Simulation-Based Optimization Frameworks for Dynamic Ride-Sharing
Méthodes d'optimisation basée sur la simulation pour le covoiturage dynamique
Résumé
The main goal of this dissertation is to answer one of the critical questions about dynamic ride-sharing services: Can dynamic ride-sharing reduce congestion? In this thesis, we propose a simulation-based optimization framework for dynamic ride-sharing. Then using this framework, we assess the dynamic ride-sharing impact on two different network scales to find the answer to this question. When assessing the dynamic ride-sharing problem, two important points should be considered. First, how the ride-sharing system serves the network demand and second, how the ride-sharing system is impacted by the network and in particular by congestion. Then we can assess the impact of such a service on the network. Most of the existing approaches focus on the first point, i.e., designing the demand matching while using basic assumptions for the second point, mainly constant travel times. The proposed method in this thesis can outperform the existing methods in the literature. The optimization algorithm can provide high-quality solutions in a short time. Our solution approach is designed to be exact for small samples. Then, to be able to handle the large-scale problems, it is extended with several heuristics that keep the general design for the solution method but significantly reduce its computation time. In the simulation component, a "Plant Model" is applied based on the "Trip-based Macroscopic Fundamental Diagram (MFD)" to represent the traffic dynamics reality and a "Prediction Model" is applied based on the mean-speed to be used during the assignment process. We perform an extensive simulation study (based on real-world traffic patterns) to assess the influence of dynamic ride-sharing systems on traffic congestion. In the medium-scale (Lyon 6 + Villeurbanne), the results showed that ride-sharing could not significantly improve the traffic situation. High levels of market-share add additional travel distance and travel time to the trips and lead to more traffic in the network. In large cities, the results are entirely different from those in small and medium-sized cities. In large-scale (Lyon city in France) simulations, the proposed dynamic ride-sharing system can significantly improve traffic conditions, especially during peak hours. Increasing the market-share and the number of sharing can enhance this improvement. Therefore, the proposed dynamic ride-sharing system is a viable option, alleviating stress on existing public transport, to reduce the network traffic in populated and large-scale cities.
L'objectif principal de cette thèse est de répondre à l'une des questions essentielles sur les services de covoiturage dynamique : le covoiturage dynamique peut-il réduire la congestion ? Dans cette thèse, nous proposons un framework d'optimisation basé sur la simulation pour le covoiturage dynamique. Ensuite, à l'aide de ce framework, nous évaluons l'impact du covoiturage dynamique sur deux échelles de réseau différentes pour trouver la réponse à cette question. Lors de l'évaluation du problème du covoiturage dynamique, deux points importants doivent être pris en compte. Premièrement, comment le système de covoiturage répond à la demande du réseau et deuxièmement, comment le système de covoiturage est influencé par le réseau et en particulier par la congestion. Ensuite, nous pouvons évaluer l'impact d'un tel service sur le réseau. La plupart des approches existantes se concentrent sur le premier point, c'est-à-dire sur la conception de la correspondance de la demande, tout en utilisant des hypothèses de base pour le second point, principalement des temps de trajet constants. La méthode proposée dans cette thèse peut être plus performante que les méthodes existantes dans la littérature. L'algorithme d'optimisation peut fournir des solutions de haute qualité en peu de temps. Notre approche de solution est conçue pour être exacte pour les petits échantillons. Ensuite, pour pouvoir traiter les problèmes à grande échelle, elle est complétée par plusieurs heuristiques qui conservent la conception générale de la méthode de solution mais réduisent considérablement son temps de calcul. Dans la composante de simulation, un "Modèle d'usine" est appliqué sur la base du "Diagramme macroscopique fondamental (MFD) basé sur les déplacements" pour représenter la réalité de la dynamique du trafic et un "Modèle de prédiction" est appliqué sur la base de la vitesse moyenne à utiliser pendant le processus d'affectation. Nous réalisons une étude de simulation approfondie (basée sur des modèles de trafic réels) pour évaluer l'influence des systèmes de covoiturage dynamiques sur la congestion du trafic. À l'échelle moyenne (Lyon 6 + Villeurbanne), les résultats ont montré que le covoiturage ne pouvait pas améliorer de manière significative la situation du trafic. Des parts de marché élevées augmentent la distance et la durée des trajets et entraînent une augmentation du trafic sur le réseau. Dans les grandes villes, les résultats sont totalement différents de ceux des villes petites et moyennes. Dans les simulations à grande échelle (ville de Lyon en France), le système de covoiturage dynamique proposé peut améliorer considérablement les conditions de circulation, en particulier aux heures de pointe. L'augmentation de la part de marché et du nombre de covoiturages peut renforcer cette amélioration. Par conséquent, le système de covoiturage dynamique proposé est une option viable pour réduire la pression sur les transports publics existants et diminuer le trafic du réseau dans les villes peuplées et de grande taille.
Fichier principal
Alisoltani_PhD_thesis_2020.pdf (9.39 Mo)
Télécharger le fichier
Alisoltani_PhD_Abstract_french_annexe.pdf (1.56 Mo)
Télécharger le fichier
| Origine | Version validée par le jury (STAR) |
|---|
| Format | Autre |
|---|