Amerikaanse onderzoekers hebben een algoritme ontwikkeld waarmee 3.000 personenvoertuigen via apps als Uber en Lyft in New York dezelfde diensten kunnen leveren waar nu 14.000 taxi’s voor nodig zijn. Het aantal voertuigen in de stad kan middels deze methode met 75 procent afnemen, terwijl de wachttijd met gemiddeld 2,7 minuten niet noemenswaardig verandert. De onderzoekers denken dat hun oplossing de verkeersdrukte in steden kan helpen terugdringen, wat ook positieve gevolgen voor het milieu kan hebben.

Het onderzoek werd geleid door professor Daniela Rus van het Computer Science and Artificial Intelligence Laboratory (CSAIL) van het Massachusetts Institute of Technology (MIT). “In plaats van één persoon per keer, kunnen chauffeurs twee tot vier mensen tegelijk vervoeren. Dit resulteert in minder voertuigbewegingen in minder tijd, terwijl er dezelfde hoeveelheid geld mee kan worden verdiend. Een dergelijk systeem kan het voor chauffeurs mogelijk maken om kortere diensten te draaien, terwijl zij tijdens die diensten minder verkeersbewegingen maken en voor minder luchtvervuiling zorgen”, aldus Rus.

Drie miljoen taxiritten

Volgens het team kan 95 procent van de huidige behoefte aan taxi’s in New York worden verzorgd met 2.000 voertuigen waar tien mensen in mee kunnen rijden. En 3.000 auto’s die plaats bieden aan vier personen kunnen zelfs 98 van de vraag naar taxi’s invullen. In theorie kan dat de huidige New Yorkse vloot van zo’n 14.000 taxi’s flink reduceren.

De conclusies komen niet uit de lucht vallen. Rus en haar collega’s verwerkten de data van drie miljoen taxiritten in hun algoritme. Dat ritme werk in real time, zodat de routes van voertuigen direct kunnen worden aangepast op basis van inkomende aanvragen. Daarnaast kunnen taxi’s die stilstaan alvast naar een gebied met veel vraag naar taxivervoer worden gestuurd, zodat ze ter plaatse snel een aanvraag kunnen invullen. De onderzoekers denken dat dankzij deze laatste stap de service zo’n 20 procent sneller kan.

Zelfrijdende auto’s

Het is volgens de wetenschappers voor het eerst dat op deze manier onderzoek is gedaan naar de verhoudingen tussen grootte van het wagenpark, capaciteit, wachttijd, vertraging en de operationele kosten voor een reeks voertuigen zoal taxi’s, busjes en shuttles. Rus: “Het systeem is bij uitstek geschikt voor zelfrijdende auto’s, omdat het de routes van voertuigen voortdurend kan aanpassen op basis van ritaanvragen die binnenkomen.”

Het systeem gaat een stap verder dan bestaande oplossingen voor ridesharing, zoals Uber en Lyft. Sommige van zulke apps zijn bijvoorbeeld nog beperkt in de zin dat reiziger A en B op dezelfde route een rit moeten aanvragen voordat die route kan worden gemaakt. Met het nieuwe algoritme kan de route telkens worden aangepast als nieuwe aanvragen daar aanleiding toe geven. En er kan ook worden bepaald waar en wanneer de inzet van bijvoorbeeld een busje voor maximaal tien personen het beste kan worden ingezet.

Gedeeld taxivervoer

Eerst wordt er een grafiek gemaakt van alle ritaanvragen en beschikbare voertuig. Een tweede grafiek laat alle mogelijke ritcombinaties zien, waarna het programma zorgt voor een optimale koppeling tussen voertuigen en ritten. De voertuigen die na deze koppeling leeg overblijven, kunnen vervolgens door het algoritme naar het gebied worden verstuurd waar de kans op vraag naar gedeeld taxivervoer het grootst is. En het systeem beschikt over lerend vermogen: hoe vaker het wordt gebruikt, hoe beter het zal werken.

Professor Rus: “Diensten voor ridesharing hebben een enorm potentieel als het gaat om positieve impact op maatschappelijke zaken als verkeersopstoppingen, vervuiling en energieverbruik. Het is belangrijk dat wij als onderzoekers er alles aan doen om na te gaan hoe deze vervoerssystemen zo efficiënt en betrouwbaar mogelijk kunnen werken.”