Multi-Agent Simulation of Individual Mobility Behavior in Carpooling
Auteurs : Galland, S., Knapen, L., Yasar, A.-U.-H., Gaud, N., Janssens, D., Lamotte, O., Koukam, A., Wets, G. Journal : Transportation Research Part C: Emerging Technologies Année : 2014 (preprint novembre 2013)
Résumé (FR)
Cet article présente un modèle agent (ABM) pour simuler les comportements individuels de mobilité dans le cadre du covoiturage. Le modèle est implémenté sur la plateforme multi-agents Janus et utilise les données de FEATHERS, un modèle de demande de transport basé sur les activités, calibré sur la région flamande (Belgique, 6 millions d’habitants). Chaque agent représente un individu avec ses attributs socio-économiques et exécute cinq activités clés : sélection du mode de transport, matching avec des partenaires potentiels (via réseau social privé puis service global GCPMS), négociation (protocole logit + fonction d’utilité), conduite (algorithme A* dynamique + modèle IDM), et feedback. Le matching repose sur trois critères : similarité de profil (distance euclidienne normalisée), similarité de trajet (ratio de détour), et similarité d’intervalle temporel. La réputation des conducteurs (sécurité, ponctualité) évolue dynamiquement via un mécanisme de gossip dans le réseau social. Les expérimentations sur 1 000 agents montrent que 4 % des agents adoptent le covoiturage, avec en moyenne 2 personnes par pool, des résultats cohérents avec les données réelles de FEATHERS.
Summary (EN)
This paper presents an agent-based model (ABM) for simulating individual mobility behavior in carpooling, implemented on the Janus multi-agent platform using FEATHERS activity-based travel demand data for the Flanders region (Belgium). Each agent has socio-economic attributes and performs five major activities: mode selection, partner matching (via private social network then global GCPMS service), negotiation (logit model + utility functions), driving (dynamic A* + IDM model), and feedback. Matching combines profile similarity (normalized Euclidean distance), path similarity (detour ratio), and time interval similarity. Driver reputation (safety, timeliness) evolves dynamically through a gossip mechanism. Experiments on 1,000 agents show 4% carpooling adoption with an average pool size of 2, consistent with real FEATHERS data.
Points clés
- Plateforme : Janus (multiagent) + JaSim (environnement physique)
- Données : FEATHERS — modèle activité-based, Flandres, 6M habitants, 2368 zones TAZ
- Matching : réseau social privé (PrivNet) en priorité, puis service global (GCPMS)
- Négociation : protocole à messages (propose/accept/refuse) + modèle logit pour prédire le succès
- Conduite : A* dynamique + Intelligent Driver Model (IDM) de Treiber (2000)
- Résultats : 4% covoiturage, pool moyen = 2 personnes, cohérent avec données terrain
- Limites : scalabilité (coût quadratique), absence de service global en ligne au moment de l’étude
Lien avec ta recherche
Ce papier est une référence directe pour la simulation SMA du covoiturage. Il modélise explicitement la décision individuelle de covoiturer comme un processus en 5 étapes (motive → communicate → negotiate → execute → feedback) — ce qui constitue une base solide pour étudier l’émergence de patterns de covoiturage à partir de comportements individuels. Le modèle de réputation par gossip est particulièrement intéressant comme mécanisme d’auto-organisation sociale.