Ce projet vise Ă dĂ©velopper des algorithmes dâoptimisation de gestion de flotte pour des navettes autonomes capables de se connecter Ă un vĂ©hicule de tĂȘte avec conducteur afin de circuler sur la voie publique.
En permettant lâutilisation gĂ©nĂ©ralisĂ©e de la mobilitĂ© Ă la demande, les navettes autonomes feront partie du nouveau paysage urbain. En outre, leur fonctionnement Ă©lectrique en fait une solution durable et respectueuse de lâenvironnement, contribuant Ă accroĂźtre la couverture du rĂ©seau de transport en commun grĂące Ă des offres jusquâau dernier kilomĂštre.
Ce projet de transport accessible Ă la demande vise Ă coupler des navettes sans conducteur avec une «navette mĂšre» qui serait, elle, conduite par un chauffeur. Les navettes autonomes (avec une capacitĂ© de 4-6 passagers) formeraient un peloton et seraient reliĂ©es par Ă©lectronique avec le vĂ©hicule de tĂȘte afin de circuler sur les routes rĂ©guliĂšres. Selon les itinĂ©raires origine-destination des passagers, des navettes pourraient alors se sĂ©parer dâun peloton donnĂ© et sâarrĂȘter Ă une station. Elles fonctionneraient sans pilote sur un court parcours autour de la station et pourraient se connecter Ă un autre vĂ©hicule de tĂȘte/peloton qui opĂšre vers un autre itinĂ©raire/destination.
Pour rĂ©ussir Ă gĂ©rer la diversitĂ© des situations auxquelles les vĂ©hicules autonomes devront faire face, des algorithmes dâoptimisation de gestion de flotte complexes doivent ĂȘtre dĂ©veloppĂ©s. Ils doivent prendre en compte notamment la flexibilitĂ© de lâitinĂ©raire, de lâhoraire et des transferts, tout en conservant une haute fiabilitĂ© de services fournis aux clients. Ces algorithmes seront dĂ©veloppĂ©s par le Laboratoire de systĂšmes de transports urbains (LUTS) qui a une expertise reconnue dans la modĂ©lisation, la surveillance et le contrĂŽle des systĂšmes de transports urbains.
Ce projet de neuf mois est mené par le LUTS, dirigé par le professeur Nikolas Geroliminis. Il est financé par Toyota.
Investigateur principal |
Prof. Nicolas Geroliminis |
Sponsor | Toyota |
Période | 2016-2017 |
Laboratoire | LUTS |
Collaboration | TRACE |