Modèles et algorithmes d'optimisation pour les systèmes de transport avec des véhicules et bus électriques

Models and optimization algorithms for transportation systems with electric vehicles and buses

• Auteur / Autrice : Amira Bendjebla
• Direction : Ammar Oulamara, Lhassane Idoumghar
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 06/12/2022
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
• Partenaire(s) de recherche : Laboratoire : LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
• Partenaire(s) de recherche : Equipe de recherche : OPTIMIST

Mots clés

Mots clés libres

Algorithmes

Optimisation Combinatoire

Programmation linéaire en nombres entiers

Metaheuristiques

Algorithms

Combinatorial Optimization

Integer Linear Programming

Metaheuristics

Résumé

Ce projet de thèse est structuré en deux parties. Dans la première partie on s'intéressera aux problèmes d'optimisation pour le dimensionnement de la flotte de bus, et en fonction de la politique de recharge envisagée, le dimensionnement de l'infrastructure de recharge et la localisation des points de recharge. Les problèmes d'optimisation à résoudre ici sont de nature combinatoire et complexe. Les méthodes de résolution envisagées sont de type exact qui font appel aux techniques de programmation en nombre entiers de type Branch and Bound, Branch and Cut, Benders décomposition. Puis en fonction de la taille des problèmes à résoudre le passage à l'échelle avec des techniques exactes peut s'avérer non efficaces, pour cela des méthodes approchées vont aussi être développées, comme des méthodes métaheuristiques. Dans la deuxième partie, on s'intéressera aux problèmes (i) d'affectation des bus aux trajets des lignes et l'enchainement des trajets pour chaque bus, (ii) d'optimisation de la recharge (quantité d'énergie chargée dans les bus, début et fin de la recharge, puissances de recharge, etc.) au dépôt et à l'extérieur en fonction de la politique de recharge envisagée, tout en tenant compte des caractéristiques du réseau électrique et des bornes de recharge (iii) l'attribution des places de parking dans les dépôt, en fonction des missions affectés aux bus (éviter les blocages entre les bus pour accéder aux places de stationnement, au retour de mission ou au départ pour mission). On s'intéressera dans cette partie à l'optimisation des ressources et le coût de l'énergie. Il s'agit alors de proposer ici des méthodes approchées de type recherche locale, permettant de d'hiérarchiser ces problèmes et de les traiter en plusieurs méthodes en interaction entre elles de manière itérative.

This Ph.D. project is structured in two parts. In the first part, we will focus on the optimization problems for the design of the bus fleet and, depending on the charging policy, the design of the charging infrastructure and the location of the charging points. The optimization problems to be solved here are combinatorial and complex. The solution methods considered are of the exact type, using integer programming techniques such as Branch and Bound, Branch and Cut, Benders decomposition. Then, depending on the size of the problems to be solved, the scaling up with exact techniques may not be efficient, for this reason approximate methods will also be developed, such as metaheuristic methods. In the second part, we will focus on the problems of (i) assigning buses to routes and the sequence of routes for each bus, (ii) optimizing charging (amount of energy charged in the goals, start and end of charging, charging power, etc.) at the depot and outside according to the planned recharging policy, while taking into account the characteristics of the electrical network and the recharging stations (iii) the allocation of parking spaces in the depot, according to the missions assigned to the buses (to avoid blocking between the buses to access the parking spaces, on the return from mission or on departure for mission). In this part, we will be interested in the optimization of resources and the cost of energy. We propose here approximate methods of local search type, allowing to prioritize these problems and to treat them in several methods interacting between them in an iterative way.