Description : CONTEXTE : De nos jours, les infrastructures ferroviaires revêtent une importance majeure dans la mobilité des personnes et des biens, et leur sécurité est primordiale. Cependant, la surveillance de ces vastes réseaux ferroviaires pose des défis complexes. Ce projet a pour ambition de développer un système d'alertes avancé et prédictif, basé sur la fusion de données multi-échelles et multi-sources, pour renforcer la réactivité et la sécurité des opérations ferroviaires, minimisant ainsi les risques potentiels et assurant une gestion plus efficace des infrastructures linéaires de transport. Ce système d'alertes contribuera de manière significative à la durabilité de ces infrastructures en permettant une gestion proactive des risques et aléas potentiels (exemple l’amorce d’un affaissement ou fontis), réduisant ainsi les coûts de maintenance, les interruptions de service et les impacts environnementaux. Pour atteindre cet objectif nous proposons de combiner des informations provenant de sources multiples, notamment des données ponctuelles issues de capteurs IoT installés in situ, des données linéaires générées par des données LiDAR captées quotidiennement par les engins de surveillance de la voie (ESV) appartenant à SNCF Réseau, des données surfaciques fournies par l'interférométrie radar (InSar) ainsi que de l’imagerie satellite (Pléiade). La combinaison et l’intégration de ces données multimodales, collectées à des échelles spatiotemporelles variées, permettrait d’obtenir une information plus robuste et plus fiable sur l’état des infrastructures. En effet, ces différentes données permettront la mise en place d’une détection de défaut et d’alerte, ciblant ainsi plus précisément et plus rapidement les zones à risques. Ce post-doc abordera certaines des problématiques soulevées par le projet ANR FUSAR, en particulier celles relatives à la concaténation et l’interopérabilité des données hétérogènes et multi-sources variées (Lidar, InSAR, GNSS, etc.)   RATTACHEMENT HIÉRARCHIQUE : Rattaché(e) à la Direction de la Recherche, vous serez encadré(e) par Rani EL MEOUCHE, enseignant chercheur (HDR) à l’ESTP MISSIONS PRINCIPALES : ·         Elaboration des méthodes pour intégrer et harmoniser efficacement les données hétérogènes du projet, tout en assurant leur géo référencement précis. Ceci vise à faciliter l'analyse spatiale et la prise de décision basée sur des informations géographiquement cohérentes et interopérables. ·         Gestion et préparation des données : développer des méthodes pour la gestion, le nettoyage, la préparation, le traitement, l’interopérabilité, la mise en cohérence et la qualification des données hétérogènes et multi-sources variées. ·         Géo référencement précis des données spatiaux temporelles : développer des méthodes rigoureuses pour assurer un géo référencement précis, en adéquation avec le système de coordonnées officiel. ·         Intégration et validation : effectuer la conception d'une base de données spatiale, visant à intégrer l'ensemble des données géo référencées issues de diverses sources (tels que Lidar, InSAR, Systèmes d'Information Géographique (SIG), images, GNSS, IoT, etc.), formats et échelles, en y incorporant les informations cruciales telles que le type de données, la structure descriptive, l'origine et la date de création. ·         Adopter et appliquer des normes ISO pertinentes pour la gestion des métadonnées, assurant l'intégration de ces dernières dans les attributs des fichiers de données conformément aux directives établies. Le post-doc participera aussi aux tâches dédiées au doctorant qui travaille dans le cadre du projet FUSAR, à savoir : ·         Le développement des différentes solutions de fusion de données multi sources et guidées par la physique. Deux niveaux d’analyses seront déployés : le premier mettra en œuvre des méthodes classiques de traitement d'images et de signaux pour effectuer une première évaluation et exploitation des données. Le deuxième proposera des modèles DL guidés par la physique pour la fusion de données multi sources et l’optimisation des analyses croisées. ·         La réalisation du démonstrateur technologique qui représente le résultat final de l’ensemble des travaux prévus dans FUSAR. Profil recherché : COMPÉTENCES REQUISES : ·         Un doctorat en géo informatique, géomatique, SIG, Machine Learning, mathématiques appliquées ; ·         Goût pour la recherche, bonnes connaissances en modélisation de données, programmation informatique, gestion de base de données, Systèmes d’Information Géographique (SIG), deep learning, mathématiques appliquées ; ·         Rigueur et capacité à s’investir pleinement dans un sujet de recherche ; ·         Aptitude au travail en équipe ; ·         Bonne capacité rédactionnelle ; ·         Maîtrise de l’anglais exigée. FINANCEMENT : Projet ANR FUSAR Project – Fusion de Données MUlti-échelles Multi Sources au Service de la Sureté et la Sécur...