Estimating emissions reductions with carpooling and vehicle dispatching in ridesourcing mobility
Liu Yang et al. — 2024
Résumé (FR)
Cet article construit un cadre d’apprentissage automatique explicable pour la prédiction des temps d’arrivée, puis développe des modèles d’optimisation de mise en correspondance et de distribution de véhicules pour minimiser la taille de la flotte et améliorer la planification des itinéraires. Des expériences en conditions réelles à grande échelle à Pékin montrent que le système atteint une réduction de 25,25% de la taille de la flotte et une diminution simultanée de 21,65% des émissions de polluants par rapport aux opérations courantes. Les résultats démontrent que la promotion du covoiturage dans le secteur du VTC permet d’améliorer le taux d’utilisation des sièges sans augmenter le nombre de véhicules. L’article souligne que les stratégies de matching inefficaces sont la principale cause d’échec du covoiturage à attirer les passagers. Ce travail fournit des outils concrets pour évaluer les bénéfices environnementaux du covoiturage dynamique.
Summary (EN)
This paper constructs an explainable machine learning framework for arrival time prediction and develops on-demand order matching and vehicle dispatching optimization models to minimize fleet size and improve route planning. Large-scale real-world experiments in Beijing show a 25.25% reduction in fleet size and a simultaneous 21.65% decrease in pollutant emissions compared to current operations. Results demonstrate that promoting carpooling in the ride-hailing sector improves seat utilization rates without increasing the number of vehicles. The paper highlights that inefficient matching strategies are the primary cause of carpooling’s failure to attract passengers. This work provides concrete tools for assessing the environmental benefits of dynamic carpooling.
Points clés
| Aspect | Détail |
|---|---|
| Thème | matching-algorithms-carpooling |
| Venue | npj Sustainable Mobility and Transport |
| Mots-clés | carpooling optimization, emissions reduction, vehicle dispatching, ridesourcing, fleet size |
| DOI | 10.1038/s44333-024-00015-3 |
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.