Taming Travel Time Fluctuations through Adaptive Stop Pooling
Lotze Charlotte et al. — 2023
Résumé (FR)
Cet article explore comment les services de covoiturage peuvent améliorer leur fiabilité en réduisant la variabilité des temps de trajet grâce à une stratégie adaptative de regroupement des arrêts. Les auteurs montrent qu’autoriser les utilisateurs à marcher jusqu’à des points d’arrêt partagés permet des routes plus directes et réduit les détours, notamment lors des pics de demande. L’approche adaptative ajuste la distance de marche maximale tolérée en fonction des variations spatio-temporelles de la demande. Les résultats suggèrent que cette stratégie peut diminuer significativement les fluctuations des temps de trajet tout en améliorant potentiellement les temps moyens. Une meilleure prévisibilité des temps de trajet est un facteur déterminant pour l’adoption des services de covoiturage. Cet article complète la littérature sur les PUDO dynamiques en ajoutant la dimension de la variabilité temporelle.
Summary (EN)
This paper explores how ride-sharing services can improve reliability by reducing travel time variability through an adaptive stop pooling strategy. The authors show that allowing users to walk to shared pickup/drop-off stop locations enables more direct routes and reduces detours, especially during peak demand periods. The adaptive approach adjusts maximum tolerated walking distances based on spatiotemporal demand variations. Results suggest that this strategy can significantly diminish travel time fluctuations while potentially improving average travel times. Better travel time predictability is a key determinant of ride-sharing service adoption. This article complements the dynamic PUDO literature by adding the temporal variability dimension.
Points clés
| Aspect | Détail |
|---|---|
| Méthode | Modèle analytique et simulations d’un service de ride-sharing avec stratégie adaptative de regroupement des arrêts (stop pooling) |
| Données | Simulations synthétiques avec variations spatio-temporelles de la demande ; pas de données empiriques terrain |
| Résultat principal | Le stop pooling adaptatif réduit significativement la variabilité des temps de trajet et peut améliorer les temps moyens, en particulier lors des pics de demande |
| Lien demand/offer-driven | La stratégie adaptative répond à la demande fluctuante (demand-driven) tout en structurant l’offre autour de points d’arrêt partagés stables (offer-driven) |
| Lien réseau/flux | Les arrêts partagés concentrent les flux de passagers, permettant des routes plus directes et réduisant les détours — logique de concentration analogue aux hubs de réseau |
Lien avec la problématique
Le stop pooling adaptatif illustre la complémentarité entre approches demand-driven et offer-driven : la distance de marche tolérée s’ajuste à la demande, mais les arrêts partagés structurent l’offre en concentrant les flux, à la manière de hubs virtuels. Cette concentration des montées/descentes en des points communs (PUDO) est précisément le mécanisme par lequel un réseau de mobilité partagée gagne en efficacité, réduisant les détours et améliorant la prévisibilité. La dimension temporelle ajoutée par cet article — variabilité des temps de trajet selon les pics de demande — est directement pertinente pour évaluer la fiabilité perçue du covoiturage et son adoption, enjeu central de la thèse.