T-EAMoD : algorithm for an efficient control of electric autonomous taxi fleets

How can the development of new technologies impact the future of personal urban mo- bility? What direction can we give to the advancements in fields such as automation and electric vehicles, so that they can become our allies in the development of a more sus- tainable world? This thesis tries to provide an answer to those questions by investigating the emergent world of Autonomous Mobility on Demand (AMoD). Such new technology promises to revolution our cities and the way we travel across them, by releasing fleets of autonomous electric taxis that are able to pick up passengers in few minutes upon request and carry them to wherever they might ask. Many are the market players as well as the academic researchers currently taking part in this new technological challenge, and if some of its aspects have already been addressed and studied in detail, there are still numerous open issues that need to be investigated. In order to make this technology interesting enough to be adopted, so that it can cooperate with the already existing forms of transport and hopefully, one day, even replace some of them, it is necessary to enhance it and optimize its functioning. In this research, a new algorithm for an efficient control of such fleets of autonomous electric taxis is developed and tested. It includes the opti- mal assignment of passengers to vehicles, a periodic redistribution of free taxis along the network operated in a predictive framework, and a smart handling of vehicles’ charging. The policy developed here shows good results in terms of a reduction of mean customers’ waiting time and distance travelled by the taxis when not transporting passengers, re- sulting in an increased quality of the service and in a reduced energy consumption of the overall system. Some of the questions that are raised on the subject still remain open after this research, thus constituting interesting starting points for possible future studies.

Quale impatto può avere lo sviluppo di nuove tecnologie sul futuro della mobilità urbana di passeggeri? Quali direzioni deve assumere il progresso nei campi dell'automazione e dei veicoli elettrici, in modo che essi possano diventare nostri alleati nella creazione di un mondo più sostenibile? La presente tesi fornisce una possibile risposta a tali domande, attraverso l'approfondimento del mondo emergente della "Autonomous Mobility on Demand" (AMoD). Tale tecnologia ha la potenzialità di rivoluzionare le nostre città e il nostro modo di viaggiare al loro interno, grazie a flotte di veicoli autonomi ed elettrici capaci di prelevare passeggeri in qualsiasi area della città e trasportarli in pochi minuti nella destinazione da loro indicata. Numerose sono le aziende all'avanguardia e i ricercatori accademici che stanno prendendo parte a questa nuova sfida tecnologica: sebbene alcuni aspetti dell'AMoD siano già stati analizzati nel dettaglio, rimangono ancora molte questioni da investigare. E' necessario infatti che il funzionamento di tale tecnologia sia ottimizzato per permettere che essa sia realmente adottata, e che possa competere e cooperare con le forme di trasporto urbano attualmente in uso. La presente ricerca si propone quindi di sviluppare e testare un algoritmo (T-EAMoD: Tunable-Electric Autonomous Mobility on Demand) capace di operare un controllo efficiente di flotte di veicoli autonomi ed elettrici. Tale algoritmo prevede l'assegnazione ottimale di risorse alle richieste dei passeggeri, una periodica ridistribuzione dei veicoli liberi nella rete cittadina, e una gestione intelligente dell'aspetto della ricarica delle auto. La metodologia di gestione della flotta messa in atto dal T-EAMoD genera risultati positivi in termini di riduzione sia del tempo medio di attesa dei clienti, che della distanza percorsa da veicoli vuoti, portando quindi ad un miglioramento del servizio ed allo stesso tempo ad una riduzione del consumo di energia dell'intero sistema. Diversi sono però i punti aperti in materia, che costituiscono spunti interessanti per potenziali futuri studi sull'argomento.