Robotic Load Balancing for Mobility-on-Demand Systems
Pavone Marco et al. — 2012
Résumé (FR)
Cet article pose les bases théoriques du rééquilibrage de flottes dans les systèmes de mobilité à la demande avec des véhicules robotisés autonomes. Les auteurs modélisent le problème comme un réseau de Jackson fermé et montrent que le nombre optimal de véhicules de rééquilibrage peut être déterminé par un programme linéaire. L’approche est entièrement centralisée (offer-driven) : l’opérateur décide comment repositionner les véhicules vides entre zones pour anticiper la demande future. Les résultats théoriques sont validés sur un banc de test à huit robots mobiles ainsi que sur des données de taxis de New York. L’étude démontre qu’environ 8 000 véhicules autonomes suffiraient pour satisfaire la demande actuelle de taxis à Manhattan. Ce travail fondateur établit le lien entre théorie des files d’attente et gestion centralisée d’offre dans les systèmes MoD.
Summary (EN)
This paper establishes theoretical foundations for fleet rebalancing in mobility-on-demand systems operating with autonomous robotic vehicles. The authors model the system as a closed Jackson queueing network and prove that the optimal number of rebalancing vehicles between any two zones can be found via a linear program. The approach is fully centralized and supply-driven: the operator dictates empty vehicle repositioning to anticipate future demand. Theoretical results are validated on an eight-robot mobile testbed and on New York City taxi data. The study finds that approximately 8,000 autonomous vehicles could serve current Manhattan taxi demand. This foundational work links queueing theory to centralized supply-side management in MoD systems.
Points clés
| Aspect | Détail |
|---|---|
| Méthode | Modélisation en réseau de Jackson fermé ; optimisation du rééquilibrage par programme linéaire (LP) |
| Données | Banc de test physique à 8 robots mobiles + données historiques de taxis à New York City |
| Résultat principal | ~8 000 véhicules autonomes suffiraient pour couvrir la demande actuelle de taxis à Manhattan |
| Lien demand/offer-driven | Approche purement offer-driven : l’opérateur contrôle centralement le repositionnement des véhicules vides sans signal de demande temps-réel des usagers |
| Lien réseau/flux | Le découpage en zones et les flux de repositionnement entre zones structurent implicitement un réseau de hubs, concentrant les mouvements de véhicules pour maximiser l’efficacité globale |
Lien avec la problématique
Ce papier illustre le paradigme offer-driven dans sa forme la plus pure : l’opérateur impose la distribution spatiale de l’offre sans co-construction avec la demande, ce qui contraste directement avec les approches demand-driven où les usagers orientent le service. La modélisation par zones et flux de repositionnement est structurellement analogue à un réseau de hubs-and-spokes, montrant comment la concentration des flux sur des noeuds peut réduire le nombre de véhicules nécessaires — un mécanisme transposable aux lignes et PUDO du covoiturage. La complémentarité demand/offer-driven se lit ici en creux : l’efficacité théorique du LP repose sur une connaissance parfaite de la demande future, ce qui, en pratique, plaide pour intégrer des signaux demand-driven (réservations, origines-destinations) dans la boucle de décision opérateur.