Duc Le

Informations personnelles

Nom : LE HA Prénom : Duc

Nationalité : Vietnamienne

Adresse : Thuy Loi Université, 175 Tay Son, Hanoi, Vietnam

Email : lehaduc@outlook.com

Statut professionnel : Doctorant en Co-tutelle avec Sorbonne Université de Paris (France)

Thèse

"Optimisation et apprentissage en temps réel pour la collecte de déchet urbain à Hanoi"

Hanoi, capitale du Vietnam, est devenue très récemment une véritable mégapole avec près de 10 million d’habitants. Selon une étude de l’Institut de recherche pour le développement FRANCE (IRD), à Hanoi, le poids total des déchets quotidiens est supérieur à 6 000 tonnes par jour et la quantité de déchets peut varier en fonction de différentes zones géographiques (entre le centre-ville et la banlieue) ou en fonction des différentes périodes dans l’année (lors des fêtes ou pendants certaines activités culturelles). Il suit que l’organisation d’une collecte efficace des déchets est un problème complexe majeur et de taille considérable. Cette tâche est confiée à la compagnie d’environnement urbain de Hanoi (URENCO) qui dispose d’un nombre important d’employés et d’une flotte de camions. Pour accomplir la tâche, la compagnie doit satisfaire des contraintes classiques du problème de collecte de déchet (contrainte de capacité, de couverture, d’horaires, incertitude sur la météo et sur le trafic, etc) mais qui sont rendus plus difficiles à cause des spécificités liées à mégapole dans un pays en développement. Ces dernières sont liées aux problèmes de densité de trafic et du volume des déchets à ramasser avec une grande part d’aléa. Le problème posé est donc d’établir un planning des parcours de camions garantissant le ramassage total des déchets face aux aléas de trafic et du volume, tout en minimisant le coût opérationnel.

La version classique du problème de collecte de déchet est un problème où les données consistent en : • Une flotte de véhicules de collecte, chaque véhicule ayant une certaine capacité de volume de déchets. • Une carte de la zone à couvrir. • Les positions de concentration de déchets avec leur volume estimé.

La fonction objective est la distance totale parcourue par les véhicules. La solution fournie en sortie est un ensemble de routes qui correspondent au trajet des véhicules.

Nous sommes donc en face d’une variante de deux problèmes d’optimisation combinatoire très étudiés dans la littérature : le problème du voyageur de commerce et le problème du routage des véhicules avec contraintes de capacité. Les approches de résolution sont principalement des approchées centralisées utilisant la programmation mathématique et des méthodes heuristiques (colonies de fourmis, algorithmes génétiques, ...) avec prise en compte des incertitudes. La plupart des articles dans la littérature sur le sujet sont accompagnés d’une étude de cas où les contraintes spécifiques liées à la particularité d’une ville ou d’une région sont traitées. Dans ces références, les données entrées sont connues d’avance et les incertitudes sont représentées par leurs distributions probabilistes. À titre d’exemple nous référons aux articles [1,2,3,5].

L’avènement de réseaux sans fils de nouvelle génération et des objets connectés enrichit les données disponibles en temps réel pour le problème de collecte de déchet comme par exemple : • Les données de trafic et le temps de parcours, • La position GPS exacte des camions, • Le volume exact de déchets dans les points de collecte, • La capacité restante des camions.

Le sujet de la thèse est d’exploiter ces nouvelles données disponibles en proposant une approche qui associe l’optimisation (classique et en ligne) et l’apprentissage automatique en vue d’obtenir des solutions plus efficaces et plus robustes face à des conditions particulièrement aléatoires comme dans le cas de la ville de Hanoi. Pour cela, dans une précédente étude [4] nous avons mise en place des systèmes de données suivantes 1. Système d’information géographique : a. Emplacement de la corbeille, points de collecte b. Distance et accessibilité c. Feuille de route 2. Système Gestion d’information de la ville a. Base de données de la population b. La quantité de déchets à la poubelle ou au point de collecte c. Les informations de trafic en temps réel 3. Système d’information sur la collecte des ordures a. Types de véhicules de collecte (chariots, bennes basculantes ou camions) b. La capacité résiduelle du véhicule de collecte c. Information de positionnement des véhicules (GPS)

La première partie de la thèse est dédié à la conception d’une plateforme centrale de décisions qui coordonne les systèmes ci-dessus grâce aux différents modules d’optimisation. Le caractère innovant est la prise en compte les données récoltées en temps réels notamment sur le volume de déchets et sur l’état de trafic. La contribution de la thèse sera un algorithme d’optimisation en ligne qui planifie en temps réel les trajets pour les véhicules de collecte. La deuxième partie de la thèse est l’élaboration d’un système multi-agent décentralisée où chacun des véhicules planifie leur propre trajet grâce à un algorithme d’apprentissage par renforcement sur des données en temps réel. Cet algorithme d’apprentissage devrait aussi intégrer la coopération entre les véhicules.