Hamid Hasanzadeh

La Mobilité en tant que Service (MaaS) transforme le transport urbain en intégrant plusieurs options de déplacement dans une plateforme unifiée et centrée sur l’utilisateur. En permettant la planification, la réservation et le paiement des trajets via une interface unique, MaaS améliore la flexibilité, l’efficacité et la durabilité, tout en répondant aux défis du congestion routière et de l’impact environnemental. Au Canada, où l’urbanisation s’accélère, MaaS a le potentiel de redéfinir les habitudes de mobilité, mais son adoption reste limitée. Une compréhension approfondie du comportement des usagers, de leurs processus décisionnels et des facteurs influençant l’utilisation de MaaS fait défaut. Les modèles existants peinent à capturer la complexité des réseaux multimodaux et la prise de décision en temps réel, entravant ainsi le développement de plateformes MaaS optimisées et adaptatives. Sans modèles basés sur les données capables de prédire les préférences des usagers et de s’ajuster aux conditions de circulation en temps réel, les avantages de MaaS—réduction de la congestion, diminution des émissions et amélioration de la mobilité—ne peuvent être pleinement exploités. Cette recherche propose un cadre analytique novateur pour modéliser le comportement de déplacement dans l’écosystème MaaS, en exploitant l’apprentissage automatique et les techniques d’optimisation afin de concevoir des solutions MaaS intelligentes et adaptatives pour les environnements urbains modernes.

Direction: Bobin Wang

Codirection :