Joint Optimization of Multimodal Transit Frequency and Shared Autonomous Vehicle Fleet Size with Hybrid Metaheuristic and Nonlinear Programming
Ng et al. — 2025
Résumé (FR)
Cet article présente un cadre d’optimisation pour le problème conjoint de la fréquence des transports multimodaux et de la taille des flottes de SAV, visant à maximiser la fréquentation totale sous contrainte budgétaire. Il tient compte du choix modal endogène entre les transports en commun, les SAV point-à-point et la voiture privée. En raison de la nature non linéaire et non convexe du problème, une approche hybride combinant l’optimisation par essaim de particules et la programmation non linéaire pour le raffinement local est développée. Appliquée au réseau multimodal de la région métropolitaine de Chicago, la méthode atteint une augmentation de 33,3% de la fréquentation des transports en commun grâce à l’optimisation des fréquences de lignes et à l’intégration des SAV. Les auteurs sont affiliés à Northwestern University. Soumis fin 2024 et publié en 2025.
Summary (EN)
This paper presents an optimization framework for the joint multimodal transit frequency and SAV fleet size problem, with the goal of maximizing total transit ridership under budget constraints while accounting for endogenous mode choice across transit, point-to-point SAVs, and private driving. Due to the problem’s non-linear, non-convex nature, a hybrid solution approach combining particle swarm optimization with nonlinear programming for local refinement is developed. Applied to the Chicago metropolitan multimodal network, the method achieves a 33.3% increase in transit ridership through optimized route frequencies and SAV integration.
Points clés
| Aspect | Détail |
|---|