L'Université Gustave Eiffel, modèle innovant d’université rassemblant le triptyque université, écoles et organisme de recherche, dispose de plusieurs campus de formation et de recherche implantés sur le territoire national.

L’établissement compte plus de 15000 étudiants et plus de 3000 personnels enseignant (e)s-chercheur(e)s, chercheur(e)s et personnels d’appui au sein de 33 laboratoires, 15 composantes de formation ainsi qu’au sein de services support et de soutien.

L’université œuvre dans de nombreux domaines de recherche et représente à elle seule un quart de la recherche française sur les villes de demain. Elle regroupe des compétences pluridisciplinaires pour conduire des recherches de qualité au service de la société, proposer des formations adaptées au monde socio-économique et accompagner les politiques publiques.

L’Université Gustave Eiffel est également la première université française en apprentissage et forme jeunes, salariés, ou citoyens à tous les niveaux ; apporte des éclairages scientifiques à l’ensemble de la société et vise à contribuer in fine à l’élévation du niveau de qualification de tous.

Visionner le film de présentation : https://www.youtube.com/watch?v=8uVHEAaj75A

Le département COSYS (« Composants et Systèmes ») se donne pour ambition de développer les concepts et outils nécessaires à l’amélioration des connaissances de base, des méthodes, des technologies et des systèmes opérationnels destinés à une intelligence renouvelée de la mobilité, des réseaux d’infrastructures et des grands systèmes urbains. Il vise ainsi une maîtrise accrue de leur efficacité, de leur sécurité, de leur empreinte carbone et de leurs impacts sur l’environnement et la santé. La production de connaissances à la frontière des pratiques, leur transformation en produits utiles et en corps de doctrine en appui des politiques publiques et l’évaluation des transformations induites par les innovations dans ces champs d’activité forment l’ADN du département. Le département Cosys comprend six laboratoires et une équipe répartis sur cinq campus de l’université et une équipe de recherche en émergence à Bordeaux (www.univ-gustave-eiffel.fr).
Le laboratoire GRETTIA mène des recherches sur la modélisation et la simulation de la mobilité des personnes et des biens ainsi que sur la science des données pour le monitoring urbain. Les recherches s’appuient sur la modélisation physique, la modélisation orientée données et la simulation à base d’agents sous-tendue par des travaux en psychologie/ergonomie. Les questions de recherche s’intéressent à la simulation de la mobilité des personnes et la diminution de son impact sur l’environnement, sur les systèmes et réseaux de transport.

Le/la postdoctorant(e) contribuera aux activités suivantes :

• Formaliser les problèmes de décision en contexte multiplateforme.

• Modéliser le multihoming des conducteurs et différentes configurations multi-fournisseurs

• Étendre le cadre à l’intégration passagers + colis

• Développer des méthodes OR et des algorithmes scalables : formulations MILP/flots, modèles dynamiques/online, heuristiques/metaheuristiques, décomposition/approximation.

• Intégrer des composantes prédictives dans la décision opérationnelle.

• Développer des approches d’apprentissage adaptatif (RL/ADP) et éventuellement des schémas hybrides OR + RL/CP.

• Concevoir et mener des campagnes expérimentales et analyser des métriques multi-critères : performance système, résultats plateformes, revenus conducteurs, équité et soutenabilité.

• Produire des publications et communications scientifiques, contribuer aux rapports et à la valorisation du projet.

Le/la candidat(e) recruté(e) mènera des travaux de recherche originaux au croisement de l’optimisation, de l’apprentissage (ML/RL) et des systèmes de mobilité, avec une forte exigence de reproductibilité et de diffusion scientifique.

• Doctorat (obtenu ou en cours, soutenance avant le 1er septembre) en recherche opérationnelle, informatique, mathématiques appliquées, génie industriel, transport ou domaine proche.

• Expertise solide en optimisation/algorithmes à grande échelle (MILP, flots, heuristiques, décomposition, optimisation dynamique/online) et/ou en apprentissage par renforcement pour la décision séquentielle.

• Très bonnes compétences en programmation (p. ex. C++ ) et capacité à construire des pipelines expérimentaux reproductibles.

• Capacité à conduire une recherche autonome et à rédiger des articles scientifiques en anglais.

• Atouts : mobilité/logistique (ride-sourcing/ride-sharing, gestion de flotte, livraison du dernier kilomètre), simulation multi-agents, jeux/incitations, conception de mécanismes, métriques d’équité.