Development and implementation of learning models for railway operations in main stations
Développement et implémentation de modèles apprenants pour l’exploitation des grandes gares
Résumé
This thesis deals with uncertainty and robustness in decision problems, with the case of the train platforming problem subject to delays. A two-part methodology is proposed to address this problem. First, delay records are used to build models predicting probability distributions conditionnaly to a set of explanatory variables. A methodology to validate and evaluate these predictions is proposed to ensure their reliability for decision-making. As the train platforming problem can be seen as a weighted clique problem, these predicted distributions are used in a second part to add weights on edges to penalize risk of conflict. Local search algorithms are used and experiments show a significant decrease in conflicts.
Cette thèse traite de l’incertitude et de la robustesse dans les problèmes de d´décision, avec le cas d’application des affectations de quais en gare en cas de retards. Une m´méthodologie en deux parties est proposée pour aborder ce problème. Dans un premier temps, les archives de données de retards sont utilisées pour construire des modèles de prédiction de distribution de probabilités conditionnellement aux valeurs d’un ensemble de variables explicatives. Une m´méthodologie de validation et d’évaluation de ces prédictions est mise en place afin d’assurer leur fiabilité pour de la prise de d´décision. Le problème d’affectations de quais pouvant être vu comme une recherche de clique de taille maximum, ces distributions prédites sont utilisées dans une seconde partie pour ajouter des pondérations pénalisant les risques de rupture des arêtes en cas de retard. Des algorithmes de recherche locale ont ´été utilisés et les expériences ont montré une importante baisse de conflits.
| Origine | Version validée par le jury (STAR) |
|---|