Du 12 au 14 juin 2019 la Chaire pésente deux de ses travaux dans la conférence mondiale de logistique urbaine 11th International Conference on City Logistics.

Les travaux présentés sont :

• « Unsupervised Machine Learning for better understanding the mainstream view of City Logistics » (Simon TAMAYO, François COMBES, Arthur GAUDRON).  Télécharger la presentation,   Voir la publication.

• « Interactive Simulation For Co-Constructing A City Logistics Solution » (Arthur GAUDRON, Arnaud de LA FORTELLE, Simon TAMAYO).

Dans ce lien vous pouvez télécharger le programme de la conférence.

PSL confirme sa place de première université française à figurer dans le top 75 de l’édition 2018 du classement mondial du Times Higher Education (THE). Placée 72ème, elle est l’institution hexagonale la mieux classée, et la 22ème européenne.

Dans le mois de mai 2019 la Chaire présentera deux de ses travaux dans la conférence mondiale de transport organisée per Elsevier.

Les travaux présentés sont:

• « Classifying logistic vehicles in cities using Deep learning » (S. Benslimane*, S. Tamayo, A. De La Fortelle)
• « Food open-air markets in Paris: transportation environmental issues » (R. Benoit, C. Gunot, S. Tamayo*, A. Gaudron, F. Fontane)

Dans ce lien vous pouvez télécharger le programme de la conférence.

Ci après les résumés des travaux présentés  :

« Food open-air markets in Paris: transportation environmental issues »

Abstract— Food consumption habits have changed significantly in recent years due to the emergence of new distribution methods; such as shorter food supply chains. Today, consumers have access to a wide range of ways to do their groceries: online, through farm cooperatives and specialized stores. Historical vectors of food supply and representing a French-style “Art de Vivre”, local markets seem unshakeable and continue to play an important role in the lives of French citizens who seek to shop local. Faced with new consumer demands, local markets are looking to adapt to the changing habits of their customers, particularly in terms of environmental impacts. More specifically, Parisian markets are affected by the increasingly restrictive transportation environmental standards enforced by the city. Despite this, very few studies have been conducted on the real impact of the transport of food markets, which supply Parisians on a daily basis. They stand out from their regional counterparts, as the Ile-de- France region is not self-sufficient to feed all of its inhabitants, which results in only a small share of merchandise being sourced from local producers. Largely dependent on national agriculture and imports, the presence of the world’s largest fresh products market (Rungis International Market) reflects a steadily increasing need for one of the world’s most populous agglomerations. By means of a quantitative study, this article provides an initial assessment of the environmental impact of the regular maintenance of food markets and suggests potential development possibilities to maintain their activities while reducing their carbon footprint.

« Classifying logistic vehicles in cities using Deep learning »

Abstract— Rapid growth in delivery and freight transportation is increasing in urban areas; as a result the use of delivery trucks and light commercial vehicles is evolving. Major cities can use traffic counting as a tool to monitor the presence of delivery vehicles in order to implement intelligent city planning measures. Classical methods for counting vehicles use mechanical, electromagnetic or pneumatic sensors, but these devices are costly, difficult to implement and only detect the presence of vehicles without giving information about their category, model or trajectory. This paper proposes a Deep Learning tool for classifying vehicles in a given image while considering different categories of logistic vehicles, namely: light-duty, medium-duty and heavy-duty vehicles. The proposed approach yields two main contributions: first we developed an architecture to create an annotated and balanced database of logistic vehicles, reducing manual annotation efforts. Second, we built a classifier that accurately classifies the logistic vehicles passing through a given road. The results of this work are: first, a database of 72 000 images for 4 vehicles classes; and second two retrained convolutional neural networks (InceptionV3 and MobileNetV2) capable of classifying vehicles with accuracies over 90%.

Nous sommes heureux de vous présenter une nouvelle publication réalisée en collaboration avec le Master Spécialisé Management Industriel et Systèmes Logistiques “MS MISL” de MINES ParisTech PSL.

Auteurs: Raphaël Benoit, Corine Gunot, Simon Tamayo, Arthur Gaudron & Frédéric Fontane.

Résumé

Dans nos projets de recherche autour du Machine Learning, nous nous intéressons à l’utilisation des outils de Natural Language Processing (NLP). Dans l’exemple montré ici, nous analysons le contenu de twitter relatif à la logistique urbaine pour créer une carte de concepts.

L’utilisation des algorithmes d’apprentissage non-supervisé tels que la reduction dimensionnelle (Truncated singular value decomposition), le clustering (k-means) et le manifold learning (t-distributed Stochastic Neighbor Embedding) nous a permis d’analyser autmatiquement plus de 110000 tweets pour générer la carte ci-après:

Cliquez ici pour une visualisation en écran complet.

Ce travail a été présenté dans City Logistics (11th  International Conference on City Logistics).  Télécharger la presentation,   Voir la publication.

Pour plus d’informations vous pouvez contacter Simon Tamayo.

Résumé du travail

Acknowledgment

Cette recherche s’inspire notamment des travaux de Olson et Al. [1] et Kruchten [2] qui ont proposé une analyse des préférences des utilisateurs postés sur le site Web reddit.

[1]  R. S. Olson and Z. P. Neal, “Navigating the massive world of reddit: using backbone networks to map user interests in social media,” PeerJ Comput. Sci., vol. 1, p. e4, May 2015.

[2]  N. Kruchten, “Data Science and (Unsupervised) Machine Learning with scikit-learn,” in Montreal Python, 2014.

La Chaire Logistique Urbaine propose un projet postdoctoral intitulé “SIMULATION DES IMPACTS RÈGLEMENTAIRES SUR LA LOGISTIQUE URBAINE”

DESCRIPTIF DU PROJET

La logistique urbaine est en train d’être transformée par la numérisation de la société. Cette révolution, portée par les données, ouvre également la porte à une transformation dans l’élaboration des politiques règlementaires des villes.

Ce projet de postdoctorat s’inscrit dans la Chaire Logistique Urbaine MINES ParisTech, soutenue par l’ADEME, la Mairie de Paris, le Groupe Pomona, le Groupe La Poste et Renault. Cette Chaire vise à développer la connaissance opérationnelle et théorique dans le domaine de la logistique urbaine, en alliant dans ses projets une approche technique et une approche opérationnelle. Elle est animée par le Centre de Robotique de MINES ParisTech, qui collecte et traite des données ; développe des modèles, des outils et des expérimentations, en les adaptant aux enjeux de la logistique des villes.

Cette étude s’intéresse à la modélisation et à la simulation des flux logistiques en ville, afin d’évaluer les impacts des différentes mesures règlementaires(ex. restrictions de circulation en fonction de la taille des véhicules, leur motorisation, leur niveau de bruit, etc.). L’étude portera sur différentes filières logistiques (restauration, pharmacie, grande distribution, etc.) et sur différentes typologies de ville (grande métropole, ville côtière, petite ville, etc.).

Les simulations réalisées permettront d’évaluer notamment les impacts environnementaux et économiques des choix règlementaires. Les résultats produits auront une double utilité. D’une part, (1) ils serviront d’élément d’éclairage quant à l’intérêt de certaines mesures. Et d’autre part, (2) ils permettront de prévoir les impacts sur la performance opérationnelle des acteurs logistiques (service et coût).

Afin de relier toutes les données disponibles (qui sont grandes, même si elles ne sont pas complètes) aux modèles de simulation envisagées, nous devons développer des techniques d’apprentissage automatique pour créer des agents et des dynamiques proches du monde réel.

LIVRABLES DU PROJET : simulateurs, analyses, rapports, publications scientifiques dans des journaux et interventions dans des conférences internationales.

DURÉE : 1 AN. CDD à pourvoir à partir de septembre 2018.

LOCALISATION : MINES ParisTech, Centre de Robotique. Campus de Paris au 60 boulevard Saint-Michel, 75006.

PROFIL RECHERCHÉ

• Niveau de formation : Doctorat dans le domaine de la recherche opérationnelle et/ou de la simulation appliquée à la logistique (section CNU 27 ou 61).
• Mots clés : Simulation, modélisation, recherche opérationnelle, logistique.
• Compétences souhaitées : Python, Anylogic.

COMMENT CANDIDATER ?

Envoyez votre CV et lettre de motivation, accompagnes de toute autre information utile dans un unique fichier PDF à :

• simon.tamayo@mines-paristech.fr
• arnaud.de_la_fortelle@mines-paristech.fr

Le 14 et 15 mai la Chaire participera dans la conférence internationale ICUTCL 2018 “20th International Conference on Urban Transportation and City Logistics” à Londres.

La Chaire présentera son travail intitulé “Statistic Regression and Open Data Approach for Identifying Economic Indicators That Influence e-Commerce“.

Par ailleurs, Simon Tamayo, a été nommé Chair de la Session IX de la conférence.

Résumé du travail présenté

This paper presents a statistical approach to identify explanatory variables linearly related to e-commerce sales. The proposed methodology allows specifying a regression model in order to quantify the relevance between openly available data (economic and demographic) and national e-commerce sales. The proposed methodology consists in collecting data, preselecting input variables, performing regressions for choosing variables and models, testing and validating. The usefulness of the proposed approach is twofold: on the one hand, it allows identifying the variables that influence e- commerce sales with an accessible approach. And on the other hand, it can be used to model future sales from the input variables. Results show that e-commerce is linearly dependent on 11 economic and demographic indicators.

La Chaire a participé au colloque « les nouvelles mobilités au service de la logistique urbaine » ce 24 avril prochain à Rouen Métropole.

Ce colloque a été organisé par les pôles de compétitivité Nov@log  et MOVEO.

Plus d’informations ici.

Nov@log est l’acteur de référence pour l’émergence, l’accompagnement, la labellisation et la recherche de financement de projets collaboratifs innovants, en logistique et supply chain au service du développement économique des entreprises.

MOVEO fédère les principaux acteurs de la mobilité et de l’industrie automobile française dans le domaine de la R&D collaborative. MOVEO tisse et anime les liens entre les grands industriels, les PME, les universités et les laboratoires pour construire un réseau industriel dynamique capable de relever les défis technologiques de la mobilité propre et sûre de demain.

Dans les travaux de La Chaire, nous cherchons a modéliser les flux logistiques urbains en utilisant les informations disponibles dans les portails Open Data et les GIS (Geographic Information Systems).

Dans l’exemple montré ici, nous explorons des outils de requête automatique auprès de OpenStreetMap et de cartographie interactive (Folium/Leafet).

La carte ci-après, propose une heatmap des restaurants en France

Cliquez ici pour une visualisation en écran complet.