Système multi-agent adaptatif pour la détection de régularités d’un utilisateur pour les applications de mobilité

La Mobilité Servicielle (MaaS) vise à rassembler différents services de mobilité sur une plateforme numérique unique qui permet de rechercher, de réserver et de payer ces services multimodaux. L’un des objectifs à long terme du MaaS est de modifier progressivement le comportement des gens en matière de déplacements afin de leur faire adopter des choix plus vertueux en matière de transport. Pour être adopté à grande échelle, le MaaS doit fournir des recommandations personnalisées et appropriées à tout moment; autrement dit, il doit apprendre les habitudes de déplacements de celui qui l’utilise, et tenir compte de leur éventuelle évolution.  Ce papier expose le problème de détection de régularités au niveau du comportement d’un utilisateur, discute les recherches existantes sur le sujet et se base sur l’apprentissage adaptatif et continu exploré à l’aide des Systèmes Multi-Agents (SMA) pour apprendre les habitudes de déplacements d’un utilisateur. Nous proposons ainsi une solution capable de prendre en compte l’évolution du comportement observé de cet utilisateur. Le SMA proposé est enfin évalué sur un ensemble de données de trajectoires disponible publiquement et les comparaisons menées mettent en évidence sa pertinence pour la construction de profils de mobilité évolutifs et adaptatifs.