Le 31/05/2019 par Webmaster ROADEF :
Sujet : Optimisation combinatoire au service du véhicule électrique : positionnement optimal des infrastructures de recharge dans un territoire tel que le Grand Paris
L'adoption à grande échelle de la mobilité électrique nécessitera une infrastructure de recharge adaptée. Actuellement, les infrastructures de recharge pour véhicules électriques (IRVE) sont encore au début de leur développement à cause du faible nombre de véhicules électriques (VE). Selon les derniers chiffres, il y a 25 000 points de recharge publics en France ; les pouvoirs publics prévoient le quadruplement de ce nombre afin d?atteindre 100 000 points de charge en 2022. Néanmoins, de nombreuses questions se posent quant au dimensionnement et à l'optimisation de ces infrastructures, à la fois du point de vue opérationnel et économique. Les questions de recherche potentielles dans ce domaine incluent notamment : Quelle sera l?infrastructure optimale pour un niveau de demande en prenant en compte les usages, l'habitat (collectif, individuel) et les possibilités de stationnement (parking privé, voirie) ? Quelle sera l?évolution de cette infrastructure d?ici 2030 étant donné les différents scénarios d?électrification de la flotte ? Quel sera le coût de l'investissement et le revenu généré ? Comment optimiser le positionnement des infrastructures dans un territoire donné ?
L?optimisation des infrastructures de recharge a fait l?objet de nombreuses études durant les dix dernières années. Néanmoins, des lacunes persistent, notamment en ce qui concerne le panachage de différentes
solutions de recharge (recharge normale, accélérée, rapide, piste à induction, ...). ainsi que les aspects économiques et opérationnels. L'impact urbain ainsi que l'impact sur le réseau électrique pourraient notamment être inclus dans la formulation du problème d'optimisation.
L'approche envisagée pour la résolution du problème d'optimisation est l'hybridation d'algorithmes métaheuristiques. L'exploration des méthodes de "machine learning" dans ce contexte serait également
envisageable. Il faut noter que le rapport de l?usager à la voiture particulière est en évolution (l?arrivé de l?autopartage, covoiturage, télétravail, voitures autonomes, ...). Aussi, les comportements de recharge (la recharge à la maison tous les x jours, biberonnage) ne sont pas encore bien établis. De ce point de vue, il pourrait être pertinent de se focaliser dans un premier temps sur les déplacements des professionnels, tels que les taxis ou les livreurs.
Le but de ce travail de thèse est de contribuer au développement futur d'un outil d'aide à la décision pour les
parties prenantes (territoires, gestionnaires de flotte, ...).
Compétences :
Connaissance des méthodes d'optimisation, connaissances en recherche opérationnelle, analyse de données / data analysis, data mining, expérience en langages de programmation, rédaction de rapports scientifiques
Motivation, autonomie, capacités analytiques, organisation, capacités de synthèse
Intérêt pour l'électro-mobilité
Formation :
Ecole d'ingénieur ou Master avec une spécialisation dans un domaine tel que l'optimisation, recherche opérationnelle, modélisation de la mobilité, ...
Anglais courant impératif
Connaissance des outils tels que C, Python, R ou Matlab ; connaissances des modèles de mobilité/trafic ou des SIG
Merci de transmettre votre candidature par mail : laurent.moalic@uha.fr
