In the last few years, free-floating car sharing systems have become more popular in big cities. These systems appear to be more advantageous to usurs, compared to traditional station-based car sharing, since they allow for the vehicle to be dropped off at any parking lot inside the serviced area. Higher flexibility, however, means more organizational problems: the irregular flow of vehicles could lead to an imbalance in the distribution of the fleet. Tackling this imbalance requires the adoption of vehicle reallocation policies, in order to improve the quality of service and make the system more profitable. There are two main strategies for vehicle reallocation: on the one hand, it could be handled by the system operators (operator-based strategies), while on the other there are methods in place, which aim to control the balance of the fleet by influencing the behavior of users, offering discounts and pricing incentives (user-based strategies). This project developed an operator-based strategy for vehicle reallocation that combines the activities of operators in recharging electric vehicles and the reallocation of the latter, for a balancing of the fleet. Moreover, it implemented the simulation of a free-floating car sharing service to evaluate the reallocation method and compare the results of different strategies (changing the number of operators and the guidelines according to which they work). The results showed how much implementing a reallocation strategy improves the quality of service, reducing user requests that remain unfulfilled. We also noticed the presence of a threshold in the size of the operator team: once reached, increasing the number of operators does not lead to a noticeable improvement in the quality of service, with regards to pick-up requests that the system can fulfill.

In questi anni nelle principali città si stanno diffondendo i sistemi di car sharing free-floating. Tali sistemi risultano molto più vantaggiosi per gli utenti rispetto ai sistemi di car sharing tradizionali a stazioni poiché consentono di rilasciare il veicolo noleggiato in qualsiasi parcheggio all’interno dell’area di servizio. Ad una maggiore flessibilità si contrappone però un notevole svantaggio dal punto di vista organizzativo: la natura irregolare degli spostamenti può portare ad uno squilibrio nella distribuzione della flotta. Per far fronte a questo problema di sbilanciamento, al fine migliorare la qualità del servizio e rendere il sistema più profittevole, è necessario adottare una politica di riallocazione dei veicoli. Esistono due strategie principali per la riallocazione: le operazioni possono essere affidate al personale del sistema (strategie operator-based), oppure esistono metodi che si prefiggono di controllare il bilanciamento della flotta influenzando il comportamento degli utenti offrendo sconti e incentivi tariffari (strategie user-based). In questo lavoro è stato sviluppato un modello operator-based per la riallocazione dei veicoli che combini le operazioni che gli addetti devono svolgere per la ricarica dei veicoli elettrici a di riallocazione per il bilanciamento della flotta. È stato inoltre implementato un modello di simulazione per riprodurre l’andamento di un servizio di car sharing free-floating al fine di valutare il modello di riallocazione sviluppato e confrontare i risultati ottenuti da differenti strategie (variando il numero di operatori e le differenti configurazioni secondo le quali essi operano). I risultati hanno mostrato come la presenza di una strategia di riallocazione migliori la qualità del servizio, riducendo le richieste degli utenti non rimangono insoddisfatte. Si è osservato infine che esiste una soglia nel dimensionamento della squadra di operatori, raggiunta la quale ad un aumento del numero di addetti a disposizione, e quindi dei costi dovuti alla riallocazione, non corrisponde un significativo miglioramento della qualità del servizio in termini di richieste di prelievo che il sistema riesce a soddisfare.

Un modello di riallocazione per un sistema di car sharing elettrico free-floating

TRESCA, PAOLA
2016/2017

Abstract

In the last few years, free-floating car sharing systems have become more popular in big cities. These systems appear to be more advantageous to usurs, compared to traditional station-based car sharing, since they allow for the vehicle to be dropped off at any parking lot inside the serviced area. Higher flexibility, however, means more organizational problems: the irregular flow of vehicles could lead to an imbalance in the distribution of the fleet. Tackling this imbalance requires the adoption of vehicle reallocation policies, in order to improve the quality of service and make the system more profitable. There are two main strategies for vehicle reallocation: on the one hand, it could be handled by the system operators (operator-based strategies), while on the other there are methods in place, which aim to control the balance of the fleet by influencing the behavior of users, offering discounts and pricing incentives (user-based strategies). This project developed an operator-based strategy for vehicle reallocation that combines the activities of operators in recharging electric vehicles and the reallocation of the latter, for a balancing of the fleet. Moreover, it implemented the simulation of a free-floating car sharing service to evaluate the reallocation method and compare the results of different strategies (changing the number of operators and the guidelines according to which they work). The results showed how much implementing a reallocation strategy improves the quality of service, reducing user requests that remain unfulfilled. We also noticed the presence of a threshold in the size of the operator team: once reached, increasing the number of operators does not lead to a noticeable improvement in the quality of service, with regards to pick-up requests that the system can fulfill.
BRUGLIERI, MAURIZIO
LUÈ, ALESSANDRO
NOCERINO, ROBERTO
ING - Scuola di Ingegneria Industriale e dell'Informazione
27-lug-2017
2016/2017
In questi anni nelle principali città si stanno diffondendo i sistemi di car sharing free-floating. Tali sistemi risultano molto più vantaggiosi per gli utenti rispetto ai sistemi di car sharing tradizionali a stazioni poiché consentono di rilasciare il veicolo noleggiato in qualsiasi parcheggio all’interno dell’area di servizio. Ad una maggiore flessibilità si contrappone però un notevole svantaggio dal punto di vista organizzativo: la natura irregolare degli spostamenti può portare ad uno squilibrio nella distribuzione della flotta. Per far fronte a questo problema di sbilanciamento, al fine migliorare la qualità del servizio e rendere il sistema più profittevole, è necessario adottare una politica di riallocazione dei veicoli. Esistono due strategie principali per la riallocazione: le operazioni possono essere affidate al personale del sistema (strategie operator-based), oppure esistono metodi che si prefiggono di controllare il bilanciamento della flotta influenzando il comportamento degli utenti offrendo sconti e incentivi tariffari (strategie user-based). In questo lavoro è stato sviluppato un modello operator-based per la riallocazione dei veicoli che combini le operazioni che gli addetti devono svolgere per la ricarica dei veicoli elettrici a di riallocazione per il bilanciamento della flotta. È stato inoltre implementato un modello di simulazione per riprodurre l’andamento di un servizio di car sharing free-floating al fine di valutare il modello di riallocazione sviluppato e confrontare i risultati ottenuti da differenti strategie (variando il numero di operatori e le differenti configurazioni secondo le quali essi operano). I risultati hanno mostrato come la presenza di una strategia di riallocazione migliori la qualità del servizio, riducendo le richieste degli utenti non rimangono insoddisfatte. Si è osservato infine che esiste una soglia nel dimensionamento della squadra di operatori, raggiunta la quale ad un aumento del numero di addetti a disposizione, e quindi dei costi dovuti alla riallocazione, non corrisponde un significativo miglioramento della qualità del servizio in termini di richieste di prelievo che il sistema riesce a soddisfare.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
Tesi_Paola_Tresca.pdf

non accessibile

Descrizione: Testo della tesi
Dimensione 14.26 MB
Formato Adobe PDF
14.26 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/134948