Network-based pick-up and drop-off location optimization for shared autonomous vehicles
Auteurs et al. — 2025
Résumé (FR)
Cet article propose une approche fondée sur le réseau routier et pilotée par les données pour optimiser l’emplacement des points de prise en charge et de dépose (PUDO) des véhicules autonomes partagés (VAP). Les auteurs utilisent l’estimation de densité par noyau sur réseau (NKDE) pour mesurer la demande de PUDO à partir de données historiques de VTC. Ces estimations alimentent un modèle de couverture maximale (MCLP) permettant de déterminer une répartition spatiale optimale des sites PUDO. L’étude montre qu’une densité adaptée est d’environ 20 sites pour 10 km², plus dense dans les centres urbains et plus clairsemée en périphérie, fournissant ainsi des orientations pour le déploiement futur des véhicules autonomes partagés.
Summary (EN)
This paper proposes a network-based, data-driven approach to optimize pick-up and drop-off (PUDO) locations for shared autonomous vehicles (SAVs). Network kernel density estimation (NKDE) is used to measure PUDO demand along the road network from historical ride-hailing trip data. These demand estimates feed into a maximal coverage location problem (MCLP) to determine an optimal spatial distribution of PUDO sites. The study finds that suitable PUDO site density is around 20 sites per 10 km², denser in urban cores and sparser in suburban areas, providing planning guidance for future SAV deployment.
Points clés
| Aspect | Détail |
|---|---|
| — | — |