Optimizing Matching for On-Demand Ride-Pooling with Stochastic Day-to-Day Dynamics
Zhao et al. — 2025
Résumé (FR)
Cet article propose un modèle de réseau hétérogène dynamique pour capturer la nature évolutive des systèmes de covoiturage à la demande, où de nouvelles demandes et arrangements de covoiturage émergent en continu. Un processus de décision de matching basé sur l’embedding du réseau fonctionne en ligne et s’adapte aux changements de structure du réseau. L’approche considère les fluctuations stochastiques de la disponibilité des conducteurs et de la demande tout au long de la journée. Les résultats démontrent une amélioration significative par rapport aux méthodes statiques dans des conditions de demande variables. Ce travail offre un cadre robuste pour la gestion adaptative des systèmes de mobilité partagée.
Summary (EN)
This paper introduces a dynamic heterogeneous network model capturing the evolving nature of ride-pooling systems with continuously emerging requests and carpooling arrangements. An embedding model-based matching decision process operates online and adapts to changes in network structure. The approach accounts for stochastic fluctuations in driver availability and demand throughout the day, demonstrating superior performance over static methods.
Points clés
| Aspect | Détail |
|---|