Mohamed Les techniques bio-inspirées et la fouille de données pour la logistique des transports

Abstract

الملخص (بالعربية) :

يمكن لمشاركة السيارات تحسين كفاءة التنقل الحضري من خلال تقليل السيارات والإزدحام و كذا الطلب على مواقف السيارات. يوجد الكثير من الأبحاث العلمية في هذا المجال و بعدة محاور مختلفة ينصب اهتمامنا في هذه الدراسة على اعادة توزيع السيارات الفارغة حتي يتسنى استغلالها الأمثل. تقسم أبحاث إعادة التوازن الحالية منطقة تغطية النظام إلى مناطق جغرافية محددة ، ولكن يتم تحقيق ذلك بشكل ثابت في وقت تصميم النظام ، مما يحد من قدرة النظام على التطور. في الدراسة الحالية ، تم اقتراح طريقة لإعادة توزيع المركبات الغير المشغولة في الوقت الفعلي أثناء النظر في طلبات التنقل ، باستخدام طريقة مستوحاة من الحيوية تُعرف باسم التقسيم بواسطة خوارزمية تحسين سرب الجسيمات (PSO-Clustering). تم فحص مدى نجاعة هذا الحل باستخدام بيانات حول استخدام سيارات الأجرة في مدينة نيويورك ، حيث تم أولاً النظر في النظام التقليدي (عدم مشاركة الركاب ، وعدم إعادة التوازن) ، ثم استخدام نظام مشاركة السيارة، وأخيرًا النظامين معا نظام مشاركة الركوب وإعادة التوازن.

Résumé (Anglais) :

The shared vehicle can improve the efficiency of urban mobility by reducing car ownership and parking demand. Existing rebalancing research divides the system coverage area into defined geographical zones, but this is achieved statically at system design time, limiting the system's adaptability to evolve. In the current study, a method has been proposed for rebalancing unoccupied vehicles in real-time while considering travel requests, using a bio-inspired method known as Particle Swarm Optimization clustering (PSO-Clustering). The solution was examined using data on taxi usage in New York City, first looking at the traditional system (no ridesharing, no rebalancing), then carpooling, and finally of both ridesharing and rebalancing.

Résumé (Français) :

Le covoiturage peut améliorer l'efficacité de la mobilité urbaine en réduisant le nombre de voitures, les embouteillages et la demande de stationnement. Il existe de nombreuses recherches scientifiques dans ce domaine et dans plusieurs axes différents, notre intérêt dans cette étude étant la relocalisation des voitures vides afin qu'elles puissent être exploitées de manière optimale. Les recherches actuelles sur le rééquilibrage divisent la zone de couverture du système en zones géographiques spécifiques, mais cela est invariablement réalisé au moment de la conception du système, limitant ainsi la capacité du système à évoluer. Dans la présente étude, une méthode est proposée pour relocaliser les véhicules inoccupés en temps réel tout en tenant compte des demandes de mobilité, en utilisant une méthode bio-inspirée connue sous le nom de Particle Swarm Optimization Clustering (PSO-Clustering). L'efficacité de cette solution a été examinée à l'aide de données sur l'utilisation des taxis à New York, en examinant d'abord le système traditionnel (pas de partage de passagers, pas de rééquilibrage), puis en utilisant le système d'autopartage, et enfin les deux systèmes ensemble, le covoiturage et de rééquilibrage.