Vers la création d’un modèle orienté au backcasting des systèmes de mobilité : identification de modèles substituts à partir de simulations détaillés de trafic

Une nouvelle approche, qui devrait changer la manière de concevoir et d'évaluer la mobilité future des personnes et des biens, est en train d’émerger. Qu'elle soit plus électrifiée, connectée, automatisée, digitalisée ou non, cela dépendra des objectifs que nous visons à des horizons temporels donnés : environnementaux, économiques, sociétaux, etc. Dans ce nouveau paradigme, ces objectifs seront fixés en priorité, ensuite la feuille de route des politiques et des technologies nécessaires sera établie ("backcasting"), par opposition à l'approche actuelle où des actions potentielles sont supposées, puis leurs impacts sont "estimés" et évalués. Le backcasting peut être vu comme un processus d'optimisation dynamique (ou commande optimale). Il sera rendu possible par la disponibilité d'un modèle dynamique et systémique qui décrit les systèmes de mobilité en termes très macroscopiques, mais capable de représenter toutes les boucles de causalité reliant les politiques recherchées aux impacts attendus.
Ce sujet de doctorat représente le premier élément d'un programme de recherche ambitieux, et cible un modèle dynamique du sous-système réseau de transport. Une définition précise des entrées manipulables et exogènes, des états dynamiques internes, ainsi que des variables de sortie les plus significatives, sera le résultat d'une analyse préliminaire du type « Dynamiques des systèmes ». Pour identifier et quantifier les dépendances causales entre ces variables, un simulateur de transport multimodal (MatSim) sera utilisé. Des simulations seront conçues et exécutées, les entrées et de sorties obtenues seront utilisées pour construire des modèles de substitution (la technique la plus appropriée est à identifier) et calibrer leurs paramètres. L'analyse portera sur différents scénarios, afin d'anticiper les effets des variables exogènes. Différents réseaux ou échelles territoriales seront évalués, afin d'étudier la variabilité des fonctions de transfert identifiées et leur scalabilité.
 
Mots clefs : Systems Dynamics, Backcasting, Transport Networks, Surrogate Models

• Directeur de thèse    Dr. SCIARRETTA Antonio, IFP Energies nouvelles, ORCID 0000-0002-4643-0706
• Ecole doctorale    ED580 – STIC Sciences et Technologies de l’Information et de la Communication, https://www.universite-paris-saclay.fr/en/doctoral-schools/sciences-and-technologies-information-and-communication 
• Localisation du doctorant    IFP Energies nouvelles, Rueil-Malmaison, France 
• Durée et date de début    3 ans, début au cours du quatrième trimestre 2023
• Employeur    IFP Energies Nouvelles, Rueil-Malmaison, France
• Qualifications    Master dans une discipline appropriée
• Connaissances linguistique    Bonne maîtrise du français ou de l’anglais