La logistique métropolitaine à l’origine du flux

Les modèles agents

Une origine dans les modèles individus centrés

Les approches individus centrés consistent à modéliser les règles d’évolution d’un système au niveau des entités élémentaires qui le composent. Le terme d’individus n’est pas nécessairement dans le sens d’un être humain, il peut s’agir d’un être vivant comme un animal ou un végétal, mais il peut aussi s’agir d’un immeuble, d’une ville,… Pour comprendre cette approche, prenons l’exemple d’un trafic routier que l’on souhaite simuler. Une méthode classique de modélisation consiste à considérer que le trafic s’écoule comme un fluide à l’intérieur d’un canal (Lighthill and Whitham, 1955 ; Richards, 1956). Il s’agit d’une approche globale qui tend à généraliser les véhicules en homogénéisant leurs manières de se déplacer grâce à des valeurs moyennes représentées par des variables macroscopiques. La figure 2.1a est un schéma de cette approche. La fonction v (x , t ) correspond à la vitesse du flot, q (x , t ) est le débit, et k (x , t ) est la densité de véhicules. L’un des avantages de ces approches globales est qu’elles sont relativement compactes et qu’elles permettent une résolution analytique. Pourtant, ces modèles macroscopiques souffrent parfois d’une trop grande simplification et peuvent conduire à des solutions peu réalistes. De plus, on ne peut tenir compte de l’hétérogénéité des entités composant le système. Dans l’exemple du trafic routier, les véhicules n’ont pas tous les mêmes dimensions ou les mêmes vitesses. Certains conducteurs peuvent aussi adopter des comportements dangereux… Enfin, les interactions entre les entités vont avoir une incidence sur l’ensemble du système. Si un accident survient entre deux véhicules, cela va probablement créer un embouteillage. La figure 2.1b est alors une autre manière de représenter le trafic. Il s’agit d’une approche individus centrés dans laquelle chaque véhicule est représenté avec ses propres caractéristiques internes. Et les interactions entre ces véhicules vont modifier leurs comportements et donc l’état global du système. Les interactions et comportements locaux des individus permettent l’émergence d’organisations globales. Dans l’exemple du trafic routier, ce sont les véhicules qui créent l’embouteillage. Ce dernier est une structure abstraite du système. Celle-ci est pourtant observable globalement et a émergé des interactions entre les individus. Dans une approche macroscopique, l’embouteillage s’apparentera à une réduction globale de la vitesse lorsque le nombre de véhicules devient trop important. Mais il n’est pas possible de simulerun embouteillage qui est issu du changement de voie d’un camion. Les approches individus centrés et les approches macroscopiques (qui incluent également les systèmes dynamiques) sont donc des paradigmes différents de modélisation. Les modèles agents ont émergé de cesapproches et nous verrons de quelle manière au cours de cette première partie.

Les principes généraux des modèles agents

Comme on a pu le voir, les approches individus centrés permettent de représenter certains systèmes à l’aide d’entités autonomes en interactions. Le concept d’agent fait partie de cette famille de modèle en faisant référence à la notion d’entités hétérogènes et d’interactions avec un environnement. En effet, si on regarde un automate cellulaire, d’une part, il n’y a pas d’environnement et d’autre part, chaque cellule se comporte selon le même ensemble de règles prédéfinies. Tout comme pour les boids de Reynolds (1987), ce sont plutôt les interactions avec le voisinage qui créent l’émergence d’un comportement global. Pourtant, il existe plusieurs systèmes dans lesquels les différentes entités peuvent se comporter différemment.
Les systèmes logistiques que nous modéliserons dans la suite de cette thèse en sont un parfait exemple. Plusieurs acteurs aux rôles différents font partie de ces systèmes.
Les modèles orientés agents sont encore très récents. Il est assez difficile de remonter la trace des premiers modèles agents car le concept concrétise plusieurs niveaux d’abstraction et de nombreux travaux peuvent correspondre à des modèles agents bien qu’ils n’en aient pas le nom. Toutefois, un des papiers souvent cité comme le premier à utiliser le terme d’agent est celui de Holland and Miller (1991). C’est donc dans les années 1990 que ces modèles se sont répandus grâce à des chercheurs comme Gilbert and Doran (1994) ; Gilbert and Troitzsch (2005) ou Wooldridge and Jennings (1994, 1995). En France, on retrouve également les travaux de Ferber (1995, 1999).
Pourtant, malgré la diversité des travaux menés à l’aide de ces modèles, il est difficile de définir un formalisme universel. En effet, puisqu’ils sont orientés vers un haut niveau de conception, les caractéristiques précises d’un modèle agent dépend de l’objet d’étude modélisé.
On retrouve tout de même dans la littérature un ensemble de concepts clés que nous allons décrire. On reprendra particulièrement les définitions proposées par Ferber (1999) car la suite de ce travail est basée sur celles-ci.
Un agent est une entité autonome, physique ou virtuelle, qui peut modéliser toute partie d’un système, et qui s’intègre dans un environnement. Un agent peut ainsi représenter un être humain, un bâtiment, une communauté, ou même un pays complet… L’environnement sur lequel évolue un agent peut être représenté par différentes topologies (tel qu’une surface continue, un graphe,…) sur lesquelles nous reviendrons dans la partie 2.2.4. L’environnement peut aussi être constitué d’objets qui ne sont pas nécessairement des agents (par exemple, un mur ou un meuble). Chaque agent possède localement des propriétés qui modélisent son état interne à une date t . Certaines de ces propriétés peuvent évoluer à tout moment de la simulation, tandis que d’autres seront immuables. Les agents peuvent également se comporter selon différentes règles à leur disposition. Elles leur apportent la capacité de percevoir et/ou de manipuler leur environnement. Elles leur permettent également d’interagir avec d’autres agents.

Les différents types de comportement

Le degré de sophistication des comportements modélisés permet de regrouper deux grandes catégories d’agents : les agents réactifs et ceux cognitifs. La frontière qui sépare ces deux approches extrêmes reste néanmoins floue et la plupart des modèles adopte en réalité une forme hybride entre réactif et cognitif pur.
Les agents réactifs purs consistent à modéliser l’agent par des règles simples, assimilables à des réflexes. Il réagit à des stimulus en fonction de règles pré-définies et sans conserver d’état interne. Un stimuli qui ne serait pas prévu par une règle, ne serait pas pris en compte par l’agent et n’enclencherait donc pas d’action.
À l’opposé, les agents cognitifs purs se comportent davantage comme des entités intelligentes. Ils maintiennent un état interne (pouvant inclure un historique de leur évolution), possèdent leur propre représentation de leur environnement (issues de leurs perceptions, de leur croyance et de leurs connaissances), et ont des buts à atteindre. Un modèle cognitif très répandu s’appelle le BDI: Beliefs-Desires-Intentions. À partir des connaissances de l’agent et de ses objectifs, il détermine des plans d’actions qu’il essaiera de réaliser. Les agents cognitifs vont chercher à prédire les effets des actions de chacun pour prendre la meilleure décision. Pour cela, on intègre le plus souvent des algorithmes d’intelligence artificielle. Il est courant d’adopter des bases de connaissance et/ou des méthodes d’apprentissage pour représenter les connaissances de l’agent et déterminer les actions à exécuter.
L’avantage des agents réactifs est de permettre une mise en place facile d’un modèle. Leurs comportements ne demandent que peu de ressources informatiques, on peut donc simuler un nombre important d’agents en même temps. Par contre, leurs comportements peuvent être peu réalistes du fait de cette simplicité. Concernant les agents cognitifs, ils sont plus délicats à mettre en place (en partie à cause des algorithmes d’intelligence artificielle). De plus la charge de calcul pour un ordinateur est également plus importante. Il est donc difficile d’avoir beaucoup d’agents cognitifs au sein d’une même simulation. On rappellera tout de même que cette dichotomie entre agent réactif et cognitif n’est pas aussi stricte. De nombreux modèles agents font preuve d’une certaine hybridation afin de tirer profit de ces deux catégories.

Les environnements des systèmes agents

Comme on a pu le voir, l’environnement prend une place très importante dans les approches agents mais il peut prendre de nombreuses représentations différentes en fonction de l’objet d’étude.
Dans certains cas, l’environnement peut être abstrait, dans le sens où il n’aura pas de véritable représentation stricte et ne sera pas spatialisé. Il ne servira alors que de support aux interactions entre les agents en fournissant une zone de partage des ressources communes.
Avec ce type d’environnement, deux agents peuvent échanger, de manière non synchronisée, des informations ou des objets.
Ensuite, l’environnement peut être spatialisé. Dans ce cas, les agents peuvent se déplacer selon une certaine vitesse. Leur perception pourra être limitée, voir inexistante, au-delà d’une certaine distance. Si le système étudié s’y prête, les agents évoluant dans ce type d’environnement pourront être capables d’interagir avec les objets à leur portée. Lorsque l’environnement est spatialisé, il peut également avoir d’autres propriétés. Il peut ainsi être de taille infinie et s’agrandir au fur et à mesure en fonction des besoins de l’agent. Ou au contraire, il peut être de dimensions finies. Dans ce cas, les agents seront cloisonnés au sein d’un territoire délimité.
Néanmoins, même si la surface de l’environnement est finie, les frontières peuvent ne pas être bornées. En effet la topologie de l’environnement peut prendre des formes variées afin d’éviter les biais liés à une surface plane et bornée. On retrouve par exemple les topologies en forme annulaire, sphérique ou torique (voir figure 2.4). Cela permet de se rapprocher d’un environnement infini tout en limitant les problèmes techniques que cela suppose (notamment liés à la mémoire limitée d’un ordinateur).

Les graphes comme outils de modélisation

La théorie des graphes est un champ des mathématiques et de l’informatique. L’article sur les sept ponts de Königsberg écrit par Euler (Euler, 1741) est considéré comme le premier article décrivant cette notion. Un graphe est une structure mathématique qui définit des relations entre des entités. Il s’agit d’un outil très puissant de modélisation qui est utilisé dans de nombreux domaines (voir figure 2.7) comme la sociologie, la biologie ou l’informatique. On retrouve également les graphes en géographie comme en témoigne le livre de Rozenblat and Melançon (2013). Ces deux auteurs ont notamment contribué à développer dans un contexte pluridisciplinaire, des approches multi échelles de réseaux hiérarchiques de systèmes géographiques. Des applications concrètes ont été développées et expliquent comment la topologie des réseaux impatient sur des fonctionnements de systèmes de villes en réseaux ou encore dans l’organisation d’entreprises multinationales. Dans la suite de cette thèse nous nous servirons des graphes pour représenter, par exemple, des réseaux de transport ou des interactions entre des individus. L’avantage de cet outil, au delà de sa capacité modélisatrice, est que la théorie des graphes a bénéficié de nombreuses recherches qui ont fourni des outils d’analyse. Ces derniers permettent de tirer des informations d’un graphe (par exemple un plus court chemin) ou de caractériser ses éléments (comme le nombre de relations d’une entité).

Les graphes dynamiques

Le concept de graphe dynamique existe depuis longtemps mais ce n’est que depuis une vingtaine d’années que les recherches à ce sujet ont réellement pris leur essor avec des chercheurs comme Harary and Gupta (1997). Ces derniers ont proposé les bases d’un formalisme général décrivant des graphes dynamiques. Ils listent d’ailleurs tout un ensemble de domaines dans lesquels l’utilisation de graphes dynamiques peut avoir un intérêt, en allant de la chimie à la psychologie, et en passant par l’étude de réseaux physiques (informatique ou de transport par exemple). Un graphe est dit dynamique si des arêtes et/ou des sommets peuvent apparaître ou disparaître, ou encore si les étiquettes ou les pondérations évoluent au cours du temps.

Réseaux complexes

En réalité, le dynamisme peut avoir des origines et des manières de se manifester très différentes d’un domaine à l’autre. On retrouve donc plusieurs termes et définitions en fonction du cadre d’application. Parmi les différentes familles de graphes dynamiques on retrouve les réseaux complexes décrits par Boccaletti et al. (2006). Ces graphes sont composés d’un nombre très important d’éléments et leur nature est à la base de leur dynamique. On retiendra par exemple le graphe du Web dont la taille, la vitesse d’évolution et son caractère distribué rend impossible la cartographie complète à un instant t. On utilise donc des algorithmes d’exploration afin de construire progressivement le graphe en parcourant les pages Web d’URL 3 en URL. La dynamique du graphe est alors liée à la méthode d’exploration et la manière de maintenir à jour l’information déjà récupérée. Pour la cartographie du Web, les arêtes n’ont pas besoin d’être pondérées, la dynamique fait ici évoluer uniquement la topologie. Lorsque les mêmes auteurs évoquent la propagation d’opinions dans des réseaux sociaux, ils décrivent plusieurs modèles dans lesquels la topologie ne change pas, mais c’est uniquement une variable au sein des sommets qui se transmet de proche en proche selon certains processus. L’article de Boccaletti et al. (2006) ne s’intéresse pas tant à comment représenter les graphes dynamiques mais il cherche plutôt à décrire les processus à l’origine de cette dynamique. L’étude des réseaux complexes est d’ailleurs à l’origine de modèles de graphes tels que les réseaux petit-monde de Watts and Strogatz (1998) ou le modèle d’attachement préférentiel de Barabási and Albert (1999) (voir figure 2.9).

Graphes cumulatifs

L’article de Cortes et al. (2003) décrit un type de graphe dynamique appelé graphe cumulatif. Leur objectif était d’effectuer des analyses, notamment statistiques, de réseaux de communication dans lesquels les nœuds sont des terminaux de communication et les arêtes représentent des communications entre deux terminaux. Au cours de l’observation du réseau, le graphe sera donc dynamique car on observera la fin de certaines communications et le début de nouvelles. Le problème est qu’une communication est relativement courte par rapport au délai d’observation faite du réseau. Les auteurs expliquent donc qu’il n’est pas utile de comparer deux captures à des dates différentes. Ils ont préféré adopter une méthode qui gardera une trace des événements passés. Les auteurs ont donc défini un graphe comme étant l’accumulation progressive d’événements : un graphe est alors la somme (ou plutôt l’union des ensembles qui le compose) de sous-graphes correspondants aux captures effectuées à des intervalles de temps régulières. Les arêtes sont alors pondérées par le nombre total d’appels ou du temps total de communications.

Les acteurs et leurs rôles

La logistique métropolitaine à l’origine du flux

En tout premier lieu, on peut commencer à décrire les systèmes logistiques en parlant des importateurs et des exportateurs. Ce sont principalement des commerçant de gros ou de détails, ou encore des industriels,… Leur rôle est de déterminer les besoins supposés de leurs clients finaux. Quel type de produit ils désirent ? Mais aussi, quand, où et en quelle quantité ils la désirent ? Une fois que les importateurs et exportateurs ont réussi à établir cette information, ils vont pouvoir enclencher le processus de transport de la marchandise. En effet des stocks locaux peuvent se trouver à proximité des clients finaux, et lorsque ces stocks sont trop faibles pour répondre à la demande supposée, alors il devient nécessaire de faire venir de la marchandise.
On parle de flux tirés lorsque l’importateur fait la demande auprès de l’exportateur pour faire venir une marchandise. À l’inverse, si la demande provient de l’exportateur, on parle de flux poussés. À titre d’exemple, un fournisseur qui vient de lancer un nouveau produit sur le marché, par exemple un nouveau modèle de téléphone portable, va probablement pousser le flux auprès de grands distributeurs dans un premier temps. Lorsque la quantité de ventes se sera stabilisée, les grands distributeurs décideront eux-même si les stocks de ce produit doivent être réapprovisionnés et pourront ainsi tirer le flux. La part entre flux tirés et poussés est fonction de différents paramètres comme le nombre de vente d’un produit. Parfois cette part peut également varier selon la « renommée » des acteurs impliqués. Un distributeur peut connu des fournisseurs devra tirer les flux plus souvent.
La prise de contact entre un importateur et un exportateur peut se faire de plusieurs manières différentes. Le plus simple est qu’ils communiquent directement. Pourtant, il peut arriver qu’un intermédiaire intervienne dans cette démarche. C’est le cas des grossistes ou des centrales d’achat (Blair and Durrance, 2014). Le premier va acheter des marchandises en grande quantité selon les besoins estimés de ses entreprises clientes. L’achat en gros va lui permettre de négocier des prix et donc d’obtenir une marge sur la revente. La centrale d’achat est similaire au grossiste en ce qu’elle achète également en grande quantité. Par contre, elle n’achète que selon les besoins réels de ses clients. En effet, chacun de ses clients renseignent les produits qu’ils souhaitent acquérir et en quelle quantité. La centrale d’achat regroupe alors les demandes afin de passer une seule grosse commande auprès du fournisseur. Les grossistes sont des entreprises indépendantes de leurs clients. Par contre, il est fréquent de voir des centrales d’achat appartenir à la même entreprise que leurs clients. Dans ce dernier cas on parle de centrales d’achat intégrées, en opposition aux centrales d’achat coopératives pour lesquelles les clients ne font pas partie de la même entreprise. Par exemple, les magasins Leclerc sont des franchisésindépendants mais ils ont l’obligation de se fournir auprès d’une des centrales d’achat du groupe.
Dans tous les cas, un contrat de vente (ou de réapprovisionnement) doit être négocié entre les deux parties. Ce contrat décrit le type de marchandise qui est vendu, sa quantité ou encore son prix. Mais il définit aussi la part de responsabilité entre l’importateur et l’exportateur pendant le transport à l’aide des « Incoterms® » . Il s’agit d’un panel de règles définissant l’ensemble des droits et devoirs de chacune des parties lors d’un accord de commerce international.
Elles ont été proposées pour la première fois en 1936 par la Chambre de Commerce Internationale afin de garantir une meilleure compréhension entre des acteurs de différentes cultures et de différentes langues (International Chamber of Commerce, 2013 ; Graumann-Yettou, 2002).
Depuis, elles ont évolué en suivant les habitudes des utilisateurs pour arriver à la dernière version : les Incoterms®2010. Ces règles précisent le point de transfert des frais et des risques ainsi que les documents dus par chaque partie. En aucun cas, il ne s’agit du point de transfert de propriété. Ces normes servent de base au contrat de vente tout en étant suffisamment flexible pour permettre des modifications en cas de besoin. Le contrat signé doit préciser l’endroit exact où se situe le point de transfert afin d’éviter tous conflits éventuels (Nguyen-The, 2011). Le schéma de la figure 3.1 représente les points de transfert pour chaque Incoterms®. On notera que pour certains, il est obligatoire de souscrire à une assurance alors que pour la plupart, c’est seulement conseillé. Il est également important de souligner que plus le vendeur est impliqué dans le transport, plus le coût payé par l’acheteur sera important (car le vendeur reportera les différentes charges sur le prix final). Ainsi, lorsque l’acheteur a les moyens d’effectuer luimême le transport (grâce à ses compétences et ses moyens techniques), il est préférable qu’il le fasse afin de maîtriser le plus possible la chaîne de transport et par conséquent, le coût.

La connexion avec l’hinterland

Le réseau de transport sur l’hinterland

Les lignes fluviales proposent un mode de transport sur l’hinterland qui reste massifié.
Un convoi de barges fluviales peut transporter plusieurs centaines d’EVP par voyage (environ 350 EVP sur la Seine). De plus, ce mode permet de sécuriser le transport des marchandises de valeur. Il est le second mode de transport dans certains corridors logistiques tel que l’axe Seine, ou les corridors des port d’Anvers et de Rotterdam. L’intérêt du mode fluvial est d’amener la marchandise le plus près possible des métropoles en conservant la massification grâce aux barges. Cela permet de réduire les coûts financiers relatifs au transport, mais en plus ce mode est considéré écologique. Il permet donc de réduire l’empreinte carbone. On notera aussi que selon les réglementations (telles qu’en France) il est possible de faire sortir une marchandise du port sans la faire contrôler aussitôt par les douanes. En effet, le contrôle peut s’effectuer au moment de la sortie du terminal fluvial. Cela peut être intéressant pour l’organisateur du transport. Par contre, sur l’axe Seine, le trafic fluvial est encore assez faible. Les flux n’y sont pas encore suffisamment massifiés et ne permettent pas de faire des économies d’échelles.
Les stations ferroviaires font également parties des infrastructures multi-modales. Elles peuvent d’ailleurs être intégrées à des terminaux, des usines ou encore des entrepôts. Elles permettent le chargement de la marchandise sur des trains qui offrent une massification moindre que les barges mais bien plus que des camions. On recense deux manières d’utiliser les voies ferrées. Soit on construit directement un train complet, ce qui sous-entend d’avoir un flux suffisamment important dès le départ, soit on regroupe des wagons isolés pour construire un train complet. Cette dernière méthode est néanmoins complexe à mettre en place. Chaque wagon n’aura pas nécessairement la même destination finale. Il faudra donc réorganiser le train en cours de transport. Ce mode est le moins utilisé sur l’axe Seine et dans d’autres corridors, alors qu’il est très bien intégré sur l’hinterland du port d’Hambourg.
Le réseau routier a cette particularité d’être connecté à presque toutes les infrastructures nodales d’un système logistique. Ainsi, un camion peut transporter une marchandise sur l’ensemble du territoire. Comme pour les trains, les durées nécessaires à la livraison sont très bien maîtrisées. Il est donc possible de prédire à la minute près l’heure d’arrivée. Cependant, les véhicules sur la route ne peuvent transporter que très peu de marchandise à la fois comparativement aux autres modes. Les coûts financiers liés au transport, ainsi que l’empreinte carbone Heure d’Arrivée Estimée. sont donc très importants. Pourtant, il s’agit du mode de transport le plus utilisé quelque soit le système logistique étudié. Sa flexibilité, la précision de ses durées de transport, ainsi que sa rapidité de mise en place en font un moyen de transport très attractif comme en témoigne sa large adoption.

Table des matières
Table des figures 
1 Introduction
1.1 Contexte
1.2 Problématique
1.3 Contribution
1.4 Structure de la thèse
I Étude préléminaire 
2 Outils scientifiques
2.1 L’approche systémique
2.1.1 Les systèmes et leur complexité
2.1.2 Les systèmes complexes pour modéliser la logistique
2.2 Les modèles agents
2.2.1 Une origine dans les modèles individus centrés
2.2.2 Les principes généraux des modèles agents
2.2.3 Les différents types de comportement
2.2.4 Les environnements des systèmes agents
2.2.5 Les modèles multi-agents
2.2.5.1 Les agents et la géographie
2.2.5.2 Les agents et la logistique
2.3 Les graphes comme outils de modélisation
2.3.1 Les graphes statiques
2.3.1.1 Différents types de graphe
2.3.1.2 Chaînes et chemins
2.3.1.3 Mesures locales d’un graphe
2.3.1.4 Mesures globales d’un graphe
2.3.2 Les graphes dynamiques
2.3.2.1 Réseaux complexes
2.3.2.2 Graphes cumulatifs
2.3.2.3 Graphes évolutifs
2.3.2.4 Graphes temporels
2.3.2.5 Graphes dynamiques par flux d’événements
3 Définition d’un système logistique
3.1 Les acteurs et leurs rôles
3.1.1 La logistique métropolitaine à l’origine du flux
3.1.2 La logistique portuaire
3.1.3 L’interface entre le port et les métropoles de son hinterland
3.2 Les infrastructures et leurs fonctions
3.2.1 Les infrastructures du port
3.2.2 La connexion avec l’hinterland .
3.2.2.1 Le réseau de transport sur l’hinterland
3.2.2.2 Les infrastructure du réseau d’approvisionnement
3.2.3 Le transport de la marchandise dans les métropoles
3.3 Les systèmes logistiques : des territoires complexes
3.3.1 La marchandise : premier élément de complexité
3.3.2 L’auto-organisation : deuxième élément de complexité
4 Modèles existants
4.1 Modèles agrégés de trafic de marchandises
4.2 Modèles désagrégés de trafic de marchandises
4.3 Modèles portuaires
4.4 Modèles urbains
4.5 Contribution
II Modélisation et expérimentation 
5 Modèle conceptuel
5.1 Présentation du modèle
5.1.1 Objectifs
5.1.2 Fonctionnement général
5.1.3 Pré-requis en vue d’une implémentation
5.2 Modélisation du réseau de transport par des graphes dynamiques
5.2.1 Un sous-graphe pour chaque mode de transport
5.2.2 Le couplage avec les agents
5.3 Modélisation des acteurs par des agents
5.3.1 Les destinataires finaux
5.3.2 Les prestataires logistiques
5.3.3 Les fournisseurs
5.3.4 Les commissionnaires de transport
5.3.5 Les transporteurs
5.3.6 Un modèle rétro-actif
5.3.7 Perturbation du système et adaptation des agents
6 Implémentation générale
6.1 Choix d’une plateforme de simulation
6.1.1 Anylogic
6.1.2 Netlogo
6.1.3 Repast Symphony
6.1.4 GAMA
6.2 Méthodologie d’implémentation
6.2.1 Les agents
6.2.1.1 Les fournisseurs
6.2.1.2 Les destinataires finaux
6.2.1.3 Les prestataires logistiques
6.2.2 Le territoire
6.2.2.1 Les infrastructures nodales
6.2.2.2 Les réseaux
7 Étude de cas
7.1 Présentation du contexte
7.2 Implémentation de l’axe Seine
7.2.1 L’implémentation du territoire
7.2.1.1 Les données relatives au réseau de transport
7.2.1.2 La dynamique du territoire
7.2.2 La dynamique des stocks
7.2.2.1 Les données relatives aux acteurs et infrastructures
7.2.2.2 La consommation de marchandises
7.2.2.3 Les prises de commandes
7.2.3 La dynamique des interactions
7.2.3.1 Stratégies de création d’un réseau d’approvisionnement
7.2.3.2 Mesures d’efficacité du prestataire logistique
7.3 Analyse des résultats
7.3.1 Mesures statiques
7.3.1.1 Étude de la compétition entre les ports du Havre et d’Anvers
7.3.1.2 Étude de l’accessibilité des territoires fournissant des surfaces d’entreposage
7.3.1.3 Mise en évidence de clusters logistiques
7.3.2 Mesures dynamiques
7.3.2.1 Atomisation du flux de marchandise
7.3.2.2 Réseau de transport et trafic
7.3.2.3 Évolution des ruptures de stocks
7.3.2.4 Comportements adaptatifs
8 Conclusion
8.1 Bilan
8.2 Perspectives
Bibliographie et publications 
Bibliographie 
Publications

Lire le rapport complet