Direction de recherche : Thi-Mai-Trang NGUYEN

Co-encadrement : PAN Gang, JAKUBOWICZ Jérémie

Optimisation à base de l’analyse de données dans les réseaux de transport et des réseaux de communications

L'évolution des structures métropolitaines ont créé divers types de réseaux urbains. Parmi lesquels deux types de réseaux sont d'une grande importance pour notre vie quotidienne : les réseaux de transport correspondant à la mobilité humaine dans l'espace physique et les réseaux de communications soutenant les interactions humaines dans l'espace numérique. L'expansion rapide dans la portée et l'échelle de ces deux réseaux soulève des questions de recherche fondamentales sur la manière d’optimiser ces réseaux. Certains des objectifs principaux comprennent le provisioning de ressources à la demande, la détection des anomalies, l'efficacité énergétique et la qualité de service. Pour atteindre les objectifs d'optimisation, différents modèles analytiques, algorithmes d'optimisation et systèmes de simulation ont été proposés et largement étudiés à travers plusieurs disciplines. Ces modèles analytiques sont souvent validés par la simulation et pourraient conduire à des résultats sous-optimaux dans le déploiement.
Avec l'émergence de l’Internet, un volume massif de données de réseau urbain peuvent être collecté. Les progrès récents dans les techniques d'analyse de données Big Data ont fourni aux chercheurs de grands potentiels pour comprendre ces données. Motivé par cette tendance, l’objectif de cette thèse est d'explorer un nouveau paradigme d'optimisation des réseaux basé sur les données. Nous abordons les défis scientifiques mentionnés ci-dessus en appliquant des méthodes d'analyse de données pour l'optimisation des réseaux. Premièrement, en analysant les jeux de données de trafic à grande échelle des deux réseaux, nous proposons un algorithme de clustering à base de graphe pour mieux comprendre les similitudes de la circulation et les variations de trafic entre différents zones et heures. Sur cette base, nous appliquons l'algorithme d’agrégation (clustering) de trafic aux deux applications d'optimisation de réseau. Deuxièmement, en analysant les jeux de données sur la mobilité des utilisateurs à grande échelle des deux types de réseaux, nous proposons un algorithme de prédiction de mobilité spatio-temporelle pour mieux modéliser la mobilité et les fluctuations dans de différentes zones et temps. Sur cette base, nous appliquons l'algorithme de prédiction de mobilité à deux applications d'optimisation de réseau. Enfin, nous résumons les grandes lignes dans l’optimisation de réseau à base de l’analyse de données, et discutons les futures directions de recherche de divers points de vue.

Publications 2016-2021