Thèse soutenue

Modélisation par contraintes et heuristiques pour l'évaluation de la capacité d'infrastructures ferroviaires
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Fabien Degoutin
Direction : Arnaud Fréville
Type : Thèse de doctorat
Discipline(s) : Automatique et informatique des systèmes industriels et humains. Informatique
Date : Soutenance en 2007
Etablissement(s) : Valenciennes

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

Comparativement aux autres moyens de transport, le transport ferroviaire présente de nombreux avantages tant du point de vue coût que développement durable. Malgré cela, le transport est un domaine fortement concurrentiel et les avantages du ferroviaire ne sont pas suffisant pour lui permettre de s'imposer. Ainsi, la SNCF (Société Nationale des Chemins de fer Français) se doit d'améliorer l'efficacité du transport ferroviaire et la qualité des services aux clients. La ponctualité, la fréquence des trains et le prix sont au centre des préoccupations. Un travail conséquent de planification des ressources est nécessaire. Le problème d'évaluation de la capacité d'infrastructures ferroviaires permet de situer les limites du réseau et d'étudier l'impact de modification d'infrastructure. Afin de proposer des solutions à la SNCF, ce problème a été modélisé en un problème de satisfaction de contraintes. La résolution exacte de ce problème par les bibliothèques d'ILOG SOLVER montre des limites, aussi des améliorations sont proposées tant au niveau du modèle que de la résolution. Les améliorations portent sur la réduction du nombre de contraintes, la réécriture des contraintes temporelles, la suppression de symétries, des coupes et une borne supérieure. Un algorithme de résolution approchée est proposé, il utilise les principes de recherche à voisinage large et variables ainsi que de la recherche à arborescence tronquée. Les différents algorithmes et améliorations sont validés sur des instances réelles provenant du nœud ferroviaire de Pierrefite-Gonesse ainsi que sur un ensemble d'instance aléatoires. Les résultats obtenus sont les meilleurs connus à ce jour.