Optimisation d’un service d’autopartage de véhicules électriques

Optimisation for an electric carsharing system

¹ Laboratoire Informatique d’Avignon, Université d’Avignon, (S)FR Agor@ntic
² UMR ESPACE 7300 CNRS, Université d’Avignon, UNSA, (S)FR Agor@ntic

^a mohammed-amine.ait-ouahmed@univ-avignon.fr
^b fen.zhou@univ-avignon.fr
^c didier.josselin@univ-avignon.fr

Résumé

Dans un système d’autopartage dit «à un seul sens», les utilisateurs peuvent prendre une voiture dans une station et la laisser ensuite à une autre station. Ce comportement conduit généralement à une situation dans laquelle certaines stations sont pleines et d’autres vides. Le système est d’autant plus contraint que les véhicules sont électriques et qu’un temps de recharge minimal est nécessaire. Dans ce travail, nous proposons des heuristiques qui optimisent la redistribution des voitures et la gestion du service. Ces heuristiques permettent de calculer le nombre de voitures électriques, le nombre d’agents nécessaire et les différentes opérations de redistribution à réaliser sur une journée donnée. Les algorithmes proposés sont appliqués sur le réseau Auto Bleue de la ville de Nice et une cartographie est réalisée sur QuantumGIS à partir des demandes estimées.

Abstract

In the so called "one way" electric carsharing system, users can take a car at a station, use and leave it at another station. This process usually leads to a situation where some stations are full while others are empty. The system is especially compelling because vehicles are electrical and a minimal charging time is required. Therefore, a balanced system requires the optimal redistribution of the vehicles. In this work, we propose heuristic algorithms that optimize the redistribution of cars and their service management. This algorithm calculates the number of electric cars, the number of agents required and the redistribution operations to perform in a given day. The algorithms are applied to the Auto Bleue network in the surrounding of Nice (France) and a map is provided within QuantumGIS using estimated demands.