Algorithmes d’optimisation pour un service de transport partagé à la demande

Optimization algorithms for a shared transport service

• Auteur / Autrice : Sven Vallée
• Direction : Ammar Oulamara, Wahiba Ramdane-Cherif
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 10/07/2019
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire lorrain de recherche en informatique et ses applications
• Jury : Président / Présidente : Ye-Qiong Song
• Jury : Examinateurs / Examinatrices : Olivier Péton, Nacima Labadie, Aziz Moukrim
• Jury : Rapporteurs / Rapporteuses : Olivier Péton, Nacima Labadie

Mots clés

Mots clés contrôlés

Transports semi-collectifs

Temps réel (informatique)

Métaheuristiques

Calcul adaptatif

Optimisation mathématique

Mots clés libres

Optimisation en temps réel

DARP

Modélisation

Métaheuristique

Online Optimization

DARP

Modelisation

Metaheuristic

Résumé

L'objectif de cette thèse est de proposer des algorithmes d'optimisation efficaces pour un système de tranport en commun à la demande proposé par Padam Mobility, une start-up Parisienne. Après avoir modélisé le problème comme un DARP dynamique, trois modules d'optimisation sont présentés : un module online destiné à répondre aux requêtes en temps réel, un module de réinsertion pour insérer les requêtes rejetées par le module online et enfin un module offline basé sur une métaheuristique permettant d'optimiser en continue les itinéraires.

The purpose of this thesis is to propose efficient optimization algorithms for an on-demand common transportation system operated by Padam Mobility, a Parisian company. Formalised as a dynamic DARP, we propose three optimisation modules to tackle the underlying problem : an online module to answer real-time requests, a reinsertion module to re-insert rejected requests and a metaheuristic-based offline module to continuously optimize the rides. The proposed methods are directly implemented in the company system and extensively tested on real instances.