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

Description complète

Position au doctorat dans la planification d'intervention ferroviaire robuste sous l'incertitude

100%, Zurich, durée déterminée

imprimer Drucken

La chaire de gestion de l'infrastructure, dirigée par le professeur Bryan T. Adey au sein de l'Institut de construction et de gestion de l'infrastructure du Département de génie civil, environnemental et géomatique, a une ouverture pour un étudiant de doctorat. Cette position est axée sur le développement de méthodes de sensibilisation à l'incertitude et d'outils d'optimisation pour une planification d'intervention ferroviaire robuste et la prévision des ressources. Le poste est lié au projet de recherche interdisciplinaire ETH Mobility Initiative mené en collaboration avec les CFF.

Contexte du projet

L'infrastructure ferroviaire offre une capacité importante de déplacement des personnes et des marchandises, mais cette capacité est réduite ou suspendue chaque fois qu'il y a des interventions. Les interventions, qui vont de la surveillance de l'état à l'entretien mineur et majeur au renouvellement et à l'expansion, nécessitent du temps, de l'argent, des machines et du personnel, et elles bloquent partiellement l'accès à la voie. Par conséquent, le trafic et les horaires doivent être modifiés, et les passagers sont touchés. Les décisions relatives au moment, au lieu et à la manière de regrouper ou de séparer ces interventions, ainsi qu'à la façon de planifier les calendriers correspondants, doivent être prises bien avant l'exécution et dans une grande incertitude quant aux coûts d'entretien, à la faisabilité du calendrier et à l'impact sur les passagers.

Ces décisions sont difficiles à quantifier parce que les effets et les facteurs pertinents sont difficiles à quantifier et sont intrinsèquement incertains, tandis que le pouvoir décisionnel est réparti entre plusieurs parties prenantes, les niveaux d'actifs et les échéances. Le processus de coordination est actuellement largement qualitatif et itératif, et il offre une marge limitée pour l'utilisation systématique d'informations prédictives et quantifiées. Les compromis multiples doivent donc être équilibrés, y compris les coûts économiques directs, la disponibilité des ressources de l'entrepreneur, les effets à court terme sur les passagers tels que les longs trajets et les transferts additionnels, et les effets à long terme tels que l'érosion de la confiance et l'appui politique au financement ferroviaire.

Ce projet d'Initiative de mobilité de l'ETH vise à combler ces lacunes en développant un soutien quantitatif à la prise de décisions fondées sur des faits dans la gestion de l'infrastructure ferroviaire. L'accent est mis en particulier sur la caractérisation et la propagation des incertitudes inhérentes à la planification des interventions et à la prévision des ressources, sur la mise au point de méthodes d'optimisation robustes qui déterminent quand, où et comment les interventions doivent être regroupées ou séparées, et sur l'intégration des informations résultantes dans un environnement de soutien aux décisions géospatiales aligné sur la norme ISO 55001 et les meilleures pratiques de l'UIC. Le poste annoncé contribue à ce type de travail, avec une validation par rapport aux données historiques et prévues pour un corridor pilote CFF.

Description du poste

Ce doctorat vise à développer des méthodes de sensibilisation à l'incertitude et des algorithmes d'optimisation pour une planification d'intervention robuste et la prévision des ressources dans la gestion des infrastructures ferroviaires.

• Caractérisation et propagation des principales sources d'incertitude en matière de planification des interventions et d'utilisation des ressources sur plusieurs horizons temporels et catégories d'actifs
• Étendre les modèles de programmation linéaires intégrés à travers une optimisation stochastique et robuste pour calculer des programmes d'intervention robustes
• Contribuer à la conception d'une plate-forme de soutien à la décision fondée sur le SIG qui intègre les données sur les actifs, les plans d'intervention et l'analyse des incertitudes
• Validation des méthodes développées par rapport aux données historiques et prévues sur les corridors CFF

Profil

• Maîtrise en génie civil, génie des transports, recherche opérationnelle, mathématiques appliquées, informatique ou discipline étroitement liée
• Une solide expérience en optimisation mathématique, en particulier en programmation linéaire mixte, ainsi qu'une optimisation stochastique ou robuste et des compétences de programmation solides (de préférence en Python)
• Connaissance avec quantification de l'incertitude,