QUI SOMMES-NOUS ?
Nous sommes l’Autorité régionale de transport métropolitain (ARTM), une organisation issue de la nouvelle gouvernance des transports collectifs de la grande région de Montréal
Notre mission ?
Dans une perspective de développement durable et de cohésion régionale, l’Autorité planifie, organise, finance et fait la promotion du transport collectif dans la région métropolitaine de Montréal afin d’offrir une expérience de mobilité simple, intégrée, fluide et efficace.
L’ARTM, c’est la mise en commun des compétences de professionnels engagés envers la mission de l’organisation. Nous relevons en équipe, dans un climat de respect et de collaboration, les défis inhérents au développement d’une vision unifiée du transport collectif au service de la population.
VOUS SOUHAITEZ PRENDRE PART À CE DÉFI?
Voici la description de la personne que nous cherchons. Est-ce VOUS ?
Le conseiller - modélisation contribue directement à la mission de l’ARTM car il participe avec son expertise, à l’évaluation des impacts des projets de transport collectif de la région métropolitaine et de leur financement. Plus particulièrement, le conseiller - modélisation contribue directement par son expertise en modélisation, à l’évaluation et la priorisation des interventions nécessaires au développement des services et infrastructures de transport collectif métropolitain en fournissant les indicateurs nécessaires à la prise de décision.
Au sein de l’équipe Modélisation et développement des réseaux, le conseiller - modélisation contribue à l’exploitation, à la mise à jour et au développement de l’environnement de modélisation du système de transport en commun, routier et cyclable de la région de Montréal. Cette activité est centrale dans le cadre de la réalisation du plan stratégique de développement de l’Autorité et dans l’évaluation des projets et politiques de transport qui en découlent.
Le conseiller - modélisation contribue aussi activement à l’évolution de l’environnement de modélisation et de prévision ainsi que la transformation des méthodologies sur lesquelles il s’appuie afin d’y intégrer les processus de traitement de données massives (Big data) et d’apprentissage automatique (intelligence artificielle). À cet égard, le candidat sélectionné collaborera avec les chercheurs de la communauté universitaire, ainsi qu’avec des professionnels du milieu du transport et de l'aménagement afin de déterminer le développement des modèles à réaliser au cours des prochaines années, ainsi que dans l'acquisition des données nécessaires à la modélisation.
.
À QUOI RESSEMBLENT VOS JOURNÉES DE TRAVAIL ?
Chaque journée a sa couleur, mais voici un sommaire des principales actions que vous devrez réaliser dans l’exercice de vos fonctions :
- Conseiller et orienter l’organisation en matière de modélisation de systèmes de transport urbain et d’évaluation des impacts d’intervention sur la demande en transport ;
- Accompagner et encadrer les travaux de modélisation du système de transport, en synthétiser et présenter les résultats ;
- Contribuer à :
- Rassembler, maintenir et valider des données de référence sur les réseaux de transport collectif et routier, ainsi que sur la mobilité des personnes ;
- Codifier les réseaux de transport en commun et routier à des fins de simulation ;
- Calibrer les modèles de référence pour reproduire les comportements des personnes dans le modèle de simulation ;
- Réaliser les simulations et contribuer à l’évaluation des grands projets ou politiques en transport ;
- Rédiger des programmes afin d’automatiser certaines tâches, dont l’enrichissement de bases de données et développer des modules de simulations, dont l’ensemencement du territoire à des fins de prévisions ;
- Rédiger des notes et rapports techniques et effectuer des présentations de résultats.
- Développer et appliquer des solutions mathématiques et statistiques à des problèmes complexes ;
- Développer l’utilisation des données massives et les méthodes d’apprentissage automatique ;
- Maintenir une veille quant aux technologies et méthodes de modélisation et de simulation et appliquer les résultats de ces recherches aux efforts d’amélioration continue du modèle de simulation.
