Models and algorithms for the management of new urban and rural mobility services

Cette thèse étudie un système Ride-Sharing Mobility-on-Demand (RSMoD) prospectif à grande échelle exploitant des Shared Autonomous Vehicles (SAVs) pour offrir des services de transport dynamique, capable de gérer jusqu'à 300 000 demandes de passagers par jour. Les demandes de mobilité, soumises par les passagers, sont attribuées aux SAVs grâce à des processus d'optimisation de l'ordonnancement et du routage. La recherche aborde des enjeux stratégiques et opérationnels critiques, notamment le dimensionnement de la flotte pour répondre à des densités de demande variables, les configurations potentielles d'infrastructure, et le développement d'algorithmes efficaces pour une prise de décision en temps réel dans un environnement dynamique. Dans l'ensemble, nous fournissons un cadre complet et des perspectives pour concevoir et exploiter efficacement des systèmes RSMoD à grande échelle.Stratégiquement, notre étude examine d'abord un système RSMoD statique, où toutes les demandes sont connues à l'avance. Pour résoudre la nature NP-difficile du problème, la recherche introduit un mécanisme novateur d'encodage des itinéraires basé sur des graphes de réseau de transit, surpassant les méthodes traditionnelles basées sur des graphes de clients, en particulier pour les scénarios à grande échelle. Par ailleurs, une heuristique d'insertion par meilleur ajustement avec un regroupement spatio-temporel et un système de filtrage a été développée, permettant aux SAVs de répondre efficacement à jusqu'à 300 000 demandes quotidiennes.Les résultats expérimentaux montrent des réductions significatives de la taille de la flotte et des kilomètres parcourus par véhicule, avec une diminution de 98 % du nombre de véhicules par rapport à l'utilisation de véhicules personnels. Les analyses de regroupement extraient en outre des perspectives sur les schémas de déplacement et la planification des infrastructures, en identifiant des sous-réseaux potentiels pour un tel système.Sur le plan opérationnel, l'étude aborde les défis d'un système dynamique où les demandes sont soumises en temps réel et doivent être traitées rapidement. Pour y répondre, un cadre algorithmique en deux phases, appelé GIM-FS, est proposé. Il intègre les schémas de déplacement historiques pour guider l'insertion des demandes en temps réel tout en minimisant les rejets. Les résultats montrent des améliorations significatives en termes d'efficacité par rapport aux méthodes de référence.Enfin, la recherche s'étend à un contexte contraint par l'énergie, où les SAVs sont considérés comme alimentés par l'électricité. La formulation correspondante du problème statique, EC-DARP, intègre des stratégies de recharge avec l'optimisation du dimensionnement et du routage de la flotte. Un schéma algorithmique en quatre étapes est proposé pour résoudre le problème, révélant des stratégies optimales d'utilisation de l'énergie et d'infrastructure. Les expériences numériques fournissent des informations sur le dimensionnement des flottes, les comportements de recharge et la localisation des infrastructures de recharge.