Stage évaluation, amélioration et fiabilisation d'un modèle de prédiction de température de rail

01. Poste et Missions

Au sein du département RATP Infrastructure, le Laboratoire Essais et Mesures (LEM) réalise des essais et mesures dans le domaine du ferroviaire, pour le compte de la RATP et d’autres opérateurs de transports. Ces essais concernent 3 entités et domaines d’expertises qui sont : - La Physico-Chimie (expertise feu et revêtements, qualité de l’air et exposition professionnelle) - L’Electricité (mesures d’exposition aux champs électromagnétiques et mesures sur l’infrastructure et le matériel roulant) - La Mécanique (contrôle de pièces, essais sur matériel roulant et mesures acoustique) L’unité Voie est responsable - pour les réseaux métro, RER et Tramway - de la maintenance et de la maîtrise d'ouvrage patrimoniale des voies ferrées pour en assurer la sécurité et la disponibilité. Moteur du développement de l’Internet of Things (capteurs connectés) au sein de l’entreprise, le LEM a été missionné par la Voie pour réaliser une surveillance des températures de rail. La température du rail est un indicateur critique à surveiller, aussi bien pour l’exploitant que pour la maintenance. En période chaude, la dilatation du rail entraîne le phénomène de flambage (1), ce qui peut causer des déraillements. Des seuils d’alarme et de danger sont donc à surveiller pour adapter la vitesse des trains. En période froide ou lorsque les variations de températures sont importantes (automne et printemps), le rail subit des déformations internes pouvant entraînées sa rupture. Un modèle d’Intelligence Artificielle (LSTM et Random Forests) a été entraîné sur les données issues du réseau de capteurs de températures installé par le LEM. Ce modèle a pour but de prédire les températures maximales sur 3 jours pour permettre à la maintenance d’organiser ses tournées d’inspection du rail, pour complémenter le réseau de capteurs. Le LEM a la charge de maintenir les prédictions, surveiller les dérives et d’en assurer les bonnes performances. Objectifs Le modèle a été établi et est actuellement évalué avec des métriques de régression : MAE (Mean Average Error) et MSE (Mean Squared Error). Un premier volet consiste à s’intéresser à la pertinence de ces métriques dans le cadre de la surveillance. En effet, comme mentionné plus haut, en période chaude, les tournées de chaleurs et réductions de vitesses sont conditionnées à des dépassements de seuils. Ainsi, le modèle doit être évalué, et au besoin, optimisé à l’aide de métrique de classification : Recall, Precision, F1-score. Un réentraînement sera alors l’occasion de se concentrer sur le compromis sensitivity/specificity (courbe ROC et AUC ROC), qui pose ici de réels enjeux : une forte proportion de faux positifs conduit à une surcharge de la maintenance et à de potentielles négligences ; de même un nombre important de faux négatifs conduit à une mise en danger des infrastructures, du matériel roulant et des voyageurs. Un second volet, auquel le LEM souhaite s’intéresser est la fiabilisation du modèle. Actuellement, le modèle est une boîte noire, ce qui pose des problèmes éthiques et sécuritaires : A quel point peut-on lui faire confiance En lien avec la première partie, la caractérisation du modèle actuel suivant des plages de fonctionnement doit être effectuée (y a-t-il des plages de température où le modèle fournit de meilleures prédictions ?) Suivant les résultats obtenus, il pourra être envisagé d’expliciter le fonctionnement du LSTM (saliency maps (2)), de revoir l’architecture neuronale du modèle, ou de se rapprocher des équations physiques régissant la température dans le rail (3).

02. Profil recherché

03. Informations complémentaires

Région :Ile de France

Type de contrat :

Stage (Fixed Term) (Trainee)