0% ont trouvé ce document utile (0 vote)

676 vues119 pages

Conception Et Réalisation D'un Système D'optimisation Des Itinéraires Pour Les Animateurs de Zone de Djezzy

Ce document traite de l'optimisation des itinéraires pour les animateurs de zone de Djezzy. Il présente le problème, les objectifs, la méthodologie adoptée et les résultats obtenus.

Transféré par

jone

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

0% ont trouvé ce document utile (0 vote)

676 vues119 pages

Conception Et Réalisation D'un Système D'optimisation Des Itinéraires Pour Les Animateurs de Zone de Djezzy

Ce document traite de l'optimisation des itinéraires pour les animateurs de zone de Djezzy. Il présente le problème, les objectifs, la méthodologie adoptée et les résultats obtenus.

Transféré par

jone

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

République Algérienne Démocratique et Populaire

‫الجمهورية الجزائرية الديمقراطية الشعبية‬

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
‫وزارة التعليم العالي و البحث العلمي‬

‫المدرسة الوطنية العليا للإ علام الآلي‬

ٓ
(‫)المعهد الوطني للتكوين في الإ علام الالي سابقا‬
École nationale Supérieure d’Informatique
ex. INI (Institut National de formation en Informatique)

Mémoire de fin d’études

Pour l’obtention du diplôme d’Ingénieur d’État en Informatique

Option : Systèmes Informatiques et Logiciels

Conception et réalisation d’un

système d’optimisation des
itinéraires pour les animateurs de
zone de Djezzy

Réalisé par : Encadré par :

M. Guerras Mohamed Amine Mme. Hamdad Leila (ESI)
M. Kisma Ahmed (Djezzy)

Soutenu le 20 Septembre 2020, Devant le jury composé de :

Mme. Soumia Benkrid : ESI - Présidente
Mme. Salima Imloul : ESI - Examinateur
M. Abdelkader Ameur : ESI - Rapporteur

Promotion : 2019/2020
Dédicace

“ À mLorem ipsum dolor sit amet, consectetur adipiscing

elit. Proin posuere euismod neque, non semper nibh viverra
sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a
fringilla finibus,

À Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a
fringilla finibus,

À Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a
fringilla finibus,

À tous ceux qui me sont chers, à vous tous

Merci.

”
- Amine

I
Remerciements

Tout d’abord, je remercie Allah le tout puissant de m’avoir donné le courage et la

patience nécessaires à mener ce travail à son terme.
Je tiens à remercier tout particulièrement mon encadrante Mme. HAMDAD Leila,
pour l’aide compétente qu’elle m’a apportée, pour sa patience et son encouragement. Son
œil critique m’a été très précieux pour structurer le travail et pour améliorer la qualité
des différentes sections.
Je tiens à remercier également mon promoteur M. KISMA Ahmed pour son aide
immense, la qualité de son suivie ainsi que pour tous les conseils et les informations qu’il
m’a prodigués avec un degré de patience et de professionnalisme sans égal.
Je tiens aussi à adresser mes plus sincères remerciements à M. SELLAM Mohamed,
manager du service Big Data & Data Analytics Platforms pour m’offrir l’opportunité
d’intégrer son équipe et pour son soutien.
Un très grand remerciement et une très grande reconnaissance sont destinés à M.
SAADI Hamza de m’avoir aidé à obtenir ce stage de fin d’études chez Djezzy.
Je remercie également M. AIT ABDESSELAM Mehdi, M. KEMOUCHE Khe-
lifa, M. ABROUS SALAH, M. ZEBBOUDJ Abderrahmane, M. CHAIERE
Redhouane, M. SELAMA Mohamed, M. BOUSSALEM Assam ainsi que tous
les ingénieurs du service Data Value Management pour leurs aides précieuses, leurs en-
couragements et pour avoir rendu mon stage à Djezzy une expérience très enrichissante.
Je désire remercier également M. OUGHLISSI Madani et M. MELAIKA Be-
naissa pour les renseignements précieux qu’ils m’ont fournis ainsi que pour leurs encou-
ragements.
Que les membres de jury trouvent, ici, l’expression de mes sincères remerciements pour
l’honneur qu’ils me font en prenant le temps de lire et d’évaluer ce travail.
Je souhaite aussi remercier l’équipe pédagogique et administrative de l’ESI pour leurs
efforts dans le but de nos offrir une excellente formation.
Je tiens à remercier Mme. AIT ALI YAHIA Dahbia pour sa disponibilité et ses
orientations.
Pour finir, je souhaite remercier toute personne ayant contribué de prés ou de loin à
la réalisation de ce travail.

II
Résumé

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus.Lorem ipsum dolor sit
amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra
sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et
lacus. Nulla ultrices magna a fringilla finibus.

Mots clés : Optimisation des itinéraires, Problème du voyageur de commerce avec

contrainte périodique, Apprentissage automatique, Classification.

III
Abstract

Keywords : Route optimization, Periodic traveling salesman problem , Machine lear-

ning, Classification.

IV
‫ملخص‬
‫قد كان المجتمع المدني منذ القرن التاسع عشر موضوع إحالة في الخطاب الفلسفي وكذلك في الخطاب السياسي‬
‫بوصفه هذه الواقعة التي تفرض نفسها‪ ،‬والتي تقاوم وتُخضع وتتفلت من الحكومة أو من الدولة أو من جهاز الدولة أو من‬
‫المؤسسة‪. .‬‬
‫أعتقد أنه يجب أن نكون حذرين للغاية بالنسبة إلى الحقيقة والواقع الذي ننسبه إلى هذا المجتمع المدني‪ ،‬إنه ليس‬
‫هذا ال ُمعطى التاريخي‪-‬الطبيعي الذي يأتي وكأنه يقوم بدور القاعدة‪/‬الأرضية‪ ،‬أو أنه أ ً‬
‫يضا مبدأ لمعارضة الدولة والمؤسسات‬
‫السياسية‪ ،‬ليس المجتمع المدني واقعة أولية ومباشرة‪ ،‬إن المجتمع المدني هو جزء من تكنولوجيا الحكمانية الحديثة‪،‬‬
‫يضا أنه ليس واق ًعا أو حقيقة‪ ،‬إن المجتمع المدني‪ ،‬مثله‬
‫والقول إنه يمثل جز ًءا لا يعني أنه منتج لا أكثر ولا أقل‪ ،‬ولا يعني أ ً‬
‫مثل الجنون أو الجنسانية‪ ،‬إنه مثل تلك الوقائع التي أسميها وقائع التسويات والصفقات‪ ،‬بمعنى أنه يدخل ضمن اللعبة‬
‫الخاصة بعلاقات السلطة‪ ،‬ولما ينفلت منها‪ ،‬بحيث يولد وينشأ شيء ما على الحد الفاصل بين الح ّكام والمحكومين‪،‬‬
‫وفي هذه الوجوه والصور التبادلية والمؤقتة إلّا أنها مع ذلك ليست أقل واقعية وحقيقة‪ ،‬وهذا هو الذي نسميه المجتمع‬
‫المدني أو الجنون أو الجنسانية ‪ ..‬إلخ‪. .‬‬
‫ناتجا من واقع التسوية في تاريخ تكنولوجيات الحكمانية‪ ،‬علاقة تسوية تبدو‬
‫إذن‪ :‬المجتمع المدني بوصفه عنص ًرا ً‬
‫لي متلازمة تما ًما مع هذا الشكل من تكنولوجيا الحكمانية التي نسميها ليبرالية‪ ،‬بمعنى‪ :‬تكنولوجيا حكم لها هدف هو‬
‫حدّها الذاتي المرتبط بخصوص العمليات الاقتصادية‬

‫كلمات مفتاحية ‪:‬‬

‫تحسين المسارات ‪ ،‬مشكلة البائع المتجول مع قيود دورية ‪ ،‬تعلم الآلة ‪ ،‬التصنيف‪.‬‬

‫‪V‬‬
Table des matières

Dédicace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I

Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . II

Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . III

Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . IV

V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ‫ملخص‬
Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1 État de l’art . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Analyse des points chauds (Hotspots) . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Méthodes d’analyse des hotspots . . . . . . . . . . . . . . . . . . . 6
1.3 Problème du voyageur de commerce (Traveling Salesman Problem) . . . . 13
1.3.1 Formulation du problème . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Les approches de résolution du TSP . . . . . . . . . . . . . . . . . 14
1.4 Problème du voyageur de commerce avec contrainte périodique (Periodic
Traveling Salesman Problem) . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4.1 Formulation du problème . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.2 Les approches de résolution du PTSP . . . . . . . . . . . . . . . . . 20
1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2 Étude de l’existant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Présentation de l’organisme d’accueil . . . . . . . . . . . . . . . . . . . . . 27
2.2.1 VEON . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.2 Vision de Djezzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.3 Missions de Djezzy . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.4 Transformation digitale . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.5 Département d’accueil : Service Big Data . . . . . . . . . . . . . . 30
2.3 Étude de l’existant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.1 Recueil d’informations . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.2 Réseau de distribution de Djezzy . . . . . . . . . . . . . . . . . . . 31
2.3.3 Point de vente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

VI
Table des matières

2.3.4 Animateur de zone . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

3 Expression des besoins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2 Définition des utilisateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2.1 Administrateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2.2 Animateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3 Spécifications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.1 Spécifications fonctionnelles . . . . . . . . . . . . . . . . . . . . . . 38
3.3.2 Spécifications techniques . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4 Définition des cas d’utilisation . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.4.1 Administrateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.4.2 Animateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4 Conception . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2 Rappel sur le besoin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.3 Objectifs du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.4 Présentation de la solution . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.5 Architecture fonctionnelle de la solution . . . . . . . . . . . . . . . . . . . 51
4.6 Les étapes de la solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.6.1 Compréhension du métier . . . . . . . . . . . . . . . . . . . . . . . 53
4.6.2 Compréhension des données . . . . . . . . . . . . . . . . . . . . . . 53
4.6.3 Préparation des données . . . . . . . . . . . . . . . . . . . . . . . . 53
4.6.4 Analyse exploratoire . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.6.5 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.6.6 Élaboration des plans de visite . . . . . . . . . . . . . . . . . . . . 57
4.6.7 Synchronisation des plans de visite en temps réel . . . . . . . . . . 62
4.7 Plateforme de visualisation . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5 Réalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 Architecture technique de la solution . . . . . . . . . . . . . . . . . . . . . 67
5.3 Technologies utilisées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

6 Tests et résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.1.1 Analyse des variables . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.1.2 Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.1.3 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.1.4 Élaboration des plans de visite . . . . . . . . . . . . . . . . . . . . 81
6.1.5 Le dataflow Nifi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.1.6 La plateforme de visualisation . . . . . . . . . . . . . . . . . . . . . 84

VII
Table des matières

6.2 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

A Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

B Partie données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

C Comptes rendus des réunions . . . . . . . . . . . . . . . . . . . . . . . . . . 104

VIII
Table des figures

1.1 Résultat d’une analyse de hotspot (Kalinic et al. 2018). . . . . . . . . . . 6

1.2 Estimation de la densité du noyau (Hart et al. 2014) . . . . . . . . . . . . 8
1.3 Exemple de résultat d’une analyse KDE (Romano et al. 2017) . . . . . . 9
1.4 Résultat de l’analyse des points chauds avec la statistique locale de Moran
(Aguilar et al. 2013) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Points chauds des colonies de chats sur la période 1991-2011 avec Gi*
(Aguilar et al. 2013) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Exemple d’un TSP avec un point de départ et quatre noeuds. Les chiffres
sur les arcs représentent les coûts. . . . . . . . . . . . . . . . . . . . . . . . 14
1.7 Approches de résolution du TSP . . . . . . . . . . . . . . . . . . . . . . . 15
1.8 Permutation 2-opt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9 Permutation 3-opt. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.10 Exemple d’un PTSP avec un point de départ et quatre noeuds sur une
période de 5 jours. Les Ri représentent les combinaisons de visites et les
chiffres sur les arcs représentent les coûts (distances de parcours). Exemple :
le noeud 4 peut être visité soit les jours 1 et 4 ou les jours 2 et 4. . . . . . 20

2.1 Logo de Djezzy. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.2 Logo de VEON. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3 Réseau de distribution de Djezzy. . . . . . . . . . . . . . . . . . . . . . . . 32
2.4 Un exemple de point de vente Djezzy (Web 2019). . . . . . . . . . . . . . 33
2.5 Un exemple de tournée d’un animateur (en rouge). . . . . . . . . . . . . . 34

3.1 Diagramme des cas d’utilisation de l’administrateur. . . . . . . . . . . . . 40

3.2 Diagramme d’activité du CU : Générer les plans de visite des animateurs. . 43
3.3 Diagramme des cas d’utilisation de l’animateur. . . . . . . . . . . . . . . . 44
3.4 Diagramme d’activité du CU : Synchroniser les tournées en temps réel. . . 46

4.1 Un exemple de tournée d’un animateur(en rouge). . . . . . . . . . . . . . . 49

4.2 Processus d’élaboration des plans de route. . . . . . . . . . . . . . . . . . . 50
4.3 Architecture fonctionnelle du système. . . . . . . . . . . . . . . . . . . . . 51
4.4 Les étapes de la solution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.5 Les étapes de préparation des données . . . . . . . . . . . . . . . . . . . . 54
4.6 L’ensemble des attributs constituants le dataset initial (Voir les détails en
annexe B.2). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.7 Les étapes de l’exploration des données . . . . . . . . . . . . . . . . . . . . 56
4.8 Les étapes de la modélisation . . . . . . . . . . . . . . . . . . . . . . . . . 57

IX
Table des figures

4.9 Exemple d’un PTSP avec un point de départ et quatre points de vente sur
une période de 5 jours. Les Ri représentent les combinaisons de visites et
les chiffres sur les arcs représentent les coûts. Exemple : le noeud 4 peut
être visité soit les jours 1 et 4 ou les jours 2 et 4. . . . . . . . . . . . . . . 59
4.10 Exemple d’un changement de combinaison de visites sur une période de 2
jours. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.11 Exemple de perturbation d’une route. . . . . . . . . . . . . . . . . . . . . . 61
4.12 Architecture de la plateforme de visualisation. . . . . . . . . . . . . . . . . 63
4.13 Partie serveur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.14 Partie client. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5.1 Architecture technique de la solution. . . . . . . . . . . . . . . . . . . . . . 67

5.2 Logo de Teradata. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.3 Logo de Nifi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.4 Logo de Spark. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.5 Logo de PostgreSQL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.6 Logo de Python. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.7 Logo de Django. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.8 Logo de Django Rest Framework. . . . . . . . . . . . . . . . . . . . . . . . 70
5.9 Logo de Javascript. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.10 Logo de React.js. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.11 Logo de l’API Distance Matrix. . . . . . . . . . . . . . . . . . . . . . . . . 71
5.12 Logo de l’API Directions. . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.13 Logo de l’API Maps Javascript. . . . . . . . . . . . . . . . . . . . . . . . . 72

6.1 Matrice de corrélation (les couleurs claires désignent une forte corrélation). 74
6.2 Matrice de puissance de prédiction (les couleurs foncées désignent une forte
puissance de prédiction). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.4 Dendrogramme du clustering hiérarchique. . . . . . . . . . . . . . . . . . . 77
6.5 Résultat de la méthode Elbow. . . . . . . . . . . . . . . . . . . . . . . . . 78
6.6 Résultat de la méthode Silhouette. . . . . . . . . . . . . . . . . . . . . . . 79
6.7 Résultat de l’analyse en composantes principales. . . . . . . . . . . . . . . 80
6.8 Résultats de l’algorithme K-means en 2D (le cluster A en orange, B en
vert, C en bleu et D en jaune). . . . . . . . . . . . . . . . . . . . . . . . . 80
6.9 Dataflow Nifi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.10 Tableau de bord de la plateforme. . . . . . . . . . . . . . . . . . . . . . . . 85
6.11 Visualisation des points de vente. . . . . . . . . . . . . . . . . . . . . . . . 85
6.12 Paramétrage des visites. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6.13 Visualisation des itinéraires. . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.14 Paramètres généraux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

X
Liste des tableaux

1.1 Les objectifs des trois méthodes d’analyse des hotspots . . . . . . . . . . . 13

1.2 Comparaison entre les trois méthodes d’analyse des hotspots . . . . . . . . 13
1.3 Comparaison entre les résultats des différentes solutions du PTSP . . . . . 23

2.2 L’ensemble des réunions et sorties réalisées. . . . . . . . . . . . . . . . . . 31

3.2 L’ensemble des spécifications fonctionnelles. . . . . . . . . . . . . . . . . . 39

3.4 L’ensemble des spécifications techniques. . . . . . . . . . . . . . . . . . . . 39
3.6 Liste des cas d’utilisation de l’administrateur. . . . . . . . . . . . . . . . . 41
3.8 Documentation CU : Générer les plans de visite des animateurs. . . . . . . 41
3.10 Documentation CU : Synchroniser les tournées des animateurs. . . . . . . . 42
3.12 Documentation CU : Modifier les paramètres de visite. . . . . . . . . . . . 43
3.14 Liste des cas d’utilisation de l’animateur. . . . . . . . . . . . . . . . . . . . 44
3.16 Documentation CU : Récupérer les plans de visite. . . . . . . . . . . . . . 45
3.18 Documentation CU : Synchroniser les tournées en temps réel. . . . . . . . 45

6.1 Évaluation des différents algorithmes de classification. . . . . . . . . . . . . 81

6.3 Comparaison entre les résultats de notre algorithme d’optimisation avec
les meilleures solutions connues du PTSP . . . . . . . . . . . . . . . . . . . 83

B.2 L’ensemble des attributs constituants le dataset initial. . . . . . . . . . . . 103

B.4 L’ensemble des attributs sélectionnés. . . . . . . . . . . . . . . . . . . . . . 103
B.6 L”ensemble des attributs constituants le dataset final. . . . . . . . . . . . . 103

XI
Liste des algorithmes

1 Initial Solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2 Local Search . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3 Route Synchronization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

XII
Liste des sigles et acronymes

ACP Analyse en Composantes Principales

API Application Programming Interface

ARPT Autorité de Régulation de la Poste et des Télécommunications

BTS Base Transceiver Station

DBSS Digital Business Support System

DWH Data Warehouse

ETL Extraction Transformtion Load

HTTP Hypertext Transfer Protocol

JSON JavaScript Object Notation

KDE Kernel Density Estimation

OTA Optimum Telecom Algeria

PTSP Periodic Traveling Salesman Problem

PVRP Periodic Vehicle Routing Problem

REST Representational State Transfer

SIM Subscriber Identification Module

SVM Support Vector Machine

TSP Traveling Salesman Problem

VRP Vehicle Routing Problem

XIII
Introduction générale

Contexte
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

Djezzy, Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euis-
mod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Djezzy Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

Problématique
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.

1
Introduction générale

Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum dolor sit
amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra
sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus.
Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit
rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec
fermentum dui fermentum maximus rutrum.

Objectifs
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.

Organisation du mémoire
Ce mémoire est organisé en six chapitres :

Le premier chapitre “État de l’art” Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna
a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt.
Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum dui
fermentum maximus rutrum.

Le deuxième chapitre “Étude de l’existant” Lorem ipsum dolor sit amet, consectetur
adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut
varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tinci-
dunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum.

Le troisième chapitre “Expression des besoin” Lorem ipsum dolor sit amet, consec-
tetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent
ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tinci-
dunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum.

2
Introduction générale

Le quatrième chapitre “Conception” Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna
a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt.
Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum dui
fermentum maximus rutrum.
Le cinquième chapitre “Réalisation” Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna
a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt.
Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum dui
fermentum maximus rutrum.
Le sixième chapitre “Tests et résultats” Lorem ipsum dolor sit amet, consectetur
adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut
varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tinci-
dunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum.

3
Chapitre 1

État de l’art

4
Chapitre 1. État de l’art

1.1 Introduction
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.

1.2 Analyse des points chauds (Hotspots)

1.2.1 Définition
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Mennis
et al. 2009). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euis-
mod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue pu-
rus. Praesent interdum gravida congue. Donec fermentum dui fermentum maximus ru-
trum.(Shekhar et al. 2011).

5
Chapitre 1. État de l’art

Fig. 1.1 : Résultat d’une analyse de hotspot (Kalinic et al. 2018).

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Hart et
al. 2014 ; Ansari et al. 2014 ; Kalinic et al. 2018), Lorem ipsum dolor sit amet, consecte-
tur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut
varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tinci-
dunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum. (Anderson 2009 ; Montella 2010 ; Yu et al. 2014),
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Lin et al.
2010), Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Bagstad et al. 2017).

1.2.2 Méthodes d’analyse des hotspots

6
Chapitre 1. État de l’art

interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. les mé-
thodes d’interpolation spatiale (Spatial Interpolation) et les méthodes d’analyse
de modèle spatial (Pattern Analysis).

Méthode d’estimation de la densité du noyeau (Kernel Density Estimation)

7
Chapitre 1. État de l’art

Fig. 1.2 : Estimation de la densité du noyau (Hart et al. 2014)

1 ∑
n
di
f (x, y) = K( ) (1.1)
nh i=1 h

où f (x, y) est l’estimation de la densité à l’emplacement (x, y) ; n est le nombre d’ob-

servations ; h est le rayon de recherche ; K est une fonction du noyau ; et di est la distance
entre l’emplacement (x, y) et l’emplacement de la ième observation.

8
Chapitre 1. État de l’art

Fig. 1.3 : Exemple de résultat d’une analyse KDE (Romano et al. 2017)

La statistique locale de Moran

xi − X ∑
2
Ii = wij (xi − X) (1.2)
s2i j=1,j̸=i

9
Chapitre 1. État de l’art

où xi est un attribut pour l’entité i, X est la moyenne de l’attribut correspondant, wij

est le poids spatial entre l’entité i et j, et :

∑2
j=1,j̸=i wij 2
s2i = −X (1.3)
n−1

avec n égal au nombre total d’entités. Le score zIi pour les statistiques est calculé
comme suit :
Ii − E[Ii ]
zIi = √ (1.4)
V [Ii ]

où :

∑2
j=1,j̸=i wij
E[Ii ] = − (1.5)
n−1

V [Ii ] = E[Ii2 ] − E[Ii ]2 (1.6)

Fig. 1.4 : Résultat de l’analyse des points chauds avec la statistique locale de Moran
(Aguilar et al. 2013)

La statistique Gi*

10
Chapitre 1. État de l’art

neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Kalinic et al. 2018).Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin po-
suere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum
ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus.
Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue
purus. Praesent interdum gravida congue. Donec fermentum dui fermentum maximus ru-
trum. (Getis et al. 1992). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. (Kalinic et al. 2018).

La statistique Gi* est calculé comme suit (Getis et al. 1992) :

∑n
wij (d)xj
G∗i (d) ∑
j=1
= (1.7)
j xj

où (wij ) est une matrice de poids spatial symétrique binaire avec des uns pour tous
les liens définis comme étant à la distance d d’un point i donné, tous les autres liens sont
nuls. Le score Zi est donné comme suit :

G∗i (d) − E[G∗i (d)]

Zi = √ (1.8)
V [G∗i (d)]

où :

Wi∗
E[G∗i (d)] = (1.9)
n

Wi∗ (n − Wi∗ )Yi2∗

V [G∗i (d)] = (1.10)
n2 (n − 1)(Yi1∗ )2
avec :

∑
n
Wi∗ = wij (d) (1.11)
j=1
∑n
xj
Yi1∗ =
j=1
(1.12)
n
∑n ∑n 2
j=1 (xi xj )
Yi2∗ = − (Yi1∗ )2
i=1
(1.13)
n

11
Chapitre 1. État de l’art

Fig. 1.5 : Points chauds des colonies de chats sur la période 1991-2011 avec Gi* (Aguilar
et al. 2013)

Comparaison entre les méthodes d’analyse des Hotspots

Les tableaux 1.1 et 1.2 récapitulent les différences entre les trois méthodes :

12
Chapitre 1. État de l’art

Num Méthode Objectif

1 KDE Pour un effet de lissage dans un certain rayon de recherche
2 SLM Pour détecter la présence de clusters de valeurs similaires
3 Gi* Pour détecter la présence de clusters de valeurs faibles et élevées

Tab. 1.1 : Les objectifs des trois méthodes d’analyse des hotspots

Entité
Num Méthode Effet lissant Z-score
Point Ligne Polygone
1 KDE ++ ++ – ++ –
2 SLM ++ – ++ – ++
3 Gi* ++ – ++ – ++

Tab. 1.2 : Comparaison entre les trois méthodes d’analyse des hotspots

1.3 Problème du voyageur de commerce (Traveling

Salesman Problem)

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.. Les pre-
mières études du problème remontent au 18ème siècle avec les travaux d’Hamilton et Kirk-
man (Davendra 2010). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. (Gutin et al. 2006). Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna
a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt.
Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum dui
fermentum maximus rutrum.

13
Chapitre 1. État de l’art

1.3.1 Formulation du problème

Le problème dans sa forme générale peut être formulé comme suit :

Soient V = {v1 , ..., vn } l’ensemble des villes (noeuds) à visiter, E = {(vi , vj )|vi , vj ∈ V }
l’ensemble des arcs entre les noeuds, G = (V, E) un graphe complet et C = (cij )n×n la
matrice des coûts où cij correspond au coût de l’arc reliant les noeuds i et j dans G. Le
problème du voyageur de commerce est de trouver un tour (cycle hamiltonien) en G tel
que la somme des coûts des arcs du tour soit la plus petite possible.

Fig. 1.6 : Exemple d’un TSP avec un point de départ et quatre noeuds. Les chiffres sur
les arcs représentent les coûts.

1.3.2 Les approches de résolution du TSP

Pour la résolution du TSP plusieurs approches ont été utilisées. Celles-ci peuvent être
classées comme suit : approches exactes, approches heuristiques et approches métaheuris-
tiques.

14
Chapitre 1. État de l’art

Fig. 1.7 : Approches de résolution du TSP

Approches exactes

Approches heuristiques

15
Chapitre 1. État de l’art

Les heuristiques constructives

Plus proche voisin Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla fini-
bus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet
congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum maxi-
mus rutrum. O(n2 ) (Rosenkrantz et al. 1977). Lorem ipsum dolor sit amet, consectetur
adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut
varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tinci-
dunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum. à moins de 25% de la borne inférieure de Held-Karp
(Voir 1.3.2) (David S. Johnson et al. 1995a).

Heuristique d’économies Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna.
Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. L’économie de la route reliant les noeuds i et j est donnée par Sij =
coi + coj − cij tels que cij est le coût entre les noeuds i et j et coi est le coût entre le noeud
de départ et le noeud i.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. est égale à O(n2 ln(n)) (Golden et al. 1980).

16
Chapitre 1. État de l’art

Les heuristiques d’amélioration

Les heuristiques 2-opt et 3-opt Lorem ipsum dolor sit amet, consectetur adipiscing
elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna.
Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. (Voir figure 1.8). Lorem ipsum dolor sit amet, consectetur adipiscing
elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna.
Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. (Voir figure 1.9).Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna.
Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrump (Davendra 2010). La complexité d’une heuristique k-opt est égale à
O(nk ) (Golden et al. 1980).

Fig. 1.8 : Permutation 2-opt.

17
Chapitre 1. État de l’art

Fig. 1.9 : Permutation 3-opt.

Heuristique Lin-Kernighan Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna.
Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. La complexité temporelle de LK est d’environ O(n2.2 ) (Helsgaun
2000).

La borne inférieure de Held-Karp Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna
a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt.
Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum dui
fermentum maximus rutrum.Une borne inférieure Held-Karp est en moyenne d’environ
0,8% inférieure à la durée optimale du tour (D. S. Johnson et al. 1996).

Les heuristiques composites

Les approches métaheuristiques

18
Chapitre 1. État de l’art

nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Bianchi et al. 2009).

Recherche tabou Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin po-
suere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum
ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus.
Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue
purus. Praesent interdum gravida congue. Donec fermentum dui fermentum maximus ru-
trum. O(n3 ), ce qui la rend beaucoup plus lente qu’une recherche locale à 2 permutations
(Davendra 2010).

Recuit simulé Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(David S Johnson et al. 1995b) Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna.
Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum. En raison du voisinage à 2-opt, cette implémentation particulière prend
O(n2 ) avec une grande constante de proportionnalité (Davendra 2010).

1.4 Problème du voyageur de commerce avec contrainte

périodique (Periodic Traveling Salesman Problem)
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Paletta
2002). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Cordeau et al. 1997)Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla

19
Chapitre 1. État de l’art

finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum.

1.4.1 Formulation du problème

Le PTSP peut être formulé comme un problème d’optimisation combinatoire. Soit V
l’ensemble des points client, y compris la ville d’origine. Soit E l’ensemble des arcs entre
chaque paire de points dans V et que chaque arc dans E ait un poids non négatif cij qui
lui est associée, où cij est la distance entre le point i et le point j. Alors G = (V, E) est un
graphe complet et nous devons construire M cycles afin que chaque point client en V soit
visité le nombre de fois requis pendant la période de M jours et le coût total du voyage
sur toute la période est minimisé (Chao et al. 1995).

Fig. 1.10 : Exemple d’un PTSP avec un point de départ et quatre noeuds sur une période
de 5 jours. Les Ri représentent les combinaisons de visites et les chiffres sur les arcs
représentent les coûts (distances de parcours). Exemple : le noeud 4 peut être visité soit
les jours 1 et 4 ou les jours 2 et 4.

1.4.2 Les approches de résolution du PTSP

20
Chapitre 1. État de l’art

blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

L’heuristique CGW de (Chao et al. 1995)

La recherche tabou CGL de (Cordeau et al. 1997)

L’heuristique P de (Paletta 2002)

L’heuristique BPS de (Bertazzi et al. 2004)

21
Chapitre 1. État de l’art

La métaheuristique HDH de (Hemmelmayr et al. 2009)

L’heuristique IPH de (Gulczynski et al. 2011)

La recherche tabou CHT de (Cacchiani et al. 2014)

La recherche tabou LXG de (Liu et al. 2014)

22
Chapitre 1. État de l’art

Comparaison entre les différentes solutions

Nous récapitulons dans le tableau 1.3 les coûts des résultats publiés pour chaque
solution. La colonne « Instance » désigne l’instance de test ; la colonne « N » désigne le
nombre de villes ; la colonne « M » désigne la période en jour ; les colonnes « CGW »,
« P », « CGL », « BPS », « HDH », « IPH », « CHT » et « LXG » désignent les résultats
des méthodes respectives ; La colonne « MSC » désigne les coûts des meilleures solutions
connues.

Instance N M CGW P CGL BPS HDH IPH CHT LXG MSC

p01 50 2 442.10 436.50 439.02 436.50 432.10 432.10 432.10 428.98* 432.10
p02 50 5 1106.70 1122.44 1111.93 1122.44 1106.84 1110.39 1105.81 1111.93 1105.81
p03 50 5 474.00 469.16 469.69 469.64 467.42 467.89 446.17* 428.98* 466.71
p04 75 2 554.20 559.68 556.21 559.49 552.39 549.06 550.07 547.24 549.05
p05 75 5 1394.00 1387.90 1389.54 1384.75 1384.58 1397.07 1384.15 1384.58 1382.33
p06 75 10 657.30 643.59 651.28 655.06 652.65 643.59 581.94* 556.82* 643.50
p07 100 2 662.40 - 660.41 646.65 649.17 643.80 658.09 657.89 643.80
p08 100 5 1635.20 - 1634.68 1633.92 1615.51 1612.60 1612.60 1624.58 1611.96
p09 100 8 735.30 - 734.16 733.13 729.33 725.37 698.04* 660.54* 720.72
p10 100 5 1248.80 - 1240.01 1249.15 1237.72 1248.83 1239.96 1245.71 1233.53
p11 65 4 491.00 490.97 490.97 490.97 490.97 490.97 490.97 490.97 490.97
p12 87 4 664.10 664.10 664.10 664.10 664.10 664.10 664.10 664.10 664.10
p13 109 4 830.80 830.80 830.80 830.80 830.80 830.80 830.80 830.80 830.80
p14 131 4 994.60 994.60 994.60 994.60 994.60 994.60 994.60 994.60 994.60
p15 153 4 1157.10 1157.07 1157.07 1157.07 1157.07 1157.98 1157.12 1157.07 1157.07
p16 48 4 726.80 660.12 660.12 660.12 660.12 660.14 649.96 662.28 649.96
p17 66 4 776.50 776.43 776.43 776.43 776.71 776.43 774.54 764.49* 774.54
p18 84 4 873.7 876.44 873.73 876.44 875.82 873.74 887.05 887.05 873.73
p19 102 4 974.60 958.51 958.88 958.51 965.54 958.51 974.60 939.35* 958.51
p20 120 4 1053.60 1033.58 1034.51 1033.58 1035.51 1033.58 1053.59 1077.85 1033.58
p21 77 4 1379.10 - 1375.08 1375.07 1375.07 1375.07 1375.08 1375.08 1375.07
p22 154 4 4323.60 - 4319.72 4323.49 4312.31 4322.73 4312.32 4318.07 4312.31
p23 231 4 8753.30 8390.53 8553.10 8498.00 8349.26 8469.39 8405.10 8554.91 8308.48
pr01 48 4 - 2064.84 2068.46 2064.84 2064.84 - 2064.84 2076.89 2064.84
pr02 96 4 - 3232.72 3293.50 3231.50 3208.49 - 3208.22 3317.17 3205.94
pr03 144 4 - 4084.75 4106.72 4118.63 4045.73 - 4065.15 4120.76 4027.71
pr04 192 4 - 4636.67 4661.97 4621.36 4547.77 - 4557.92 4689.63 4538.19
pr05 240 4 - 4757.90 4698.83 4682.54 4628.24 - 4623.86 4707.66 4613.58
pr06 288 4 - 5688.42 5699.96 5595.45 5529.68 - 5559.11 5699.84 5521.24
pr07 72 6 - 4479.65 4453.15 4474.17 4436.31 - 4446.60 4458.21 4435.39
pr08 144 6 - 5405.40 5475.70 5370.59 - 5383.44 5475.72 5366.53
pr09 216 6 - 7405.52 7469.73 7346.32 7244.02 - 7256.65 7464.23 7234.35
pr10 288 6 - 8394.52 8493.74 8415.31 8216.48 - 8243.32 8492.69 8199.55
Diff % 1.61 0.95 1.15 0.95 0.31 0.34 0.44 1.53 0.00

Tab. 1.3 : Comparaison entre les résultats des différentes solutions du PTSP

23
Chapitre 1. État de l’art

Les instances p01 à p10 ont été données par (Eilon et al. 1971) Lorem ipsum dolor
sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh vi-
verra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper
et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Viva-
mus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida
congue. Donec fermentum dui fermentum maximus rutrum. (Christofides et al. 1984).
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Chao et
al. 1995) Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Cordeau et al. 1997). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum.

Les auteurs (Liu et al. 2014) et (Cacchiani et al. 2014) Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus.
Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit
rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec
fermentum dui fermentum maximus rutrum. (Chao et al. 1995) Lorem ipsum dolor sit
amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra
sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus.
Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit
rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec
fermentum dui fermentum maximus rutrum. (*).

24
Chapitre 1. État de l’art

1.5 Conclusion
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

25
Chapitre 2

Étude de l’existant

26
Chapitre 2. Étude de l’existant

2.1 Introduction
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

2.2 Présentation de l’organisme d’accueil

Djezzy Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

Djezzy couvre 95 % de Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla fini-
bus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet
congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum maxi-
mus rutrum., le 1er octobre 2016, dans 20 wilayasLorem ipsum dolor sit amet, consectetur
adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut
varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tinci-
dunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum..

• Octroi de la licence 2G : 30 juillet 2001

• Octroi de la licence 3G : 2 décembre 2013

27
Chapitre 2. Étude de l’existant

• Octroi de la licence 4G : 4 septembre 2016

Fig. 2.1 : Logo de Djezzy.

2.2.1 VEON
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.(Djezzy 2019a).

Fig. 2.2 : Logo de VEON.

2.2.2 Vision de Djezzy

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec

28
Chapitre 2. Étude de l’existant

interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Djezzy
2019b).

2.2.3 Missions de Djezzy

Pour réaliser sa vision, Djezzy s’engage à :

• Offrir les meilleurs produits, de qualité, à des prix compétitifs.

• Déployer des infrastructures à la pointe de la technologie.

• Créer pour ses employés le meilleur environnement de travail et d’épanouissement.

• Contribuer activement au bien-être des Algériens.

• Optimiser la création de valeur pour ses actionnaires, à travers un contrôle strict

des coûts.

• Appliquer rigoureusement sa politique environnementale.

• Améliorer sans cesse ses processus internes dans le respect de sa politique qualité
(Djezzy 2019b).

2.2.4 Transformation digitale

• Rationaliser les ressources (humaines et matérielles ) en centralisant les systèmes

d’informations et informatiques.

• Réduire les coûts en sous-traitant certains services techniques.

• Se positionner dans le monde du digital en proposant de nouveaux services.

• Exploiter les opportunités offertes par les nouvelles technologies telles que le Big
Data.

29
Chapitre 2. Étude de l’existant

• Mettre ses employés dans les meilleures conditions de travail pour améliorer la pro-
ductivité.

2.2.5 Département d’accueil : Service Big Data

• Permettre à l’entreprise de réagir en temps réel face aux différents changements.

• Aider l’entreprise à mieux cibler les clients en répondant à des cas d’utilisation très
spécifiques.

• Réduire les coûts en exploitant les avantages des technologies Big Data.

• Aider les responsables à prendre les décisions adéquates en fournissant les données
et les analyses nécessaires.

2.3 Étude de l’existant

2.3.1 Recueil d’informations

Num Date Type Service Points abordés

1 04/11/2019 Sortie sur terrain Commercial Travail de l’animateur
2 07/11/2019 Réunion Commercial Explication de la méthode de
travail des animateurs
3 07/11/2019 Réunion Big Data Présentation de l’installation
technologique de l’entreprise

30
Chapitre 2. Étude de l’existant

4 13/11/2019 Réunion Commercial Discussion sur les points de

vente
5 25/11/2019 Réunion Big Data Discussion sur l’architecture
Big Data de Djezzy
6 27/11/2019 Réunion Big Data Explication de l’architecture
globale de Djezzy
7 04/12/2019 Réunion Data science Discussion sur les KPIs per-
tinents relatifs aux points de
vente
8 08/12/2019 Réunion Commercial Discussion sur l’organisation
des régions.
9 09/12/2019 Réunion Reporting Discussion sur le reporting des
points de vente

Tab. 2.2 : L’ensemble des réunions et sorties réalisées.

2.3.2 Réseau de distribution de Djezzy

31
Chapitre 2. Étude de l’existant

Fig. 2.3 : Réseau de distribution de Djezzy.

2.3.3 Point de vente

32
Chapitre 2. Étude de l’existant

Fig. 2.4 : Un exemple de point de vente Djezzy (Web 2019).

2.3.4 Animateur de zone

• Former et informer les points de vente (produits, offres, challenges, cadeaux...etc.)

• Motiver les points de vente pour booster le chiffre d’affaires.

33
Chapitre 2. Étude de l’existant

• Recueillir et transmettre les informations sur la qualité de réseau, le feedback des

clients...etc.

• Assurer le marketing (affiches publicitaires, panneau...etc.)

• Récupérer les contrats de puces.

• Traiter les problèmes des points de vente (activation des puces, Flexy...etc.)

• Approbation des nouveaux points de vente.

Fig. 2.5 : Un exemple de tournée d’un animateur (en rouge).

2.4 Conclusion
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin

34
Chapitre 2. Étude de l’existant

blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

35
Chapitre 3

Expression des besoins

36
Chapitre 3. Expression des besoins

3.1 Introduction
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

3.2 Définition des utilisateurs

3.2.1 Administrateur
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

3.2.2 Animateur
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

37
Chapitre 3. Expression des besoins

3.3 Spécifications
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

3.3.1 Spécifications fonctionnelles

ID Description
1 Le système doit permettre à l’utilisateur (Administrateur, Animateur) de s’authentifier.
2 Le système doit permettre à l’administrateur de consulter les statistiques des visites
des animateurs.
3 Le système doit permettre à l’administrateur de consulter la liste des animateurs.
4 Le système doit permettre à l’administrateur de visualiser les points de vente sur la
carte.
5 Le système doit permettre à l’administrateur de générer les plans de visite des anima-
teurs.
6 Le système doit permettre à l’administrateur de synchroniser les tournées des anima-
teurs en temps réel (selon les fluctuations du trafic routier).
7 Le système doit permettre à l’administrateur de visualiser les plans de route des ani-
mateurs.
8 Le système doit permettre à l’administrateur de modifier les paramètres de visite des
points de vente.
9 Le système doit permettre à l’administrateur de choisir les types de points de vente à
visiter.
10 Le système doit permettre à l’animateur de récupérer ses plans de visite.
11 Le système doit permettre à l’animateur de synchroniser ses tournées en temps réel
avec les données du trafic routier.
12 Le système doit permettre à l’animateur de visualiser ses plans de route sur la carte.
13 Le système doit classifier les points de vente selon leur degré d’importance.

38
Chapitre 3. Expression des besoins

14 Le système doit mettre à jour la classification des points de vente selon leur rendement
mensuel.
15 Le système doit inclure l’importance des points de vente dans la logique d’élaboration
des plans de visite destinés aux animateurs.

Tab. 3.2 : L’ensemble des spécifications fonctionnelles.

3.3.2 Spécifications techniques

ID Description
16 Le système doit être compatible avec l’architecture de données de Djezzy.
17 L’architecture du système doit être évolutive.
18 Le système doit générer les plans de visite en un temps réduit (< 10s).
19 Le système doit être implémenté sous forme d’une solution web.
20 Les interfaces du système doivent s’adapter à toutes les tailles d’écrans (responsive).

Tab. 3.4 : L’ensemble des spécifications techniques.

3.4 Définition des cas d’utilisation

39
Chapitre 3. Expression des besoins

3.4.1 Administrateur

Fig. 3.1 : Diagramme des cas d’utilisation de l’administrateur.

ID CU Documentation Diagramme d’activité

1 S’authentifier
2 Consulter les statistiques des visites
3 Consulter la liste des animateurs
4 Visualiser les points de vente sur la
carte
5 Générer les plans de visite des anima- ✓ ✓
teurs
6 Synchroniser les tournées des anima- ✓
teurs

40
Chapitre 3. Expression des besoins

7 Visualiser les plans de route des anima-

teurs
8 Modifier les paramètres de visite des ✓
points de vente
9 Choisir les types de points de vente à
visiter

Tab. 3.6 : Liste des cas d’utilisation de l’administrateur.

CU : Générer les plans de visite des animateurs

ID : 5
Description brève : Générer les plans de visite des animateurs avec les chemins
optimaux de parcours
Acteurs primaires : Administrateur, Temps
Acteurs secondaires : /
Pré condition : l’administrateur déjà connecté
Enchaînement principal :
Le cas d’utilisation démarre automatiquement de manière périodique, ou lorsque l’ad-
ministrateur souhaite générer les plans de visite des animateurs.
1. L’administrateur choisit l’onglet génération des plans.
2. Il introduit la période dans laquelle l’animateur va visiter les points de vente (se-
maine, 15 jours, mois...etc).
3. Il choisit pour chaque type de point de vente sa fréquence de visite pendant la
période.
4. Il lance la génération des plans.
5. Le système génère les plans de visite des animateurs.
Post condition : Les plans de visite sont générés pour l’ensemble des animateurs
Enchaînement alternatif : /

Tab. 3.8 : Documentation CU : Générer les plans de visite des animateurs.

41
Chapitre 3. Expression des besoins

CU : Synchroniser les tournées des animateurs

ID : 6
Description brève : Mettre à jour une tournée d’un animateur par rapport à la
fluidité du trafic routier
Acteurs primaires : Administrateur
Acteurs secondaires : /
Pré condition : l’administrateur déjà connecté
Enchaînement principal :
Le cas d’utilisation démarre lorsque l’administrateur souhaite synchroniser la tournée
d’un animateur.
1. L’administrateur choisit la section de synchronisation.
2. Il choisit l’animateur en question.
3. Il lance la synchronisation.
4. Le système synchronise la tournée de l’animateur avec les données du trafic.
Post condition : La tournée de l’animateur est mise à jour
Enchaînement alternatif : /

Tab. 3.10 : Documentation CU : Synchroniser les tournées des animateurs.

CU : Modifier les paramètres des visites

ID : 8
Description brève : Modifier les paramètres des visites des points de vente
Acteurs primaires : Administrateur
Acteurs secondaires : /
Pré condition : L’administrateur est connecté
Enchaînement principal :
Le cas d’utilisation démarre lorsque l’administrateur souhaite de modifier les para-
mètres de visite dans le système.
1. L’administrateur introduit la période des visites.
2. L’administrateur introduit les fréquences de visite pour chaque type de point de
vente.
3. L’administrateur valide les paramètres.

42
Chapitre 3. Expression des besoins

4. Le système enregistre les nouveaux paramètres.

Post condition : Les paramètres des visites sont modifiés
Enchaînement alternatif : /

Tab. 3.12 : Documentation CU : Modifier les paramètres de visite.

Fig. 3.2 : Diagramme d’activité du CU : Générer les plans de visite des animateurs.

43
Chapitre 3. Expression des besoins

3.4.2 Animateur

Fig. 3.3 : Diagramme des cas d’utilisation de l’animateur.

ID CU Documentation Diagramme d’activité

1 S’authentifier
10 Récupérer les plans de visite ✓
11 Synchroniser les tournées ✓ ✓
12 Visualiser les plans de route

Tab. 3.14 : Liste des cas d’utilisation de l’animateur.

CU : Récupérer les plans de visite

ID : 10
Description brève : Récupérer les plans de visite de l’animateur de pendant toute la
période
Acteurs primaires : Animateur
Acteurs secondaires : /

44
Chapitre 3. Expression des besoins

Pré condition : L’animateur est déjà connecté

Enchaînement principal :
Le cas d’utilisation démarre lorsque l’animateur souhaite récupérer ses plans de visite.
1. L’animateur choisit l’onglet plans de visite.
2. Il lance la requête de récupération.
3. Le système renvoie les plans de l’animateur.
Post condition : Les plans de visite de l’animateur sont récupérés
Enchaînement alternatif : /

Tab. 3.16 : Documentation CU : Récupérer les plans de visite.

CU : Synchroniser les tournées en temps réel

ID : 11
Description brève : Mettre à jour la tournée par rapport à la fluidité du trafic routier
Acteurs primaires : Animateur
Acteurs secondaires : /
Pré condition : L’animateur est connecté
Enchaînement principal :
Le cas d’utilisation démarre lorsque l’animateur souhaite synchroniser sa tournée.
1. L’animateur choisit la section de synchronisation.
2. L’animateur lance la requête de synchronisation.
3. Le système renvoie la tournée synchronisée.
Post condition : La tournée est synchronisée
Enchaînement alternatif : /

Tab. 3.18 : Documentation CU : Synchroniser les tournées en temps réel.

45
Chapitre 3. Expression des besoins

Fig. 3.4 : Diagramme d’activité du CU : Synchroniser les tournées en temps réel.

3.5 Conclusion
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

46
Chapitre 4

Conception

47
Chapitre 4. Conception

4.1 Introduction
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

4.2 Rappel sur le besoin

• Les visites n’obéissent pas à une logique basée sur l’importance des points de vente.

• Les plans de routes ne sont pas optimaux en matière de temps et de distance.

48
Chapitre 4. Conception

Fig. 4.1 : Un exemple de tournée d’un animateur(en rouge).

4.3 Objectifs du système

4.4 Présentation de la solution

49
Chapitre 4. Conception

neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.(Voir sec-
tion 1.4). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

Fig. 4.2 : Processus d’élaboration des plans de route.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,

50
Chapitre 4. Conception

non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

4.5 Architecture fonctionnelle de la solution

Fig. 4.3 : Architecture fonctionnelle du système.

Pour implémenter la solution proposée, certains modules sont nécessaires :

1. Module de collecte de données : Lorem ipsum dolor sit amet, consectetur adi-
piscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent
ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla
ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit
rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue.
Donec fermentum dui fermentum maximus rutrum.
2. Module de classification des points de vente : Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra
sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper
et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.
3. Module de générations des plans de route : Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra

51
Chapitre 4. Conception

sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper
et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.

4. Module de visualisation : Lorem ipsum dolor sit amet, consectetur adipiscing

elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus
tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec
fermentum dui fermentum maximus rutrum.

4.6 Les étapes de la solution

Fig. 4.4 : Les étapes de la solution.

52
Chapitre 4. Conception

4.6.1 Compréhension du métier

4.6.2 Compréhension des données

4.6.3 Préparation des données

53
Chapitre 4. Conception

Fig. 4.5 : Les étapes de préparation des données

Fig. 4.6 : L’ensemble des attributs constituants le dataset initial (Voir les détails en
annexe B.2).

Quelques remarques :

54
Chapitre 4. Conception

• Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. BTS 1 Lorem ipsum dolor sit amet, consec-
tetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et
lacus.

4.6.4 Analyse exploratoire

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. Nous réa-
liserons ensuite, une analyse des Hotspots (Voir section 1.2) Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus.
Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit
rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Do-
nec fermentum dui fermentum maximus rutrum. (Voir 1.2.2). Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus.
Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blan-
dit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue.
Donec fermentum dui fermentum maximus rutrum.

1
Base Transceiver Station : antenne émettrice-réceptrice de signaux radioélectriques pour les commu-
nications mobiles qui convertit des signaux électriques en ondes électromagnétiques (et réciproquement)

55
Chapitre 4. Conception

Fig. 4.7 : Les étapes de l’exploration des données

4.6.5 Modélisation
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.

56
Chapitre 4. Conception

Fig. 4.8 : Les étapes de la modélisation

4.6.6 Élaboration des plans de visite

Afin de modéliser le problème mathématiquement, nous utilisons la notation de (Cordeau

et al. 1997) adaptée au PTSP. Soient :

• G = (V, E) un graphe complet, où V = {0, ..., N } est l’ensemble des points de vente
à visiter avec 0 comme point de départ de l’animateur, et E = V ×V l’ensemble des
arêtes reliant chaque paire de points dans V .

• C = (cij ) la matrice de coût associée à E, telle que cij est la distance entre le point
i et le point j.

• K = {1, ..., M } l’ensemble des jours de la période.

• Ri l’ensemble des combinaisons de visites possibles du point de vente i.

57
Chapitre 4. Conception

• xijk une variable binaire égale à 1 si et seulement si l’arête (i, j) ∈ E (i ̸= j) figure

dans le tour du jour k ∈ K , 0 sinon.

• yir une variable binaire égale à 1 si et seulement si la combinaison de visites r est

choisi pour le point de vente i, 0 sinon.

• ark une constante égale à 1 si et seulement si le jour k ∈ K appartient à la combi-

naison r ∈ Ri .

La fonction objectif à minimiser est donnée par l’expression suivante :

∑
M ∑
min cij xijk
k=1 (i,j)∈E

sous les contraintes :

∑
yir = 1, ∀i ∈ V (4.1)
r∈Ri

∑
N ∑
xijk − ark yir = 0, ∀i ∈ V, ∀k ∈ K (4.2)
j=0 r∈Ri

∑
xijk ⩾ 2, ∀k ∈ K (4.3)
(i,j)∈E

∑
xijk ≤ |S| − 1, ∀k ∈ K, ∀S ⊆ V \ {0}, avec |S| ⩾ 2 (4.4)
i,j∈S

xijk ∈ {0, 1}, ∀i, j ∈ V, ∀k ∈ K (4.5)

yir ∈ {0, 1}, ∀i ∈ V, ∀r ∈ Ri (4.6)

La contrainte (4.1) garantit qu’une et une seule combinaison de visites est attribuée
à chaque point de vente, tandis que la contrainte (4.2) garantit que les visites se font
seulement les jours de la combinaison attribuée. la contrainte (4.3) garantit qu’au mois
une visite est faite chaque jour (en comptabilisant le point de départ). (4.4) est une
contrainte d’élimination des sous-tours.

58
Chapitre 4. Conception

Fig. 4.9 : Exemple d’un PTSP avec un point de départ et quatre points de vente sur une
période de 5 jours. Les Ri représentent les combinaisons de visites et les chiffres sur les
arcs représentent les coûts. Exemple : le noeud 4 peut être visité soit les jours 1 et 4 ou
les jours 2 et 4.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollici-
tudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Hemmelmayr et al. 2009) (Voir 1.4.2) Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna
a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt.
Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum dui
fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Voir algo-
rithme 1). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

59
Chapitre 4. Conception

(Voir 1.3.2).

Algorithm 1 : Initial Solution

Input : period, point_of_sales, visit_combinations
Output : routes
1 routes ← EmptyRoutes(period)
2 foreach pos ∈ point_of_sales do
3 combination ← choose random visit combination from pos combinations
4 foreach day ∈ combination do
5 add pos to routes[day]

6 foreach day ∈ period do

7 apply nearest neighbour heuristic on routes[day]
8 return routes

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.(Voir figure
4.10). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Voir figure 4.11). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Voir algorithme 2).

Algorithm 2 : Local Search

Input : routes, visit_combinations, MAX_ITERATIONS
Output : best_routes
1 best_routes ← routes
2 for (i=0; i < MAX_ITERATIONS ; i++) do
3 routes ← shake visit combinations
4 routes ← shake routes
5 routes ← apply 2-opt
6 if routes is better than best_routes or an acceptance citeria is met then
7 best_routes ← routes
8 else
9 routes ← best_routes

10 return best_routes

60
Chapitre 4. Conception

Fig. 4.10 : Exemple d’un changement de combinaison de visites sur une période de 2
jours.

Fig. 4.11 : Exemple de perturbation d’une route.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec in-
terdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blan-
dit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent inter-
dum gravida congue. Donec fermentum dui fermentum maximus rutrum.(Hemmelmayr
et al. 2009). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euis-
mod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.e :

−(f (x′ ) − f (x))

P (x′ ) = exp
T
Où f (x′ ) et f (x) représentent les coûts de la solution voisine x′ et la solution courante x,
respectivement, et T est une température diminuée linéairement au cours de la recherche.

61
Chapitre 4. Conception

4.6.7 Synchronisation des plans de visite en temps réel

Algorithm 3 : Route Synchronization

Input : route
Output : updated_route
1 traffic_data ← get real time traffic data
2 updated_route ← LKH(route, traffic_data)
3 return updated_route

4.7 Plateforme de visualisation

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec in-
terdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blan-
dit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent inter-
dum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Voir A.1.15).
Cette Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

62
Chapitre 4. Conception

Fig. 4.12 : Architecture de la plateforme de visualisation.

63
Chapitre 4. Conception

Fig. 4.13 : Partie serveur.

64
Chapitre 4. Conception

Fig. 4.14 : Partie client.

4.8 Conclusion
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

65
Chapitre 5

Réalisation

66
Chapitre 5. Réalisation

5.1 Introduction
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

5.2 Architecture technique de la solution

Fig. 5.1 : Architecture technique de la solution.

La figure 5.1 Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna.Lorem ipsum do-
lor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh
viverra sed. Praesent ut varius magna. Teradata Database et il Lorem ipsum dolor sit

67
Chapitre 5. Réalisation

amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra
sed. Praesent ut varius magna. Apache Nifi Lorem ipsum dolor sit amet, consectetur
adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut
varius magna. Apache Spark via l’API Python PySpark. Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. PostgreSQL Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Django sous le langage Python. Lorem ipsum dolor sit amet, consectetur adipis-
cing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut varius
magna. Django Rest. Le client web quant à lui, est implémenté avec la librairie React.js
sous le langage Javascript. Le système communique avec les APIs Google Maps Lo-
rem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non
semper nibh viverra sed. Praesent ut varius magna.I Distance Matrix Lorem ipsum do-
lor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh
viverra sed. Praesent ut varius magna. Directions Lorem ipsum dolor sit amet, consec-
tetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent
ut varius magna.Maps Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna.

5.3 Technologies utilisées

Teradata Database

Teradata Database 1 Lorem ipsum dolor sit amet, consec-

tetur adipiscing elit. Proin posuere euismod neque, non sem-
per nibh viverra sed. Praesent ut varius magna. Fusce ipsum
ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vi-
Fig. 5.2 : Logo de Tera-
vamus blandit rhoncus tincidunt. Morbi sit amet congue pu-
data.
rus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum.

Apache Nifi

Apache Nifi 2 Lorem ipsum dolor sit amet, consectetur

adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum
ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vi- Fig. 5.3 : Logo de Nifi.
vamus blandit rhoncus tincidunt. Morbi sit amet congue pu-

1
https://www.teradata.com/ (visité le 11/08/2020).
2
https://nifi.apache.org/ (visité le 11/08/2020).

68
Chapitre 5. Réalisation

rus. Praesent interdum gravida congue. Donec fermentum

dui fermentum maximus rutrum.

Apache Spark

Apache Spark 3 Lorem ipsum dolor sit amet, consecte-

tur adipiscing elit. Proin posuere euismod neque, non sem-
per nibh viverra sed. Praesent ut varius magna. (PySpark)
Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec in-
terdum at, semper et lacus. Nulla ultrices magna a fringilla fi- Fig. 5.4 : Logo de Spark.
nibus. Etiam sollicitudin blandit ante. Vivamus blandit rhon-
cus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec
fermentum dui fermentum maximus rutrum.

PostgreSQL

PostgreSQL 4 Lorem ipsum dolor sit amet, consectetur

adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum
ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vi-
vamus blandit rhoncus tincidunt. Morbi sit amet congue pu-
rus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum.
Fig. 5.5 : Logo de Post-
greSQL.
Python

Python 5 Lorem ipsum dolor sit amet, consectetur adipis-

cing elit. Proin posuere euismod neque, non semper nibh vi-
verra sed. Praesent ut varius magna. Fusce ipsum ante, sem-
per nec interdum at, semper et lacus. Nulla ultrices magna
a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus
blandit rhoncus tincidunt. Morbi sit amet congue purus. Fig. 5.6 : Logo de Python.

3
https://spark.apache.org/ (visité le 11/08/2020).
4
https://www.postgresql.org/ (visité le 11/08/2020).
5
https://www.python.org/ (visité le 11/08/2020).

69
Chapitre 5. Réalisation

Django

Django 6 Lorem ipsum dolor sit amet, consectetur adi-

piscing elit. Proin posuere euismod neque, non semper nibh
viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices ma-
gna a fringilla finibus. Etiam sollicitudin blandit ante. Viva- Fig. 5.7 : Logo de Django.
mus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

Django Rest Framework

Django REST 7 Lorem ipsum dolor sit amet, consecte-

tur adipiscing elit. Proin posuere euismod neque, non sem-
per nibh viverra sed. Praesent ut varius magna. Fusce ipsum
ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vi-
vamus blandit rhoncus tincidunt. Morbi sit amet congue pu- Fig. 5.8 : Logo de Django
rus. Praesent interdum gravida congue. Donec fermentum Rest Framework.
dui fermentum maximus rutrum.

Javascript

JavaScript 8 Lorem ipsum dolor sit amet, consectetur adi-

piscing elit. Proin posuere euismod neque, non semper nibh
viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices ma-
gna a fringilla finibus. Etiam sollicitudin blandit ante. Viva-
mus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue.

Fig. 5.9 : Logo de Javas-

cript.

6
https://www.djangoproject.com/ (visité le 11/08/2020).
7
https://www.django-rest-framework.org/ (visité le 11/08/2020).
8
https://developer.mozilla.org/fr/docs/Web/JavaScript (visité le 11/08/2020).

70
Chapitre 5. Réalisation

React.js

React.js 9 Lorem ipsum dolor sit amet, consectetur adi-

piscing elit. Proin posuere euismod neque, non semper nibh
viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices ma-
gna a fringilla finibus. Etiam sollicitudin blandit ante. Viva-
mus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Fig. 5.10 : Logo de
React.js.

Distance Matrix API

L’API Distance Matrix 10 Lorem ipsum dolor sit amet,

consectetur adipiscing elit. Proin posuere euismod neque, non
semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla
ultrices magna a fringilla finibus. Etiam sollicitudin blan-
dit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet
congue purus.

Fig. 5.11 : Logo de l’API

Distance Matrix.

Directions API

L’API Directions 11 Lorem ipsum dolor sit amet, consec-

tetur adipiscing elit. Proin posuere euismod neque, non sem-
per nibh viverra sed. Praesent ut varius magna. Fusce ipsum
ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vi-
vamus blandit rhoncus tincidunt. Morbi sit amet congue pu-
rus.

Fig. 5.12 : Logo de l’API

Directions.

9
https://fr.reactjs.org/ (visité le 12/08/2020).
10
https://developers.google.com/maps/documentation/distance-matrix/overview (visité le
12/08/2020).
11
https://developers.google.com/maps/documentation/directions/overview (visité le
12/08/2020).

71
Chapitre 5. Réalisation

Maps Javascript API

L’API Maps JavaScript 12 Lorem ipsum dolor sit amet,

Fig. 5.13 : Logo de l’API

Maps Javascript.

5.4 Conclusion
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

12
https://developers.google.com/maps/documentation/javascript/overview (visité le
12/08/2020).

72
Chapitre 6

Tests et résultats

73
Chapitre 6. Tests et résultats

6.1 Introduction
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

6.1.1 Analyse des variables

L’objectif de l’analyse des variables (Voir annexe B.2) était d’identifier les relations et
les corrélations contenues dans les données. Pour cela nous avons utilisé deux méthodes :
la matrice de corrélation (Voir figure 6.1) et la matrice de puissance prédictive (Voir figure
6.2). La matrice de corrélation contient les coefficients de corrélation entre chaque paire
de variable (Voir annexe A.2.3).

Fig. 6.1 : Matrice de corrélation (les couleurs claires désignent une forte corrélation).

74
Chapitre 6. Tests et résultats

avec validation croisée du modèle contenant la variable X seulement pour prédire la va-
riable Y . Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
(Wetschoreck 2020).

Fig. 6.2 : Matrice de puissance de prédiction (les couleurs foncées désignent une forte
puissance de prédiction).

La première remarque que nous tirons de la matrice de corrélation (figure 6.1) Lo-
rem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non
semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec in-
terdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Voir an-
nexe B.2).Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec

75
Chapitre 6. Tests et résultats

Les figures 6.3a Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. :

(a) Matrice de corrélation des variable (b) Matrice de puissance de prédiction

sélectionnées. des variables sélectionnées.

6.1.2 Clustering
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

La première méthode était le clustering hiérarchique (Voir annexe A.2.4). Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum..

76
Chapitre 6. Tests et résultats

Fig. 6.4 : Dendrogramme du clustering hiérarchique.

La figure 6.4 Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
A.2.5) Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna.

77
Chapitre 6. Tests et résultats

Fig. 6.5 : Résultat de la méthode Elbow.

La figure 6.5Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
K valant 2 ou 3. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna.

78
Chapitre 6. Tests et résultats

Fig. 6.6 : Résultat de la méthode Silhouette.

La figure 6.6 Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
K = 2 et ça rejoint le résultats de la méthode Elbow.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna.(Voir annexe A.2.6) Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh
viverra sed. Praesent ut varius magna.s (Voir annexe B.6) . Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. (Voir figure 6.7). Les variables Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Nam massa magna, vulputate non sem eu, faucibus venenatis
enim. Nullam sit amet pretium enim, sit amet condimentum magna. Mauris at pulvinar
quam. Curabitur tincidunt tellus mi, auctor sodales nibh porttitor at. Aenean lobortis
consequat aliquet. Suspendisse commodo euismod urna, eu finibus eros ultrices at. Donec
ut dui nunc. Etiam ultrices ullamcorper ligula, ac tristique sapien scelerisque et. Donec
sapien augue, vestibulum sit amet accumsan vel, varius eu odio.(Voir figure ??).

79
Chapitre 6. Tests et résultats

Fig. 6.7 : Résultat de l’analyse en composantes principales.

Fig. 6.8 : Résultats de l’algorithme K-means en 2D (le cluster A en orange, B en vert, C

en bleu et D en jaune).

80
Chapitre 6. Tests et résultats

6.1.3 Classification
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum. (Voir les
annexes A.2.7, A.2.8, A.2.9 et A.2.10). Pour évaluer ces différents algorithme nous avons
utilisé le score F1 moyen de toutes les classes (A, B, C et D). Le score F1 est une mesure
de la qualité de classification avec un score idéal égal à 1 . Le calcul du score F1 d’une
classe donnée se fait comme suit :
précision×rappel
F1 = 2×
précision + rappel
avec :
Vrais positifs
précision =
Vrais positifs + Faux positifs
et
Vrais positifs
rappel =
Vrais positifs + Faux négatifs
Un résultat est positif si sa classe prédite est la classe positive (ex : A), négatif sinon
(ex : B, C ou D). Il est vrai si sa classe prédite correspond à sa classe réelle, faux sinon.

Algorithme score F1 moyen score F1 moyen avec validation croisée

Random Forest 0.97 0.96
SVM 0.99 0.98
Naive Bays 0.94 0.94
XGBoost 0.98 0.97

Tab. 6.1 : Évaluation des différents algorithmes de classification.

Le tableau 6.1 Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

6.1.4 Élaboration des plans de visite

81
Chapitre 6. Tests et résultats

Instance Notre algorithme MSC

p01 440.94 432.10
p02 1118.70 1105.81
p03 494.45 466.71
p04 589.61 549.05
p05 1398.54 1382.33
p06 693.08 643.50
p07 670.34 643.80
p08 1645.90 1611.96
p09 838.06 720.72
p10 1310.29 1233.53
p11 490.95 490.97
p12 664.07 664.10
p13 831.30 830.80
p14 996.86 994.60
p15 1159.94 1157.07
p16 664.21 649.96
p17 786.24 774.54
p18 886.94 873.73
p19 974.44 958.51
p20 1062.35 1033.58
p21 1374.88 1375.07
p22 4321.96 4312.31
p23 8517.44 8308.48
pr01 2064.74 2064.84
pr02 3220.29 3205.94
pr03 4065.70 4027.71
pr04 4609.59 4538.19

82
Chapitre 6. Tests et résultats

pr05 4706.05 4613.58

pr06 5633.53 5521.24
pr07 4472.17 4435.39
pr08 5457.90 5366.53
pr09 7352.93 7234.35
pr10 8360.00 8199.55
Diff % 2.43

Tab. 6.3 : Comparaison entre les résultats de notre algorithme d’optimisation avec les
meilleures solutions connues du PTSP

Le tableau 6.3 Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere
euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante,
semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam
sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

6.1.5 Le dataflow Nifi

Le but du dataflow Nifi est d’orchestrer et d’établir le lien entre les différentes parties
du système. La figure 6.9 Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin
posuere euismod neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce
ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices magna a fringilla
finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit
amet congue purus. Praesent interdum gravida congue. Donec fermentum dui fermentum
maximus rutrum.

83
Chapitre 6. Tests et résultats

Fig. 6.9 : Dataflow Nifi.

6.1.6 La plateforme de visualisation

Dans la page principale de la plateforme, nous retrouvons le tableau de bord (Voir fi-
gure 6.10). Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod
neque, non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper
nec interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam solli-
citudin blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus.
Praesent interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.
POS sous l’anglet Maps (Voir figure 6.11).

84
Chapitre 6. Tests et résultats

Fig. 6.10 : Tableau de bord de la plateforme.

Fig. 6.11 : Visualisation des points de vente.

85
Chapitre 6. Tests et résultats

piscing elit. Proin posuere euismod neque, non semper nibh viverra sed. Praesent ut
varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus. Nulla ultrices
magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit rhoncus tinci-
dunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Donec fermentum
dui fermentum maximus rutrum. Routes (Voir figure 6.13). Lorem ipsum dolor sit amet,
consectetur adipiscing elit. Proin posuere euismod neque, non semper nibh viverra sed.
Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at, semper et lacus.
Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante. Vivamus blandit
rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum gravida congue. Do-
nec fermentum dui fermentum maximus rutrum.e Settings (Voir figure 6.14). L’animateur
de son coté, peut visualiser la route de chaque jour du plan et synchroniser les routes en
temps réel (Voir figure 6.13).

Fig. 6.12 : Paramétrage des visites.

86
Chapitre 6. Tests et résultats

Fig. 6.13 : Visualisation des itinéraires.

Fig. 6.14 : Paramètres généraux.

6.2 Conclusion
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin

87
Chapitre 6. Tests et résultats

blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.

88
Conclusion et perspectives

89
Conclusion et perspectives

Conclusion générale
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.Lorem ipsum
dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque, non semper
nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec interdum at,
semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin blandit ante.
Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent interdum
gravida congue. Donec fermentum dui fermentum maximus rutrum.

Les contributions que notre projet a pu apporter peuvent se résumer dans les points
suivants :

• Une analyse de la distribution géographique des réalisations des points de vente et

la distinction en hotspot et coldspot, exploitable dans d’autres projets et analyses.

90
Conclusion et perspectives

• Un modèle de classification des points de vente de grande précision qui prend en

considération les réalisations, la clientèle ainsi que le positionnement géographique.

• Un algorithme d’optimisation des itinéraires des points de vente qui a pu générer

des nouveaux meilleurs scores pour les instances de tests.

• Une plateforme permettant la gestion et la génération des plans de visite des points
de vente.

Perspectives
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.:

• Le développement d’une application mobile pour l’animateur de zone :

• L’amélioration de l’algorithme d’optimisation :

Appréciation personnelle
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

91
Bibliographie

Aguilar, Glenn D. et Mark J. Farnworth (fév. 2013). “Distribution characteristics of

unmanaged cat colonies over a 20 year period in Auckland, New Zealand”. en. In :
Applied Geography 37, p. 160-167.
Anbuudayasankar, S. P., K. Ganesh et Sanjay Mohapatra (2014). Survey of Metho-
dologies for TSP and VRP. en. Sous la dir. de S. P. Anbuudayasankar, K. Ganesh
et Sanjay Mohapatra. Cham : Springer International Publishing.
Anderson, Tessa K. (mai 2009). “Kernel density estimation and K-means clustering to
profile road accident hotspots”. en. In : Accident Analysis & Prevention 41.3, p. 359-
364.
Ansari, Shahebaz M et Dr K V Kale (2014). “Methods for Crime Analysis Using GIS”.
en. In : 5.12, p. 7.
Bagstad, Kenneth J. et al. (jan. 2017). “Evaluating alternative methods for biophysical
and cultural ecosystem services hotspot mapping in natural resource planning”. en.
In : Landscape Ecology 32.1, p. 77-97.
Bertazzi, Luca, Giuseppe Paletta et M.Grazia Speranza (juil. 2004). “An improved
heuristic for the period traveling salesman problem”. en. In : Computers & Operations
Research 31.8, p. 1215-1222.
Bianchi, Leonora et al. (juin 2009). “A survey on metaheuristics for stochastic combina-
torial optimization”. en. In : Natural Computing 8.2, p. 239-287.
Blum, Christian et Andrea Roli (sept. 2003). “Metaheuristics in combinatorial optimi-
zation : Overview and conceptual comparison”. In :
Cacchiani, V., V.C. Hemmelmayr et F. Tricoire (jan. 2014). “A set-covering based
heuristic algorithm for the periodic vehicle routing problem”. en. In : Discrete Applied
Mathematics 163, p. 53-64.
Chang, Kang-Tsung (2019). Introduction to geographic information systems. en. OCLC :
1112427628.
Chao, I-Ming, Bruce L. Golden et Edward A. Wasil (mai 1995). “A new heuristic for
the period traveling salesman problem”. en. In : Computers & Operations Research
22.5, p. 553-565.
Christofides, N. et J. E. Beasley (1984). “The period routing problem”. en. In :
Networks 14.2, p. 237-256.
Cordeau, Jean-François, Michel Gendreau et Gilbert Laporte (1997). “A tabu search
heuristic for periodic and multi‐depot vehicle routing problems”. In :
Cotta, C. et al. (1995). Hybridizing Genetic Algorithms with Branch and Bound Tech-
niques for the Resolution of the TSP. en. Sous la dir. de David W. Pearson, Nigel C.
Steele et Rudolf F. Albrecht. Vienna : Springer.

92
Bibliographie

Davendra, Donald (déc. 2010). Traveling Salesman Problem, Theory and Applications.
en.
Diderich, Claude G. et Marc Gengler (1996). “Solving traveling salesman problems
using a parallel synchronized branch and bound algorithm”. en. In : High-Performance
Computing and Networking. Lecture Notes in Computer Science. Sous la dir. d’Heather
Liddell et al., p. 633-638.
Eilon, Samuel, C. D. T. Watson-Gandy et Nicos Christofides (1971). “Distribution
Management-Mathematical Modelling and Practical Analysis”. In : Griffin : London.
Fotheringham, Alexander Stewart, Chris Brunsdon et Martin Charlton (2007).
Quantitative geography : perspectives on spatial data analysis. en. Reprint. OCLC :
836967742. Los Angeles : SAGE.
Gatrell, Anthony C. et al. (1996). “Spatial Point Pattern Analysis and Its Applica-
tion in Geographical Epidemiology”. en. In : Transactions of the Institute of British
Geographers 21.1, p. 256.
Getis, Arthur et J. K. Ord (1992). “The Analysis of Spatial Association by Use of
Distance Statistics”. en. In : Geographical Analysis 24.3, p. 189-206.
Golden, B. et al. (juin 1980). “Approximate Traveling Salesman Algorithms”. en. In :
Operations Research 28.3-part-ii, p. 694-711.
Gulczynski, Damon, Bruce Golden et Edward Wasil (sept. 2011). “The period vehicle
routing problem : New heuristics and real-world variants”. en. In : Transportation
Research Part E : Logistics and Transportation Review 47.5, p. 648-668.
Gutin, G. et A. P. Punnen (mai 2006). The Traveling Salesman Problem and Its Varia-
tions. en. Google-Books-ID : JBK_BAAAQBAJ. Springer Science & Business Media.
Hart, Timothy et Paul Zandbergen (mai 2014). “Kernel density estimation and hots-
pot mapping : Examining the influence of interpolation method, grid cell size, and
bandwidth on crime forecasting”. en. In : Policing : An International Journal of Police
Strategies & Management 37.2, p. 305-323.
Helsgaun, Keld (oct. 2000). “An effective implementation of the Lin–Kernighan tra-
veling salesman heuristic”. en. In : European Journal of Operational Research 126.1,
p. 106-130.
— (oct. 2009). “General k-opt submoves for the Lin–Kernighan TSP heuristic”. en. In :
Mathematical Programming Computation 1.2-3, p. 119-163.
Hemmelmayr, Vera C., Karl F. Doerner et Richard F. Hartl (juin 2009). “A variable
neighborhood search heuristic for periodic routing problems”. en. In : European Journal
of Operational Research 195.3, p. 791-802.
Johnson, D. S., L. A. McGeoch et E. E. Rothberg (jan. 1996). “Asymptotic expe-
rimental analysis for the Held-Karp traveling salesman bound”. In : Proceedings of
the seventh annual ACM-SIAM symposium on Discrete algorithms. SODA ’96. USA :
Society for Industrial et Applied Mathematics, p. 341-350.
Johnson, David S. et Lyle A. Mcgeoch (1995a). Table of Contents.
Johnson, David S et Lyle A McGeoch (nov. 1995b). “The Traveling Salesman Problem :
A Case Study in Local Optimization”. en. In : p. 103.
Kalinic, Maja et Jukka M Krisp (2018). “Kernel Density Estimation (KDE) vs. Hot-
Spot Analysis - Detecting Criminal Hot Spots in the City of San Francisco”. en. In :
p. 5.

93
Bibliographie

Lin, Yu-Pin et al. (déc. 2010). “Hotspot Analysis of Spatial Environmental Pollutants
Using Kernel Density Estimation and Geostatistical Techniques”. en. In : International
Journal of Environmental Research and Public Health 8.1, p. 75-88.
Liu, Ran, Xiaolan Xie et Thierry Garaix (sept. 2014). “Hybridization of tabu search
with feasible and infeasible local searches for periodic home health care logistics”. en.
In : Omega 47, p. 17-32.
Mennis, Jeremy et Diansheng Guo (nov. 2009). “Spatial data mining and geographic
knowledge discovery—An introduction”. en. In : Computers, Environment and Urban
Systems 33.6, p. 403-408.
Montella, Alfonso (mar. 2010). “A comparative analysis of hotspot identification me-
thods”. en. In : Accident Analysis & Prevention 42.2, p. 571-581.
Paletta, Giuseppe (sept. 2002). “The period traveling salesman problem : a new heuristic
algorithm”. en. In : Computers & Operations Research 29.10, p. 1343-1352.
Romano, Benjamin et Zhe Jiang (2017). “Visualizing Traffic Accident Hotspots Based
on Spatial-Temporal Network Kernel Density Estimation”. en. In : Proceedings of the
25th ACM SIGSPATIAL International Conference on Advances in Geographic Infor-
mation Systems - SIGSPATIAL’17. Redondo Beach, CA, USA : ACM Press, p. 1-4.
Rosenkrantz, Daniel J., Richard E. Stearns et Philip M. Lewis II (sept. 1977). “An
Analysis of Several Heuristics for the Traveling Salesman Problem”. en. In : SIAM
Journal on Computing 6.3, p. 563-581.
Shekhar, Shashi et al. (mai 2011). “Identifying patterns in spatial information : A survey
of methods”. en. In : Wiley Interdisciplinary Reviews : Data Mining and Knowledge
Discovery 1.3, p. 193-214.
Tschoke, S., R. Lubling et B. Monien (avr. 1995). “Solving the traveling salesman
problem with a distributed branch-and-bound algorithm on a 1024 processor network”.
In : Proceedings of 9th International Parallel Processing Symposium, p. 182-189.
Yu, Hao et al. (mai 2014). “Comparative analysis of the spatial analysis methods for
hotspot identification”. en. In : Accident Analysis & Prevention 66, p. 80-88.

94
Webographie

Dabi-Schwebel, Gabriel (2019). Transformation digitale : Qu’est ce que c’est ? Défini-

tion. fr-FR. url : https://www.1min30.com/dictionnaire-du-web/transformation-
digitale-numerique (visité le 01/12/2019).
Djezzy (2019a). A PROPOS DE DJEZZY. url : http://www.djezzy.dz/djezzy/
nous-connaitre/a-propos-de-djezzy/ (visité le 23/11/2019).
— (2019b). VISION, MISSION ET VALEURS. url : http://www.djezzy.dz/djezzy/
nous - connaitre / nos - engagements / vision - mission - et - valeurs/ (visité le
23/11/2019).
Kassambara, Alboukadel (2020). Determining The Optimal Number Of Clusters : 3
Must Know Methods. en-US. url : https : / / www . datanovia . com / en / lessons /
determining-the-optimal-number-of-clusters-3-must-know-methods/ (visité
le 03/09/2020).
Route Optimization (mar. 2020). Route Optimization : What it is & How to Use it to
Succeed in 2020. en. url : https : / / onfleet . com / blog / route - optimization/
(visité le 24/08/2020).
Web (2019). image_point_de_vente. url : http://webstar-electro.com/documents/
document_service_53613_879_5_310476367.jpg (visité le 02/12/2019).
Wetschoreck, Florian (mai 2020). RIP correlation. Introducing the Predictive Po-
wer Score. en. url : https : / / towardsdatascience . com / rip - correlation -
introducing-the-predictive-power-score-3d90808b9598 (visité le 13/08/2020).

95
Annexes

96
Annexe A

Définitions

A.1 Technologies

A.1.1 Teradata Database

A.1.2 Hortonworks
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

A.1.3 Informatica PowerCenter

A.1.4 Teradata BTEQ

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec

97
Annexe A. Définitions

A.1.5 SAP BusinessObjects

A.1.6 Qlik Sens

A.1.7 Kxen
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

A.1.8 Apache Nifi

A.1.9 HDFS
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

98
Annexe A. Définitions

A.1.10 Apache Hive

A.1.11 Apache Spark

A.1.12 Apache Kafka

A.1.13 Apache Ignite

A.1.14 Apache Cassandra

A.1.15 REST
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec

99
Annexe A. Définitions

A.1.16 HTTP
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

A.2 Analyse de données

A.2.1 Modèle churn client

A.2.2 Modèle d’affinité client

A.2.3 Coefficient de corrélation

Le coefficient de corrélation mesure l’intensité et le sens d’une relation linéaire entre
deux variables et est calculé comme suit :
Cov(X, Y )
Cor(X, Y ) =
σX σY
Où Cor(X, Y ) désigne la covariance des variables X et Y et σX , σY désignent leurs écarts
types.

A.2.4 Clustering Hiérarchique

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec

100
Annexe A. Définitions

A.2.5 K-means
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

A.2.6 Analyse en composantes principales

A.2.7 Random Forest

A.2.8 SVM
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

A.2.9 Naive Bays

101
Annexe A. Définitions

A.2.10 XGBoost
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin posuere euismod neque,
non semper nibh viverra sed. Praesent ut varius magna. Fusce ipsum ante, semper nec
interdum at, semper et lacus. Nulla ultrices magna a fringilla finibus. Etiam sollicitudin
blandit ante. Vivamus blandit rhoncus tincidunt. Morbi sit amet congue purus. Praesent
interdum gravida congue. Donec fermentum dui fermentum maximus rutrum.

102
Annexe B

Partie données

Dataset initial

Attribut Description

Tab. B.2 : L’ensemble des attributs constituants le dataset initial.

Les variables sélectionnées

Attribut Description

Tab. B.4 : L’ensemble des attributs sélectionnés.

Dataset final

Attribut Description

Tab. B.6 : L”ensemble des attributs constituants le dataset final.

103
Annexe C

Comptes rendus des réunions

104
Compte rendu
• Informations générales

Type
Planification
Date et heure
Heure réelle
Lieu
Initiateur(s)
Médiateur
Rédacteur

• Participants

Prénom et Nom Structure Position Projet Présent

• Ordre du jour

• Points abordés

Points abordés

105

Vous aimerez peut-être aussi

Ines-Ben-Dhaou - Rapport-de-stage-PFE - Final
Pas encore d'évaluation
Ines-Ben-Dhaou - Rapport-de-stage-PFE - Final
98 pages
Rapport de Stage - Version Finale
Pas encore d'évaluation
Rapport de Stage - Version Finale
66 pages
PFE Aya Mami
Pas encore d'évaluation
PFE Aya Mami
103 pages
Rapport PFE
Pas encore d'évaluation
Rapport PFE
116 pages
PFE Ghada Karim-1-1
Pas encore d'évaluation
PFE Ghada Karim-1-1
59 pages
Rapport Final Talel
Pas encore d'évaluation
Rapport Final Talel
79 pages
Rapport Pfe Mobile
Pas encore d'évaluation
Rapport Pfe Mobile
56 pages
Plateforme de Formation en Ligne
Pas encore d'évaluation
Plateforme de Formation en Ligne
88 pages
Mémoire Final Dépot
Pas encore d'évaluation
Mémoire Final Dépot
70 pages
Manel Zoghlami 3BI
Pas encore d'évaluation
Manel Zoghlami 3BI
135 pages
Page Garde Rapport Stage (FR) 2
Pas encore d'évaluation
Page Garde Rapport Stage (FR) 2
165 pages
Rapport
Pas encore d'évaluation
Rapport
15 pages
Rapport de PFE - Safa BENABDESSADOK
Pas encore d'évaluation
Rapport de PFE - Safa BENABDESSADOK
92 pages
Rapport Final Conception D'un Système D'aide À La Décision Aux Compagne Marketing Et Commerciale
Pas encore d'évaluation
Rapport Final Conception D'un Système D'aide À La Décision Aux Compagne Marketing Et Commerciale
42 pages
Fakhri - Hammami - Rapport - Pfe 2
Pas encore d'évaluation
Fakhri - Hammami - Rapport - Pfe 2
80 pages
Conception Et Réalisation D'une Application Web Pour La Gestion Des Ressources Humaines Au Sein de La Direction D'algérie Télécom
Pas encore d'évaluation
Conception Et Réalisation D'une Application Web Pour La Gestion Des Ressources Humaines Au Sein de La Direction D'algérie Télécom
266 pages
Rapport Pfe
Pas encore d'évaluation
Rapport Pfe
39 pages
Rapport de Stage de 2eme Annee
Pas encore d'évaluation
Rapport de Stage de 2eme Annee
42 pages
Mémoire Version Final
100% (1)
Mémoire Version Final
118 pages
Rapport-Pfe Sur Les Entrepôts de Données
Pas encore d'évaluation
Rapport-Pfe Sur Les Entrepôts de Données
71 pages
Application web de gestion de factures
Pas encore d'évaluation
Application web de gestion de factures
75 pages
Rapport PFE V Final
Pas encore d'évaluation
Rapport PFE V Final
74 pages
RapportPFE Houyem
Pas encore d'évaluation
RapportPFE Houyem
79 pages
Wassim Aziz PFE 2022
Pas encore d'évaluation
Wassim Aziz PFE 2022
87 pages
Rapport Pfe Nisrine Azzaim-2
Pas encore d'évaluation
Rapport Pfe Nisrine Azzaim-2
113 pages
Développement Mobile Multiplateforme
Pas encore d'évaluation
Développement Mobile Multiplateforme
138 pages
Template Pfe Isi 2
Pas encore d'évaluation
Template Pfe Isi 2
84 pages
Projet de Fin D'etudes
Pas encore d'évaluation
Projet de Fin D'etudes
129 pages
Remerciements pour le projet CGBI
Pas encore d'évaluation
Remerciements pour le projet CGBI
92 pages
Rapport PFE Chatti Roua
Pas encore d'évaluation
Rapport PFE Chatti Roua
137 pages
Conception Et Réalisation
Pas encore d'évaluation
Conception Et Réalisation
70 pages
Rapport PFE v1.0
0% (2)
Rapport PFE v1.0
117 pages
PFE2024
Pas encore d'évaluation
PFE2024
86 pages
Sofrecom
Pas encore d'évaluation
Sofrecom
49 pages
Pfe Isi Ariana Farah Kout
Pas encore d'évaluation
Pfe Isi Ariana Farah Kout
100 pages
Application Mobile de Suivi des Lavages
Pas encore d'évaluation
Application Mobile de Suivi des Lavages
27 pages
Rapport PFE Marouene Haddad
100% (2)
Rapport PFE Marouene Haddad
114 pages
Rapport PFE Final Nchallah P
100% (1)
Rapport PFE Final Nchallah P
60 pages
Rapport de Stage14 PDF
Pas encore d'évaluation
Rapport de Stage14 PDF
50 pages
Rapport
Pas encore d'évaluation
Rapport
93 pages
Rapport de Projet : Application Web
100% (1)
Rapport de Projet : Application Web
98 pages
Application d'Échange de Biens et Services
100% (1)
Application d'Échange de Biens et Services
108 pages
Rapport 2 Scrum
Pas encore d'évaluation
Rapport 2 Scrum
101 pages
PFA Khlifi Eya
Pas encore d'évaluation
PFA Khlifi Eya
35 pages
Rapport PFE
Pas encore d'évaluation
Rapport PFE
46 pages
Application Web de Gestion des Ventes
Pas encore d'évaluation
Application Web de Gestion des Ventes
49 pages
Memoire
Pas encore d'évaluation
Memoire
73 pages
Rapport de Sprint
Pas encore d'évaluation
Rapport de Sprint
83 pages
Présentation de Stage
Pas encore d'évaluation
Présentation de Stage
10 pages
Rapport de Stage Pfe Le Haw
Pas encore d'évaluation
Rapport de Stage Pfe Le Haw
22 pages
Rapport Version Finale - 073421
Pas encore d'évaluation
Rapport Version Finale - 073421
84 pages
Rapport Arij Yosra Workflow
Pas encore d'évaluation
Rapport Arij Yosra Workflow
90 pages
Conception Et Réalisation D'une Application de Gestion Des Ressources Humaines
Pas encore d'évaluation
Conception Et Réalisation D'une Application de Gestion Des Ressources Humaines
126 pages
Rapport de Projet Webscrapper
Pas encore d'évaluation
Rapport de Projet Webscrapper
20 pages
Rapport Zaineb Gestion Des Stagiaires
100% (2)
Rapport Zaineb Gestion Des Stagiaires
30 pages
Sofrecom PFE BOOK 2021
Pas encore d'évaluation
Sofrecom PFE BOOK 2021
31 pages
Pfe Esprit
Pas encore d'évaluation
Pfe Esprit
24 pages
Sarra ZENNAKI
Pas encore d'évaluation
Sarra ZENNAKI
66 pages
Rapport PFE Version Finale - Ons Smida
Pas encore d'évaluation
Rapport PFE Version Finale - Ons Smida
78 pages
SYSTEME DE GESTION DES RECLAMATIONS DES VOYAGEURS DE L'ONC F - Abdellatif MABROUKI
Pas encore d'évaluation
SYSTEME DE GESTION DES RECLAMATIONS DES VOYAGEURS DE L'ONC F - Abdellatif MABROUKI
71 pages
Modélisation de l'agitation portuaire
Pas encore d'évaluation
Modélisation de l'agitation portuaire
32 pages
Conception des Ponts en Tunisie
Pas encore d'évaluation
Conception des Ponts en Tunisie
113 pages
Rapport P6 2019 08
Pas encore d'évaluation
Rapport P6 2019 08
23 pages
Support de Cours Soutènement
Pas encore d'évaluation
Support de Cours Soutènement
27 pages
Guide Des Ponts Pousses
Pas encore d'évaluation
Guide Des Ponts Pousses
233 pages
Sodapdf
Pas encore d'évaluation
Sodapdf
2 pages
Universités Publiques de l'UEMOA - Sites Officiels Et Liens D'admission - DR - Emmanuel
Pas encore d'évaluation
Universités Publiques de l'UEMOA - Sites Officiels Et Liens D'admission - DR - Emmanuel
13 pages
Capteurs et Actionneurs IoT
Pas encore d'évaluation
Capteurs et Actionneurs IoT
32 pages
These 2016 MESSU
Pas encore d'évaluation
These 2016 MESSU
177 pages
Capture D'écran . 2023-07-05 À 14.03.58
Pas encore d'évaluation
Capture D'écran . 2023-07-05 À 14.03.58
1 page
Réfrigérateur Faure FTAN24FW0
Pas encore d'évaluation
Réfrigérateur Faure FTAN24FW0
22 pages
Faire Vs Jouer
Pas encore d'évaluation
Faire Vs Jouer
3 pages
Fiche Technique: Kjelflex K-360
Pas encore d'évaluation
Fiche Technique: Kjelflex K-360
5 pages
1bac SM Devoir Libre N1.
Pas encore d'évaluation
1bac SM Devoir Libre N1.
1 page
Pédagogie À Effet Vicariant-13
Pas encore d'évaluation
Pédagogie À Effet Vicariant-13
9 pages
Quotidien N°4166
Pas encore d'évaluation
Quotidien N°4166
57 pages
Toxicologie QCM
83% (12)
Toxicologie QCM
19 pages
Pdca
Pas encore d'évaluation
Pdca
13 pages
PG Routing Workshop
Pas encore d'évaluation
PG Routing Workshop
48 pages
Hypnose : Efficacité et Risques Thérapeutiques
Pas encore d'évaluation
Hypnose : Efficacité et Risques Thérapeutiques
2 pages
PC Astuces - Activer Le Pavé Numérique Au Démarrage - Windows 7
Pas encore d'évaluation
PC Astuces - Activer Le Pavé Numérique Au Démarrage - Windows 7
3 pages
CCNA2 - Essentiel Security
Pas encore d'évaluation
CCNA2 - Essentiel Security
71 pages
QCM5
Pas encore d'évaluation
QCM5
90 pages
Rapport de Projet Sur L'atelier de Réparation de Véhicules Commerciaux
Pas encore d'évaluation
Rapport de Projet Sur L'atelier de Réparation de Véhicules Commerciaux
9 pages
23 Gradins
Pas encore d'évaluation
23 Gradins
16 pages
D 1 Raisonnement
Pas encore d'évaluation
D 1 Raisonnement
5 pages
Audit des Risques TVA et Fiscalité
100% (2)
Audit des Risques TVA et Fiscalité
27 pages
TD1 (1) - 092611
Pas encore d'évaluation
TD1 (1) - 092611
3 pages
Gestion Des Risques D'inondation
Pas encore d'évaluation
Gestion Des Risques D'inondation
1 page
Guide Touristique2019 de La Saskatchewan
Pas encore d'évaluation
Guide Touristique2019 de La Saskatchewan
44 pages
Cours Hse Electro Istec
Pas encore d'évaluation
Cours Hse Electro Istec
63 pages
Prob STT - Cgao - Iplans - Sujet 1 Ok
Pas encore d'évaluation
Prob STT - Cgao - Iplans - Sujet 1 Ok
2 pages
Bac Blanc 2 Acc 2025
Pas encore d'évaluation
Bac Blanc 2 Acc 2025
19 pages
Tav: Signification de Cette Lettre Hébraïque (Le Signe)
Pas encore d'évaluation
Tav: Signification de Cette Lettre Hébraïque (Le Signe)
5 pages
DM 3ème Février 2024
Pas encore d'évaluation
DM 3ème Février 2024
2 pages