Robotic Load Balancing for Mobility-on-Demand Systems
Pavone, Marco et al. — 2012
Résumé (FR)
Cet article propose des méthodes pour maximiser le débit d’un système de transport urbain à la demande opéré par des véhicules robotiques. Les auteurs formulent le problème de rééquilibrage de la flotte, c’est-à-dire le repositionnement de véhicules vides entre stations pour équilibrer la distribution géographique des véhicules. Une solution robuste basée sur la théorie des processus de Markov est proposée pour gérer l’incertitude de la demande. L’approche garantit que le système atteint et maintient un état d’équilibre avec un nombre minimal de déplacements à vide. Les résultats analytiques sont complétés par des simulations sur des réseaux urbains représentatifs. Ce travail pose les fondements théoriques du contrôle de flottes de véhicules autonomes pour la mobilité à la demande. L’article est devenu une référence séminal pour la communauté travaillant sur les systèmes AMoD.
Summary (EN)
This paper proposes methods for maximizing the throughput of a robotic mobility-on-demand urban transportation system. The authors formulate the fleet rebalancing problem, which involves autonomously driving empty vehicles between stations to balance the geographic distribution of vehicles. A robust solution based on Markov process theory is proposed to handle demand uncertainty. The approach guarantees that the system reaches and maintains an equilibrium state with a minimal number of empty trips. Analytical results are complemented by simulations on representative urban networks. This work lays the theoretical foundations for autonomous vehicle fleet control in mobility-on-demand systems. The paper has become a seminal reference for the research community working on AMoD systems.
Points clés
| Aspect | Détail |
|---|---|
| Thème | autonomous-fleet |
| Venue | The International Journal of Robotics Research |
| Mots-clés | mobility-on-demand, load balancing, robotic vehicles, rebalancing, autonomous transportation |
| DOI | 10.1177/0278364912444766 |