diversité des formes urbaines, la complexité des réseaux multimodaux et l'ampleur des phénomènes de congestion posent un défi majeur : identifier les facteurs qui déterminent la performance — ou au contraire la vulnérabilité — des systèmes de transport urbains.

Comprendre quelles caractéristiques structurelles (topologie du réseau, hiérarchie viaire, densité urbaine) ou dynamiques (vitesses, temps de parcours, hétérogénéité spatio-temporelle de la congestion) influencent l'efficacité d'un système de mobilité à grande échelle constitue une question centrale pour améliorer la mobilité métropolitaine et orienter la conception des infrastructures du futur.

Si de nombreux travaux ont étudié l'évolution temporelle des performances d'un réseau urbain, l'accès longtemps limité aux données de trafic à large échelle a freiné les analyses comparatives entre métropoles. Or, ces études interurbaines sont précisément susceptibles de révéler des déterminants macroscopiques de la congestion et d'éclairer les leviers d'action à l'échelle des villes.

Pour répondre à ces problématiques, le laboratoire EMob-Lab (Université Gustave Eiffel, ENTPE, campus de Lyon) porte un effort de recherche ambitieux. À partir de l'intégration de données ouvertes (réseaux urbains de plus de 200 villes européennes) et de données de trafic propriétaires (vitesses et temps de parcours à l'échelle des liens), l'équipe conduit des analyses hiérarchiques et comparatives des structures topologiques et des dynamiques de congestion afin d'en identifier les variables explicatives majeures.

Objectifs du stage

Dans ce contexte, l'objectif de ce stage est de contribuer à l'analyse systématique de données de trafic pour l'ensemble de villes sélectionnées, en étudiant les dynamiques de congestion à des échelles mésoscopiques et macroscopiques, en caractérisant à l'aide d'outils statistiques leur leur variabilité temporelle et spatiale et en identifiant à l'aide de méthodes d'apprentissage automatique (machine learning) les patterns récurrents et invariants de ces phénomènes de congestion. Ce travail vise plus précisément à :

• construire une typologie des villes Européennes à partir d'indicateurs de trafic et de réseau ;
• approfondir la compréhension des liens entre structure urbaine, réseau de transport et performances ;
• produire des résultats exploitables scientifiquement (visualisations, synthèses, potentiels éléments de publication).

Missions principales

Le ou la stagiaire sera amené(e) à :

• Maintenir et enrichir la revue de littérature sur l'analyse comparative de la mobilité urbaine, la modélisation macroscopique du trafic et les indicateurs de performance fondés sur les réseaux ;
• Explorer, nettoyer et prétraiter les jeux de données (OpenStreetMap, données de trafic routier et/ou transports collectifs selon disponibilité) ;
• Extraire, à différentes échelles, des indicateurs et variables (ex. distributions et variabilité des vitesses, temps de parcours, signatures spatio-temporelles de congestion) ;
• Concevoir et évaluer des analyses de similarité et de classification non supervisée (clustering), ainsi que des réductions de dimension (ex. ACP) pour identifier des groupes de villes aux profils comparables ;
• Visualiser et interpréter les résultats via des représentations statistiques et cartographiques, et formuler des conclusions en lien avec la morphologie urbaine, la conception des infrastructures et les pratiques de gestion de la mobilité ;
• Documenter le travail (code, méthodologie, résultats, article scientifique) dans une logique de reproductibilité et de valorisation.

Profil recherché

Pour ce stage, nous sommes à la recherche d'un ou d'une étudiante en dernière année de master ou d'école d'ingénieur, avec un spécialisation informatique, mathématique appliquée, physique statistique, ingénierie des transports ou génie urbain, disposant :

• D'un intérêt marqué pour l'ingénierie des transports, l'analyse de données et l'apprentissage automatique (clustering, ACP, régression) ;
• D'une bonne maîtrise de Python et de bibliothèques usuelles (pandas, geopandas, networkx, scikit-learn) ;
• De bonnes capacités d'analyse et de rédaction ; d'une aptitude à communiquer clairement des résultats via la visualisation et un reporting structuré
• (Apprécié) Notions de SIG, analyse de graphes, traitement de séries temporelles, pratique de la programmation reproductible (structuration de projets informatiques) et du versionnement (Git) ;

Encadrement et localisation

Le stage se déroulera sur le campus lyonnais de l'Université Gustave Eiffel, au sein de la Cité des Mobilités (Bron).

Le ou la stagiaire intégrera pleinement l'équipe du laboratoire impliquée sur le projet et travaillera en étroite collaboration avec la doctorante actuellement en charge de conduire ses études.

L'encadrement s'articulera autour de réunions hebdomadaires, ajustables selon les besoins et l'avancement.

Candidature

Pour candidater, merci de renseigner vos informations personnelles et vos documents (CV, lettre de motivation, relevés de note) via le formulaire suivant :

Type d'emploi : Stage

Durée du contrat : 6 mois

Rémunération : à partir de 500,00€ par mois

Lieu du poste : En présentiel