Journée: Mathématiques et transport, 17 janvier 2019

L'objectif de cette journée est de réunir des membres de l'IFSTTAR et du Centre Henri Lebesgue (CHL) intéressés par collaborer et de mettre en relation les compétences mathématiques développées au CHL avec les applications potentielles émergeant des différentes thématiques de recherche développées à l'ISTTAR.

 

Les inscriptions sont désormais closes. 

Lieu
Nantes, Laboratoire de Mathématiques Jean Leray, salle des séminaires
Date

Panayotis Papoutsis

Panayotis Papoutsis
04/2018 - 03/2021

Dans le cadre du covoiturage de proximité la société Ecov développe des services et produits qui permettent de faciliter, sécuriser et institutionnaliser la pratique du covoiturage de proximité. Start-up est experte en covoiturage, avec une approche inédite, basée sur l’organisation physique et numérique de ce nouveau mode de transport. En cherchant comment permettre à chacun de pratiquer le covoiturage, elle a développé une solution innovante : la station de covoiturage connectée. Cette station permet de mobiliser

Marie Boutigny

Marie Boutigny
04/2018 - 03/2021

Dans les zones urbaines où une grande partie des systèmes d’assainissement sont en unitaire (les eaux usées et pluvieuses ne sont pas séparées), des déversements d’eaux usées peuvent avoir lieu lors d’événements pluvieux. Les systèmes de collecte et de stockage des réseaux d’assainissement sont généralement dimensionnés grâce à des modèles hydrologiques qui décrivent le fonctionnement du réseau. Les conditions météorologiques telles que l’évapotranspiration et surtout les précipitations sont des forçages très importants de ces modèles.

Le LI

LI

Cette thèse traite principalement de trois sujets. Le premier concentre sur le clustering en ligne dans lequel nous présentons un nouvel algorithme stochastique adaptatif pour regrouper des ensembles de données en ligne.Cet algorithme repose sur l'approche quasi‐bayésienne, avec une estimation dynamique (i.e., dépendant du temps)du nombre de clusters. Nous prouvons que cet algorithme atteint une borne de regret de l'ordre \sqrt{T\ln T} et que cette borne est asymptotiquement minimax sous la contrainte sur le nombre de clusters.