avis de soutenance

UNIVERSITE DE TECHNOLOGIE DE BELFORT-MONTBELIARD
Ecole Doctorale Sciences Physiques pour l'Ingénieur et Microtechniques
OPERA
AVIS DE SOUTENANCE
Monsieur Rabih ZAKARIA
Candidat au DOCTORAT Informatique
à l'UNIVERSITE DE TECHNOLOGIE DE BELFORT-MONTBELIARD
Soutiendra sa thèse
Le lundi 14 décembre 2015 à 14h00
Amphithéâtre I102 - BELFORT
Sur le sujet suivant :
« Optimization of the car relocation operations in one-way carsharing
systems »
Le jury est composé de :
Madame Laeticia JOURDAN, PROFESSEUR DES UNIVERSITES
UNIVERSITE LILLE 1 SCIENCES ET TECHNOLOGIE, Rapporteur
Monsieur Fabien LEURENT, PROFESSEUR DES UNIVERSITES
EN PONTS CHAUSS CHAMPS/MARNE, Rapporteur
Monsieur Raed KOUTA, MAITRE DE CONFERENCES DES UNIVERSITES
UNIV TECHN BELFORT MONTBELIARD
Monsieur Alexandre CAMINADA, PROFESSEUR DES UNIVERSITES
UNIV TECHN BELFORT MONTBELIARD
Monsieur Laurent MOALIC, INGENIEUR D'ETUDES DE RECH.ET FORMATION,
DOCTEUR
UNIV TECHN BELFORT MONTBELIARD
Monsieur Mohamad KHALIL, PROFESSEUR DES UNIVERSITES
UNIVERSITE LIBANAISE
Monsieur Michel BASSET, PROFESSEUR DES UNIVERSITES
ENS INGENIEURS SUD ALSACE UNIVERSITE MULHOUSE
Monsieur Mohammad DIB, DOCTEUR
ENGIE - PARIS
Résumé
L'autopartage est un service de mobilité qui offre les mêmes avantages que les voitures particulières mais sans
notion de propriété. Les clients du système peuvent accéder aux véhicules sans ou avec réservation préalable. La
flotte de voitures est distribuée entre les stations et les clients peuvent prendre une voiture d'une station et la
déposer dans n'importe quelle autre station (one-way), chaque station disposant d'un nombre maximum de places
de stationnement. La demande pour la prise ou le retour des voitures dans chaque station est souvent asymétrique
entre les stations et varie au cours de la journée. Par conséquent, certaines stations accumulent des voitures et
atteignent leur capacité maximale prévenant alors de nouvelles voitures de trouver une place de stationnement.
Dans le même temps, des stations se vident et conduisent au rejet de la demande de retrait de clients. Notre travail
porte sur l'optimisation des opérations de redéploiement de voitures afin de redistribuer efficacement les voitures sur
les stations suivant la demande qui varie en fonction du temps et de l'espace. Dans les systèmes d'autopartage à
sens unique, le problème du redéploiement de voitures sur les stations est techniquement plus difficile que le
problème de la redistribution des vélos dans les systèmes de vélopartage. Dans ce dernier, on peut utiliser un
camion pour déplacer plusieurs vélos en même temps, alors que nous ne pouvons pas le faire dans le système
autopartage en raison de la taille des voitures et de la difficulté de chargement et de déchargement. Ces opérations
augmentent le coût de fonctionnement du système d'autopartage sur l'opérateur. De ce fait, l'optimisation de ces
opérations est essentielle afin de réduire leur coût. Dans cette thèse, nous développons un modèle de
programmation linéaire en nombre entier pour ce problème. Ensuite, nous présentons trois politiques différentes de
redéploiement de voitures que nous mettons en œuvre dans des algorithmes de recherche gloutonne et nous
montrons que les opérations de redéploiement qui ne considèrent pas les futures demandes ne sont pas efficaces
dans la réduction du nombre de demandes rejetées. Les solutions fournies par notre algorithme glouton sont
performantes en temps d'exécution (moins d'une seconde) et en qualité en comparaison avec les solutions fournies
par CPLEX. L'évaluation de la robustesse des deux approches présentées par l'ajout d'un bruit stochastique sur les
données d'entrée montre qu'elles sont très dépendantes des données même avec l'adoption de valeur de seuil de
redéploiement. En parallèle à ce travail algorithmique, l'analyse de variance (ANOVA) et des méthodes de
régression multilinéaires ont été appliqués sur l'ensemble de données utilisées pour construire un modèle global afin
d'estimer le nombre de demandes rejetées. Enfin, nous avons développé et comparé deux algorithmes
évolutionnaires multicritères pour prendre en compte l'indécision sur les objectifs de l'optimisation, NSGA-II et un
algorithme mémétique qui a montré une bonne performance pour résoudre ce problème.
________________________________________________________________________________________
Abstract:
Carsharing is a new mobility service that offers the same advantages of owning a private car without actually having
to buy it. Users can have access to vehicles on the go with or without reservation. Each station has a maximum
number of parking places. In one-way carsharing system, users can pick up a car from a station and drop it in any
other station. The number of available cars in each station will vary based on the departure and the arrival of cars on
each station at each time of the day. The demand for taking or returning cars in each station is often asymmetric and
is fluctuating during the day. Therefore, some stations will accumulate cars and will reach their maximum capacity
preventing new arriving cars from finding a parking place, while other stations will become empty which lead to the
rejection of new users demand to take a car. Users expect that cars are always available in stations when they need
it, and they expect to find a free parking place at the destination station when they want to return the rented car as
well. However, maintaining this level of service is not an easy task. For this sake, carsharing operators recruit
employees to relocate cars between the stations in order to satisfy the users' demands.
Our work concerns the optimization of the car relocation operations in order to efficiently redistribute the cars over
the stations with regard to user demands, which are time and space dependent. In one-way carsharing systems, the
relocation problem is technically more difficult than the relocation problem in bikesharing systems. In the latter, we
can use trucks to move several bikes at the same time, while we cannot do this in carsharing system because of the
size of cars and the difficulty of loading and unloading cars. These operations increase the cost of operating the
carsharing system.
As a result, optimizing these operations is crucial in order to reduce the cost of the operator. In this thesis, we model
this problem as an Integer Linear Programming model. Then we present three different car relocation policies that
we implement in a greedy search algorithm. The comparison between the three policies shows that car relocation
operations that do not consider future demands are not effective in reducing the number of rejected demands.
Results prove that solutions provided by our greedy algorithm when using a good policy, are competitive with
CPLEX solutions. Furthermore, adding stochastic modification on the input data proves that the robustness of the
two presented approaches to solve the relocation problem is highly dependent on the input demand even after
adding threshold values constraints. After that, the analysis of variance (ANOVA) and the multi-linear regression
methods were applied on the used dataset in order to build a global model to estimate the number of rejected
demands. Finally, we developed and compared two multi-objectives evolutionary algorithms to deal with the
decisional aspect of the car relocation problem using NSGA-II and memetic algorithms.
Keywords: Carsharing, Multi-Objective Optimization, MILP, CPLEX, Greedy Search, Memetic algorithm