Il y en a partout, de Berlin à Pékin, des vélos aux couleurs vives que l'on peut emprunter pour se déplacer dans la ville sans voiture. Ces systèmes, ainsi que les scooters électriques, offrent aux gens un moyen rapide et pratique de se déplacer dans les zones urbaines. Et à une époque où les villes s'efforcent de trouver des moyens d'atteindre leurs objectifs climatiques, elles sont un outil bienvenu pour les urbanistes.

S'assurer que les vélos et les scooters électriques sont à portée de main peut être un défi, mais c'est aussi la clé du succès de l'offre, explique Steffen Bakker, chercheur au département de gestion économique et technologique industrielle de NTNU qui étudie les moyens de rendre le transport plus écologique et plus efficace.

"Si un système comme celui-ci doit réussir, nous devons avoir la satisfaction des utilisateurs", a déclaré Bakker. "Les gens veulent que les vélos soient là quand ils veulent les utiliser, et ils ne voudront utiliser le système que s'il s'agit d'un bon service."

Bakker a été co-auteur d'un article récent qui décrit un modèle d'optimisation pour aider les villes et les entreprises à faire un meilleur travail en gardant leurs clients de vélos en libre-service satisfaits.

Comme tirer sur une cible mouvante

Considérez les défis liés à la fourniture de vélos ou de scooters où et quand les gens en voudront.

Les chercheurs décrivent le problème comme étant dynamique, car il change constamment, et stochastique, car il change de manière aléatoire et souvent difficile à prévoir, a déclaré Bakker.

"Les utilisateurs du système de partage de vélos récupèrent les vélos à un endroit, et ils les déplacent ailleurs. Et puis l'état du système change parce que tout d'un coup, les vélos ne sont plus là où ils ont commencé, c'est-à-dire la partie dynamique", a-t-il déclaré. a dit. "Mais en plus de cela, vous ne savez pas quand les clients prendront les vélos et où ils les mettront. C'est la partie stochastique. Donc, si vous voulez planifier au début de la journée, vous ne savoir ce qui va se passer."

Bakker et ses collègues peuvent utiliser l'énorme trésor de données collectées par les vélos et les scooters électriques lorsqu'ils sont utilisés pour faire des prédictions. Mais rien ne garantit que la façon dont les vélos ont été utilisés mardi dernier, par exemple, sera la même le mardi suivant, a-t-il déclaré.

"Vous devez vous adapter aux choses qui se produisent pendant la journée", a-t-il déclaré. "Peut-être que tout d'un coup, un événement se produit ou le temps change, puis les gens n'utilisent pas le service et le modèle de demande change, ce qui a un impact sur la planification."

Assembler les pièces

Ce que Bakker et ses collègues ont développé est un modèle d'optimisation qui peut donner des recommandations sur ce que les opérateurs de services doivent faire.

Cela inclut ce que les véhicules de service doivent faire à la station où ils se trouvent actuellement - s'ils doivent déposer ou récupérer des vélos, ou remplacer les batteries par des vélos électriques et des scooters - et où aller ensuite. Les calculs sous-jacents sont basés sur ce qui s'est passé jusqu'à présent au cours de la journée et sur ce qui devrait se produire dans un avenir proche.

La recherche du groupe est financée dans le cadre d'un projet de 10 millions de NOK financé par le Conseil de la recherche de Norvège appelé Future of Micro Mobility (FOMO), avec la société Urban Sharing AS en tant que chef de file de la subvention.

"A travers Pilot-T, nous prévoyons d'utiliser les systèmes de vélos de ville existants comme bases de test, et en développant de nouveaux outils d'aide à la décision, l'objectif est d'augmenter l'efficacité des équipes de rééquilibrage de 30% et la durée de vie des vélos de 20%, " a déclaré Jasmina Vele, chef de projet chez Urban Sharing. "Cela peut être réalisé grâce à de meilleures décisions liées au rééquilibrage et à la maintenance préventive, et cela correspondra à une réduction importante des coûts des systèmes de vélos urbains existants."

Déplacer les vélos de la manière la plus efficace

Le processus de collecte et de déplacement des vélos d'une station de stationnement à vélos à une autre s'appelle le « rééquilibrage ». L'utilisation du modèle d'optimisation, qui est encore en phase de développement, permet d'envoyer aux conducteurs un nouveau plan à chaque arrivée dans une station vélo.

"Vous ne faites pas qu'un seul plan au début de la journée, mais ce que nous faisons, c'est que nous créons un nouveau plan chaque fois qu'un véhicule arrive à une station de vélos", a-t-il déclaré. "Et quand la voiture arrivera à la gare, nous leur dirons :'D'accord, récupérez autant de vélos ou déposez autant de vélos'."

Mais c'est là qu'intervient la partie délicate. Il est important de ne pas être trop myope en se concentrant uniquement sur l'état actuel du système, dit Bakker, surtout si l'on s'attend à ce que certaines stations aient plus de demande dans la prochaine heure.

"C'est très complexe, car c'est un gros système", a-t-il déclaré. "Peut-être qu'il va y avoir beaucoup de demande à la gare en une heure. Donc, vous voulez déjà amener des vélos là-bas. Mais en même temps, il peut y avoir des gares maintenant presque vides, et elles ont besoin de vélos. Alors vous devez comprendre ce compromis."

Il est également important de coordonner les collectes et les restitutions entre les différents véhicules qui desservent le réseau de vélos en libre-service, a-t-il déclaré.

Jumeaux numériques et temps de calcul

Bakker et ses collègues travaillent avec le département d'informatique de NTNU pour créer un "jumeau numérique", ou une simulation informatique, des systèmes qu'ils modélisent, afin qu'ils puissent essayer différentes approches sans avoir à les tester dans le monde réel.

Les premiers tests ont montré que le modèle généré par le groupe peut réduire le nombre de problèmes (c'est-à-dire soit pas assez de vélos là où l'utilisateur en veut un, soit trop de vélos pour que l'utilisateur ne puisse pas garer le vélo) de 41 % par rapport à l'absence de rééquilibrage. du tout.

Par rapport aux pratiques de rééquilibrage actuelles d'Oslo City Bikes, qui est également un collaborateur de la subvention NFR, le nombre de problèmes a été réduit de 24 %. Bakker dit que les nouvelles versions du modèle montrent encore plus de potentiel.

Des approches plus simples sont également possibles

Sans surprise, les types de calculs nécessaires pour faire fonctionner le modèle sont complexes, et les chercheurs doivent affiner les différents paramètres affectant les performances du modèle.

Bakker et ses collègues ont également travaillé sur un composant du modèle d'optimisation appelé scores de criticité, qui est un peu plus simple et peut être utilisé indépendamment du modèle d'optimisation plus large.

Un score de criticité est essentiellement un score attribué à différentes aires de stationnement de vélos en libre-service en fonction du nombre de vélos qu'elles contiennent ou dont elles ont actuellement besoin. Ces scores sont relativement simples à calculer et peuvent être fournis aux conducteurs lors de leurs déplacements en ville pour rééquilibrer le nombre de vélos à chaque station.

"C'est un score qui indique au conducteur quelle station est la plus critique à visiter", a déclaré Bakker. "Si vous pouvez présenter cela à la personne qui conduit la voiture et dire que ce sont les stations avec le score de criticité le plus élevé, nous pouvons fournir quelque chose qui n'est pas le meilleur, mais c'est probablement bon, et bien meilleur que ce que les entreprises de partage de vélos font maintenant. ."

Selon Vele d'Urban Sharing, l'utilisation de ces types de modèles d'optimisation peut contribuer à faire du vélo en libre-service un élément important du transport urbain.

"La vision d'Urban Sharing pour la mobilité future est un système de transport réactif et adaptatif. En utilisant des données et des algorithmes d'apprentissage automatique/d'optimisation, nous pouvons combiner le meilleur des systèmes de transport traditionnels et modernes, et créer un système économe en ressources qui répond à demande et s'adapte aux besoins individuels des utilisateurs », a-t-elle déclaré.

La recherche a été publiée dans le European Journal of Operational Research . + Explorer plus loin

Lyft suspend les vélos électriques après un incendie de batterie