Dimensionnement d’une flotte de véhicules électriques de service : développement d’une méthodologie combinant prévisions, simulation à évènement discret et heuristiques

Jezequel, Simon (2025). Dimensionnement d’une flotte de véhicules électriques de service : développement d’une méthodologie combinant prévisions, simulation à évènement discret et heuristiques. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (4MB) | Prévisualisation

Résumé

Le dimensionnement d’une flotte de véhicules de service demeure un défi majeur pour de nombreuses entreprises, même avec l’utilisation répandue des systèmes ERP qui permettent d’obtenir de nombreuses données. Cela s’explique notamment par la nature stochastique de ce type de problème, les véhicules de service se déplaçant sur demande pour prendre en charge des incidents difficiles à prévoir. Ainsi, contrairement à des interventions pouvant être planifiées à l’avance (en construisant des tournées de véhicules au préalable), lors du départ d’un véhicule, pour lequel on souhaite minimiser les temps de déplacement, les moments d’apparition et les localisations des interventions devant être prises en charge ne sont pas connues avec précision.

Les approches de dimensionnement traditionnelles trouvées dans la littérature ont souvent du mal à capturer efficacement le caractère stochastique de ce problème, ainsi qu’à faire un lien entre la composante temporelle et la composante spatiale des demandes d’intervention. Enfin, le passage à l’électrique est un enjeu majeur dans l’industrie, qui n’a que peu été étudié dans ce cadre-ci.

Dans cette optique, ce mémoire de maîtrise propose une approche basée sur les données pour le dimensionnement d’une flotte de véhicules électriques de service pour laquelle la demande est stochastique. Cette méthodologie est séparée en trois partie majeures : 1) la prévision des interventions futures, 2) la mise en place d’un modèle de simulation afin de tester de nouvelles stratégies d’affectation des véhicules de service aux interventions et 3) le développement d’heuristiques nous permettant de construire des tournées de véhicules dans le cas où les prévisions des interventions seraient suffisamment fiables. Notre attention s’est également portée sur la rectification des données collectées. Pour ce faire, à partir du modèle de simulation une méthodologie a été construite afin de mettre à l’échelle le nombre d’interventions.

Ce qui distingue cette approche de l’existant est l’application de méthodes utilisées dans des domaines connexes à un domaine encore peu traité, celui des véhicules électriques de service, répondant à des interventions (difficiles à prévoir) impactant l’offre de service de transports en commun. Son originalité réside dans le traitement des données permettant de mimer l’apparition spatiotemporelle des demandes d’interventions combiné dans un premier temps, à la simulation et ensuite à des heuristiques qui ont servi au dimensionnement de la flotte des véhicules de service.

Nos résultats montrent que le passage à l’électrique peut être une opportunité menant à la réduction de la taille de la flotte chez la STM, en fonction des hypothèses choisies, allant jusqu’à 68% de véhicules en moins par rapport au nombre actuel de véhicules. Certaines stratégies testées pouvaient se traduire par des temps d’intervention moyen diminués. Enfin, la centralisation des véhicules au sein d’un même dépôt ne ferait pas augmenter substantiellement le temps d’intervention ce qui entrainerait des économies sur les infrastructures de recharge, avec leur mutualisation pour l’ensemble de la flotte.

Titre traduit

Electric service vehicle fleet sizing: a methodological approach combining forecasting, discrete-event simulation and heuristics

Résumé traduit

Sizing a fleet of service vehicles remains a major challenge for many companies, even with the widespread use of ERP systems that provide access to large amounts of data. This difficulty is largely explained by the stochastic nature of the problem: service vehicles are dispatched on demand to handle incidents that are difficult to predict. Thus, unlike interventions that can be planned in advance (by constructing vehicle routes beforehand), when a vehicle is dispatched—where the objective is to minimize travel times—the times of occurrence and the locations of the interventions to be handled are not known precisely.

Traditional sizing approaches found in the literature often struggle to effectively capture the stochastic nature of this problem, as well as to establish a link between the temporal and spatial components of intervention demand. Finally, the transition to electric vehicles presents a major challenge for the industry that has been little studied in this specific context.

In this perspective, this master’s thesis proposes a data-driven approach to sizing a fleet of electric service vehicles facing stochastic demand. This methodology is divided into three main parts: 1) forecasting future interventions, 2) developing a simulation model to test new strategies for assigning service vehicles to interventions, and 3) developing heuristics to construct vehicle routes in cases where intervention forecasts are sufficiently reliable. Particular attention was also given to the correction of collected data. To this end, a methodology was developed, based on the simulation model, to scale the number of interventions.

What distinguishes this approach from existing work is the application of methods used in related fields to a domain that has been little explored: electric service vehicles responding to (hard-to-predict) interventions that affect the level of public transportation service. Its originality lies in the processing of data to mimic the spatiotemporal occurrence of intervention requests, combined first with simulation and subsequently with heuristics used for sizing the service vehicle fleet.

Our results show that the transition to electric vehicles can represent an opportunity to reduce fleet size at the STM, depending on the assumptions considered, with reductions of up to 68% in the number of vehicles compared to the current fleet. Some of the tested strategies also resulted in lower average intervention times. Finally, centralizing vehicles within a single depot would not substantially increase intervention times, which would lead to savings in charging infrastructure through its shared use across the entire fleet.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie de la production automatisée". Comprend des références bibliographiques (pages 75-79).
Mots-clés libres:	véhicules électriques, transport, prévisions, simulation à évènement discret, affectation, dimensionnement de flotte, heuristiques
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Boukherroub, Tasseda
Codirecteur:	Codirecteur Berraf-Belmokhtar, Sana
Programme:	Maîtrise en ingénierie > Génie de la production automatisée
Date de dépôt:	04 mars 2026 16:02
Dernière modification:	04 mars 2026 16:02
URI:	https://espace.etsmtl.ca/id/eprint/3812

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt