POSTE : Thèse 'Api-Based Approach For E2e Green Connected Mobility' H/F DESCRIPTION : Votre rôle est d'effectuer un travail de recherche sur la résolution complexe de l'optimisation énergétique de bout-en-bout dans les réseaux véhiculaires impliquant véhicules, stations de base, réseaux Cloud/Edge et modèles d'IA. Contexte global et problématique du sujet Dans un monde en pleine transition vers des solutions plus durables et connectées, l'émergence de la mobilité verte connectée constitue un enjeu majeur. Cette évolution est motivée par la nécessité de réduire les émissions de gaz à effet de serre tout en offrant des solutions de transport efficaces et intégrées. Le contexte de recherche repose sur la demande croissante d'optimisation énergétique dans les réseaux 5G-V2X, résultant de la convergence des technologies de télécommunications et des véhicules connectés. La problématique centrale réside dans la gestion complexe de la consommation d'énergie à travers divers éléments du réseau et des véhicules, tout en assurant des performances optimales. Il s'agit ainsi de développer des stratégies innovantes pour minimiser la consommation énergétique tout en maintenant des niveaux de service élevés. Objectif scientifique - résultats et verrous à lever L'objectif de la thèse est de développer une approche basée sur les API pour la mobilité verte connectée, visant à optimiser l'efficacité énergétique tout au long du parcours du véhicule grâce à des modèles d'intelligence artificielle capables de prédire avec précision la consommation d'énergie dans les réseaux V2X verts, en tenant compte des contraintes opérationnelles et de mobilité. Cela implique de relever des défis tels que la modélisation des schémas de consommation d'énergie, l'optimisation des algorithmes d'IA pour une prédiction précise de la consommation, ainsi que l'intégration transparente des services de mobilité dans l'infrastructure existante. Les résultats attendus incluent la conception de modèles innovants ainsi que l'identification de paramètres clés influençant la consommation d'énergie pour une mobilité verte connectée à l'échelle, permettant ainsi de guider les futures stratégies d'optimisation énergétique et enfin l'exposition de ces résultats à travers des APIs. Références dans la description du profil Participation interessement, mutuelle, reductions produits et service, participation frais de transport, restaurant d'entreprise, activités sociales CSE (culturelles, sportives, voyages) PROFIL : Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste - Compétences avérées et expérience en Data Science. - Bonne maîtrise des langages associés aux techniques de Machine Learning (R, Python). - Solides connaissances et expertise en réseaux de télécommunications. - Solides connaissances des réseaux cellulaires 3GPP, y compris les réseaux 5G et 6G. Compétences transverses : - Goût prononcé pour la recherche et l'innovation, curiosité et créativité. - Autonome, motivé(e) pour l'innovation et vous aimez le travail en équipe. - Capacité à appréhender des problèmes complexes et à proposer des solutions en rupture - Rigueur, fortes capacités d'analyse et de synthèse - Capacité de travail dans un environnement international et de communication écrite et orale, vous savez vulgariser vos travaux pour les rendre compréhensibles au plus grand nombre, vous aimez convaincre. - Niveau avancé en français et en anglais (rédaction de documents, présentations, animation de réunions, missions). Formation demandée (master, diplôme d'ingénieur, doctorat, domaine scientifique et technique ) - Diplôme de Master ou d'Ingénieur en télécommunications, informatique ou mathématiques Expériences souhaitées (stages, ) - Une expérience ou un stage en Data Science orienté recherche sera un plus Références [1] Ilhem Souissi, Rihab Abidi, Nadia Ben Azzouna, Tahar Berradia, Lamjed Ben Said, " ECOTRUST: A novel model for Energy COnsumption TRUST assurance in electric vehicular networks ", Ad Hoc Networks, Volume 149, 2023, [2] B. Mao, F. Tang, Y. Kawamoto and N. Kato, "AI Models for Green Communications Towards 6G," in IEEE Communications Surveys & Tutorials, vol. 24, no. 1, pp. 210-247, First quarter 2022, doi: 10.1109/COMST.2. [3] Lv, Zhihan, and Wenlong Shang. "Impacts of intelligent transportation systems on energy conservation and emission reduction of transport systems: A comprehensive review." Green Technologies and Sustainability (2022).