Etude sur l'optimisation du transport de matières dangereuses par la réservation de voies

Study on optimization of hazardous material transportation via lane reservation

• Auteur / Autrice : Zhen Zhou
• Direction : Feng Chu, Ada Che
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 29/10/2014
• Etablissement(s) : Evry-Val d'Essonne en cotutelle avec Northwestern Polytechnical University (Chine)
• Ecole(s) doctorale(s) : École doctorale Sciences et Ingénierie (Evry ; 2008-2015)
• Jury : Président / Présidente : Hanna Klaudel
• Jury : Examinateurs / Examinatrices : Rong Du
• Jury : Rapporteurs / Rapporteuses : Haoxun Chen, Feng Wu

Mots clés

Mots clés contrôlés

Circulation, Technique de la

Optimisation combinatoire

Voies réservées

Substances dangereuses -- Transport

Mots clés libres

Optimisation multi-critères

Résumé

Le transport de matières dangereuses est connu pour son haut risque potentiel pour le réseau routier. Un accident peut avoir de graves conséquences pour la santé publique et l’environnement sur une longue période. L’optimisation du transport de matières dangereuses est une problématique importante. Cette thèse propose, pour la première fois dans la littérature, une stratégie de réservation de voies pour le transport de matières dangereuses. L’objectif est de proposer des itinéraires pour le transport de matières dangereuses qui minimisent à la fois le risque potentiel et l’impact négatif sur le trafic dans un réseau de transport dû à la réservation de voies. Dans cette thèse, nous nous focalisons sur deux nouveaux problèmes : l’optimisation de transport de matières dangereuses grâce à la stratégie de réservation de voies dans un réseau de transport selon si le risque dépend de l’instant de passage (appelé LRPTDR) ou pas (appelé LRPTIR). Pour chaque problème étudié, nous proposons un nouveau modèle d’optimisation multi-critères. Pour le LRPTIR, nous développons d’abord une méthode combinant la méthode de ε-contrainte et la logique floue pour obtenir des solutions Pareto-optimales et une solution préférée en fonction des critères du gestionnaire. Ensuite,une méthode qui combine le « cut-and-solve » and le « cutting plane» est proposée pour réduire le temps de calcul. Pour le LRPTDR, une méthode de « cut-and-solve » est appliquée, dans laquelle une nouvelle technique de « piecing cut » et une stratégie de relaxation partielle sont développées pour améliorer la performance. Les performances des algorithmes proposés sont évaluées à l’aide d’instances générées aléatoirement. Les résultats numériques montrent que les algorithmes proposés sont plus performants que le logiciel commercial CPLEX pour les problèmes étudiés.

Hazardous material transportation is well-known for its high potential risk. An accident may cause very serious economic damage and negative impacts on the public health and the environment over the long term. Optimization for hazardous material transportation is an important issue. For the first time in the literature, this thesis introduces the lane reservation strategy into the hazardous material transportation problem. The goal is to obtain a best compromise between the impact on normal traffic due to lane reservation and the transportation risk.In this thesis, we focus on two novel problems: hazardous material transportation problem via lane reservation in networks with time-invariant and time-dependent risk, called LRPTIR and LRPTDR, respectively. For these problems, multi-objective integer programming and multi-objective mixed integer programming models are formulated, respectively. For the LRPTIR, we first develop an ε-constraint and fuzzy-logic based method to obtain Pareto optimal solutions and a preferred solution. Then a cut-and-solve and cutting plane combined method is proposed to reduce the computational time. For the LRPTDR, an improved cut-and-solve based ε-constraint method is proposed, in which a new technique of generating piercing cuts is developed and a partial integral relaxation strategy is applied. The performance of the proposed algorithms is evaluated by randomly generated instances. Computational results demonstrate that for the considered problems, the cut-and-solve method outperforms software package CPLEX.