Aide au déploiement d'une flotte de Taxis autonomes
Comment une flotte de taxis électriques peut répondre sans contrôle centralisé à des demandes de déplacement en milieu urbain et avec un coût de communication limité ?
GeoTaxi intègre un simulateur afin d’évaluer de manière empirique le déploiement de ce type de flottes. GeoTaxi exploite différentes stratégies multi-agents, requérant différentes infrastructures de communication et mécanismes de coordination, et les analyse en termes de qualité de service, de satisfaction client, et de gain.
Le développement de véhicules autonomes capables de communiquer en pair-à-pair et le succès des solutions de transport à la demande (e.g. Uber, Lyft, Heetch) sont les principales motivations qui ont mené au développement de GeoTaxi. La jonction de ces deux tendances en termes de transports amène à l’automatisation du processus de résolution du problème d’allocation.
Les solutions commerciales de gestion de flottes de véhicules avec collecte de données en temps réel et exploitation, notamment dans le cloud, deviennent rapidement coûteuses selon le rythme de collecte et le volume de données à traiter. En réponse, GeoTaxi propose une solution décentralisée reposant sur de la communication inter-véhiculaire (VANET) avec des performances équivalentes et présente donc un intérêt économique évident.
L’application GeoTaxi a été mise en oeuvre sur la commune de Saint-Etienne.
GeoTaxi s’inscrit dans une dynamique qui a pour objectif de « réduire l’impact environnemental négatif des villes par habitant, en accordant une attention particulière à la qualité de l’air « .
- Alaa Daoud. Multi-agent approach to resource allocation in autonomous vehicle fleets.. In the proceedings of the 30th International Joint Conference on Artificial Intelligence (IJCAI-21), Doctoral consortium, Aug 2021, Montreal-themed Virtual Reality, Canada.〈hal-03246260〉
- Alaa Daoud, Flavien Balbo, Paolo Gianessi, Gauthier Picard. ORNInA: A Decentralized, Auction-based Multi-agent Coordination in ODT Systems. AI Communications, IOS Press, 2021, 34 (1), pp.37-53. ⟨10.3233/AIC-201579⟩. 〈hal-03037353〉
- Alaa Daoud, Flavien Balbo, Paolo Gianessi, Gauthier Picard. Decentralized Insertion Heuristic with Runtime Optimization for On-demand Transport Scheduling.. 11th International Workshop on Agents in Traffic and Transportation (ATT 2020), 2020, Santiago de Compostela, Spain〈hal-02544172〉
- Gauthier Picard, Olivier Boissier, Flavien Balbo. Approches multiagents pour l'allocation de courses à une flotte de taxis autonomes. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2018, 32 (2), pp.223-247. 〈10.3166/RIA.32.223-247〉. 〈hal-01848682〉
-
Gauthier Picard, Flavien Balbo, Olivier Boissier. Approches multiagents pour l'allocation de courses à une flotte de taxis autonomes. 25es Journées Francophones sur les Systèmes Multi-Agents (JFSMA), Jul 2017, Caen, France. Cépaduès, pp.75-84, 2017.
〈hal-01523845〉 -
Flavien Balbo, Olivier Boissier, Gauthier Picard. Approche décentralisée pour l'allocation de courses à la demande à une flotte de taxis autonomes. 18ème édition du congrès annuel de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF), Feb 2017, Metz, France. 2017, 〈http://roadef2017.event.univ-lorraine.fr〉.〈hal-01436043〉
