Sustainable ridesharing routing and scheduling problem: an efficient multi-objective adaptive large neighborhood search
Fathollahi-Fard Amir Mohammad et al. — 2025
Résumé (FR)
Cet article aborde un problème durable de routage et de planification du covoiturage à travers un modèle d’optimisation multi-objectif. Le modèle évalue la performance du système selon des perspectives économiques, environnementales et sociales, en minimisant le coût total, les émissions de carbone et les retards des passagers. Un nouvel algorithme appelé Recherche Adaptative à Grand Voisinage Multi-Objectif (MOALNS) est développé, incorporant des heuristiques de suppression et d’insertion adaptées au contexte du covoiturage. Des expériences numériques comparatives démontrent la supériorité du MOALNS par rapport aux méthodes de l’état de l’art. L’étude propose un cadre générique applicable à différentes configurations de services de covoiturage. Ce travail contribue à la conception de solutions de covoiturage durables alliant efficacité opérationnelle et réduction de l’impact environnemental.
Summary (EN)
This paper addresses a sustainable ridesharing routing and scheduling problem through a multi-objective optimization model. The model evaluates system performance from economic, environmental, and social perspectives by minimizing total cost, carbon emissions, and passenger delays. A novel algorithm called Multi-Objective Adaptive Large Neighborhood Search (MOALNS) is developed, incorporating tailored removal and insertion heuristics designed for ridesharing contexts. Comparative numerical experiments demonstrate MOALNS superiority over state-of-the-art methods. The study proposes a generic framework applicable to different carpooling service configurations. This work contributes to the design of sustainable carpooling solutions that balance operational efficiency with environmental impact reduction.
Points clés
| Aspect | Détail |
|---|---|
| Thème | matching-algorithms-carpooling |
| Venue | Annals of Operations Research |
| Mots-clés | ridesharing routing, multi-objective optimization, adaptive large neighborhood search, carbon emissions, passenger delays |
| DOI | 10.1007/s10479-025-06477-z |
Lien avec la problématique
Cet article contribue à la compréhension de la complémentarité offre↔demande dans les systèmes de covoiturage urbain/périurbain, en lien avec l’utilisation d’un réseau structurant (PUDO, hubs, lignes) pour concentrer les flux.