Dynamic autonomous vehicle fleet operations: Optimization-based strategies to assign AVs to immediate traveler demand requests
Hyland Michael et al. — 2018
Résumé (FR)
Cet article étudie la gestion opérationnelle de flottes de véhicules autonomes partagés (SAV) pour des services de mobilité à la demande. Les auteurs développent des stratégies d’affectation basées sur l’optimisation pour répondre aux demandes immédiates des voyageurs. Les résultats démontrent que les stratégies basées sur l’optimisation surpassent largement les heuristiques simples en réduisant les kilomètres parcourus à vide et les temps d’attente des usagers. L’article propose plusieurs variantes algorithmiques avec différents compromis entre qualité de solution et temps de calcul. L’analyse montre que la capacité des véhicules et les stratégies de rééquilibrage sont des facteurs déterminants pour la performance du système. Ces résultats constituent des fondements importants pour le déploiement de services MaaS basés sur des véhicules autonomes.
Summary (EN)
This paper studies the operational management of shared autonomous vehicle (SAV) fleets for mobility-on-demand services. The authors develop optimization-based assignment strategies to respond to immediate traveler demand requests. Results demonstrate that optimization-based strategies vastly outperform simple heuristics by reducing empty miles and traveler wait times. The paper proposes several algorithmic variants with different tradeoffs between solution quality and computation time. Analysis shows that vehicle capacity and rebalancing strategies are key determinants of system performance. These results provide important foundations for deploying MaaS services based on autonomous vehicles.
Points clés
| Aspect | Détail |
|---|---|
| Problème central | Affectation dynamique de véhicules autonomes partagés à des demandes immédiates de déplacement |
| Méthode | Stratégies d’optimisation (variants algorithmiques) comparées à des heuristiques simples |
| Résultat principal | Les stratégies d’optimisation réduisent significativement les kilomètres à vide et les temps d’attente |
| Facteurs déterminants | Capacité des véhicules et stratégies de rééquilibrage de la flotte |
| Contribution | Fondements algorithmiques pour le déploiement de services MaaS autonomes en temps réel |
Lien avec mes recherches
Cet article est directement pertinent pour une thèse sur l’émergence dans la mobilité partagée multi-agents, car il modélise comment des décisions locales d’affectation de véhicules produisent des comportements globaux de performance de flotte. Les variantes algorithmiques proposées illustrent comment différentes règles d’interaction agent-demande génèrent des propriétés émergentes distinctes (taux de remplissage, temps d’attente agrégés). Les stratégies de rééquilibrage constituent un mécanisme d’auto-organisation de la flotte qui peut être étudié comme phénomène émergent dans un cadre de simulation multi-agents.