Services design for urban mobility respectful of private data and ensuring safety of customers and vehicles
Conception de services pour la mobilité urbaine respectueux des données privées et assurant la sécurité des clients et des véhicules
Résumé
This manuscript addresses the Dial-A-Ride Problem (DARP) using Private Vehicles and Alternative Nodes (DARP-PV-AN). The DARP consists of creating vehicle routes in order to ensure a set of users’ transportation requests. Each request corresponds to a client needing to be transported from his/her origin to his/her destination. Routing costs have to be minimized while respecting a set of constraints like time windows and maximum route length.In the classical DARP, vehicles have to start from a depot and come back to it at the end of their route. In the DARP-PV-AN, the on-demand transportation service can be done either by a public fleet or by clients that use their private vehicles. The use of these vehicles adds more flexibility and unclog the public transportation fleet by allowing clients to organize their own transportation. However, it also raises some privacy concerns. The DARP-PV-AN addresses these concerns and focuses on location privacy, i.e. the ability to prevent third parties from learning clients’ locations, by keeping both original and final location private. This is addressed by setting several pickup/delivery nodes for the transportation requests, thus masking the private address.The DARP-PV-AN is first solved in a mono-objective context. A compact mixed integer linear model is presented and an Evolutionary Local Search (ELS) is proposed to compute solutions of good quality for the problem. These methods are benchmarked on a modified set of benchmark instances. A new set of realistic instances is also provided to test the ELS in a more realistic way. A second approach solving the mono-objective DARP-PV-AN is proposed. Based on a hybrid metaheuristic, it combines three methods: a genetic algorithm, a Branch and Bound method, and Integer Linear Programming (ILP) to solve the Weighted Set Cover Problem (WSCP). This approach is tested on the new instances and compared to the previously proposed ELS.This hybrid method is then tuned to solve the DARP-PV-AN in a bi-objective context. In order to do this, the multi-objective algorithm NSGA-II is used, always associated with a Branch and Bound method and bi-objective WSCP solving by ILP (Integer Linear Programming). For the bi-objective WSCP resolution, different aggregation methods were tested and compared. This approach is also tested on the new instances, modified to treat them in a bi-objective framework.
Ce manuscrit aborde le problème du transport à la demande (Dial-A-Ride Problem – DARP) utilisant des véhicules privés et des sommets alternatifs (Dial-A-Ride Problem using Private Vehicles and Alternative Nodes – DARP-PV-AN). Le DARP consiste à créer des tournées de véhicules afin d’effectuer les transports de différents clients. Chaque requête correspond à un client ayant besoin d’être transporté de son point d’origine à son point de destination. Les différents coûts de transport doivent être minimisés tout en respectant un ensemble de contraintes comme les fenêtres de temps ou encore la durée maximale d’une tournée.Dans le DARP classique, les véhicules partent d’un dépôt et doivent y revenir à la fin de leur tournée. Dans le DARP-PV-AN proposé, le service de transport à la demande peut être assuré par les véhicules classiques (appelés véhicules publics) ou par les clients utilisant leurs propres véhicules (appelés véhicules privés). L’utilisation de ces véhicules ajoute plus de flexibilité et permet aux clients d’organiser leurs propres transports. Cependant, cela soulève également des problèmes de confidentialité. Le DARP-PV-AN propose également une solution à ces problèmes et met l’accent sur la confidentialité des adresses, c’est-à-dire la possibilité d’empêcher des tiers de connaître la localisation des clients en préservant leurs lieux de départ et d’arrivée. Pour cela, plusieurs sommets d’origine/destination sont ajoutés pour chaque demande de transport.Le DARP-PV-AN est tout d’abord traité dans un cadre mono-objectif. Un modèle linéaire est présenté et une métaheuristique de type ELS (Evolutionary Local Search) est proposée pour calculer des solutions de bonne qualité. Ces deux méthodes sont testées sur un ensemble d’instances classiques. Un nouvel ensemble d’instances dédiées au DARP-PV-AN est également fourni pour tester la méthode ELS.Une seconde approche de résolution du DARP-PV-AN mono-objectif est proposée. Basée sur une métaheuristique hybride, elle est divisée en trois parties. Un algorithme génétique est couplé à une méthode de « séparation et évaluation » (Branch and Bound) ainsi qu’à l’utilisation de la programmation linéaire en nombre entier (PLNE) pour résoudre le problème de couverture par ensembles avec poids (Weighted Set Cover Problem – WSCP). Cette approche est testée sur les nouvelles instances et est comparée à l’ELS proposé précédemment.Cette méthode hybride est ensuite adaptée pour résoudre le DARP-PV-AN dans un contexte bi-objectif. Pour cela, un algorithme génétique de type NSGA-II est utilisé. Ce dernier est associé à une méthode de Branch and Bound et à la résolution du WSCP bi-objectif par PLNE. Pour la résolution du WSCP bi-objectif, différentes méthodes d’agrégation ont été testées et comparées. Cette approche est également testée sur les nouvelles instances qui ont été modifiées pour les aborder dans un contexte bi-objectif.
Origine : Version validée par le jury (STAR)
Loading...