On-demand ride-pooling is an appealing approach to provide sustainable mobility without being constrained by fixed routes or schedules. A ride-pooling system combines similar trips to reduce the average driven distance while keeping the average travel time of customers as low as possible. Ride-pooling gets more efficient by using stops. In this work, we present an algorithm capable of finding efficient networks for ride-pooling in terms of the average travel time of passengers. Because the number of possible networks of stops is infinite for any given streets map, we use a Markov chain Monte Carlo algorithm, which samples from the set of possible networks. The Markov chain Monte Carlo algorithm simulates a distribution where efficient networks appear more likely than inefficient networks. New networks are generated from an existing one by pooling or splitting nodes. Manipulating stops in the networks creates a walking time for customers. The efficient networks found by the algorithm provide an optimal balance between walking time and driving time. The servicetime of a network is determined by running a ride-pooling simulation, which uses a single vehicle with an infinite seat capacity. We generate network ensembles of the most beneficial networks by executing the algorithm several times on the same street maps. The final networks show a strong tendency to place stops on intersections, ignore stops that lead to detours, and reduce the area served by the single vehicle of the simulation. Furthermore, we are capable of approximating the efficiency of the service directly from the network, giving us a framework to evaluate networks without running simulations.      «

On-demand ride-pooling is an appealing approach to provide sustainable mobility without being constrained by fixed routes or schedules. A ride-pooling system combines similar trips to reduce the average driven distance while keeping the average travel time of customers as low as possible. Ride-pooling gets more efficient by using stops. In this work, we present an algorithm capable of finding efficient networks for ride-pooling in terms of the average travel time of passengers. Because the numbe...     »

On-Demand Ridepooling ist ein Konzept um nachhaltige Mobilität zu gewährleisten ohne Einschränkungen durch feste Routen oder Fahrpläne. Ridepooling Dienste kombinieren ähnliche Fahrten, um die durchschnittliche Fahrstrecke zu verringern, während gleichzeitig die durchschnittliche Reisedauer der Kunden möglichst gering bleiben soll. Ridepooling Systeme, welche Haltestellen verwenden, sind effektiver als Taxi-ähnliche Systeme, bei denen Kunden an beliebigen Stellen ein- und aussteigen können. In Rahmen dieser Arbeit implementieren wir einen Algorithmus, welcher effiziente Netzwerke im Hinblick auf die durchschnittliche Reisedauer der Fahrgäste findet. Da die Anzahl der möglichen Haltestellennetze für jede beliebige Straßenkarte unendlich ist, verwenden wir einen Markow-Chain-Monte-Carlo Algorithmus mit dem Stichproben aus der Menge der möglichen Netzwerke gezogen werden. Der Markow-Chain-Monte-Carlo Algorithmus simuliert eine Verteilung, bei der effiziente Netzwerke wahrscheinlicher sind als ineffiziente Netzwerke. Neue Netzwerke werden aus einem Netzwerk erzeugt, indem Knoten vereint oder geteilt werden. Durch das Vereinen von Knoten tritt eine Laufzeit für die Kunden auf. In den Ergebnisnetzwerken gleichen sich die Laufzeit und die Fahrzeit der Kunden aus. Die durchschnittliche Reisedauer innerhalb eines Netzwerkes wird durch eine Ridepooling Simulation ermittelt, welche ein Fahrzeug mit einer unendlichen Sitzplatzkapazität verwendet. Durch mehrmaliges Ausführen des Algorithmus auf denselben Straßenkarten erzeugen wir Netzwerk-Ensembles, die aus den effizientesten Netzwerken bestehen. In den Ergebnisnetzwerken werden Haltestellen an Kreuzungen präferiert. Haltestellen, die zu Umwegen führen, werden ignoriert und das von dem einzelnen Fahrzeug der Simulation bediente Gebiet wird verkleinert. Darüber hinaus konnten wir aus den Ensembles ableiten, dass die durchschnittliche Reisedauer auch aus den Netzwerken selbst approximiert werden kann, und schaffen damit eine Möglichkeit Netzwerke hinsichtlich ihrer Effizienz zu beurteilen ohne dafür eine Simulation verwenden zu müssen.     «

On-Demand Ridepooling ist ein Konzept um nachhaltige Mobilität zu gewährleisten ohne Einschränkungen durch feste Routen oder Fahrpläne. Ridepooling Dienste kombinieren ähnliche Fahrten, um die durchschnittliche Fahrstrecke zu verringern, während gleichzeitig die durchschnittliche Reisedauer der Kunden möglichst gering bleiben soll. Ridepooling Systeme, welche Haltestellen verwenden, sind effektiver als Taxi-ähnliche Systeme, bei denen Kunden an beliebigen Stellen ein- und aussteigen können. In R...     »