Développement et implémentation de modèles apprenants pour l'exploitation des grandes gares

par Marie Milliet De Faverges (De Faverges)

Projet de thèse en Informatique

Sous la direction de Christophe Picouleau et de Giorgio Russolillo.

Thèses en préparation à Paris, CNAM , dans le cadre de Ecole Doctorale d'Informatique, Télécommunications et Electronique (EDITE) , en partenariat avec Cedric - Centre d'étude et de recherche en informatique et communications (laboratoire) et de OC - Optimisation Combinatoire (equipe de recherche) depuis le 01-02-2017 .


  • Résumé

    Le projet s'articule en deux parties. La première se focalisera sur une étude des différentes bases de données récoltées, ferroviaires ou non, afin de fournir une étude initiale des trains arrivant dans une gare donnée. Une première idée serait de parvenir à identifier les trains présentant un plus haut risque de retard, voire de pouvoir calculer une loi de probabilité. Fondé sur cette étude préliminaire, on pourrait alors adapter le modèle pré-existant développé par la SNCF pour résoudre le platforming problem (outil open GOV) en tenant compte des risques de retards lorsque l'on établit de planning pré-opérationnel, afin de limiter la propagation des retards lors de la phase opérationnelle. Il s'agirait alors dans un premier temps d'un paramétrage adapté à chaque train, mais on pourrait également repenser la gestion de la robustesse au sein du modèle.

  • Titre traduit

    Development and implementation of learning models for railway operations in main stations


  • Résumé

    The project is divided into two parts. The first will focus on a study of the different databases available, railway or not, in order to provide an initial study of the trains arriving at a given station. A first idea would be to identify trains with a higher risk of delay, or even to be able to calculate a probability distribution. Based on this preliminary study, it would be possible to adapt the pre-existing model developed by SNCF to solve the platforming problem (open GOV tool) taking into account the risks of delays when establishing pre-operational planning, in order to limit the delays propagation during the operational phase. This would initially be a parameterization adapted to each train, but one could also rethink the management of robustness within the model.