Sondoss CHTIOUI

Participation au projet européen AMIGOS (Active Mobility Innovations for Green and Safe city sOlutionS) financé par Horizon Europe, en collaboration avec Laval Agglomération et l’ESTACA. Ce projet réunit 28 partenaires européens pour développer, tester et diffuser des solutions de mobilité urbaine durable, inclusive et sécurisée à travers plusieurs Living Labs et Safety Improvement Areas. 🎯 Principales missions : Contribution à la coordination locale du Living Lab de Laval et à la mise en œuvre des actions du projet. Participation à la co-création et à l’expérimentation des solutions de mobilité avec les acteurs locaux. Soutien à la collecte, l’organisation et l’analyse des données de mobilité issues du territoire. Collaboration à l’évaluation des impacts sur la sécurité, l’environnement et la qualité de vie urbaine. Appui à la préparation des activités de réplication et au partage des résultats avec d’autres villes européennes.

🔍 Thèse CIFRE menée en collaboration avec l’ESTACA, portant sur l’intégration d’un système d’aide à la décision dans un poste de contrôle centralisé (PCC). ◦ Modélisation data & supervision : traduction des besoins métier en solutions IA. ◦ Analyse & valorisation des données : transformation, visualisation et exploration de données réelles. ◦ Développement de modèles prédictifs : conception et optimisation de modèles de prévision de retards et flux voyageurs, avec feature engineering avancé. ◦ KPI & performance : suivi précision, efficacité opérationnelle. ◦ Intégration & déploiement : mise en production de modèles prédictifs avec visualisation en temps réel (IHM). ◦ Encadrement & prototypage : supervision de stagiaires et création de prototypes prédictifs.

◦ Processus métiers & données : formalisation et modélisation de données ferroviaires hétérogènes. ◦ Architecture décisionnelle : contribution aux systèmes d’aide à la décision pour la régulation du trafic. ◦ Documentation technique : rédaction de supports techniques et fonctionnels.

• Reconnaissance faciale d’acteurs : Développement d’un modèle de classification d’images basé sur un réseau de neurones convolutifs (CNN), avec constitution d’une base de données d’images via des méthodes de web scraping. • Suivi de véhicules dans des vidéos YouTube : Mise en œuvre d’algorithmes de vision par ordinateur pour détecter et suivre des véhicules à partir de séquences vidéo, en utilisant des techniques de tracking et de détection d’objets. • Prédiction de texte à partir d’images : Extraction de données textuelles via OCR (traitement d’images), puis modélisation en traitement du langage naturel (NLP) pour prédire la suite du texte à partir du contenu reconnu.