Alliance entre les SMA et l’Optimisation au service du Covoiturage Dynamique

Multi-Agent Systems and Optimization systems for Dynamic Ridesharing

• Auteur / Autrice : Corwin Fevre
• Direction : Slim Hammadi, Philippe Mathieu
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 01/12/2022
• Etablissement(s) : Centrale Lille Institut
• Ecole(s) doctorale(s) : École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Informatique, Signal et Automatique de Lille - Centre de Recherche en Informatique- Signal et Automatique de Lille (CRIStAL) - UMR 9189 / CRIStAL
• Jury : Président / Présidente : Mariagrazia Dotoli
• Jury : Examinateurs / Examinatrices : Zahia Guessoum, Hayfa Zgaya
• Jury : Rapporteurs / Rapporteuses : Dominique Quadri, Flavien Balbo

Mots clés

Mots clés contrôlés

Transport durable

Transport de voyageurs

Simulation, Méthodes de

Optimisation combinatoire

Traitement réparti

Mots clés libres

Systèmes multi-Agents

Optimisation

Simulation

Transport

Mobilité

Covoiturage dynamique

Optimization systems

Multi-Agent systems

Mobility

Transport

Dynami ridesharing

Simulation

Résumé

La crise écologique et énergétique actuelle mène à la nécessité de trouver des alternatives à l'autosolisme (conduite solitaire). Le covoiturage représente une solution prometteuse, notamment sous sa forme dynamique. Un système de covoiturage dynamique s'adapte en temps réel aux changements d'état de l'environnement afin de satisfaire les utilisateurs, à savoir les passagers et les conducteurs. Pour respecter ce caractère temps réel, il est nécessaire, d'une part, de maîtriser la complexité liée à l'optimisation des trajets, et d'autre part, de veiller à éviter la concentration de données sur un même système. En outre, il est important de prendre en compte les préférences de chaque utilisateur afin d'optimiser de façon personnalisée des objectifs tels que le temps d'attente, le temps de trajet ou encore le nombre de transferts. Dans cette thèse, nous nous intéressons aux divers mécanismes et variantes de cette forme de covoiturage. Nous défendons une approche individu-centrée, afin de mieux respecter le caractère hétérogène des utilisateurs, et décentralisée, pour permettre une meilleure répartition du flux de données, et donc un temps de réponse plus rapide. Nous proposons d'allier les systèmes multi-agents - dont la nature est intrinsèquement individu-centrée et décentralisée - à différents algorithmes d'optimisation dans le but de répondre aux problématiques énoncées. Les différents résultats issus de nos simulations attestent de la performance et de la robustesse de notre approche, notamment dans des situations complexes telles que la pénurie d'offres de covoiturage. Le système proposé dans cette thèse permet de traiter dynamiquement des requêtes complexes de passagers tout en minimisant l'impact du partage de trajet pour les conducteurs, et ce, pour un large spectre de préférences et de comportements

The current ecological and energy crisis leads to the necessity to find alternatives to autosolism (solitary driving). Ridesharing represents a promising solution, especially in its dynamic form. A dynamic ridesharing system adapts in real time to the changing state of the environment in order to satisfy the users, namely the riders and the drivers. To respect this real-time nature, it is necessary, on the one hand, to control the complexity related to the optimization of the trips, and on the other hand, to ensure that the concentration of data on a single system is avoided. Furthermore, it is important to consider the preferences of each user in order to optimize in a personalized way objectives such as waiting time, travel time or number of transfers. In this thesis, we focus on the various mechanisms and variants of this form of ridesharing. We advocate an individual-centric approach, in order to better respect the heterogeneous nature of the users, and a decentralized approach, to allow a better distribution of the data flow and thus a faster response time. We propose to combine multi-agent systems - whose nature is intrinsically individual-centric and decentralized - with different optimization algorithms in order to address the stated problems. The various results of our simulations attest to the performance and robustness of our approach, especially in complex situations such as the scarcity of ridesharing offers. The system proposed in this thesis allows to dynamically handle complex requests from riders while minimizing the impact of ride sharing for drivers, and this, for a wide spectrum of preferences and behaviors