Adresse:

Cité Descartes, Champs sur Marne
77447, Cedex, France.

Accès:

Ifsttar Batiment Bienvenüe
Ecole des Ponts ParisTech (ENPC)

Organisateurs:

N. Farhi, N. Bhouri et J-P. Lebacque (Grettia).
Z. Christoforou et F. Leurent (Lvmt).

Contact:

nadir.farhi(at)ifsttar.fr
+331 81 66 87 04

Session prochaine

Date: 18 Janvier 2018
Lieu: Ifsttar - Salle A010 - 14 - 20 Boulevard Newton - Marne-la-Vallée, France. Accès .

Programme:

13h30 Neila BHOURI, IFSTTAR/COSYS/GRETTIA,
Titre. Gini Index for evaluating bus reliability. Application to New-Delhi bus network.
   
14h15 Fabio GALATIOTO, Transport Systems Catapult, UK.
Titre. Accelerating the impact of transport research and innovation.
   
15h00 Pause Café.
   
15h15 Jean Patrick LEBACQUE, IFSTTAR/ COSYS/GRETTIA.
Titre. Macroscopic modelling of multimodal networks : the GSOM approach.
   
16h00 Fabien Leurent ENPC-LVMT
Titre. Technical and economic analysis of cab services in a ring-shaped city.
Résumé. Les services en plateforme ont révolutionné l'industrie du taxi. Les transactions sont devenues bien plus ergonomiques et plus efficaces, donc plus rapides pour le client et moins coûteuses pour le serveur : par ces deux côtés, l'offre de service est devenue plus abondante et moins chère, ce qui stimule un développement dynamique de l'offre et de la demande. Désormais, dans l'agglomération parisienne, ce sont deux tiers des taxis au sens large qui sont affiliés au service Uber (Boutueil et al, 2017). Prochainement, la conduite autonome promet de réduire encore bien davantage les coûts de production, donc certainement les prix, ce qui stimulera encore la demande. Nous avons modélisé l'offre et la demande d'un service de taxi dans une ville idéalisée en forme d'anneau. La demande est sensible au tarif et à la qualité de service - en termes de temps de parcours et de temps d'attente. Le service est produit par un seul opérateur, avec une flotte de taxis de taille variable. Le fonctionnement du service est modélisé par une chaîne de Markov à états discrets. En régime stationnaire, ce modèle présente un équilibre stationnaire. Nous en tirons des formules approchées pour les lois du trafic dans un tel système. Nous caractérisons ensuite "l'équilibre de l'usager"' entre l'offre et la demande, en reliant le volume de demande au tarif et à la qualité de service. A partir de ce modèle d'équilibre de court terme, nous pouvons alors étudier le management du service pour plusieurs stratégies de régulation : depuis la gestion du monopole, jusqu'à l'optimum collectif de premier rang, en passant par l'optimum collectif de second rang. Nous montrons que la régulation permet d'abaisser de moitié les tarifs et d'augmenter la demande d'un facteur 4, tout en préservant l'équilibre budgétaire du producteur.