Simulation multi-agent des opérations sur un réseau d'autopartage en libre-service intégral

Avec l'accroissement constant de la population, les grandes agglomérations sont à la recherche de solutions durables afin de relever les défis de mobilité actuels. D'ailleurs, un objectif principal du gouvernement québécois est l'intégration des modes de transport alternatifs à l'offre de trans-port urbain actuelle (Transports Québec, 2019). Face à un besoin en mobilité temporellement et spatialement variable, l'autopartage en libre-service intégral se démarque par la flexibilité qu'elle offre à ses usagers. En effet, les compagnies d'autopartage proposant cette variante de service innovent en permettant à leur client de stationner leur véhicule dans n'importe quel stationnement public autorisé. Toutefois, une augmentation de la flexibilité pour l'utilisateur rime très souvent à une augmentation de la complexité organisationnelle pour les opérateurs. L'efficacité opérationnelle est ainsi obtenue en résolvant efficacement les problématiques liées par exemple au choix de la couverture de réseau optimale sur un territoire donné. Dans ce contexte, la simulation devient un outil d'analyse de prédilection.Le sujet de cette étude est le service d'autopartage en libre-service intégral de Communauto à Montréal. Plutôt que d'estimer sa demande, cette étude vise à analyser sa performance opérationnelle relativement à différentes stratégies de configurations de réseau. Historiquement, lorsqu'il s'agit de systèmes hétérogènes tels que l'objet de cette étude, le mélange de paradigmes de simulation est privilégié pour modéliser les différentes composantes du système (Shaheen, 2009). Ainsi, il a été choisi d'adopter aussi bien une approche à base d'agent, pour représenter les entités évoluant sur le réseau, qu'une approche à évènements discrets pour représenter les procédures récurrentes, à l'image du processus de recharge d'un véhicule.Le modèle a été développé et implémenté sur Anylogic (The Anylogic Company, 2019c). Principalement, trois expérimentations visant à comprendre l'interaction dynamique entre la demande, le taux de service et les politiques d'utilisation du service ont été menées. Chaque expérimentation a été évaluée quand les clients sont restreints à terminer leur voyage dans la zone de service définie par l'opérateur (scénario 1) ou non (scénario 2). Globalement, l'utilisation moyenne du service est légèrement supérieure au scénario 2 qu'au scénario 1, ce dernier permettant néanmoins d'avoir une fréquence d'utilisation journalière des véhicules de la flotte plus uniforme. Afin d'analyser la sensibilité du système aux variations de la demande et de la flotte, l'élasticité de la demande latente a été évaluée par rapport à ces changements stratégiques. Cet indice de sensibilité mesure à quel point la demande latente change lorsque l'une de ces variables stratégiques change. Ainsi, en faisant varier le nombre de véhicules disponibles, les coefficients d'élasticité obtenus ont permis de conclure qu'une augmentation de la taille de la flotte entraîne une baisse de la demande latente, quel que soit le scénario étudié. L'inverse est vrai dans le cas où l'intensité de la demande est sujette à variation.

Abstract

With human population constantly growing, sustainable ways to meet current mobility challenges is quickly becoming a concern for highly urbanized cities. Indeed, one main objective of the Quebec government is to integrate alternative modes of transportation into the current urban trans-portation offer (Transports Québec, 2019). With a mobility demand that is both spatially and tem-porally variable, free-floating carsharing stands out for the flexibility it offers to its users. Indeed, carsharing companies offering this variant of service innovate by allowing their customers to park their vehicles in any authorized public parking space. However, an increase in flexibility for the user very often means an increase in organisational complexity for the carsharing company. Operational efficiency is thus achieved by effectively solving problems related, for instance, to the choice of optimal network coverage in a given territory. In this context, simulation becomes a preferred analytical tool.The subject of this study is Communauto's free-floating carsharing service in Montreal. Rather than estimating its demand, this study aims to analyze its operational performance with respect to different network configuration strategies. Historically, when it comes to heterogeneous systems such as the subject of this study, the mixture of simulation paradigms is preferred to model the different components of the system (Shaheen, 2009). Thus, it was chosen to adopt both an agent-based approach to represent entities operating on the network, and a discrete event approach to represent recurrent and entity-specific procedures such as the charging process of a vehicle.The model was developed and implemented on Anylogic (Anylogic, 2019). Mainly, three experi-ments were conducted directly aimed at understanding the dynamic interaction between demand, service rate and clients' usage policies. Each experimentation was evaluated when a policy re-straining customers' trips ends in a service area defined by the operator was applied strictly (Sce-nario 1) and when customers were allowed to complete their travel outside that same area (sce-nario 2). Experimentation shows an overall increase in the vehicle utilization rate in scenario 2 compared to scenario 1, the latter making it possible to have more uniform daily vehicle utiliza-tion frequency. In order to analyze the sensitivity of the system to variations in fleet demand and sizing, the latent demand's elasticity was assessed in relation to these strategic changes. This sensitivity index measures to which degree latent demand changes when one of those strategic variables changes. By varying the number of vehicles available, the coefficients of elasticity obtained made it possible to conclude that an increase in the size of the fleet causes a fall in latent demand whatever the scenario under study is. The opposite is true when the intensity of demand is subject to variation.