Doctoral Position in Robust Railway Intervention Planning under Uncertainty — ETH Zürich

Descrizione completa

Posizione dottorale nella pianificazione dell'intervento ferroviario Robusto sotto l'incertezza

100%, Zurigo, a tempo determinato

stampa Druppo

La Cattedra di Gestione delle Infrastrutture, guidata dal Professor Dr. Bryan T. Adey all'interno dell'Istituto di Costruzione e Gestione delle Infrastrutture del Dipartimento di Ingegneria Civile, Ambientale e Geomatica, ha un'apertura per uno studente di dottorato. Questa posizione si concentra sullo sviluppo di metodi di incertezza-consapevoli e strumenti di ottimizzazione per una robusta pianificazione degli interventi ferroviari e la previsione delle risorse. La posizione è collegata al progetto di ricerca interdisciplinare ETH Mobility Initiative condotto in collaborazione con le FFS.

Sfondo del progetto

L'infrastruttura ferroviaria fornisce una notevole capacità di movimento delle persone e delle merci, ma questa capacità viene ridotta o sospesa ogni volta che ci sono interventi. Interventi, che vanno dal monitoraggio delle condizioni attraverso la manutenzione minore e importante al rinnovamento e all'espansione, richiedono tempo, denaro, macchine e personale, e bloccano parzialmente l'accesso alla pista. Di conseguenza, il traffico e gli orari devono essere modificati e i passeggeri sono colpiti. Le decisioni relative a quando, quando e come tali interventi dovrebbero essere raggruppati o separati, e su come dovrebbero essere programmati gli orari associati, devono essere prese ben prima dell'esecuzione e in notevole incertezza per quanto riguarda i costi di manutenzione, la fattibilità degli orari e l'impatto dei passeggeri.

Queste decisioni sono impegnative perché gli effetti e i fattori rilevanti sono difficili da quantificare e sono intrinsecamente incerti, mentre il potere decisionale è distribuito in diversi stakeholder, livelli di asset e orizzonti temporali. Il processo di coordinamento è attualmente in gran parte qualitativo e iterativo, e offre un campo di applicazione limitato per l'uso sistematico di informazioni predittive e quantificate. Occorre quindi equilibrare più scambi, tra cui i costi economici diretti, la disponibilità di risorse imprenditoriali, gli effetti a breve termine sui passeggeri come i viaggi più lunghi e i trasferimenti aggiuntivi, e gli effetti a lungo termine come l'erosione della fiducia e del sostegno politico al finanziamento ferroviario.

Il progetto ETH Mobility Initiative affronta queste lacune sviluppando un supporto quantitativo per il processo decisionale basato sul fatto nella gestione delle infrastrutture ferroviarie. Particolare enfasi è posta sulla caratterizzazione e la propagazione delle incertezze inerenti alla pianificazione degli interventi e alla previsione delle risorse, sullo sviluppo di metodi di ottimizzazione robusti che determinano quando, dove e come gli interventi dovrebbero essere raggruppati o separati, e sull'integrazione delle informazioni risultanti all'interno di un ambiente di supporto decisionale geospaziale allineato con le migliori pratiche ISO 55001 e UIC. La posizione pubblicizzata contribuisce a questa linea di lavoro, con validazione effettuata contro i dati storici e pianificati per un corridoio pilota delle FFS.

Descrizione del lavoro

Questo dottorato mira a sviluppare metodi di incertezza-consapevoli e algoritmi di ottimizzazione per la pianificazione di interventi robusti e la previsione delle risorse nella gestione delle infrastrutture ferroviarie.

• Caratterizzazione e propagazione delle principali fonti di incertezza nella pianificazione degli interventi e nell'utilizzo delle risorse attraverso molteplici orizzonti temporali e categorie di asset
• Prolungare i modelli di programmazione lineare misti interi attraverso l'ottimizzazione stocastica e robusta per calcolare i programmi di intervento robusti
• Contribuire alla progettazione di una piattaforma di supporto decisionale basata su GIS che integra dati di asset, piani di intervento e analisi dell'incertezza
• Convalida dei metodi sviluppati contro i dati storici e pianificati del corridoio delle FFS

Profilo

• Laurea Magistrale in ingegneria civile, ingegneria dei trasporti, ricerca operativa, matematica applicata, informatica, o una disciplina strettamente correlata
• Un forte background nell'ottimizzazione matematica, in particolare nella programmazione lineare mista-integer, unitamente all'ottimizzazione stocastica o robusta e alle competenze di programmazione solide (preferibilmente in Python)
• Familiarità con quantificazione dell'incertezza,