A joint demand modeling framework for ride-sourcing and dynamic ridesharing services: a geo-additive Markov random field based heterogeneous copula framework
Moody Joanna et al. — 2022
Résumé (FR)
Cet article développe un cadre conjoint de modélisation de la demande pour les services de covoiturage classique (ride-sourcing) et de covoiturage dynamique (DRS) à partir de millions de trajets géocodés à Chicago. Un cadre innovant de copule hétérogène basé sur un champ aléatoire de Markov géo-additif est proposé pour capturer les dépendances spatiales entre demandes. Les facteurs explicatifs incluent l’environnement bâti, l’accessibilité aux transports en commun, la criminalité et les caractéristiques socio-démographiques. Les résultats révèlent des effets distincts selon les quartiers sur la demande respective des deux services. Ce travail offre une représentation plus réaliste de la demande en modélisant conjointement deux modes de covoiturage complémentaires. Les implications pour la politique de transport et la conception des services sont discutées.
Summary (EN)
This paper develops a joint demand modeling framework for ride-sourcing and dynamic ridesharing (DRS) services using millions of geo-coded trips in Chicago. An innovative geo-additive Markov random field based heterogeneous copula framework is proposed to capture spatial dependencies between demands. Explanatory factors include built environment, transit accessibility, crime, and socio-demographic characteristics. Results reveal distinct neighborhood-level effects on the respective demand for both services. This work offers a more realistic demand representation by jointly modeling two complementary ridesharing modes. Implications for transport policy and service design are discussed.
Points clés
| Aspect | Détail |
|---|---|
| Approche méthodologique | Cadre de copule hétérogène basé sur un champ aléatoire de Markov géo-additif pour la modélisation conjointe |
| Données | Millions de trajets géocodés à Chicago, couvrant ride-sourcing et DRS |
| Variables explicatives | Environnement bâti, accessibilité aux transports en commun, criminalité, caractéristiques socio-démographiques |
| Résultat principal | Effets spatiaux distincts à l’échelle des quartiers sur la demande respective de chaque service |
| Contribution | Modélisation réaliste de la dépendance spatiale entre deux modes de covoiturage complémentaires |
Lien avec mes recherches
Ce travail est directement pertinent pour une thèse sur l’émergence dans la mobilité partagée multi-agents, car il montre comment la demande agrégée pour le ridesharing émerge de facteurs spatiaux et socio-démographiques locaux. Le cadre de dépendance spatiale via les champs aléatoires de Markov constitue une base intéressante pour alimenter ou calibrer un modèle de simulation multi-agents où les comportements individuels donnent naissance à des patterns de demande collectifs. La distinction entre ride-sourcing solo et covoiturage dynamique rappelle l’importance de modéliser explicitement les différents régimes d’émergence selon le mode opératoire du service.