Issues de la simulation basée crowdsourcing pour l’informatique verte
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
university of bordj bou arreridj
Abstract
In this thesis, we propose an innovative approach to optimize logistics systems by
integrating crowdsourced real-time data collected via the Google Distance Matrix API.
By leveraging a probabilistic tabu search algorithm, we have developed a framework ai med at improving the management of delivery routes in the context of green computing.
Experiments conducted on both simulated and real data reveal that speed has a decisive
impact on energy consumption. Furthermore, the analysis demonstrates that the trave led distance alone is not a reliable indicator of energy usage—indeed, a longer route does
not necessarily imply higher energy consumption, especially when coupled with optimized
traffic conditions. These results underscore the potential of collaborative approaches in
transforming sustainable logistics and open up new perspectives for optimizing transpor tation syste
Description
Les résultats que nous avons obtenus montrent clairement que la combinaison des
données en temps réel obtenues par crowdsourcing, fournies par les services Google Maps,
permet un meilleur suivi des dynamiques opérationnelles et énergétiques que les méth odes traditionnelles habituelles en la matière, par exemple, le calcul de la distance par la
méthode euclidienne. À l’inverse, la plus grande longueur des trajets peut donner, dans
certains contextes, une consommation d’énergie inférieure, d’où l’importance de travailler
avec des modèles tenant compte de la multitude des facteurs pouvant influer. Ces obser vations renforcent l’idée que la thèse selon laquelle les données crowdsourcées pourraient
être un bon instrument d’aide à la décision en informatique verte.
Cette étude, comme toutes les autres, présente des limites et des lacunes, ainsi,
l’absence de comparaisons systématiques avec d’autres méthodes d’optimisation ne per met pas, pour l’instant, de conclure à la supériorité de l’approche proposée. De plus,
certains facteurs supposés influents comme les variations de topographie ou le comporte ment des conducteurs n’y sont pas intégrés, limitant la généralisation des résultats. Autant
de points qui rendent compte de la complexité des systèmes réels et de la nécessité de
poursuivre les efforts de recherche pour produire des modèles de plus en plus robustes et
représentatifs.
Il existe de nombreuses pistes de recherche pour l’avenir et de nombreux domaines
d’amélioration qui doivent être explorés plus en profondeur. Il conviendrait d’étendre la
portée de l’étude en incorporant d’autres variables environnementales et opérationnelles
dans le modèle, en particulier dans l’équation objective, telles que le terrain (pente de
la route) ou les indicateurs de trafic en temps réel, afin de mieux rendre compte de la
diversité des conditions d’exploitation. Par ailleurs, l’exploration de nouvelles approches
d’algorithmes d’optimisation métaheuristiques, telles que celles fondées sur un algorithme
génétique, SPO, etc., ou sur une combinaison de ces méthodes d’optimisation (mémé tique,etc..) pourrait améliorer les solutions sélectionnées. Les recherches les plus récentes
introduisent actuellement des modèles d’intelligence artificielle dans l’optimisation et la
programmation des routes à des fins économiques ou environnementales, et les grands
modèles de langage (LLM) sont les plus courants dans cette section, ce qui appelle à
réfléchir à l’intégration de l’intelligence artificielle à des fins environnementales, qui est une
lacune scientifique très importante pour laquelle nous préconisons fortement de réfléchir à
cette question, bien qu’il s’agisse d’un grand défi parce qu’il nécessite des ressources con sidérables. Enfin, la conception d’une plateforme de simulation en temps réel exploitable
dynamiquement grâce aux données fournies par les foules pourrait apporter des vues in téressantes aux décideurs et donc d’optimiser les stratégies de l’information verte et de la
logistique durable.
En conclusion, cette thèse contribue de manière significative à la compréhension des in teractions entre crowdsourcing et développement durable dans le domaine de l’informatique
verte. Les travaux présentés ouvrent la voie à de nouvelles approches permettant d’optimiser
81
Conclusion Générale et Perspectives
la consommation énergétique tout en prenant en compte la complexité des systèmes réels,
et constituent une base solide pour des recherches ultérieures visant à favoriser une tran sition vers des pratiques plus respectueuses de l’environnement
Keywords
Green IT, Logistics Optimization, Crowdsourced Data, Google Distance Matrix API, Probabilistic Tabu Search Algorithm, Pollution-Routing Problem
Citation
MD/36