AV-OLRA : Une modélisation générique pour le problème de l’allocation des ressources dans le domaine du transport à la demande

The development of autonomous vehicles, capable of peer-to-peer communication, as well as the interest in on-demand solutions (e.g., Uber, Lyft, Heetch), are the primary motivations for this study. Allocation problems are of major importance in the management of on-demand transportation systems (ODT). They have been studied for decades, and various solutions have been proposed. The solution approaches can be classified into two categories: centralized and decentralized. In practice, each has its advantages and disadvantages. In this work, we aim to provide a generic model for the problem of online on-demand transportation with autonomous vehicles and a multi-agent model dedicated to resource allocation and fleet planning. The latter considers autonomous vehicles that communicate in an inter-vehicular network to satisfy ride requests in an ODT system. We evaluate the generality of this model by applying several allocation approaches (mathematical programming, greedy heuristics, distributed constraint optimization and auctions) and compare their performances in terms of solution quality and technical and communicational indicators on synthetic scenarios generated from real data.Le développement de véhicules autonomes, capables de communiquer de pair à pair, ainsi que l’intérêt pour les solutions à la demande (par exemple, Uber, Lyft, Heetch), sont les principales motivations de cette étude. Le problème d’allocation des véhicules aux clients est d’une importance majeure dans la gestion des systèmes de transport à la demande (ODT). Il est étudié depuis des décennies, et diverses solutions ont été proposées. Les différentes familles de solutions peuvent être classées en deux catégories, centralisées et décentralisées avec dans la pratique, pour chacune ses avantages et ses inconvénients. Dans ce travail, nous visons à fournir un modèle générique pour le problème du transport à la demande en ligne avec des véhicules autonomes. Indépendant des solutions, ce modèle permet une description synthétique du problème et propose des indicateurs de qualité. Nous proposons également un modèle multi-agents dédié à l’allocation des ressources et à la planification de la flotte. Ce dernier considère des véhicules autonomes comme des agents qui communiquent dans un réseau inter-véhiculaire pour satisfaire les demandes de transport dans un système de transport à la demande selon la stratégie de résolution que l’utilisateur souhaite évaluer. Nous montrons la généricité de ce modèle en appliquant plusieurs approches d’allocation (optimisation linéaire en nombres entiers, approche gloutonne, enchères et optimisation sous contraintes distribuée) et comparons en détail leurs performances en termes de qualité de solution et d’indicateurs techniques sur des scénarios générés à partir de données réelles