Face à l'augmentation de la mobilité, les politiques de développement durable cherchent à optimiser l'utilisation des infrastructures de transport existantes. En particulier, les systèmes d'information du trafic à large échelle ont le potentiel d'optimiser l'utilisation du réseau de transport. Ils doivent fournir aux usagers une information fiable en temps réel leur permettant d'optimiser leurs choix d'itinéraires. Ils peuvent également servir d'outils d'aide à la décision pour les gestionnaires du réseau. La thèse étudie comment l'émergence des services Internet sur les téléphones portables et la rapide prolifération des systèmes de géolocalisation permet le développement de nouveaux services d'estimation et d'information des conditions de trafic en réseau urbain. L'utilisation des données provenant de véhicules traceurs nécessite le développement de modèles et d'algorithmes spécifiques, afin d'extraire l'information de ces données qui ne sont envoyées, jusqu'à présent, que par une faible proportion des véhicules circulant sur le réseau et avec une fréquence faible. La variabilité des conditions de circulations, due à la présence de feux de signalisation, motive une approche statistique de la dynamique du trafic, tout en intégrant les principes physiques hydrodynamiques (formation et dissolution de files d'attentes horizontales). Ce modèle statistique permet d'intégrer de façon robuste les données bruitées envoyées par les véhicules traceurs, d'estimer les paramètres physiques caractérisant la dynamique du trafic et d'obtenir l'expression paramétrique de la loi de probabilité des temps de parcours entre deux points quelconques du réseau. La thèse s'appuie sur les données et les infrastructures développées par le projet Mobile Millennium à l'Université de Californie, Berkeley pour valider les modèles et algorithmes proposés. Les résultats soulignent l'importance du développement de modèles statistiques et d'algorithmes adaptés aux données disponibles pour développer un système opérationnel d'estimation du trafic à large échelle

Face à l’augmentation de la mobilité, les politiques de développement durable cherchent à optimiser l’utilisation des infrastructures de transport existantes. En particulier, les systèmes d’information du trafic à large échelle ont le potentiel d’optimiser l’utilisation du réseau de transport. Ils doivent fournir aux usagers une information fiable en temps réel leur permettant d’optimiser leurs choix d’itinéraires. Ils peuvent également servir d’outils d’aide à la décision pour les gestionnaires du réseau. La thèse étudie comment l’émergence des services Internet sur les téléphones portables et la rapide prolifération des systèmes de géolocalisation permet le développement de nouveaux services d’estimation et d’information des conditions de trafic en réseau urbain. L’utilisation des données provenant de véhicules traceurs nécessite le développement de modèles et d’algorithmes spécifiques, afin d’extraire l’information de ces données qui ne sont envoyées, jusqu’à présent, que par une faible proportion des véhicules circulant sur le réseau et avec une fréquence faible. La variabilité des conditions de circulations, due à la présence de feux de signalisation, motive une approche statistique de la dynamique du trafic, tout en intégrant les principes physiques hydrodynamiques (formation et dissolution de files d’attentes horizontales). Ce modèle statistique permet d’intégrer de façon robuste les données bruitées envoyées par les véhicules traceurs, d’estimer les paramètres physiques caractérisant la dynamique du trafic et d’obtenir l’expression paramétrique de la loi de probabilité des temps de parcours entre deux points quelconques du réseau. La thèse s’appuie sur les données et les infrastructures développées par le projet Mobile Millennium à l’Université de Californie, Berkeley pour valider les modèles et algorithmes proposés. Les résultats soulignent l’importance du développement de modèles statistiques et d’algorithmes adaptés aux données disponibles pour développer un système opérationnel d’estimation du trafic à large échelle / Sustainable mobility development requires the optimization of existing transportation infrastructure. In particular, ubiquitous traffic information systems have the potential to optimize the use of the transportation network. The system must provide accurate and reliable traffic information in real-time to optimize mobility choices. Successful implementations are also valuable tools for traffic management agencies. The thesis studies how the emergence of Internet services and location based services on mobile devices enable the development of novel Intelligent Transportation Systems which estimate and broadcast traffic conditions in arterial networks. Sparsely sampled probe data is the main source of arterial traffic data with the prospect of broad coverage in the near future. The small number of vehicles that report their position at a given time and the low sampling frequency require specific models and algorithms to extract valuable information from the available data. On the one hand, the variability of traffic conditions in urban networks, caused mainly by the presence of traffic lights, motivates a statistical approach of arterial traffic dynamics. On the other hand, an accurate modeling of the physics of arterial traffic from hydrodynamic theory (formation and dissolution of horizontal queues) ensures the physical validity of the model. The thesis proposes to integrate the dynamical model of arterial traffic in a statistical framework to integrate noisy measurements from probe vehicle data and estimate physical parameters, which characterize the traffic dynamics. In particular, the thesis derives and estimates the probability distributions of vehicle location and of travel time between arbitrary locations. The thesis leverages the data and the infrastructure developed by the Mobile Millennium project at the University of California, Berkeley to validate the models and algorithms. The results underline the importance to design statistical models for sparsely sampled probe vehicle data in order to develop the next generation of operation large-scale traffic information systems

Les déplacements entrepris par les animaux dans leur milieu reflètent les ressources conditionnant leur survie dans ce milieu. En milieu marin, l'intensité des activités humaines (notamment la pêche) a entraîné des bouleversements écologiques, particulièrement aux échelons trophiques supérieurs. Cette thèse a donc visé à documenter les déplacements de prédateurs marins dont les effectifs baissent à un niveau local ou global. Nous avons étudié les déplacements en dehors de la période de reproduction (lorsque les animaux font généralement face à des conditions défavorables pour leur survie en mer) chez 5 espèces de manchots dont le rôle de consommateurs est capital sur un gradient de milieux de l'Océan Indien austral. Leurs déplacements ont été connus grâce à la géo-localisation par la lumière ou la télémétrie satellitaire, et leur écologie trophique par l'analyse des isotopes stables du carbone et de l'azote. Nos travaux ont mis en évidence et caractérisé les zones océaniques exploitées durant la période inter-nuptiale par 3 espèces du genre Eudyptes. Des comparaisons inter-site, inter-espèce et interannuelle ont ensuite souligné des mécanismes spectaculaires de ségrégation écologique dans le temps, l'espace et dans les proies ciblées pour l'exploitation de ressources proches. Enfin, l'étude de la dispersion post-natale chez 2 autres espèces a révélé un habitat différent de celui des adultes et l'action probable de mécanismes innés. Ces études sont cruciales pour la conservation des espèces et des habitats concernés, et posent la question de la dynamique des patrons de déplacement observés, face aux pressions de compétition et au déplacement des habitats recherchés.

Les activités basées sur l'exploitation de données vidéo se sont développées de manière fulgurante ces dernières années. En effet, non seulement avons-nous assisté à une démocratisation de certaines de ces activités, telles que la vidéo-surveillance, mais également à une diversification importante des applications opérationnelles (e.g. suivi de ressources naturelles, reconnaissance aérienne et bientôt satellite). Cependant, le volume de données vidéo généré est aujourd'hui astronomique et l'efficacité des activités correspondantes est limitée par le coût et la durée nécessaire à l'interprétation humaine de ces données vidéo. Par conséquent, l'analyse automatique de flux vidéos est devenue une problématique cruciale pour de nombreuses applications. Les travaux réalisés dans le cadre de cette thèse s'inscrivent dans ce contexte, et se concentrent plus spécifiquement sur l'analyse automatique de vidéos aériennes. En effet, outre le problème du volume de données, ce type de vidéos est particulièrement difficile à exploiter pour un analyste image, du fait des variations de points de vue, de l'étroitesse des champs de vue, de la mauvaise qualité des images, etc. Pour aborder ces difficultés, nous avons choisi de nous orienter vers un système semi-automatique permettant d'assister l'analyste image dans sa tâche, en suggérant des zones d'intérêt potentiel par détection de changements. Plus précisément, l'approche développée dans le cadre de cette thèse cherche à exploiter les données disponibles au maximum de leur potentiel, afin de minimiser l'effort requis pour l'utilisateur et de maximiser les performances de détection. Pour cela, nous effectuons une modélisation tridimensionnelle des apparences observées dans les vidéos de référence. Cette modélisation permet ensuite d'effectuer une détection en ligne des changements significatifs dans une nouvelle vidéo, en identifiant les déviations d'apparence par rapport aux modèles de référence. Des techniques spécifiques ont également été proposées pour effectuer l'estimation des paramètres d'acquisition ainsi que l'atténuation des effets de l'illumination. De plus, nous avons développé plusieurs techniques de consolidation permettant d'exploiter la connaissance a priori relative aux changements à détecter. L'intérêt de notre approche de détection de changements est démontré dans ce manuscrit de thèse, par la présentation des résultats issus de son évaluation minutieuse et systématique. Cette évaluation a été effectuée à l'aide de données réelles et synthétiques permettant d'analyser, d'une part la robustesse de l'approche par rapport à des perturbations réalistes (e.g. bruit, artefacts de compression, apparences et effets complexes, etc), et d'autre part la précision des résultats en conditions contrôlées.