La population urbaine croissante, ainsi que la complexité de nos systèmes de transport, posent de sérieux défis à la mobilité urbaine. Dans ce contexte, la surveillance des grands réseaux de transport basée sur des technologies à coût faible est essentielle pour améliorer l'efficacité des services. Les données de trafic peuvent être obtenues à partir de plusieurs sources telles que les cartes à puce, la reconnaissance des plaques d'immatriculation à partir de technologies vidéo, les adresses MAC (Media Access Control) capturées à partir d'appareils Bluetooth et/ou Wifi, les capteurs magnétiques, les systèmes LIDAR (Light Detection And Ranging) ou systèmes de positionnement global (GPS). Toutes ces données collectées par les villes ou les entreprises contiennent des informations importantes sur le trafic, les embouteillages, les vitesses moyennes, les variations de vitesse au niveau du réseau et également sur les comportements de conduite au niveau du conducteur. L'objectif général de cette session est de présenter des problèmes à l'intersection de la statistique et de l'ingénierie des transports comprenant des défis statistiques et méthodologiques liés à l'analyse des données de mobilité urbaine collectées à partir de trois sources : les données GPS et télématiques, les dispositifs de comptage du trafic et les systèmes de cartes à puce. Généralement, ces données de grande dimension sont collectées à la fois dans l'espace et dans le temps. Cela pose d'importants défis de modélisation liés au grand volume de données, aux corrélations spatiales et temporelles inhérentes, à la semi-continuité de la structure du réseau routier et à la fréquence élevée de valeurs manquantes.