Systèmes de transport Intelligents et Flexibles – FITS

Le but du projet FITS est de proposer de nouveaux modèles mathématiques et des méthodes de résolution afin de développer des outils intelligents pour optimiser la gestion de prestations de services (tels que les soins ou livraisons à domicile). Les fournisseurs de services disposent de ressources humaines (éventuellement sous-traitées) possédant des caractéristiques différentes : elles peuvent avoir différentes compétences (spécialisées à polyvalentes), différentes disponibilités et être initialement situées dans des lieux différents. Les demandes des clients peuvent être, quant à elles, irrégulières, dynamiques, stochastiques et/ou hétérogènes.
L'objectif d'un fournisseur de services est d'affecter les demandes des clients aux ressources humaines afin d'assurer une haute qualité de service tout en maintenant de bonnes conditions de travail. Par exemple, pour satisfaire les ressources humaines, leur activité doit être diversifiée et la distance parcourue réduite au minimum; et pour satisfaire les clients, la prestation de services doit être régulière et cohérente.
Afin d'assurer cette mission, il existe des plateformes de réservation qui visent à mettre en relation les ressources humaines et les clients (servilink, allovoisin, domicalis). Ce type de fonctionnement est à l'origine de récentes success stories: Airbnb, Blablacar et Uber. Ce succès montre qu'un nombre croissant de clients sont connectés à Internet et qu'ils ont besoin de services plus que réactifs, car ils s'attendent à ce que certains besoins futurs soient anticipés. L'efficacité de ces systèmes dépend fortement de la qualité des données et de l'adéquation entre l'offre et la demande. La collecte et le stockage des données deviennent de plus en plus faciles, mais l'extraction des connaissances à partir de ces données ainsi que leur utilisation efficace restent des tâches difficiles. Lorsque la demande et l'offre atteignent des volumes élevés, certaines règles de base peuvent être satisfaisantes. Mais plusieurs situations peuvent rendre ces systèmes moins efficaces. On peut citer par exemple : (1) une faible densité de la demande, (2) une offre d'approvisionnement faible, (3) des contraintes fortes, et (4) une forte variabilité de la demande.
Ainsi, s'il n'existe pas de systèmes intelligents adaptés pour faire face à ces problèmes, certaines zones de population à faible densité ainsi que certaines activités délicates ou fortement contraintes ne peuvent pas bénéficier de ces services. Plusieurs régions et secteurs d'activités peuvent donc se demander s'il est judicieux ou pas de mettre en place ces services. Afin d'assurer une bonne qualité de service tout en maintenant de bonnes conditions de travail et un système rentable, il est nécessaire d'optimiser les plateformes de réservation.
Le projet FITS est conçu pour relever les défis scientifiques posés par l'optimisation de ces plates-formes, les fournisseurs de services ayant besoin d'outils intelligents pour assurer des services de transport à grande échelle, et ce, de manière réactive. FITS est conçu pour résoudre ces problématiques en tirant profit des données disponibles (informations en temps réel et statistiques sur des données volumineuses). Le but du projet FITS est d'effectuer une répartition intelligente entre les utilisateurs afin de trouver le meilleur équilibre entre la satisfaction des clients et la couverture des demandes fortement contraintes ou moins rentables avec des règles de répartition équitables entre les travailleurs en termes de difficulté et de rentabilité.
FITS est mené par un consortium de trois équipes complémentaires (CMP, CIS et UCA) avec des compétences en informatique, recherche opérationnelle, sciences de gestion et ingénierie de la santé. Les algorithmes développés seront testés sur des données réelles extraites de l'open living lab #futuremedicine MedTechDesign. Tous les algorithmes développés seront prototypés dans ce living lab.