64-16cb31ec77db4a9c.js","8231","static/chunks/8231-4e2c169f3b6c1499.js","7504","static/chunks/7504-8e1da4937b377bd8.js","2997","static/chunks/2997-0ae3eb7b33f472b0.js","8087","static/chunks/8087-d70357f71aa5c243.js","6037","static/chunks/6037-3d58c2403c865b44.js","9846","static/chunks/9846-eeab543a5bf7bfd5.js","9082","static/chunks/9082-003b1dbcf9e74f3b.js","9733","static/chunks/9733-255e0a4253ffcc11.js","7486","static/chunks/7486-de41fbe8ff3363e3.js","14","static/chunks/14-c7ea6a739710847b.js","3994","static/chunks/3994-5a9e1a46a3ca8f07.js","6478","static/chunks/app/orgs/%5Bslug%5D/page-0adccaabca0b1bbe.js"],"ComptesCompanyPageClient"] 1d:T739,

Le projet vise à modéliser et simuler la mobilité des personnes en s'appuyant sur l'inférence de choix de mobilité à partir de données hétérogènes et sur la génération de chaînes de déplacements par des agents LLM. Les activités incluent :

Transformation d'informations comportementales non structurées (texte libre d’enquêtes, retours usagers, messages d’incidents) en facteurs sémantiques (fiabilité, congestion, confort, sécurité, coût, accessibilité), fusionnés avec des traces structurées et du contexte urbain pour inférer des distributions probabilistes de choix modaux et de décisions de mobilité.
Conception d'agents LLM générant des chaînes journalières complètes (activités, lieux, horaires, durées, transferts multimodaux) guidées par des distributions apprises et ancrées par des outils externes (routage, POI, contexte), assurant la plausibilité individuelle et la fidélité statistique agrégée.
Adaptation dynamique des séquences de mobilité en conditions changeantes (perturbations, météo, événements, congestion) tout en maintenant diversité, réalisme et reproductibilité.
Expérimentation et évaluation sur des données issues de plusieurs villes en France (Paris, Lyon) et au Canada (Montréal, Ottawa), avec analyses micro (cohérence des chaînes, faisabilité temporelle) et macro

Université Gustave Eiffel

Université Gustave Eiffel

Analyse en cours pour cette entreprise