Planification proactive et réactive des réseaux d'ambulances.

Proactive and reactive planning of ambulance networks

• Auteur / Autrice : Mohammed Skiredj
• Direction : Xiaolan Xie
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel
• Date : Soutenance le 29/06/2021
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : Ed Sis 488
• Partenaire(s) de recherche : établissement opérateur d'inscription : École nationale supérieure des mines (Saint-Etienne ; 1816-....)
• Partenaire(s) de recherche : Laboratoire : Centre Ingénierie et Santé / CIS-ENSMSE
• Jury : Examinateurs / Examinatrices : Andréa Cynthia Santos, Nacima Labadi, Marc Sevaux, Yannick Kergosien, Thierry Garaix
• Jury : Rapporteur / Rapporteuse : Andréa Cynthia Santos, Nacima Labadi

Mots clés

Mots clés contrôlés

Programmation heuristique

Santé publique -- Planification

Véhicules en libre-service

Transport sanitaire

Mots clés libres

Planification dynamique

Tournées de véhicules

Heuristiques

Métaheuristiques

Simulation

Transport sanitaire

Medical transport

Dynamic planning

Vehicle routing problems

Heuristics

Metaheuristics

Simulation

Résumé

Cette thèse traite des méthodes d'optimisation pour la planification proactive des plans de routes d'un grand réseau d'ambulances et la planification réactive pour leur mise à jour durant la journée. Les solutions proactives correspondent au plan du matin qui décide des heures de début de travail des chauffeurs et leurs premières visites. Ce plan doit être robuste au sens de la meilleure acceptation des requêtes qui apparaissent au cours de la journée. Lorsque de nouvelles requêtes sont révélées, les méthodes réactives doivent proposer de les intégrer dans le plan courant en équilibrant l’efficacité et le potentiel d'acceptabilité de futures requêtes.Les verrous scientifiques attaqués dans la thèse portent sur deux points : (1) l'intégration de contraintes métiers complexes et résistantes aux approches existantes de la littérature, et (2) des problèmes de très grande taille (plusieurs milliers) par rapport à ceux traités par les approches classiques. Les contraintes métiers complexes comportent la recombinaison d'équipages avec changement de véhicules, et la gestion du temps de travail (horaires de début et de fin de journée, plus les pauses).Pour la planification proactive, une Métaheuristique (Adaptive Large Neighborhood Search) avec des procédures spécifiques pour gérer les verrous précités est proposée. La comparaison de notre algorithme ALNS avec une méthode de planification manuelle montre l’importance de la méthode développée. Notre algorithme se montre aussi très compétitif avec l'état de l'art sur des cas particuliers de notre problème, Resource Constrained Dial-a-ride Problem; Multi Trip Vehicle Routing Problem with Time Windows et Pick-and-Delivery Problem with Time Windows.Pour la planification réactive un canevas général de stratégies de réoptimisation est proposé et permet d'élaborer à partir de trois paramètres des stratégies variées en termes d'anticipation, de fréquence et de conservatisme. Les meilleures configurations trouvées sont comparées à deux approches manuelles de régulateurs simulées automatiquement.

This thesis deals with optimization methods for proactive planning of large ambulance networks and reactive planning to update them during the day. The proactive solutions corresponding to the decisions of the morning, which decide the starting times of the drivers and their first visits. This plan must be robust in the sense of the best acceptance of requests that appear during the day. When new requests are revealed, reactive methods must offer solutions to integrate them into the current planning by balancing the efficiency and the acceptability of future requests.The principal scientific challenges in the thesis are: (1) the integration of complex constraints, and (2) very large problems (several thousand) compared to those treated by the classical approaches. Complex business constraints involve staff recombination with vehicle change, working time management (start and end times, breaks …).For proactive planning, a Metaheuristic (Adaptive Large Neighborhood Search) with specific procedures to deal with the different difficulties already mentioned. The comparison of our ALNS algorithm with a manual planning method shows the importance of the developed method. Our algorithm is also very competitive with the state of the art (Resource Constrained Dial-a-ride Problem; Multi Trip Vehicle Routing Problem with Time Windows and Pick-and-Delivery Problem with Time Windows).For reactive planning, a general framework of re-optimization strategies is proposed and allows establishing various strategies in terms of anticipation, frequency and conservatism from three parameters. The best configurations found are compared to two manual approaches.