Issues de la simulation basée crowdsourcing pour l’informatique verte
| dc.contributor.author | Bilal BENCHARIF | |
| dc.date.accessioned | 2025-07-08T11:21:06Z | |
| dc.date.issued | 2025 | |
| dc.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 | |
| dc.description.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 | |
| dc.identifier.citation | MD/36 | |
| dc.identifier.issn | MD/36 | |
| dc.identifier.uri | https://dspace.univ-bba.dz/handle/123456789/333 | |
| dc.language.iso | en | |
| dc.publisher | university of bordj bou arreridj | |
| dc.subject | Green IT | |
| dc.subject | Logistics Optimization | |
| dc.subject | Crowdsourced Data | |
| dc.subject | Google Distance Matrix API | |
| dc.subject | Probabilistic Tabu Search Algorithm | |
| dc.subject | Pollution-Routing Problem | |
| dc.title | Issues de la simulation basée crowdsourcing pour l’informatique verte | |
| dc.type | Thesis |