Placement, chargement et rééquilibrage des modèles

Les scooters électriques ne sont-ils que le premier signe d’une révolution de la mobilité partagée ? Si c’est le cas, des chercheurs de l’Université d’Arizona entendent s’assurer que le système de transport émergent dispose de modèles fonctionnels équivalents à ceux des autres modes de transport.

En 2018, une centaine de villes américaines avaient déjà lancé des programmes de partage d’e-scooters, représentant 38,5 millions de trajets. Cependant, les modèles permettant de gérer le partage des scooters électriques ne sont que récemment développés. Dans le cadre d’un projet dirigé par le Dr Jianqiang Cheng, l’équipe de recherche a entrepris de développer des modèles décisionnels fondés sur les données pour la conception et l’exploitation de systèmes de mobilité partagée à Tucson, en Arizona.

« Le processus de prise de décision pour les entreprises de scooters électriques est complexe. L’une des premières questions est de savoir où placer les scooters – dans le réseau de transport, où faut-il placer les scooters électriques pour répondre à la demande ? La deuxième question est de savoir comment les distribuer. La situation se complique encore lorsque vous introduisez différentes méthodes de recharge électrique, de sorte que certains scooters sont collectés par des entrepreneurs rémunérés et d’autres sont facturés par les clients, grâce à des incitations », a déclaré M. Cheng.

Selon les chercheurs, les principaux avantages de la mobilité partagée sont triples :

1. C’est une option abordable pour le premier et le dernier kilomètre pour les personnes qui ne peuvent pas se permettre de posséder un véhicule.
2. Il est respectueux de l’environnement, car il utilise moins de ressources et plus efficacement.
3. Il offre une solution novatrice au problème de la congestion du trafic.

Le modèle qu’ils ont créé peut fournir aux décideurs une solution robuste qui permet un faible coût et une qualité de service élevée.

Que fait le modèle ?

Cheng, avec le Dr Xiaofeng Li, le Dr Yao-Jan Wu et le doctorant Abolhassan Mohammadi Fathabad, a créé un modèle de programmation stochastique à deux étapes, pour la planification et l’exploitation de grands réseaux de mobilité partagée en présence d’une incertitude de la demande. Le modèle, qui utilise un schéma de probabilité aléatoire, peut répondre à plusieurs questions qui se posent au niveau des entreprises et des décideurs :

• Face à une demande incertaine, combien d’e-scooters doivent être placés dans le réseau et à quels endroits ?
• Combien d’installations de recharge sont nécessaires, où et avec quelles capacités ?
• Comment le réseau doit-il être évalué et ajusté quotidiennement, pour continuer à répondre à la demande tout en minimisant les coûts ?

Le modèle, développé à partir des données de la ville de Tucson, permet d’optimiser le placement, la recharge et le rééquilibrage des scooters inutilisés (inactifs) afin de répondre à la demande de la manière la plus efficace possible. L’exploitation réussie d’un système de mobilité partagée exige à la fois une planification minutieuse et des stratégies qui minimisent les coûts opérationnels pour l’entreprise tout en augmentant le taux de satisfaction des clients (c’est-à-dire qu’un scooter électrique est disponible quand on le souhaite). Dans une perspective de planification à plus long terme, il est nécessaire de prendre en compte les modèles de demande de scooters électriques sur une base saisonnière et de planifier en conséquence pour obtenir des avantages économiques à long terme. Le rapport final propose une présentation détaillée du modèle de calcul.

Possibilités de recherches futures

En prévoyant les locations de scooters, les déménagements, les périodes d’inactivité et les temps de charge, le modèle offre aux entreprises de gestion des scooters électroniques un système décisionnel prêt à l’emploi pour concevoir et exploiter efficacement les systèmes de scooters électroniques partagés, et contribue ainsi à garantir la fiabilité et la rentabilité du système.

À l’avenir, cette recherche pourrait être étendue dans plusieurs directions. Tout d’abord, pour accroître la robustesse de la modélisation de l’incertitude, les chercheurs pourraient développer un cadre d’optimisation distributivement robuste (un cadre de modélisation pour la prise de décision dans l’incertitude). Une autre direction possible consiste à développer de nouvelles approches pour résoudre le problème de planification des scooters électriques lorsque davantage de variables sont introduites, ce qui exigerait que le modèle soit capable de résoudre des problèmes plus complexes.