Niveau en Machine Learning

**:Bonnes Connaissances en Machine Learning/DA/IA

Niveau en Python

** : Bonnes Connaissances en Python

Intervenants

Cet atelier sera animé par :

• Denis Coutrot, chief data and analytics officer, Getlink
• Sai Dunoyer, data scientist, Getlink
• Marianne Clausel, professeure, Université de Lorraine

Présentation de l’atelier :

Que ce soit dans les transports urbains, aux aéroports, en établissement de santé, pour de la logistique… pouvoir prédire les temps de passage sur un parcours donné en considérant toutes les contraintes du parcours est important pour l’information de l’usager mais aussi d’un point de vue de l’optimisation opérationnelle !
Si cette problématique vous parle ou que vous souhaitez la découvrir et échanger sur les approches d’analyse et de prédiction, rejoignez-nous le temps d’un atelier pour travailler sur le jeu de données et le cas d’usage de Getlink.

Getlink, gestionnaire d’infrastructures et exploitant du tunnel sous la Manche à travers sa filiale Eurotunnel, transporte des véhicules particuliers et des camions entre la France et le Royaume-Uni.
Les camions des clients fret sont accueillis sur les terminaux français et anglais et, comme dans un aéroport, sont soumis à un certain nombre de contrôles de billet, d’identité et de formalités douanières avant embarquement dans un navette ferroviaire.
A partir des temps de passage de chaque client aux différentes sections de l’itinéraire (POI), l’objectif de l’atelier est de fournir pour l’activité fret une prévision du temps de parcours entre l’entrée sur le terminal et l’embarquement.

La base de données est constituée d’un échantillon anonymisé significatif des temps de parcours réalisés par des camions sur le terminal français d’Eurotunnel, par section, sur une période de 1 an.
Ces données sont complétées par les prévisions de temps de parcours ainsi que des données contextuelles telles que la météo, les horaires de navettes, les évènements notables portés à la connaissance des opérateurs au moment de la prévision.

La méthode utilisée actuellement est un filtre de Kalman. L’atelier permettra d’explorer des méthodes physiques issues de la théorie du trafic routier (théorie des files d’attente, courbes débit-vitesse), ainsi que des méthodes statistiques paramétriques et non-paramétriques (séries temporelles, forêts aléatoires, réseaux de neurones).

Déroulé

9h15-9h45 : accueil des participants
9h45-10h30 : présentation de la problématique et du jeu de données
10h30-12h00 : exploration du jeu de données
12h00-12h30: échanges sur les pistes envisagées
14h-17h: analyse des données et prévisions
17h-18h: restitution