Intermodal Autonomous Mobility-on-Demand
Salazar Mauro et al. — 2020
Résumé (FR)
Cet article propose un cadre de planification et d’optimisation pour des systèmes de mobilité autonome à la demande intermodaux, intégrant des véhicules autonomes avec des réseaux de transport en commun. Les auteurs formulent le problème comme un flot multi-commodités en réseau, adapté à une optimisation efficace et à l’intégration de contraintes complexes. Des études de cas réels pour New York City et Berlin montrent que le type de véhicule et la motorisation influencent fortement les décisions de routage intermodal. L’approche est centralisée : l’opérateur planifie l’ensemble du système offre-demande de manière globale. Les résultats démontrent les gains d’efficacité substantiels obtenus en intégrant la structure réseau de transport dans la gestion de l’offre MoD. Ce travail illustre comment des hubs et des points de correspondance peuvent concentrer les flux pour améliorer l’efficacité du système.
Summary (EN)
This paper proposes a planning and optimization framework for intermodal autonomous mobility-on-demand systems, integrating autonomous vehicles with public transit networks. The authors formulate the problem as a multi-commodity network flow, suited to efficient optimization and integration of complex constraints. Real-world case studies for New York City and Berlin show that vehicle type and powertrain heavily influence intermodal routing decisions. The approach is centralized: the operator plans the entire supply-demand system holistically. Results demonstrate substantial efficiency gains from integrating transport network structure into MoD supply management. This work illustrates how hubs and transfer points can concentrate flows to improve system efficiency.
Points clés
| Aspect | Détail |
|---|---|
| Méthode | Formulation en flot multi-commodités en réseau ; optimisation linéaire en variables mixtes entières (MILP) résolue de façon centralisée |
| Données | Études de cas réels sur New York City et Berlin ; réseaux de transport en commun existants couplés à une demande de déplacements synthétique |
| Résultat principal | Gains d’efficacité substantiels (réduction de la flotte et des kilomètres parcourus) lorsque l’AMoD est intégré au réseau TC, avec un fort impact du type de véhicule et de la motorisation sur les décisions de routage |
| Lien demand/offer-driven | Approche entièrement offer-driven : l’opérateur optimise globalement l’offre (flotte, routes, correspondances) pour absorber la demande, sans adaptation dynamique de celle-ci |
| Lien réseau/flux | Les hubs et points de correspondance concentrent les flux de passagers, permettant une mutualisation des véhicules et une réduction des trajets à vide caractéristique des réseaux convergents |
Lien avec la problématique
Ce travail illustre la logique offer-driven à son état le plus pur : le système MoD est planifié de manière centralisée et globale, sans que la demande ne soit informée ni adaptée par l’offre, ce qui contraste directement avec les approches demand-driven où les comportements individuels émergent des interactions locales. La formulation en flot de réseau montre comment la structure topologique du réseau de transport (hubs, lignes, PUDO) crée des effets de concentration des flux qui améliorent l’efficacité du système partagé, un mécanisme central pour comprendre pourquoi le covoiturage fonctionne mieux dans certains corridors que d’autres. Ce cadre constitue ainsi un point de comparaison utile pour évaluer dans quelle mesure une approche demand-driven, fondée sur l’émergence de comportements collectifs, peut atteindre des niveaux d’efficacité comparables sans planification centralisée de l’offre.