Agent-based simulations of intermodal mobility-on-demand systems operated by reinforcement learning - TEL - Thèses en ligne Access content directly
Theses Year : 2023

Agent-based simulations of intermodal mobility-on-demand systems operated by reinforcement learning

Simulations multi-agent de systèmes de mobilité à la demande intermodaux opérés par des algorithmes à base d'apprentissage par renforcement

Tarek Chouaki
  • Function : Author
  • PersonId : 1364831
  • IdRef : 276454693

Abstract

In this thesis, we focus on agent-based approaches for simulating mobility in general and mobility-on-demand systems in particular. A mobility-on-demand system consists in a fleet of vehicles that respond to trip requests from users in an online manner. Vehicles from the fleet can consequently serve multiple customers throughout the day and offer an interesting alternative to owning a private vehicle. While our approaches are generic and can apply to various use cases, we illustrate them on a localized setting as we focus on the area of Île-de-France and Paris-Saclay. In this work, prospective simulated use case for the study area which includes future rail lines is built. More precisely, we attempt, in this work, at fulfilling the following research objectives: (i) Assess the impact of future rail-based systems in Île-de-France/Paris-Saclay. (ii) Design, simulate and dimension an intermodal MoD system and assess its impact on travelers decisions and public transports. (iii) Explore the use of RL based methods for such a system and the potential of using agent-based simulations for the evaluation of such methods. All of these objectives are addressed with a focus on reproducibility and openness.
Dans cette thèse, nous nous intéressons aux approches multi-agent de simulation de la mobilité et plus particulièrement des systèmes de mobilité à la demande. Un tel système consiste en une flotte de véhicules qui répondent à des requêtes de trajets au fur et à mesure qu'elles émanent de la part des voyageurs. Les véhicules peuvent donc servir plusieurs voyageurs au cours de la journée et offrir une alternative à la possession d'un véhicule privé. Bien que nos approches soient génériques et peuvent s'appliquer à des cas d'usage variés, nous les illustrons sur un contexte localisé sur la région Île-de-France et le territoire de Paris-Saclay. Dans ce travail, un cas d'usage prospectif de la zone d'étude, incluant les lignes futur de transports ferrés, est construit. Plus précisément, nous tentons dans cette thèse de remplir les objectifs de recherche suivants: (i) évaluer l'impact des lignes de transports futures en Île-de-France et sur la zone de Paris-Saclay. (ii) Concevoir, simuler et dimensionner un système de mobilité à la demande intermodal et en évaluer l'impact sur les choix des voyageurs et sur les transports publics. (iii) Explorer l'utilisation des méthodes basées sur l'apprentissage par renforcement pour la gestion de ce type de systèmes ainsi que le potentiel de l'utilisation de simulations multi-agent pour l'évaluation de ces méthodes. Tous ces objectifs sont adressés avec un accent sur la réplicabilité et l'ouverture.
Fichier principal
Vignette du fichier
121552_CHOUAKI_2023_archivage.pdf (5.27 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-04509799 , version 1 (18-03-2024)

Identifiers

  • HAL Id : tel-04509799 , version 1

Cite

Tarek Chouaki. Agent-based simulations of intermodal mobility-on-demand systems operated by reinforcement learning. Multiagent Systems [cs.MA]. Université Paris-Saclay, 2023. English. ⟨NNT : 2023UPAST094⟩. ⟨tel-04509799⟩
39 View
4 Download

Share

Gmail Facebook X LinkedIn More