Rethinking Pooled Ride-Hailing as Large-Scale Simulations Reveal System Limits
Haitam et al. — 2026
Résumé (FR)
Cet article remet en question l’hypothèse selon laquelle le pooling constitue un remède efficace aux externalités négatives du ride-hailing. En utilisant BEAM (Behavior, Energy, Autonomy, and Mobility), un modèle régional de transport basé sur les agents, les auteurs implémentent trois algorithmes de pooling dans un scénario d’adoption élevée pour la Bay Area de San Francisco. Contre-intuitivement, plus le pooling point-à-point est promu de manière stricte, plus les contraintes de détour érodent la faisabilité du matching et réduisent le taux d’occupation des véhicules. Des analyses de sensibilité identifient des points d’inflexion dans les taux de match où les effets de repositionnement à vide et les rétroactions négatives du réseau commencent à dominer. L’étude conclut que les avantages théoriques du pooling ne se matérialisent pas à grande échelle en raison de dynamiques systémiques émergentes. Ces résultats remettent en cause les politiques de promotion du pooling sans prise en compte des limites systémiques.
Summary (EN)
Using BEAM, an open-source agent-based regional transportation model, three pooling algorithms are implemented and evaluated in a high ride-hailing adoption scenario for the San Francisco Bay Area. Counter-intuitively, more stringent pooling promotion erodes matching feasibility and reduces vehicle occupancy rather than increasing it. Sensitivity analysis identifies inflection points where deadheading and negative network feedbacks begin to dominate, revealing fundamental system limits.
Points clés
| Aspect | Détail |
|---|---|
| — | — |