Dynamic autonomous vehicle fleet operations: Optimization-based strategies to assign AVs to immediate traveler demand requests
Hyland Michael et al. — 2018
Résumé (FR)
Cet article propose des stratégies d’optimisation pour l’affectation en temps réel de véhicules autonomes aux requêtes immédiates de déplacement dans un système MoD. Les auteurs formulent et comparent plusieurs stratégies d’assignation, allant de règles simples à des modèles d’optimisation plus sophistiqués. Les expériences sont conduites sur des données de demande réelles pour illustrer les compromis entre qualité de service et efficacité de la flotte. Le système est entièrement demand-driven : les décisions d’affectation sont prises à chaque arrivée de requête, sans planification anticipée des routes. Les résultats montrent que des stratégies intermédiaires d’optimisation offrent le meilleur compromis entre taux de service et distance à vide parcourue. Ce travail pose les bases de la gestion de flotte réactive dans les systèmes de mobilité autonome.
Summary (EN)
This paper proposes optimization-based strategies for real-time assignment of autonomous vehicles to immediate travel demand requests in a MoD system. The authors formulate and compare several assignment strategies ranging from simple rules to more sophisticated optimization models. Experiments are conducted on real demand data to illustrate the trade-offs between service quality and fleet efficiency. The system is fully demand-driven: assignment decisions are made at each request arrival without anticipatory route planning. Results show that intermediate optimization strategies offer the best trade-off between service rate and deadhead distance. This work establishes the foundations of reactive fleet management in autonomous mobility systems.
Points clés
| Aspect | Détail |
|---|---|
| Méthode | Formulation et comparaison de plusieurs stratégies d’assignation AV-requête, de règles heuristiques simples à des modèles d’optimisation combinatoire (affectation batch et immédiate) |
| Données | Données de demande réelles (trajets taxis Chicago), utilisées pour simuler les opérations d’une flotte AV en milieu urbain dense |
| Résultat principal | Les stratégies d’optimisation intermédiaires (batch à horizon court) offrent le meilleur compromis entre taux de service élevé et minimisation des distances à vide |
| Lien demand/offer-driven | Le système est purement demand-driven : aucune anticipation de la demande, chaque requête déclenche une décision d’affectation ; pas de structuration de l’offre en amont |
| Lien réseau/flux | L’absence de points de concentration (hubs, PUDO) entraîne une dispersion de la flotte et des distances à vide importantes, illustrant l’intérêt d’une structuration réseau pour mutualiser les flux |
Lien avec la problématique
Cet article illustre les limites d’une approche purement demand-driven sans structuration de l’offre : la réactivité totale aux requêtes individuelles génère des inefficacités de flotte (distances à vide, dispersion géographique) que la concentration des flux via des hubs ou des lignes fixes pourrait atténuer. Il constitue ainsi une référence centrale pour argumenter la complémentarité entre logique demand-driven et logique offer-driven dans les systèmes MoD. Le travail ouvre la voie à des extensions intégrant une dimension réseau — points de prise en charge mutualisés, corridors à forte densité — pour améliorer l’efficacité collective de la flotte.