Pour concevoir les futurs réacteurs à fusion nucléaire, une bonne compréhension des mécanismes régissant l'intéraction plasma-paroi est requise. En particulier, il est nécessaire d'estimer quantitativement les flux de chaleurs impactant les matériaux et la contamination du coeur par les impuretés provenant du mur. Dans ce contexte, le code fluide SolEdge2D a été développé pour simuler le transport dans le plasma de bord. L'interaction plasma-paroi est prise en compte grâce à une méthode de pénalisation innovante et originale. Cette méthode permet en particulier de modéliser la géométrie complexe des éléments face au plasma avec une grande flexibilité. En parallèle, une étude plus théorique sur les propriétés du transport dans les milieux faiblement collisionels a été conduite avec les physiciens du groupe CSDC de l'université de Florence. Une généralisation de la loi de Fourier prenant en compte les corrélation spatio-temporelle à longue distance à été obtenue par l'analyse de modèles stochastiques 1D. Cette loi retrouve en particulier la transition entre un régime diffusif à forte collisionalté et un régime balistique à faible collisionalité. / In the scope of designing future nuclear fusion reactors, a clear understanding of the plasma-wall interaction is mandatory. Indeed, a predictive estimation of heat flux impacting the surface and the subsequent emission of impurities from the wall is necessary to ensure material integrity and energy confinement performances. In that perspective, the fluid code SolEdge2D has been developed to simulate plasma transport in the tokamak edge plasma. The plasma-wall interaction is modeled using an innovative penalization technique. This method enables in particular to take complex plasma facing components geometry into account. In parallel to this numerical effort, a theoretical work has been achieved to find appropriate corrections to fluid closures when collisionality drops. The study of stochastic 1D models has been realized in collaboration with physicists from the CSDC group in Florence. A generalized Fourier law taking long range spatio-temporal correlations has been found to properly account for ballistic transport in the low collisional regime. This formulation is expected to be used to model parallel heat flux or turbulent cross-field transport in tokamak plasmas.

Scheduling trains is a hard problem where current solutions typically create timetables that create undesirable amounts of delay for the trains that use them. This study considers the fact that conventional timetables, which only use fixed intervals to schedule trains, might not be optimal for minimising the delay and travel time of passengers. In this study, we compare this ”simple” timetable with timetables generated via a fuzzy controller which has access to information about the flow of passengers throughout the day. The hypothesis is that this fuzzy controller therefore becomes more ”intelligent”. We evaluate the performance using a custom-built simulator that measures the average delay and travel time of the passengers. We conclude that the fuzzy controller can generate timetables that quickly adapt to passenger demands and show favourable resource usage over the simple timetable. However, more research is needed on the input variables and their usage within the fuzzy controller to further optimise the performance. / Schemaläggning av tåg är ett svårt problem och nuvarande lösningar skapar ofta tidtabeller med oönskade mängder förseningar. Den här rapporten behandlar faktumet att enkla tidtabeller, som enbart använder fasta intervaller för tågens avgång, kanske inte är optimala för att minimera antalet förseningar samt resenärers restid. Den här studien jämför enkla tidtabeller, med fasta intervall, med tidtabeller som skapats av en fuzzy controller som har tillgång till information om passagerarflödet. Hypotesen är att fuzzy controllern på så sätt blir mer intelligent. Rapporten utvärderar hur bra tidtabellerna presterar med hjälp av en simulator som mäter genomsnittlig försening och restid för passagerarna i simulationen. Slutsatsen som dras är att en fuzzy controller kan generera tidtabeller som kan anpassa sig till passagerarflödet samt att denna uppvisar gynnsam resursanvändning i jämförelse med den enkla tidtabellen. Dock framhävs behovet av ytterligare forskning på indatavariabler och dess användning inom fuzzy controllern för att vidare kunna optimera dess prestanda.

Transit system have a large importance in modern urban cities, with urban rail often acting as the central system with it efficient travel time and great capacity. As cities grow in population, so to does the usage of urban rail resulting in increased crowding on the platform and in the trains. Since crowding level is directly correlated to the experience of travel as well as a safety issue, much research has been done to improve it. Currently its common to utilise transit assignment models (TAM) to evaluate and research transit system but for them to work optimally requires weight parameters connected to perceived time spent on the journey. To get the weight parameters for a system requires surveys to be preformed which is costly and not always possible. Therefor its attractive to find these weights through optimisation using available data. Most transit system uses automated fare collection (AFC), which can be used to create origin-destination (OD) data, and automated vehicle location (AVL) together with link-load data. This project aims to develop a simulation-based optimisation (SBO) that automatically finds the weights for a frequency-based assignment model using OD and link-load as input arguments. The SBO will evaluate five different algorithm, genetic algorithm (GA), simulated annealing (SA), Nelder-Mead method (NM), simultaneous perturbation stochastic approximation (SPSA), and Bayesian optimisation (BO), using a fitness model based on KolmogorovSmirnov test. Synthetic data was implemented to evaluate the algorithms where result needed to be within a margin of error of the set weight. No algorithm was however able to converge during the simulation, therefor not optimising the weights to within the margin of error. A longer simulation was evaluated to see if the length needed to reach convergence was to short but achieved the same results. While the cause was not found, the standard deviation of the TAM could be the problem since the deviation was larger than the change of weight parameters achieved. Even if this project could not achieve its objective of developing a SBO method, it can be used for future research and work as a guide on further development on TAM research. / Transportsystem har en stor påverkan i moderna städer, specifikt tunnelbanan som ofta agerar som det centrala systemet med dess snabba transport samt stora kapacitet. Alltmedan städer växer i befolkning så ökar användandet av tunnelbanan vilket resulterar till trängsel både på plattformen och på tåget. Trängsel är väl studerat inom forskningen då den direkt påverkar den upplevda trivseln samt säkerheten på plattformen. Nuförtiden är det vanligt att använda sig av transport modeller för att undersöka och forska om transportsystemet men modellerna kräver viktparametrar kopplade till den uppfattade tiden man har för att fungera. Vanligtvis behöver man utföra undersökningar för att ta reda på vad viktparametrarna är men det är både dyrt och komplicerat. Därför vill man kunna få fram dessa vikter genom att optimera kända data. De flesta transportsystem använder sig av automatiska biljettsystem (AFC), vilket kan användas för att skapa start-stop (OD) data, och automatisk fordonslokalisering (AVL) tillsammans med länk-belastningsdata. Detta projekts syfte är att utveckla en simuleringsbaserad optimering (SBO) som automatiskt hittar vikterna för en frekvensbaserad transportmodell genom att använda OD- och länk-belastningsdata som argument. SBO kommer att undersöka fem olika algoritmer, genetic algorithm (GA), simulated annealing (SA), Nelder-Mead method (NM), simultaneous perturbation stochastic approximation (SPSA), and Bayesian optimisation (BO), tillsammans med en objektfunktion baserad på Kolmogorov-Smirnov testet. Syntetiskt data användes för att utvärdera algoritmerna, där resultatet behövde vara inom en viss marginal av de satta vikterna. Inga algoritmer konvergerade vilket resulterade att deras resultat inte var inom marginalen. Ett längre test var utfört då konvergensen kunde ha skett senare men det blev samma resultat som tidigare. Anledningen kunde inte finnas men sannolikt var det TAM standardavvikelse som var del av felet då den var större än en förändring av viktparametrarna skapade. Även om detta projekt inte kunde uppnå sitt mål kan den användas för fortsatt arbete inom området och vara som guide för framtida utvecklingar.