Rolling-Horizon Optimization of Operations for Corridor-Based M1M Transportation Systems

Cette étude se concentre sur la planification opérationnelle d'un système de transport basé sur la consolidation dans le contexte d'un système Many-to-One-to-Many (M1M). Nous travaillons sur le cas particulier d'un système M1M dans lequel le réseau comporte un seul segment. Dans ce système, les demandes des différents expéditeurs doivent être consolidées pour être transportées par les offres sélectionnées des transporteurs pour minimiser le coût total de toutes les parties prenantes impliquées. Pour ce faire, des modèles de planification opérationnelle ont été conçus afin de prendre les décisions optimales de sélection des offres et d'affectation des demandes aux offres. Dans cette étude, nous considérons deux stratégies pour le processus de prise de décision. La première stratégie est myope et les décisions sont prises exclusivement sur la base des informations connues et disponibles aujourd'hui sans tenir compte de l'avenir, tandis que la seconde est prospective et prend en compte les informations connues et futures. L'objectif est de montrer l'intérêt d'utiliser le modèle qui utilise les informations futures (modèle "look-ahead") par rapport au modèle "myope" dans ce contexte. Comme nous ne pouvons pas mettre en œuvre les modèles mathématiques et observer le système réel, nous créons un environnement artificiel par le biais d'une simulation informatique. Par conséquent, nous sommes en mesure d'observer comment le système fonctionne en définitive, les politiques étant les règles qui définissent dans quelle mesure les décideurs sont autorisés à modifier leurs décisions antérieures en fonction des nouvelles informations. Tel qu'indiqué auparavant, nous considérons deux stratégies pour la prise de décision. La première consiste à tirer parti de l'approche à horizon mobile proposée, en simulant les opérations jour après jour à l'aide des modèles d'optimisation pour prendre des décisions au fur et à mesure que le temps passe. La seconde stratégie s'appuie sur la résolution d'un modèle multi-période qui exploite des prévisions sur les demandes et offres de service sur un horizon donné. Les résultats obtenus par les expériences de calcul montrent que la résolution du modèle multi-période serait plus bénéfique et pourrait augmenter la rentabilité de l'ensemble du système grâce à la consolidation et à l'utilisation plus efficace des offres de capacité des transporteurs.