Network-based pick-up and drop-off location optimization for shared autonomous vehicles
Liao Feixiong et al. — 2025
Résumé (FR)
Cet article propose une approche réseau basée sur les données pour optimiser la localisation des points de prise en charge et de dépose (PUDO) pour les véhicules autonomes partagés. Une estimation de densité par noyau en réseau (NKDE) mesure la demande PUDO le long du réseau routier à partir de données historiques de VTC. Un modèle de localisation à couverture maximale (MCLP) optimise ensuite la distribution spatiale des sites PUDO pour maximiser la demande couverte. Les résultats recommandent une densité de sites PUDO d’environ 20 sites pour 10 km², avec une densité plus élevée dans les centres urbains animés. L’approche démontre que la concentration géographique des flux aux points de réseau optimisés améliore significativement l’efficacité opérationnelle des flottes de véhicules partagés. Ce travail apporte une méthodologie rigoureuse pour traduire la concentration de la demande en une conception de réseau PUDO efficiente.
Summary (EN)
This paper proposes a network-based data-driven approach to optimize pick-up and drop-off (PUDO) location for shared autonomous vehicles. Network kernel density estimation (NKDE) measures PUDO demand along the road network from historical ride-hailing data, which feeds into a maximal coverage location problem (MCLP) model to optimize spatial distribution of PUDO sites. Results recommend a PUDO site density of about 20 sites per 10 km², with higher density in bustling urban centers. The approach demonstrates that concentrating passenger flows at optimized network points significantly improves the operational efficiency of shared vehicle fleets. This work provides a rigorous methodology for translating demand concentration into efficient PUDO network design.
Points clés
| Aspect | Détail |
|---|---|
| Méthode | NKDE (Network Kernel Density Estimation) pour mesurer la demande spatiale, combinée à un modèle MCLP (Maximal Coverage Location Problem) pour l’optimisation des sites PUDO |
| Données | Données historiques de VTC (ride-hailing) géolocalisées, distribuées le long du réseau routier urbain |
| Résultat principal | Densité optimale d’environ 20 sites PUDO pour 10 km², avec concentration accrue dans les zones urbaines à forte demande |
| Lien demand/offer-driven | L’approche est demand-driven : les sites PUDO sont positionnés là où la demande observée est la plus forte, sans imposer a priori une offre fixe |
| Lien réseau/flux | La concentration des flux de passagers en des noeuds de réseau optimisés réduit les détours et améliore le taux de remplissage des véhicules partagés |
Lien avec la problématique
Cet article illustre comment une logique demand-driven peut guider la conception de l’offre de mobilité partagée : en localisant les PUDO là où la demande se concentre naturellement, on crée une complémentarité entre comportement des usagers et structure du réseau. La concentration des flux en des points de réseau optimisés est précisément le mécanisme par lequel le covoiturage et les SAV peuvent atteindre une efficacité opérationnelle suffisante, réduisant les distances à vide et augmentant le taux de partage. Ce travail fournit ainsi une base méthodologique pour modéliser comment la densité et la distribution spatiale des hubs PUDO influencent l’émergence de comportements de partage efficients à l’échelle du réseau.