Optimisation d'un parking intelligent à plusieurs niveaux

Un pipeline de recherche opérationnelle qui affecte les véhicules arrivants aux places d'un parking à plusieurs niveaux pour minimiser la gêne des usagers, en comparant les méthodes exactes (MILP, flot de coût minimal) aux métaheuristiques par algorithme génétique et recuit simulé.

Aperçu du projet

Développement d'un système de recherche opérationnelle qui optimise l'affectation des véhicules aux places dans un parking à plusieurs niveaux par optimisation sous contraintes, en minimisant la distance de marche, la congestion et les pénalités d'affectation, tout en respectant les contraintes de capacité et de compatibilité. Les méthodes exactes (MILP, flot de coût minimal) ont été comparées à des métaheuristiques passant à l'échelle (algorithme génétique, recuit simulé) sur des jeux de données simulés réalistes, en évaluant la qualité et l'optimalité des solutions.

Fonctionnalités clés

Formulation MILP et flot de coût minimal (plus courts chemins successifs) comme références optimales exactes
Métaheuristiques par algorithme génétique et recuit simulé, partageant un même encodage, une même fonction objectif et un démarrage glouton
Modélisation des contraintes : capacité par niveau, compatibilité de taille de véhicule et véhicules électriques, accès par rampe et ascenseur, recharge électrique
Générateur d'infrastructure synthétique à plusieurs niveaux (plans et matrices de distances de marche) à partir du jeu de données IIoT de Kaggle
Suite de benchmarks comparant valeur objectif, écart à l'optimum et temps d'exécution sur les instances
Simulation à événements discrets de la dynamique d'occupation : densité par niveau, taux d'utilisation et files d'attente