Description

L’Institut pour la Transition Energétique (ITE) VEDECOM est un institut français de recherche et de formation dédié aux mobilités innovantes et durables, à travers trois axes de R&D multidisciplinaire : l’électrification, le véhicule automatisé et connecté, les facteurs humains et économie des mobilités durables.

Intégré dans le programme d'innovation "France 2030", l’Institut contribue également activement à de nombreux projets de recherche européens.

Constitué de chercheurs, d'ingénieurs et de doctorants, ..., VEDECOM compte 90 collaborateurs qui ont à cœur de répondre aux problématiques de mobilité de demain.

Missions

Le projet METACCAZE (https://www.metaccaze-project.eu/) vise à accélérer la transition vers une mobilité urbaine verte, connectée et résiliente, en déployant des systèmes intelligents combinant électrification, automatisation et interconnexion dans plusieurs villes européennes.

Au sein du domaine « Facteurs humains et économie des mobilités durables » de l’institut VEDECOM, votre expertise en deep learning sera mise à profit sur deux volets complémentaires :

1. La prédiction d’occupation des spots de stationnement Park & Ride (P+R) à l’aide de modèles spatio-temporels avancés

2. L’exploitation de cette même expertise en apprentissage profond pour concevoir un module d’IA générative permettant de générer automatiquement des scénarios de résilience dans le simulateur SUMO.

Les principales sources de données mobilité seront : (1) les capteurs de stationnement et de trafic en temps réel déployés sur le site pilote urbain, (2) les données de comptage et de flux multimodaux issus des infrastructures connectées (V2X, boucles inductives), (3) les horaires et données de transport public (GTFS, API régionales), et (4) les données historiques d’occupation et de fréquentation P+R collectées sur le terrain dans le cadre du projet.

Dans ce contexte, vous participerez activement à la conception et au développement d’un système articulé autour de l’apprentissage profond appliqué aux transports. Le premier volet s’appuie sur des architectures DL spatio-temporelles telles que les réseaux de neurones à graphes (GNN) et les modèles LSTM — largement éprouvées pour la prédiction d’occupation de parkings en temps réel (Yang et al., 2019 ; Ye et al., 2024). Ces mêmes compétences en DL constituent le socle naturel du second volet : l’utilisation d’un LLM local pour générer des scénarios de perturbation paramétrés dans SUMO, une approche validée par des travaux récents tels que ChatSUMO (Li et al., 2024) et AgentSUMO (Jeong et al., 2025). Cette articulation prédiction-simulation contribuera à l’ambition du projet : proposer un système d’aide à la décision intelligent, ancré dans la réalité opérationnelle, capable d’anticiper l’occupation des parkings P+R et de modéliser les perturbations du réseau de transport et de soutenir la transition vers les hubs de mobilité digitale résilients.

Nous recherchons notre futur(e) ⭐Chercheur postdoctoral en deep learning ⭐en CDD pour une durée de 12 mois.

🎯 Sur la base des données collectées (capteurs de stationnement, données V2X et historiques P+R), vous aurez pour missions de :

✅ Concevoir et développer un modèle DL de prédiction d’occupation des spots de stationnement P+R (LSTM, GNN, Transformer spatio-temporel) capable de prédire en temps réel et à différents horizons le statut d’occupation de chaque spot, en intégrant des données multimodales (trafic, TC, météo) — approche fondée sur les travaux de Yang et al. (2019) et Xiao et al. (2021).

✅ Construire un pipeline de données unifié intégrant les capteurs de stationnement, les flux V2X et les horaires de transport public pour alimenter le modèle de prédiction, et évaluer ses performances en conditions réelles sur le site pilote du projet.

✅ Analyser et modéliser les patterns spatio-temporels d’usage des parkings Park & Ride : saturation, report modal, flux intermodaux et variations temporelles — en s’appuyant sur des méthodes DL reconnues dans la littérature (Ye et al., 2024 ; Huang et al., 2025).

✅ Mettre à profit les compétences en DL pour concevoir un module d’IA générative (LLM local open-source) couplé à SUMO via TraCI et un framework d’orchestration, pour générer automatiquement des scénarios de résilience paramétrés — dans la lignée de ChatSUMO (Li et al., 2024) et AgentSUMO (Jeong et al., 2025).).

🎯Les livrables et résultats attendus se composent de :

✅ Publication scientifique : ces travaux donneront lieu à la rédaction et à la soumission d’au moins un article centré sur la prédiction P+R et/ou la simulation GenAI-SUMO

✅ Système opérationnel prédiction P+R + module GenAI-SUMO : prototype fonctionnel couvrant (1) un modèle DL de prédiction P+R validé sur données réelles et (2) un module LLM-SUMO pour la génération de scénarios de résilience (P+R, report modal, perturbations réseau).

✅ Documentation technique, guide d’utilisation, rapport de validation des modèles de prédiction et des scénarios générés.

Profil

👉 Formation

Doctorat (PhD) en informatique, intelligence artificielle, mathématiques appliquées, systèmes de transport intelligents, ou domaine connexe.

👉 Compétences techniques / Savoir-faire

• Solide connaissance en apprentissage automatique et deep learning pour la prédiction de séries temporelles (LSTM, GRU, Transformer, GNN).

• Maîtrise de Python (PyTorch, TensorFlow, scikit-learn, Pandas) et des outils de traitement de données capteurs/IoT

• Expérience en intégration et exploitation de données multimodales (capteurs, GTFS, API REST) pour des applications transport.

• Connaissance de SUMO ou d’outils de simulation de trafic ; intérêt démontré pour l’IA générative et les LLM (frameworks open-source).

• Anglais (écrit et oral) niveau C1

• Vous avez une expertise démontrée dans au moins plusieurs des domaines suivants :

  • modélisation spatio-temporelle (prédiction d’occupation de parking, de demande ou de trafic) avec des modèles DL ou GNN.

  • collecte, nettoyage et fusion de données capteurs hétérogènes (IoT, boucles inductives, V2X) en contexte transport ou smart city

  • Pratique de SUMO ou d’outils de simulation de trafic ; intérêt pour l’IA générative (LLM open-source, fine-tuning, RAG)), avec sensibilité aux enjeux de résilience opérationnelle.

  • Expérience ou intérêt pour les projets de recherche appliquée européens (Horizon Europe, Living Lab) et capacité à produire des livrables scientifiques (publications, rapports techniques).

👉 Savoir-être

• Vous aimez le travail en équipe.

• Vous êtes curieux, tenace et aimer résoudre des problèmes techniques

⚠️Merci de joindre votre CV, lettre de motivation et portfolio ou lien GitHub à votre candidature.

Pourquoi nous rejoindre ?

- Une expérience enrichissante dans un institut reconnu pour son innovation

- Une vision 360° avec des missions variées et responsabilisantes

- Une équipe bienveillante qui vous accompagnera dans votre montée en compétences

- Un Institut de Transition Energétique, participez à une mission qui a du sens

Basé à Versailles Satory

📌Avantages VEDECOM : Télétravail, 12 RTT, Restaurant d'entreprise, associations sportives à proximité

Rémunération selon profil et expérience + variable

🌍 Venez rejoindre l'Institut VEDECOM et contribuez à des projets passionnants autour des mobilités de demain dans un environnement collaboratif et innovant en nous envoyant votre candidature.

Retrouvez toutes nos offres sur http://www.vedecom.fr/recrutement-2/

Ce poste est ouvert aux personnes en situation de handicap.