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

Vollständige Beschreibung

Doktorandenposition in der robusten Eisenbahninterventionsplanung unter Unsicherheit

100%, Zürich, befristet

Druck Druckerzeugnisse

Der Lehrstuhl für Infrastrukturmanagement unter der Leitung von Professor Dr. Bryan T. Adey im Institut für Bau- und Infrastrukturmanagement der Abteilung für Bau-, Umwelt- und Geomatiktechnik hat eine Eröffnung für einen Doktoranden. Diese Position konzentriert sich auf die Entwicklung von unsicheren Methoden und Optimierungswerkzeugen für eine robuste Planung von Eisenbahninterventionen und Ressourcenprognosen. Die Position ist mit dem interdisziplinären Forschungsprojekt der ETH Mobility Initiative in Zusammenarbeit mit den SBB verbunden.

Projekthintergrund

Die Eisenbahninfrastruktur bietet erhebliche Kapazitäten für den Personen- und Güterverkehr, doch diese Kapazitäten werden bei Eingriffen verringert oder ausgesetzt. Eingriffe, die von der Zustandsüberwachung über kleinere und größere Wartungsarbeiten bis hin zu Erneuerung und Erweiterung reichen, erfordern Zeit, Geld, Maschinen und Personal und blockieren teilweise den Zugang zur Strecke. Folglich müssen Verkehr und Fahrpläne geändert werden, und die Passagiere sind betroffen. Entscheidungen darüber, wann, wo und wie solche Einsätze zusammengefasst oder getrennt werden sollten und wie die zugehörigen Fahrpläne geplant werden sollten, müssen weit vor der Ausführung und unter erheblichen Unsicherheiten bezüglich Wartungskosten, Fahrplandurchführbarkeit und Auswirkungen auf die Passagiere getroffen werden.

Diese Entscheidungen sind herausfordernd, weil die relevanten Auswirkungen und Faktoren schwer zu quantifizieren sind und von Natur aus unsicher sind, während die Entscheidungsmacht auf mehrere Stakeholder, Asset-Ebenen und Zeithorizonte verteilt ist. Der Koordinationsprozess ist derzeit weitgehend qualitativ und iterativ und bietet nur begrenzten Spielraum für die systematische Nutzung prädiktiver, quantifizierter Informationen. Mehrere Kompromisse müssen daher ausgeglichen werden, einschließlich der direkten wirtschaftlichen Kosten, der Verfügbarkeit von Auftragnehmerressourcen, kurzfristiger Auswirkungen auf die Fahrgäste wie längere Fahrten und zusätzliche Transfers sowie langfristiger Auswirkungen wie der Erosion des Vertrauens und der politischen Unterstützung für die Eisenbahnfinanzierung.

Dieses Projekt der ETH-Mobilitätsinitiative adressiert diese Lücken, indem es quantitative Unterstützung für faktenbasierte Entscheidungen im Eisenbahninfrastrukturmanagement entwickelt. Besonderes Augenmerk wird auf die Charakterisierung und Verbreitung der Unsicherheiten gelegt, die der Interventionsplanung und Ressourcenvorhersage innewohnen, auf die Entwicklung robuster Optimierungsmethoden, die bestimmen, wann, wo und wie Interventionen gruppiert oder getrennt werden sollten, und auf die Integration der resultierenden Informationen in eine geospatiale Entscheidungsunterstützungsumgebung, die auf ISO 55001 und UIC Best Practices ausgerichtet ist. Die ausgeschriebene Stelle trägt zu dieser Arbeit bei, wobei die Validierung anhand historischer und geplanter Daten für einen Pilotkorridor der SBB erfolgt.

Stellenbeschreibung

Diese Promotion zielt darauf ab, unsichere Methoden und Optimierungsalgorithmen für eine robuste Interventionsplanung und Ressourcenprognose im Eisenbahninfrastrukturmanagement zu entwickeln.

• Charakterisierung und Verbreitung der wichtigsten Unsicherheitsquellen bei der Interventionsplanung und der Ressourcennutzung über mehrere Zeithorizonte und Anlagekategorien hinweg
• Erweiterung von gemischt-ganzzahligen linearen Programmiermodellen durch stochastische und robuste Optimierung, um robuste Interventionsprogramme zu berechnen
• Beitrag zur Gestaltung einer GIS-basierten Entscheidungsunterstützungsplattform, die Asset-Daten, Interventionspläne und Unsicherheitsanalysen integriert
• Validierung der entwickelten Methoden mit historischen und geplanten SBB-Korridordaten

Profil

• Ein Master-Abschluss in Bauingenieurwesen, Verkehrstechnik, Betriebsforschung, angewandter Mathematik, Informatik oder einer eng verwandten Disziplin
• Ein starker Hintergrund in der mathematischen Optimierung, insbesondere in der gemischt-ganzzahligen linearen Programmierung, zusammen mit stochastischer oder robuster Optimierung und soliden Programmierkenntnissen (vorzugsweise in Python)
• Quantifizierung der Vertrautheit mit Unsicherheit,