Le projet ROSA se propose d'établir l'analyse de risque du système ferroviaire dans sa globalité pour le système français et allemand à partir notamment de l'architecture fonctionnelle de l'AEIF, d'outiller cette analyse de risque à l'aide d'un logiciel permettant de visualiser les niveaux de sécurité quantifiés des fonctions et d'en évaluer les répercussions lors de la recherche d'un optimum._x000D_ Une telle analyse bénéficiant de l'expérience des réseaux majeurs en Europe permettra l'ajout de nouvelles fonctions de sécurité dans l'architecture fonctionnelle et d'en apprécier l'impact d'un objectif de sécurité donné depuis le niveau le plus élémentaire jusqu'au niveau le plus global. _x000D_ Outre à l'analyse de risque globale, le projet prévoit la présentation de l'état de l'art concernant les méthodes d'analyse coût – bénéfice visant à atteindre les meilleurs résultats de sécurité pour des niveaux d'investissements donnés._x000D_ Le projet ROSA se positionne comme la suite directe de SAMRAIL (dans lequel la SNCF, DB, INRETS et TUD ont participé), il intègre les dernières découvertes scientifiques en matière de recherche sur la sécurité ainsi que l'expérience de la SNCF et de la DB en matière de technique d'exploitation._x000D_ Ce projet fournira donc une analyse structurelle qui permettra aux industriels, exploitants, responsables d'infrastructure et autres institutions scientifiques d'introduire des modules de décomposition complémentaires. L'intention de cette approche est de faciliter la création d'outils logiciels ainsi qu'un cadre de travail scientifique qui pourrait être développé continûment, jusqu'à n'importe quelle profondeur de décomposition maîtrisée._x000D_ De plus la définition d'une analyse de risque globale du mode de transport ferroviaire pourra permettre à l'Agence Ferroviaire Européenne d'aborder la définition d'Objectifs Communs de Sécurité avec un pragmatisme garantissant le réalisme et la faisabilité des systèmes techniques jusqu'au niveau le plus bas._x000D_ _x000D_ _x000D_

La surveillance des composants de l'Infrastructure ferroviaire est nécessaire afin d'assurer leur bon fonctionnement tout au long de leur cycle de vie et induire ainsi des gains sur les volets exploitation et qualité de service. Des inspections régulières sont programmées, qu'il convient d'analyser finement pour diagnostiquer les défaillances et déclencher des actions de maintenance._x000D_ Ce projet ambitionne de mettre au point des outils logiciels pour établir ces diagnostics en tenant compte des dépendances spatiales des organes placés en voie, mais surtout des dépendances temporelles que l'on peut mettre en évidence en comparant les inspections successives. Pour cela, des outils de reconnaissance des formes et de fusion seront développés afin d'assurer le suivi de point de fonctionnement de l'organe surveillé et estimer ainsi la dynamique du phénomène de dégradation. Une partie expérimentation est prévue avec une déclinaison de cette approche sur l'organe de la signalisation « circuit de voie », couplée à des essais sur site dédié et sur lignes exploitées._x000D_ Les retombées scientifiques attendues concernent le développement d'outils d'analyse de données basés sur les méthodes à noyaux, très utilisées actuellement en raison des nombreuses problématiques qu'elles permettent d'aborder avec un cadre théorique bien formalisé. De plus, leurs liens avec les méthodes de fusion par fonctions de croyance contribuent à une approche innovante, non traitée actuellement à notre connaissance. L'enjeu scientifique est de réussir à mettre au point un outil d'aide au diagnostic simple et précis, capable de s'approprier simultanément les dépendances spatiales et temporelles des systèmes répartis tels que ceux utilisés en infrastructure ferroviaire.

The SCRIPT project aims at characterizing and answering robustness problems in the design of railway transport plans. The first objective will be to define the relevant indicators for modeling the stability of a plan from the point of view of the users and customers as well as from the point of view of the railway company. The project then aims at proposing innovating methods that determine optimized stable plans compared to a typology of risks, and at validating these methods with a simulator integrating the various risks on real data. This project falls in the thematic axes 3.2 (“gestion des réseaux de transport”, i.e. management of transport networks) and 3.3 (“productivité et services”, i.e. productivity and services) of the call for projects for 2012 of the TDM program. The originalities of the project are multiple. First, the goal is to analyze stability with the double vision customer, mainly concerned with quality of service, and Railway Company, whose primary focus is on costs. The study will consider French customers, whose expectations can be quite different from those of customers in other countries. Secondly, all the critical resources necessary to implement a transport plan will be considered: Train paths, rolling stock and train drivers. A complete network will be considered with its connections with other networks. Lastly, to undertake this research, the project lies on a consortium made up of two complementary laboratories on the problems of robustness, optimization in transportation and simulation, and the main actor of the rail transport in France.

Challenge Railways play an important role in the shift towards green mobility of people and goods. Frequent and dense traffic requires better tools for real-time control which are responsible to reduce delays after disturbances or disruptions and will provide punctual and reliable rail services. Idea The REINFORCERAIL project proposes a new intelligent Traffic Management System (TMS) component based on Artificial Intelligence (AI). First attempts have shown that AI-based traffic management is principally possible at the cost of designing complex models and performing energy-thirsty training. To alleviate these challenges, two methods enabling real-life automatic railway dispatching are pursued. First, neural networks are designed to identify which trains possibly need rescheduling at which time during perturbed operations, which significantly reduces the problem size. Second, AI agents are hybridized with Operations Research (OR) methods, which allows to give quality bounds and fosters the trust required to implement a fully automated application. Prospects The REINFORCERAIL project contributes to the need for a highly automated TMS, to make reliable traffic management decisions after disturbances in very short response times. This need pushes the managers of the largest European national railway infrastructures, in France and Germany, to take a leading role in the shift from computer-assisted manual planning and control to automated operations.