Replanification ferroviaire en temps réel par résolution hybride IA/RO

Léo Baty (1)

1 ENPC - École des Ponts ParisTech

Mon stage de master 2 et de fin d'études s'est déroulé entre le 6 avril et le 1er octobre 2021 à SNCF Direction Innovation et Recherche, sous la direction de Hugo Belhomme. Ce stage s'inscrit dans le cadre d'un projet avec Transilien, qui a pour but de fournir un outil d'aide à la décision qui propose des scénarios de replanification lors des perturbations sur le réseau. L'objectif de mon stage était de s'intéresser à l'utilisation des données d'historiques à disposition afin d'expérimenter des méthodes hybrides entre apprentissage et recherche opérationnelle, afin de déterminer si cela peut aider à l'amélioration des algorithmes d'optimisation de l'outil. Nous avons expérimenté des modèles de Graph Neural Networks utilisant les données d'historiques de plans de transport, afin de guider les heuristiques d'optimisation.

Mots clés: recherche opérationnelle; apprentissage supervisé; Graph Neural Networks; temps réel; multi objectifs

Domaines: Recherche opérationnelle [math.OC]; Combinatoire [math.CO]

Léo Baty. Replanification ferroviaire en temps réel par résolution hybride IA/RO. 23ème congrès annuel de la Société Française de Recherche Opérationnelle et d'Aide à la Décision, INSA Lyon, Feb 2022, Villeurbanne - Lyon, France. ⟨hal-03596231⟩