La plateforme algorithmique

Le réchauffement climatique est un des grands défis auxquels l’humanité est confrontée. La manière dont nous allons y remédier doit être au centre de nos discussions. Dans ce contexte, la réduction de la consommation de combustibles fossiles sans risquer le blocage de l’économie mondiale joue un rôle crucial. Le transport des biens et des personnes est un élément essentiel de notre système économique et de la prospérité actuelle. Le maintien d’une mobilité durable mue par des sources d’énergie renouvelables est donc une condition préalable fondamentale pour parvenir à une transformation vers une économie suffisamment efficace garantissant la recherche technologique adéquate. Le chemin de fer dispose des atouts pour répondre à ces enjeux.

Le chemin de fer présente des avantages décisifs et certains, tant pour le transport local au sein des agglomérations, en concurrence avec le transport individuel motorisé, que pour le transport à grande vitesse sur de longues distances, comme alternative à l’aérien. Dans les zones périphériques et peu denses, des nouveaux concepts de mobilité émergent, qui seront à terme économiquement supérieurs au chemin de fer.

Le facteur décisif pour répondre par le rail aux problématiques de mobilité est l’optimisation à l’échelle du réseau de l’utilisation des capacités ferroviaires existantes ainsi que de celles apportées par les nouvelles infrastructures. Dans ce but, la mise en œuvre de processus de planification cohérents et innovants pour le développement à long terme du réseau joue un rôle important. Ces processus doivent permettre une forte automatisation de la planification et de l’exploitation, ainsi qu’une optimisation complète de l’utilisation des ressources.

L’utilisation optimale des ressources en personnel et en matériel roulant et la résolution automatique des conflits d’attribution de capacités au sens large sont deux problématiques qui ont été largement traitées par la recherche algorithmique au cours des trois dernières décennies. Comme l’expérience et la théorie l’ont montré, il est difficile d’y trouver des solutions réellement généralisables du fait de la complexité du système. Jusqu’à présent, la recherche n’a produit que peu de solutions pratiques pertinentes, souvent ciblées pour répondre à des sous-problèmes spécifiques.

En particulier, les chercheurs sont souvent ralentis dans leurs travaux du fait de difficultés pratiques. L’acquisition et la préparation des données nécessaires pour la définition des problèmes, ou encore la visualisation claire des solutions trouvées pour en analyser la qualité et la faisabilité, sont autant d’étapes qu’il est possible de fluidifier par des solutions logicielles adaptées. Certains composants toujours requis dans le cadre de la recherche ferroviaire, comme le calcul du temps de parcours, la détection des conflits ou un cadre simple pour la mise en place de procédures de simulation, gagnent à être rapidement accessibles et paramétrables.

La plateforme algorithmique fournit à la communauté trois fonctions de base pensées et adaptées pour accompagner le travail de recherche:

• Tout d’abord, Viriato propose des fonctionnalités middleware pour le chargement etl’intégration de grandes quantités de données nécessaires à la résolution de problèmespratiques (acquisition de données).
• Ensuite, la plateforme algorithmique repose sur un modèle de données intermédiaireabstrait (AIDM), complet et dédié, qui fournit des données d’infrastructure et d’horairedans un format adapté à la recherche algorithmique. Ce modèle et les fonctions de soutienqui l’accompagnent permettent de mettre l’API algorithmique de Viriato à la dispositionde la communauté des chercheurs afin de libérer ces derniers du besoin de productiond’outils ne servant au final qu’à soutenir le travail algorithmique proprement dit.
• Enfin, la plateforme algorithmique fournit des interfaces avec les composants logicielsde base tels que le calculateur de marche ou la détection des conflits et se charge decommuniquer avec ces composants ainsi qu’avec Viriato lui-même.

SMA prend en charge sur ses propres fonds le développement initial de la plateforme algorithmique et soutient étroitement la communauté dans le développement ultérieur de l’API, afin de répondre conjointement aux besoins et aux idées d’amélioration de ces interfaces. L’indépendance de SMA permet de mener à bien ces initiatives fondamentales sans se restreindre à un contexte d’utilisation particulier, ouvrant ainsi Viriato à un très large spectre d’applications algorithmiques. Les chercheurs disposent alors d’un outil qui leur permet d’analyser et évaluer les solutions de divers problèmes algorithmiques directement dans un logiciel professionnel, ergonomique et largement utilisé.

Pour les clients de Viriato, la plateforme algorithmique permet de bénéficier plus simplement des résultats issus de la recherche et de s’attaquer plus efficacement à des problèmes spécifiques avec les partenaires de recherche existants, bénéficiant ainsi de l’industrialisation du développement des algorithmes. En outre, des algorithmes d’automatisation et d’optimisation dédiés, parfaitement liés à Viriato, peuvent améliorer et accélérer encore le soutien au processus de planification.

Au cours des dernières années, SMA a établi des contacts continuels avec des universités et instituts de recherche, en particulier les groupes de recherche de renommée internationale spécialisés dans la recherche algorithmique à des fins d’automatisation et d’optimisation utilisant des méthodes mathématiques. Les premières collaborations ont ainsi eu lieu avec l’École polytechnique fédérale de Lausanne (EPFL) et l’Université de Novi Sad. SMA a accompagné et co-supervisé la finalisation de travaux de diplôme sur le thème « Replanification automatique des trains dans le cadre de la gestion des situations perturbées », réalisés avec l’appui de la plate-forme algorithmique de Viriato. Actuellement, SMA soutient l’Université technique de Delft dans la planification des tâches de maintenance d’un plan de roulement matériel existant. Une thèse sur la planification en ligne avec l’ETH Zurich est également prévue en fin d’année.

Grâce à son apport dans le cadre de ces activités de formation, la plateforme algorithmique pu convaincre les titulaires de chaires de la pertinence et de l’utilité de ces fonctionnalités. Ces collaborations s’articulent autour d’un contact étroit entre SMA et les partenaires universitaires supervisant les travaux, afin de valoriser tant les conclusions que les idées d’amélioration pour qu’elles intègrent la feuille de route du développement de la plateforme. La réussite de ces expériences nourrit le souhait de collaborations ultérieures dans le domaine de la recherche. SMA se réjouit de soutenir un premier doctorat à l’Université de Novi Sad, qui permettra d’étendre l’algorithme développé à EPFL. Ces collaborations réussies permettent d’envisager une croissance continue du nombre d’utilisateurs pour la solution.