Ride-pooling service assessment with rational, heterogeneous, non-deterministic travellers
Kucharski et al. — 2024
Résumé (FR)
Les études sur le ride-pooling supposent généralement des usagers homogènes et déterministes — une simplification qui biaise l’évaluation des systèmes. Cet article remet en question cette hypothèse en modélisant des voyageurs rationnels, hétérogènes et non-déterministes. Les usagers sont classés en 4 groupes selon leur valeur du temps et leur pénalité au partage, et leurs comportements stochastiques sont reproduits pour obtenir des distributions réalistes. Évalué sur des données NYC 2016, le modèle montre que les résultats diffèrent significativement du benchmark déterministe : les économies kilométriques attendues sont plus faibles, mais les gains d’utilité pour les usagers sont plus élevés. Les usagers à faible valeur du temps sont les plus bénéfiques au système (acceptent plus facilement les détours), tandis que ceux avec une pénalité de partage moyenne bénéficient le plus de l’approche pooling.
Summary (EN)
Ride-pooling studies typically assume homogeneous and deterministic travellers — a simplification that biases system evaluation. This paper challenges this assumption by modelling rational, heterogeneous, non-deterministic travellers. Users are classified into 4 groups by value of time and penalty for sharing, and their stochastic behaviours are replicated to obtain realistic distributions. Evaluated on NYC 2016 data, the model shows results differ significantly from the deterministic benchmark: expected mileage savings are lower, but utility gains for travellers are higher. Low-value-of-time users are most beneficial to the system (accept detours more easily), while those with average sharing penalty benefit most from pooling.
Points clés
| Aspect | Détail |
|---|---|
| Problème | Biais d’évaluation des systèmes ride-pooling par homogénéité supposée |
| Innovation | 4 types d’usagers (valeur du temps × pénalité partage) avec comportement stochastique |
| Données | NYC 2016 |
| Résultat clé | Économies km plus faibles, gains utilité plus élevés que le modèle homogène |
| Implication | La composition de la population d’usagers change fondamentalement l’efficacité système |
| Journal | Transportation (Springer) — 2024 |
Lien avec mes recherches
Ce papier interroge l’hypothèse d’homogénéité dans les modèles de ridesharing — directement pertinent pour dafflon2020-emergent-microcommunities où les riders sont modélisés avec un même paramètre β (laziness). Introduire de l’hétérogénéité dans les paramètres des agents (différents seuils de marche, différentes impatiences) pourrait modifier la nature et la taille des micro-communautés émergentes. Piste de recherche : comment l’hétérogénéité des riders influence-t-elle les patterns d’émergence ?