VEDECOM a le plaisir de vous annoncer la soutenance de thèse Ali ZIAT, Ali MASRI et Julian GARBISO

VEDECOM a le plaisir de vous annoncer la soutenance de thèse de Mr  Ali ZIAT  intitulée « Apprentissage de représentation pour la prédiction et la classification de séries temporelles » qui a eu lieu le mardi 16 octobre 2017 sur le campus de Jussieu.
L’encadrement scientifique de la thèse a été assuré au sein de VEDECOM par M. Bertrand LEROY.

JURY
Ahlame Douzal, Université Joseph Fourier Grenoble 1, Rapporteur
Latiffa Oukhellou, Ifsttar, Rapporteur
Matthieu Cord, Université Pierre et Marie Curie – LIP6, Examinateur
Jean Michel Loubes, Institut de Mathématiques de Toulouse, Examinateur
Bertrand Leroy, Institut VEDECOM, Encadrant
Ludovic Denoyer, Université Pierre et Marie Curie – LIP6, Directeur de thèse
RESUME
Nous nous intéressons dans cette thèse au développement de méthodes qui répondent aux difficultés posées par l’analyse des séries temporelles. Nos contributions se focalisent sur deux tâches : la prédiction de séries temporelles appliquée à la prédiction de trafic et la classification de séries temporelles. Notre première contribution présente une méthode de prédiction et de complétion de séries temporelles multivariées et relationnelles. Le but est d’être capable de prédire simultanément l’évolution d’un ensemble de séries temporelles reliées entre elles selon un graphe (pouvant représenter la proximité géographique entre plusieurs capteurs par exemple), ainsi que de compléter les valeurs manquantes dans ces séries (pouvant correspondre par exemple à une panne d’un capteur pendant un intervalle de temps donné). On se propose d’utiliser des techniques d’apprentissage de représentation pour prédire l’évolution des séries considérées tout en complétant les valeurs manquantes et prenant en compte les relations qu’il peut exister entre elles. Des extensions de ce modèle sont proposées et décrites : d’abord dans le cadre de la prédiction de séries temporelles hétérogènes puis dans le cas de la prédiction de séries temporelles avec une incertitude exprimée.
Un modèle de prédiction de séries spatio-temporelles est ensuite proposé, avec lequel les relations entre les différentes séries peuvent être exprimées de manière plus générale, et où ces dernières peuvent être apprises.
Enfin, nous nous intéressons à la classification de séries temporelles. Un modèle d’apprentissage joint de métrique et de classification de séries est proposé et une comparaison expérimentale est menée.

 

VEDECOM a le plaisir de vous annoncer la soutenance de thèse de Mr  Ali MASRI intitulée « Integration Multi-Réseaux pour la Mobilité Intelligente » qui a eu lieu le mardi 28 novembre 2017 à 14h à l’université de Versailles Saint-Quentin-en-Yvelines.
L’encadrement scientifique de la thèse a été assuré au sein de VEDECOM par M. Bertrand LEROY.

JURY
M. Jose Antonio F. de Macedo. Professeur : Universidade Federal do Ceará, BRESIL. Rapporteur
M. Thomas Devogele. Professeur : Université de Tours, France. Rapporteur
M. Bruno Defude. Professeur : Telecom SudParis – Paris Saclay, France. Examinateur
M. Dimitris Kotzinos. Professeur : Université de Cergy-Pontoise, France. Examinateur
M. Omar Boucelma. Professeur : Université de Marseilles, France. Examinateur
M. Bertrand Leroy. Chef de Projet : VEDECOM, France. Examinateur
Mme. Karine Zeitouni. Professeur : Université de Versailles Saint Quentin- Paris Saclay, France. Directrice de thèse
Mme. Zoubida Kedad. Maitre de conférence : Université de Versailles Saint Quentin- Paris Saclay, France. Co-directrice de thèse
RESUME
La multi-modalité requière l’intégration de données et/ou de services provenant de systèmes de transport hétérogènes, et ce afin de générer une vue globale du réseau de transport multimodal. Plusieurs services de transport émergeants (co-voiturage, auto-partage ou partage de deux roues, etc.) se développent car ils offrent des solutions de mobilité parfois plus intéressantes que les modes traditionnels. Cependant, ces services sont à l’heure actuelle isolés du reste des modes de transport et des solutions multimodales. Ils sont proposés comme une alternative mais sans intégration réelle aux plans proposés par les outils existants. Par ailleurs, le concept de données ouvertes est aujourd’hui adopté par de nombreuses organisations publiques et privées, leur permettant de publier leurs sources de données sur le Web et de gagner ainsi en visibilité.     L’objectif de cette thèse est d’utiliser ces données pour permettre et étendre la multi-modalité, en offrant une vue unifiée des réseaux de transport existants et des nouveaux services de transport. Les verrous scientifiques auxquels s’intéresse cette thèse sont liés aux problèmes d’intégration à la fois des données et des services informatiques des systèmes de transport sous-jacents. Nos principales contributions sont les suivantes : i) une approche d’appariement de schémas pour les données géospatiales ; ii) une méthode de découverte de connexions offrant la possibilité de définir et de calculer des relations sémantiques riches entre des sources au niveau des instances ; iii) une solution pour la planification de trajet multimodale qui intègre pleinement les nouveaux services de mobilité avec celles existantes du transport public.

 

VEDECOM a le plaisir de vous annoncer la soutenance de thèse de Mr  Julian GARBISO  intitulée « Clustering auto-adaptatif et équitable dans les réseaux véhiculaires hybrides » qui a eu lieu le mardi 30 novembre 2017 à 14h30 au Laboratoire LINCS / EIT Digital, 23 avenue d’Italie, Paris XIII.
L’encadrement scientifique de la thèse a été assuré au sein de VEDECOM par M. Bertrand LEROY.

JURY
Rapporteurs :
Christian BECKER, Professeur, Université de Mannheim
Ken CHEN, Professeur, Professeur, Université de Paris XIII
Examinateurs :
Samir TOHMÉ, Professeur, Université de Versailles – Saint Quentin
Bertrand LEROY, Responsable d’équipe de recherche, Institut VEDECOM
Invité :
Jeremy PITT, Professeur, Imperial College London
Directeurs de thèse :
Mme Ada DIACONESCU, Maître de conférences, Télécom ParisTech
Marceau COUPECHOUX, Maître de conférences, Télécom ParisTech
RESUME
Dans le cadre du développement des innovations dans les Systèmes de Transport Intelligents, les véhicules connectés devront être capables de télécharger des informations basées sur la position sur et depuis des serveurs distants. Ces véhicules seront équipés avec des différentes technologies d’accès radio, telles que les réseaux cellulaires ou les réseaux véhicule-à-véhicule (V2V) comme IEEE 802.11p. Les réseaux cellulaires, avec une couverture presque omniprésente, fournissent un accès à internet avec garanties de qualité de service. Cependant, l’accès à ces réseaux est payant.
Dans cette thèse, un algorithme de clustering multi-saut est proposé avec pour objectif de réduire le coût d’accès au réseau cellulaire en agrégeant des données sur le réseau V2V. Pour faire ceci, le leader du cluster (CH, de l’anglais Cluster Head) est utilisé comme passerelle unique vers le réseau cellulaire. Pour le test d’une application d’exemple pour télécharger du Floating Car Data agrégé, les résultats des simulations montrent que cette approche réduit l’utilisation du réseau cellulaire de plus de 80%, en s’attaquant à la redondance typique des données basées sur la position dans les réseaux véhiculaires.
Il y a une contribution en trois parties : Premièrement, une approche pour déléguer la sélection du CH à la station de base du réseau cellulaire afin de maximiser la taille des clusters, et par conséquent le taux de compression. Deuxièmement, un algorithme auto-adaptatif qui change dynamiquement le nombre maximum de sauts afin de maintenir un équilibre entre la réduction des coûts d’accès au réseau cellulaire et le taux de perte de paquets dans le réseau V2V. Finalement, l’incorporation de la théorie de la justice distributive, afin d’améliorer l’équité sur la durée concernant la distribution des coûts auxquels les CH doivent faire face, améliorant ainsi l’acceptabilité sociale de la proposition.
Les algorithmes proposés ont été testés via simulation, et les résultats montrent une réduction significative dans l’utilisation du réseau cellulaire, une adaptation réussie du nombre de sauts aux changements de la densité du trafic véhiculaire, et une amélioration dans les métriques d’équité, sans affecter la performance des réseaux.

Voir toutes les actualités
Articles récents :

VEDECOM is very pleased to announce you the defense of the thesis of Ali ZIAT, ALI MASRI, Julian GARBISO

VEDECOM is very pleased to announce you the defense of the thesis of Ali ZIAT entitled ” learning representation for time serie forecasting and classification” on Monday 16 october 2017 in the Jussieu Campus.
The scientific supervision of the thesis within VEDECOM by Mr. Bertrand LEROY.

COMMITTEE
Ahlame Douzal, Université Joseph Fourier Grenoble 1, Rapporteur
Latiffa Oukhellou, Ifsttar, Rapporteur
Matthieu Cord, Université Pierre et Marie Curie – LIP6, Examinateur
Jean Michel Loubes, Institut de Mathématiques de Toulouse, Examinateur
Bertrand Leroy, Institut VEDECOM, Encadrant
Ludovic Denoyer, Université Pierre et Marie Curie – LIP6, Directeur de thèse
ABSTRACT
In this thesis we develop new methods that address the challenges of time series analysis. Our con-tributions are focused on two tasks: the prediction of time series applied to road traffic prediction and time series classification. Our first contribution presents a prediction and completion methods for multivariate and relational time series. The aim is to be capable of simultaneously predicting the evolution of time series that are linked by a graph (that could represent, for instance, the distance between several sensors), as well as completing the missing values in these series (that can corre-spond for instance to a fault of a sensor during a certain time period). Extensions of this model are proposed and described: first in the context of prediction of heterogeneous time series, and then for predicting time series that have an expressed uncertainty. A model for predicting space-time series is then proposed, in which the relations between different series can be expressed in a more general manner, and where they can be learned.
Finally, we will be interested in the classification of time series. A joint learning model of metrics and classification of time series is proposed and an experimental comparison is performed.

 

VEDECOM is very pleased to announce you the defense of the thesis of Ali MASRI entitled “Multi-Network Integration for an Intelligent Mobility” on Tuesday 28 November 2017 at the University of Versailles-Saint-Quentin-en-Yvelines.
The scientific supervision of the thesis within VEDECOM by Mr. Bertrand LEROY.

COMMITTEE
Mr. Jose Antonio F. de Macedo. Professor: Universidade Federal do Ceará, BRESIL. Reporter
Mr. Thomas Devogele. Professor: Université de Tours, France. Reporter
Mr. Bruno Defude. Professor: Telecom SudParis – Paris Saclay, France. Examiner
Mr. Dimitris Kotzinos. Professor: Université de Cergy-Pontoise, France. Examiner
Mr. Omar Boucelma. Professor: Université de Marseilles, France. Examiner
Mr. Bertrand Leroy. Project Manager: VEDECOM, France. Examiner
Mrs. Karine Zeitouni. Professor: Université de Versailles Saint Quentin- Paris Saclay, France. Director of the thesis
Mrs. Zoubida Kedad. Associate Professor: Université de Versailles Saint Quentin- Paris Saclay, France. Co-director of the thesis
ABSTRACT
Multimodality requires the integration of heterogeneous transportation data and services to construct a broad view of the transportation network. Many new transportation services (e.g. ridesharing, car sharing, bike-sharing) are emerging and gaining a lot of popularity since in some cases they provide better trip solutions. However, these services are still isolated from the existing multimodal solutions and are proposed as alternative plans without being really integrated in the suggested plans. The concept of open data is raising and being adopted by many companies where they publish their data sources to the web in order to gain visibility. The goal of this thesis is to use these data to enable multimodality by constructing an extended transportation network that links these new services to existing ones.    The challenges we face mainly arise from the integration problem in both transportation services and transportation data. Our main contributions are: i) an automatic schema matching approach for geospatial datasets. It uses geospatial web services as mediators to help in automatically matching geospatial properties in geospatial datasets, ii) an approach that enables rich semantic connection generation and allows users to define custom relations between transportation data entities, iii) a multimodal trip planning approach that fully integrates ridesharing solutions within public transportation trip planners.

 

VEDECOM is very pleased to announce you the defense of the thesis of Julian GARBISO entitled ” Fair auto-adaptive clustering for hybrid vehicular networks” on Thursday 30 November 2017 at LINCS / EIT Digital, 23 avenue d’Italie, Paris XIII.
The scientific supervision of the thesis within VEDECOM by Mr. Bertrand LEROY.

COMMITTEE
Reviewers:
Christian BECKER, Professor, University of Mannheim
Ken CHEN, Professeur, Professor, University of Paris XIII
Examiners:
Samir TOHMÉ, Professor, University of Versailles – Saint Quentin
Bertrand LEROY, Project Manager, Vedecom Institute
Invited member: Jeremy PITT, Professor, Imperial College London
Advisors:
Ada DIACONESCU, Tenured assistant professor, Télécom ParisTech
Marceau COUPECHOUX, Tenured assistant professor, Télécom ParisTech
ABSTRACT
For the development of innovative Intelligent Transportation Systems applications, connected vehicles will frequently need to upload and download position-based information to and from servers. These vehicles will be equipped with different Radio Access Technologies (RAT), like cellular and vehicle-to-vehicle (V2V) technologies such as LTE and IEEE 802.11p respectively. Cellular networks can provide internet access almost anywhere, with QoS guarantees. However, accessing these networks has an economic cost.
In this thesis, a multi-hop clustering algorithm is proposed in the aim of reducing the cellular access costs by aggregating information and off-loading data in the V2V network, using the Cluster Head as a single gateway to the cellular network. For the example application of uploading aggregated Floating Car Data, simulation results show that this approach reduce cellular data consumption by more than 80% by reducing the typical redundancy of position-based data in a vehicular network.
There is a threefold contribution: First, an approach that delegates the Cluster Head selection to the cellular base station in order to maximize the cluster size, thus maximizing aggregation. Secondly, a self-adaptation algorithm that dynamically changes the maximum number of hops, addressing the trade-off between cellular access reduction and V2V packet loss. Finally, the incorporation of the theory of distributive justice, for improving fairness over time regarding the distribution of the cost in which Cluster Heads have to incur, thus improving the proposal’s social acceptability.
The proposed algorithms were tested via simulation, and the results show a significant reduction in cellular network usage, a successful adaptation of the number of hops to changes in the vehicular traffic density, and an improvement in fairness metrics, without affecting network performance.

Voir toutes les actualités
Articles récents :