Literatura científica selecionada sobre o tema "Terminaux ferroviaires"

Les gares ferroviaires concentrant les fins et les débuts de trajets des trains structurent l’essentiel de l’exploitation de lignes pour passagers. En effet, on y programme des opérations de préparation du matériel roulant (nettoyage, accouplement des trains…) dites de « produit train » indispensables à la qualité de service. Ces opérations imposent toutefois des manœuvres et nécessitent de garer des trains. Cette thèse aborde de manière intégrée la planification des opérations de « produit train » et la gestion de la capacité en gare. Elle introduit pour cela le Generalized Train Unit Shunting Problem (G-TUSP). Il s’agit plus précisément d’affecter des trains arrivant dans une gare à un départ et des voies de garage et d’ordonnancer leur maintenance et leurs manœuvres. Ces décisions respectent des contraintes liées à des caractéristiques techniques des du matériel roulant et de l’infrastructure ainsi qu’à la nature des opérations réalisées. Le G-TUSP comporte quatre sous-problèmes, souvent traités indépendamment dans la littérature. Cette thèse vise à proposer des algorithmes d’optimisation comme outils d’aide à la décision pour les planificateurs du « produit train ».Une formulation en programme linéaire à variables mixtes est établie en considérant une représentation détaillée des aspects du G-TUSP. La formulation est testée sur des instances réelles de la gare Metz-Ville et des résultats pertinents sont obtenus en une heure de calcul. Nous proposons ensuite des algorithmes dans lesquels nous considérons différentes combinaisons d’approches séquentielles ou intégrées pour sous-problèmes du G-TUSP. Dans une analyse expérimentale détaillée basée sur des instances de la gare de Metz-Ville, nous étudions la contribution de chaque sous-problème à la difficulté du G-TUSP et nous identifions le meilleur algorithme. Cet algorithme donne des résultats très satisfaisants en moins de vingt minutes
Railway stations that concentrates most of starts and ends of train journeys structure most of the passenger lines operations. Indeed, rolling stock preparation operations (cleaning, trains coupling…) which are called “shunting” are scheduled there. These operations are essential to ensure service quality. However, these operations require train movement and parking.This thesis tackles an integration of shunting operation planning and capacity management in railway stations. The Generalized Train Unit Shunting Problem (G-TUSP) is introduced to consider this integration. In the G-TUSP we assign trains which arrive in a railway station to a departure and parking tracks and we schedule their maintenance operations and their movements. These decisions respect constraints due to rolling stock and infrastructure characteristics or related the nature of the operations carried out. The G-TUSP includes four sub-problems, often considered independently in literature. This thesis aims at propose optimization algorithms as decision support for shunting planners.A mixed integer linear programming formulation which considers a detailed representation of G-TUSP aspects is set. The formulation is tested on Metz-Ville station real instances and relevant results are obtained within an hour of calculation. We propose then algorithms in which we consider different combinations for the integrated or sequential solutions of the G-TUSP sub-problems. In a thorough experimental analysis, based on Metz-Ville station instances, we study the contribution of each sub-problem to the difficulty of the G-TUSP, and we identify the best algorithm. This algorithm returns very satisfying results in less than 20 minutes

La promotion du transport ferroviaire de marchandises permet d'améliorer l'impact environnemental du transport de marchandises, à travers la réduction de la part modale de la route, qui est responsable d'environ un quart des émissions européennes de CO2. L'objet de cette thèse est d'analyser les flux de marchandises afin de proposer des solutions opérationnelles qui permettraient d'augmenter la part de marché du transport de fret ferroviaire, notamment grâce à une meilleure utilisation des terminaux intermodaux. La première partie de la thèse fournit une synthèse des principales modèles théoriques concernant l'analyse de la demande et de l'offre de transport de marchandises, afin d'analyser le lien entre activité économique et transport de marchandises. Une analyse détaillée des sources statistiques disponibles au niveau européen, national et régional, est aussi fournie. Dans la deuxième partie, une application au cas des chantiers de transbordement rail-route en France est présentée, et une comparaison avec d'autres pays européens est réalisée. L'objectif de cette analyse est d'estimer la demande potentielle de transport combiné, d'évaluer la productivité des terminaux intermodaux et d'étudier l'impact socio-économique et financier des investissements dans les terminaux intermodaux, en évaluant également la possibilité des nouveaux montages financiers (PPP). Les résultats de l'analyse montrent un large potentiel pour le transport combiné, en particulier en lien avec l'activité des ports maritimes, et une productivité faible dans les terminaux existants. En conséquence, cette analyse suggèrerait de concentrer les investissements sur un nombre limité de sites à haut potentiel, afin d'attirer des investissements privés et optimiser l'utilisation des fonds publics. Les implications politiques de cette analyse sont multiples : elles concernent d'abord le gestionnaire d'infrastructure et les opérateurs ferroviaires, qui doivent mieux planifier les investissements en fonction de la demande commerciale. Elles concernent aussi l'Etat et les collectivités locales, qui doivent optimiser l'utilisation des fonds publics en favorisant les localisations à haut potentiel.

Un système de transport ferroviaire intelligent est essentiellement caractérisé par son niveau d'autonomie de prise de décision en fonction des conditions qui lui sont extérieurs. Afin de renforcer son intelligence et son autonomie, cette nouvelle génération de systèmes de transport intègre des multiples technologies et standards de communication et de traitement de l'information. L'intégration de ces technologies permet aux opérateurs du transport ferroviaire de réduire les coûts d'exploitation et de maintenance et d'attirer un plus grand nombre de passagers en leur facilitant l'accès ainsi que l'exploitation du transport ferroviaire tout en leur offrant des nouveaux services à bord. Cependant l'utilisation de plusieurs standards de communication ainsi que l'augmentation du trafic (le nombre de passagers et le nombre de véhicules mis en service) déclenchent un besoin sans précédent des ressources radio, notamment au niveau du spectre fréquentiel. En effet, avec la demande croissante des ressources radio, la Radio Intelligente (RI) se présente comme une technologie émergente qui améliore les performances des systèmes radio existants en intégrant l'intelligence artificielle avec la radio logicielle
Any intelligent railway transport system is mainly characterized by its autonomy in making decisions in terms of its external conditions. In order to improve its cognition and autonomy, this new generation of transport systems integrates multiple technologies and standards of communication and information processing. The integration of these technologies allows rail operators to reduce operational and maintenance costs and attracts more passengers by making easier rail transport access and use while offering new services on board. However, using multiple communication standards and increasing traffic (number of passengers and vehicles in service) trigger an unprecedented need for radio resources, particularly frequency spectrum. Indeed, with the growing of radio resources demand, Cognitive Radio (CR) is an emerging technology that improves the performance of existing radio systems by the integration of artificial intelligence and software defined radio (SDR)

Les objectifs essentiels des opérateurs ferroviaires sont d'augmenter la sécurité, de réduire les coûts d'exploitation et de maintenance, d'accroître l'attrait et le profit en offrant de nouveaux services aux passagers. Ces objectifs seront atteintsgrâce à une énorme augmentation des échanges de flux de données entre les infrastructures existantes et les technologies présentes utilisées au bord du train. L'efficacité spectrale, l'optimisation des ressources radioélectriques ainsi que l'interopérabilité mais aussi la fiabilité des communications sont des éléments majeurs pour les applications ferroviaires. Ces contraintes ainsi que l'utilisation sporadique des bandes fréquentielles à disposition ont donné le jour à la radio intelligente. Cette dernière se présente comme une technologie émergente qui améliore les performances des systèmes radio existants en intégrant l'intelligence artificielle avec la radio logicielle. Un système radio intelligent est défini par sa capacité à être conscient de son environnement radioélectrique. En effet, afin d'optimiser au maximum les opportunités spectrales qui lui sont offerts, le dispositif radio intelligent doit être capable de transmettresur des bandes laissées libres tout en réalisant un sondage spectral afin de ne pas interférer avec les utilisateurs ayant la priorité sur la bande mais aussi pour détecter d'autres fréquences vacantes. Dans le cadre de cette thèse, nous proposons de nous concentrer sur la problématique de détection de spectre dans un environnement à très forte mobilité. Certaines contraintes sont à prendre en compte, telles que la vitesse. À cela s'ajoute les contraintes de réglementation concernant les critères de détection, telles que la norme IEEE 802.22 WRAN qui stipule que la détection d'un utilisateur prioritaire doit être réalisée à -21dB dans un laps de temps de 2 secondes. L'objectif est donc de concevoir un terminal radio intelligent dans les conditions physiques et réglementaires de transmission dans un environnent ferroviaire
The main objectives of railway operators are to increase safety, reduce operating and maintenance costs, increase attractiveness and profit by offering new services to customers. These objectives will be achieved through a huge increase of data fluxes between existing infrastructure and the technologies currently used on the train. Spectral efficiency, optimization of radio resources, interoperability and reliability of communications are major elements for railway applications. These constraints and the sporadic use of available frequency bands have gave rise to cognitive radio. Cognitive radio is an emerging technology that improves the performance of existing radio systems by integrating artificial intelligence with software radio. A cognitive radio system is defined by its ability to be aware of its radio environment. Indeed, to optimize as much as possible the available spectral opportunities, the cognitive radio device must be able to transmit on free bands while performing a spectrum sensing to not interfere with users having priority on the band and to detect other vacant frequencies. As part of this thesis, we propose to focus on the problem of spectrum detection in a highly mobile environment. Some constraints should be considered, such as speed. Added to this, there are regulatory constraints on detection criteria, such as the IEEE 802.22 WRAN standard, which stipulates that detection of a priority user must be performed at -21 dB within a period of 2 seconds. The objective is therefore to design an intelligent radio terminal in the physical and regulatory conditions of transmission in a railway environment

Les trains qui transportent des conteneurs empilés (en deux niveaux) sont un élément important du reseau de transport nord-americain. Le probleme de chargement des wagons correspond un probleme operationnel d'utilisation rencontre dans les terminaux ferroviaires. Elle consiste optimiser l’affectation des conteneurs des emplacements spécifiques sur les wagons. Ce mémoire est centré sur un article scientifique traitant le chargement optimal publié dans le Journal Européen de Recherche Opérationnelle (Volume 267, Numéro 1, Pages 107-119, 2018). Nous avons formule un modele lineaire en nombres entiers (ILP) et apporte un certain nombre de contributions. Premierement, nous avons proposé une méthodologie générale qui peut traiter des wagons double ou simple empilement avec des «patrons» de chargement arbitraires. Les les patrons tiennent un compte des dépendances de chargement entre les plateformes sur un wagon donne. Deuxiemement, nous avons modéliser les restrictions du centre de gravité (COG), les regles d’empilement et un nombre de restrictions techniques de chargement associees certains types de conteneurs et / ou de marchandises. Les resultats montrent que nous pouvons resoudre des instances de taille realiste dans un d´elai raisonnable en utilisant un solveur ILP commercial et nous illustrons que le fait de ne pas tenir compte de la correspondance conteneurs-wagons ainsi que des restrictions COG peut conduire une surestimation de la capacité disponible.
Double-stack trains are an important component of the railroad transport network for containerized cargo in specific markets such as North America. The load planning problem embodies an operational problem commonly faced in rail terminals by operators. It consists in optimizing the assignment of containers to specific locations on the train. The work in this thesis is centered around a scientific paper on the optimization on load planning problem for double stack-trains, published in the European Journal of Operation Research (Volume 267, Issue 1, Pages 1-398) on 16 May 2018. In the paper, we formulated an ILP model and made a number of contributions. First, we proposed a general methodology that can deal with double- or single-stack railcars with arbitrary loading patterns. The patterns account for loading dependencies between the platforms on a given railcar. Second, we modeled Center of gravity (COG) restrictions, stacking rules and a number of technical loading restrictions associated with certain types of containers and/or goods. Results show that we can solve realistic size instances in reasonable time using a commercial ILP solver and we illustrate that failing to account for containers-to-cars matching as well as COG restrictions may lead to an overestimation of the available train capacity.

The work in this thesis is separated into two parts. The first part deals with the load planning and sequencing problem for double-stack intermodal railcars, an operational problem found at many rail container terminals. In this problem, containers must be assigned to a platform on which the container will be loaded, and the loading order must be determined. These decisions are made with the objective of minimizing the costs associated with handling the containers, as well as minimizing the cost of containers left behind. The deterministic version of the problem can be cast as a shortest path problem on an ordered graph. This problem is challenging to solve because of the large size of the graph. We propose a two-stage heuristic based on the Iterative Deepening A* algorithm to compute solutions to the load planning and sequencing problem within a five-minute time budget. Next, we also illustrate how a Deep Q-learning algorithm can be used to heuristically solve the same problem.The second part of this thesis considers sequential models in deep learning. A recent strategy to circumvent the exploding and vanishing gradient problem in recurrent neural networks (RNNs) is to enforce recurrent weight matrices to be orthogonal or unitary. While this ensures stable dynamics during training, it comes at the cost of reduced expressivity due to the limited variety of orthogonal transformations. We propose a parameterization of RNNs, based on the Schur decomposition, that mitigates the exploding and vanishing gradient problem, while allowing for non-orthogonal recurrent weight matrices in the model.
Le travail de cette thèse est divisé en deux parties. La première partie traite du problème de planification et de séquencement des chargements de conteneurs sur des wagons, un problème opérationnel rencontré dans de nombreux terminaux ferroviaires intermodaux. Dans ce problème, les conteneurs doivent être affectés à une plate-forme sur laquelle un ou deux conteneurs seront chargés et l'ordre de chargement doit être déterminé. Ces décisions sont prises dans le but de minimiser les coûts associés à la manutention des conteneurs, ainsi que de minimiser le coût des conteneurs non chargés. La version déterministe du problème peut être formulé comme un problème de plus court chemin sur un graphe ordonné. Ce problème est difficile à résoudre en raison de la grande taille du graphe. Nous proposons une heuristique en deux étapes basée sur l'algorithme Iterative Deepening A* pour calculer des solutions au problème de planification et de séquencement de la charge dans un budget de cinq minutes. Ensuite, nous illustrons également comment un algorithme d'apprentissage Deep Q peut être utilisé pour résoudre heuristiquement le même problème. La deuxième partie de cette thèse examine les modèles séquentiels en apprentissage profond. Une stratégie récente pour contourner le problème de gradient qui explose et disparaît dans les réseaux de neurones récurrents (RNN) consiste à imposer des matrices de poids récurrentes orthogonales ou unitaires. Bien que cela assure une dynamique stable pendant l'entraînement, cela se fait au prix d'une expressivité réduite en raison de la variété limitée des transformations orthogonales. Nous proposons une paramétrisation des RNN, basée sur la décomposition de Schur, qui atténue les problèmes de gradient, tout en permettant des matrices de poids récurrentes non orthogonales dans le modèle.