Multi-Objective Planning of Commuter Carpooling under Time-Varying Road Network
Chen et al. — 2024
Résumé (FR)
Modèle d’optimisation multi-objectif pour la planification du covoiturage domicile-travail sur un réseau routier variable dans le temps (congestion, heures de pointe). L’objectif est de minimiser le temps total de déplacement de l’ensemble des covoitureurs sous contraintes de capacité véhicule, fenêtres de temps et détour maximum acceptable. L’algorithme INSGA-II (Improved Non-dominated Sorted Genetic Algorithm-II) est développé pour résoudre ce problème NP-difficile. Les tests montrent des solutions efficaces sur des réseaux urbains réalistes. L’approche est typiquement offer-driven : les routes et groupes sont optimisés globalement, indépendamment du comportement individuel. Pertinent pour la comparaison avec les approches décentralisées/SMA.
Summary (EN)
Multi-objective optimisation model for commuter carpooling planning on a time-varying road network (congestion, peak hours). The objective minimises total travel time for all carpoolers under vehicle capacity, time window, and maximum detour constraints. INSGA-II (Improved Non-dominated Sorted Genetic Algorithm-II) is developed to solve this NP-hard problem. Tests show efficient solutions on realistic urban networks. The approach is typically offer-driven: routes and groups are globally optimised regardless of individual behaviour. Relevant for comparison with decentralised/MAS approaches.
Points clés
| Aspect | Détail |
|---|---|
| Méthode | Optimisation multi-objectif, INSGA-II (algorithme génétique) |
| Contraintes | Capacité, fenêtres de temps, détour max |
| Réseau | Routier, variable dans le temps (congestion) |
| Approche | Offer-driven — optimisation centralisée globale |
| Comparaison | Référence pour évaluer les approches décentralisées SMA |
| Journal | Sustainability (MDPI), 2024 |
Lien avec la problématique
Représente l’approche offer-driven pure dans le covoiturage urbain/périurbain : optimisation globale des routes sur réseau. À comparer avec l’approche demand-driven de dafflon2020-emergent-microcommunities où les agents se coordonnent localement. La complémentarité thèse consiste à montrer qu’une structure réseau fixe (offre) combinée à des agents autonomes (demande) peut atteindre des performances comparables sans optimisation centralisée.