Description du sujet de thèse

Compte tenu du réchauffement climatique, il est urgent d’adapter nos villes au développement sécurisé des modes actifs, notamment en adaptant nos infrastructures. Pour cela, il faut être en mesure de fournir aux décideurs des recommandations d’aménagement adaptées à chaque situation. Il est donc nécessaire de se doter de moyens d’observation et de recueil de données, permettant d’analyser, de comprendre, et de modéliser les déplacements.
Des outils modernes, comme les drones ou les ballons captifs, permettent des prises de vues aériennes qui peuvent renseigner sur les usages d’une infrastructure routière. Leur mise en œuvre nécessite le développement d’algorithmes de détection et de classification des objets mobiles, qui, combinés à des méthodes de prédiction des déplacements, permettent une analyse quantitative des risques associés aux usages.
Les données seront constituées d’images enregistrées par des caméras embarquées sur un ballon aérien captif développé par le Cerema (voir contexte). Le travail proposé se structure selon deux axes :
o Le premier axe de recherche consiste à construire des algorithmes d’apprentissages performants et spécifiquement dédiés au problème de la détection des usagers par vues aériennes. L’approche innovante s’appuyant sur un ballon aérien permettra de compenser les faiblesses de l’approche par caméra depuis le sol ou un poteau (estimation de la profondeur difficile, faible portée), et permettra de meilleures performances de détection que les algorithmes existants utilisant des images de caméras de surveillance ou des capteurs lasers. Les résultats de ce premier axe permettront de disposer de données exhaustives sur l’usage d’une infrastructure (carrefour, rond-point, place, …) de qualité comparable ou meilleure que l’état de l’art.
o Le second axe de recherche, à partir des données précédentes ou avec des données publiques, consistera à établir des algorithmes performants pour détecter les situations potentiellement dangereuses du point de vue de la sécurité routière. En s’inspirant de travaux récents dans le cadre de l’évaluation des véhicules autonomes, nous proposons de nous appuyer sur la combinaison de techniques d'inférence probabiliste et d'apprentissage automatique. Il s’agira d’apprendre les spécificités des déplacements d'usagers hétérogènes d’une infrastructure, pour permettre la prédiction fiable de collisions, et ainsi mieux détecter les interactions dangereuses.

Ce sujet de thèse a donc vocation à proposer de nouvelles approches méthodologiques pour l’évaluation des performances et du risque d’une infrastructure routière, en permettant la prise en compte des usagers vulnérables. Au-delà des travaux théoriques qui rendent possible l’accomplissement de cet objectif, l’ambition est bien d’aboutir à un nouvel outil d’observation des mobilités urbaines à destination des chercheurs, des gestionnaires, et des décideurs. A notre connaissance, il n’existe pas d’approche équivalente.

Contexte de travail

La thèse est issue d’un co-financement entre le Cerema, la fédération MIDOC (Mobilité Intelligente et Durable en Occitanie), et le LAAS-CNRS.
o Le LAAS-CNRS est une unité propre du CNRS rattachée aux instituts CNRS Sciences informatiques et CNRS Ingénierie. Situé à Toulouse, il est associé à six membres fondateurs de l'Université de Toulouse.
o Le Cerema, établissement public de l’État à caractère administratif (2600 agents) dont le siège est à Lyon-Bron, est placé sous la tutelle des ministères chargés du développement durable, des transports, de l’urbanisme et du logement.
o La fédération MIDOC est un des 15 défis clés financés par la région Occitanie. Elle est composée de 20 laboratoires ou centres de recherches en Occitanie.

Le LAAS-CNRS (employeur) et le Cerema associent leurs compétences pour encadrer ces travaux. La personne recrutée sera localisée au LAAS-CNRS et au Cerema, voisin immédiat sur le site du campus universitaire de Rangueil à Toulouse.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Informations complémentaires

Profil recherché : Diplômé(e) (ou être en mesure de l’être en 2024) de Master Recherche (ou équivalent) en Mathématiques appliquées ou statistique ou Informatique décisionnelle, ou apprentissage et intelligence artificielle, ou traitement du signal.
o Compétences en développement logiciel et bases de données.
o Bon bagage scientifique général, et plus particulièrement en informatique, apprentissage automatique (IA), et modèles stochastiques.
o Bonne maîtrise de la communication en français et en anglais (oral/écrit).
o Qualités recherchées : grande motivation, autonomie, rigueur, force de proposition, ouverture aux approches pluridisciplinaires.

Les candidatures devront obligatoirement comporter :
o Un curriculum vitae et si possible au moins une lettre de recommandation ou référence
o Une lettre de motivation décrivant l'intérêt du candidat ou de la candidate pour le poste
o Les notes obtenues au Master (1&2)
o Un exemple de production écrite (thèse, article, rapport, etc.)