Prédiction de mouvements de mobilité à l’aide de jumeaux numériques et données temps-réel de mobilité- QC-445

Project type: Research
Desired discipline(s): Computer science, Mathematical Sciences, Operations research
Company: Niosense
Project Length: 6 months to 1 year
Preferred start date: As soon as possible.
Language requirement: French with some English proficiency
Location(s): Trois-Rivières, QC, Canada; Montréal, QC, Canada; Repentigny, QC, Canada; Canada
No. of positions: 1
Desired education level: CollegeUndergraduate/BachelorMaster'sPhDPostdoctoral fellow
Search across Mitacs’ international networks - check this box if you’d also like to receive profiles of researchers based outside of Canada: 
No

About the company: 

Fondée en 2020 par deux ingénieurs expérimentés en mobilité et en logiciel, Niosense améliore la gestion des feux de circulation en offrant un traitement adapté à chaque type de véhicule pour réduire les émissions de gaz à effets de serre liées au transport. L’entreprise offre des outils ouverts et gratuits pour les villes et les gestionnaires d’infrastructures afin de leur permettre de réduire l’empreinte carbone de la mobilité sur leur territoire.

Describe the project.: 

L’entreprise vise à offrir des outils puissants et gratuits pour les villes et les opérateurs d’infrastructures routières afin d’atteindre leurs cibles de réductions de GES.

Dans le cadre du projet la personne choisie devra intégrer diverses sources de données et déterminer les interactions entre les différents usagers de l’intersection afin d’anticiper le potentiel de conflits. Les tâches incluent l’analyse de données, la corrélation des informations entre les sources, la création de méthodes de visualisation et d’analyse des mouvements et la création d’outils temps réel pour permettre à des outils complémentaires externes de prendre des décisions en se basant sur des métriques à définir qui quantifieront le niveau de risque lié à des actions possibles sur le feu de circulation. 

Objectifs et activités

  • Création d’un jeu de données de déplacement des usagers
  • Définition des mécanismes d’inférence en fonction du type d’usager déterminé ou identifié par les capteurs ou sources externes
  • Création des algorithmes ou mécanismes de prédiction et de probabilité de mouvement
  • Création de mécanismes de rétroaction pour assurer l’apprentissage continuel du système
  • Définition des méthodes de visualisation et d’analyse des résultats
  • Création de mécanismes de corrélation entre les sources de données projetées et les données réelles
  • Implantation sous forme ‘Edge’ temps réel du modèle numérique

 Les méthodes privilégiées sont notamment le traitement numérique, la fusion de capteurs, les algorithmes classiques mais aussi potentiellement l’utilisation de l’intelligence artificielle.

Required expertise/skills: 

Le projet requiert une bonne connaissance de la visualisation de données 2D et 3D, le traitement de données géospatiales, la programmation dans les langages appropriés pour les outils qui seront déterminés par la personne choisie pour le poste, une bonne autonomie au  niveau de l’exécution et la capacité d’évoluer dans un environnement dynamique axé sur les résultats.

Qualifications désirées

  • Développement back-end
  • Analyses de données massives
  • Utilisation d’APIs pour les interfaces avec des systèmes externes (lidar et jumeaux numériques)
  • Capable du niveau d’abstraction requis pour passer d’un modèle virtuel au monde réel et vice-versa dans la compréhension d’un système temps réel
  • Capacité de concevoir une architecture de données fonctionnelle
  • Autonomie et faire arriver les choses : capacité de travailler avec une grande liberté et peu de balise et de sélectionner les outils et méthodes pour atteindre les objectifs du projet

Ouverture : capacité à travailler et partager en équipe sa vision de façon respectueuse et ouverte