Transport à la demande électrique : Trouver le juste équilibre entre profit et efficacité

Les services de transport comme Uber et Lyft changent la façon dont les gens se déplacent, surtout avec la montée des véhicules électriques (VE). Ces services permettent aux passagers de rapidement trouver un trajet, tandis que les Conducteurs cherchent à faire du profit. Cette étude examine comment les conducteurs de ces services décident quand prendre des passagers et quand recharger leurs véhicules électriques.

Les conducteurs font face à un choix : pendant qu'ils attendent un passager, doivent-ils continuer à chercher des trajets ou aller à une station de recharge ? Ce processus de décision peut être vu comme un jeu, où chaque conducteur doit prendre en compte non seulement sa propre situation, mais aussi ce que font les autres conducteurs en même temps.

#Le marché du transport et les véhicules électriques

Ces dernières années, le nombre de véhicules électriques sur la route a explosé. Par exemple, en 2021, les ventes mondiales de VE ont plus que doublé par rapport à l'année précédente. Beaucoup de gouvernements encouragent ce passage aux véhicules électriques en fixant des objectifs et en investissant dans des stations de recharge. Par exemple, les États-Unis prévoient que la moitié des nouvelles ventes de voitures soient électriques d'ici 2023, tandis que l'Union européenne vise à arrêter la vente de véhicules à combustibles fossiles d'ici 2035.

Malgré le marché en plein essor des véhicules électriques, il n'y a pas beaucoup de recherches axées sur les conducteurs de services de transport. La plupart des études ont soit examiné comment planifier des stations de recharge, soit comment les entreprises d'énergie gèrent la production d'électricité. Cette recherche suppose souvent que les conducteurs ont toujours besoin de recharger, mais ce n'est pas toujours le cas. Beaucoup de propriétaires de VE branchent à la maison ou au travail, mais les conducteurs de services de transport parcourent souvent de longues distances pendant la journée et sont plus enclins à utiliser des stations de recharge publiques.

#Le modèle eRIVER

Ici, on introduit un nouveau modèle appelé eRIVER qui se concentre sur la manière dont les conducteurs de transport électrique prennent des décisions sur la prise en charge des passagers et la recharge de leurs véhicules. Le modèle suppose que chaque conducteur cherche à maximiser son profit tout au long de la journée. L'essentiel de ce modèle est un processus qui suit comment les conducteurs changent de comportement en fonction des actions de tous les conducteurs dans la zone.

Dans le modèle eRIVER, la zone de transport est divisée en différentes zones, chacune avec des stations de recharge. L'étude utilise une période de temps divisée en parties égales, ce qui aide à simplifier l'analyse. Chaque station de recharge peut charger un certain nombre de voitures à la fois.

Au fur et à mesure que les conducteurs opèrent, ils peuvent être dans différents états selon leur niveau de batterie, leur emplacement et s'ils recherchent activement des passagers ou se rechargent. Ces états aident à définir les actions disponibles pour les conducteurs, comme chercher des passagers ou se rendre à une station de recharge.

#Processus de décision pour les conducteurs

La prise de décision de chaque conducteur implique plusieurs facteurs, y compris le nombre de passagers attendant un trajet dans leur zone et combien d'autres conducteurs sont à proximité. En cherchant des passagers, la probabilité de réussir à en prendre un est influencée par le nombre de conducteurs et la Demande dans la zone. Si un conducteur ne trouve pas de passager après un certain temps, il devra décider s'il continue à chercher ou s'il va se recharger.

Quand un conducteur arrive à une station de recharge, il peut trouver d'autres voitures déjà en train de charger ou attendant un créneau. Le temps qu'il doit attendre avant de pouvoir charger peut varier en fonction de combien de voitures sont déjà là.

Une fois qu'un conducteur prend une décision-qu'il s'agisse de prendre un passager ou de se recharger-il gagne des récompenses ou encourt des coûts selon ses actions. Par exemple, prendre un passager donne un retour positif, tandis que charger entraîne des coûts à cause du prix de l'électricité. S'il tombe à court de batterie, il fait face à une grosse pénalité.

#Cadre de jeu de champ moyen

Dans ce modèle, on pense à chaque conducteur non seulement isolément, mais aussi comme partie d'un groupe plus large. Comme le nombre de véhicules est grand, les actions d'un conducteur ne changent pas de manière significative la situation générale. Au lieu de cela, les actions de tous les conducteurs ensemble créent un modèle de comportement général.

Le comportement collectif des conducteurs peut être vu comme un jeu de champ moyen, où les actions moyennes de tous les conducteurs jouent un rôle dans la définition de la meilleure stratégie pour chaque individu. C'est différent de simplement résoudre un problème standard en isolation. Au lieu de cela, les conducteurs prennent des décisions influencées par l'ensemble du flux de circulation et la répartition des autres conducteurs.

#Analyse numérique

Pour voir comment le modèle eRIVER fonctionne, nous avons réalisé des expériences basées sur une version simplifiée du système de transport. Nous avons regardé comment les conducteurs se comporteraient sous différents schémas de demande, comme une demande constante dans le temps, une demande de pointe pendant les heures de pointe, et une demande concentrée dans les centres-villes.

Dans notre analyse, nous avons découvert que beaucoup de conducteurs préféraient opérer dans les zones centrales, même si ces zones avaient la même demande générale que les autres. Cela a conduit à une forte Congestion non seulement dans les zones de prise en charge des passagers, mais aussi aux stations de recharge. Beaucoup de conducteurs viendraient se recharger aux mêmes heures de pointe, résultant en de longues files d'attente.

#Le problème de la congestion

L'étude révèle que le comportement compétitif des conducteurs peut mener à des inefficacités. Les conducteurs tendent à se regrouper dans des zones populaires, ce qui crée un manque de disponibilité pour les passagers dans des zones moins fréquentées. De plus, lorsque les voitures se précipitent toutes vers les stations de recharge en même temps, cela crée des goulets d'étranglement et des retards.

Par exemple, de nombreux véhicules restent inactifs et incapables de prendre des passagers pendant certains moments de la journée, entraînant des occasions manquées. Le modèle montre même de petits changements dans la manière dont les conducteurs se répartissent peuvent grandement affecter les temps d'attente et la qualité du service pour les passagers.

#Conditions initiales affectant la performance

Un autre aspect que nous avons exploré était comment les conditions de départ des conducteurs pouvaient influencer la congestion. Par exemple, si toutes les voitures commencent avec des batteries complètement chargées, elles tendent à manquer de puissance à peu près en même temps. Cela mène à une situation où beaucoup de véhicules essaient de se recharger en même temps, aggravant la congestion aux stations de recharge.

Nous avons également testé des scénarios où les conducteurs commençaient avec des niveaux de batterie ou des emplacements aléatoires. Les résultats suggèrent que des niveaux de batterie variés ont un impact plus significatif par rapport à la position de départ des conducteurs. Si plus de conducteurs commencent avec des batteries partiellement chargées, des files d'attente pour la recharge aux stations ont tendance à se former plus tôt.

#Conclusion

Cette étude met en lumière les décisions complexes que doivent prendre les conducteurs de véhicules électriques dans les services de transport. En utilisant le modèle eRIVER, nous pouvons mieux comprendre comment ces conducteurs interagissent les uns avec les autres et les conséquences de leurs choix sur la congestion.

Alors que l'utilisation des véhicules électriques continue de croître, il devient de plus en plus important de se concentrer sur la manière d'équilibrer le comportement des conducteurs avec un service efficace pour les passagers. Les aperçus recueillis à partir de ce modèle peuvent aider à guider les améliorations futures pour les plateformes de transport et les infrastructures de recharge, menant finalement à un système plus efficace et efficace pour tous.

En résumé, alors que de plus en plus de gens adoptent les véhicules électriques et les services de transport, il est clair qu'il y a un besoin d'amélioration de la compréhension et des stratégies. Les conducteurs auront besoin de soutien pour gérer leurs décisions afin d'optimiser à la fois leurs profits et l'expérience globale des passagers. Les recherches futures devraient également intégrer des conditions du monde réel comme les schémas de circulation et examiner comment ces réseaux peuvent évoluer pour répondre à la demande croissante pour les trajets et les services de recharge.