Interacties in mobility-as-a-service ecosystemen

Achtergrond / motivatie Mobility-as-a-Service (MaaS) integreert multimodale en mobiliteitsdeeldiensten in een enkele bundel van mobiliteitsdiensten voor klanten voor gebruik in hun dagelijkse reizen. Dit nieuwe mobiliteitsconcept wordt beschouwd als een oplossing voor het verminderen van congestie en vervuiling door het verminderen van het privé-autogebruik. In toekomstige steden kunnen meerdere MaaS-makelaars naast elkaar bestaan met openbare en particuliere vervoersdienstverleners. Ze zullen klanten aantrekkelijke diensten moeten aanbieden (om te kunnen concurreren met het privé-autogebruik) en moeten bijdragen aan duurzame beleidsdoelstellingen van de overheid (en) (om vergunningen en subsidies te rechtvaardigen), terwijl ze tegelijkertijd commercieel zijn en winstgericht zijn. Dit leidt tot de opkomst van een zeer flexibel en adaptief ecosysteem van belanghebbenden op het gebied van mobiliteit, waarvan de interacties dynamisch kunnen worden beïnvloed door beleidsmaatregelen (vergunningen, subsidies, belastingen, ...), concurrentie, strategische allianties enzovoort; en dit alles is onderhevig aan veranderende voorkeuren in de markt en beperkingen opgelegd door de fysieke transportinfrastructuren. De doelstellingen van deze belanghebbenden zijn niet noodzakelijkerwijs op elkaar afgestemd en elke belanghebbende beschikt over slechts een paar beslissingsvariabelen die hij beheert. Zijn tevredenheid (bijvoorbeeld winst) hangt echter af van de combinatie van de variabelen die hij controleert met variabelen die door anderen worden gecontroleerd. Reizigers kunnen bijvoorbeeld de reismodus kiezen die ze gebruiken, maar de prijs wordt bepaald door de serviceprovider. Een aanbieder van gedeelde taxi's mag de tarieven voor zijn dienstverlening kiezen, maar wordt beperkt door de betalingsbereidheid van zijn klanten, die op zijn beurt afhangt van de tarieven van de alternatieve, concurrerende reisdiensten die op de markt bestaan. Bovendien kan hij worden belast of gesubsidieerd door een overheid die enige controle over zijn markt wil uitoefenen, b.v. om hem te stimuleren om niet te concurreren met massatransport, maar om aanvullende diensten aan te bieden, zoals het verzamelen van feedertrips. De dispatching met de gedeelde taxi mag de volgorde kiezen waarin hij de passagiers ophaalt en afzet en het pad tussen deze punten, maar wordt geconfronteerd met de beperkingen van de fysieke infrastructuur die congestie kan vertonen als te veel andere weggebruikers hetzelfde pad kiezen. Onderzoeksdoelen Het MaaS-ecosysteem met de interacterende belanghebbenden kan worden beschouwd als een spel voor meerdere spelers. Wiskundige technieken zijn ontwikkeld om dynamische interacties en hun resulterende evenwichten te modelleren in vergelijkbare techno-economische systemen zoals energieproductie- en distributiemarkten (Delarue et al., 2018; Poncelet, 2018) en supply chain-netwerken (Nagurney et al., 2002) . Wanneer de optimaliteit of evenwichtsvoorwaarden van elke stakeholder analytisch kunnen worden beschreven in eenvoudige formules, is het gewrichtsevenwicht in deze systemen gemodelleerd als gemengde complementariteitsproblemen (MCP), wat een speciaal geval is van variatieongelijkheidsproblemen (VIP (Nagurney, 1998)) . Veel efficiënte oplossingsalgoritmen voor eenvoudigere, meer traditionele transportsysteemmodellen zoals route- en vertrekkeuze-evenwichtsmodellen, evenals de theoretische bewijzen van hun convergentie en uniekheid, vinden ook hun oorsprong in de VIP-theorie (Friesz et al., 1993 ; Smith, 1979). Gezien hun verwante wiskundige structuur vastgelegd door VIP-formuleringen, zou het dus mogelijk moeten zijn om traditionele transportnetwerkmodellering en nieuwe interacties in het MaaS-ecosysteem te combineren in een gezamenlijk modelleringskader met bijbehorende oplossingsalgoritmen (Nagurney, 2006; Xu et al., 2015 ). Het doel van dit onderzoek is het ontwikkelen van dergelijke modellen voor het MaaS-ecosysteem, voor het onderzoeken van evenwichten en dynamische interacties in deze systemen en de factoren die daarop van invloed zijn. Dit doel is te breed om in één onderzoek te worden vastgelegd en behoeft verdere afbakening en specificatie. Dit zal onderdeel zijn van de verkennende fase. Enerzijds zal de stand van de techniek van soortgelijke inspanningen worden herzien en zullen openstaande kwesties worden geïdentificeerd. Anderzijds worden de kansen die de onderzoekscontext van de kandidaat aan de KU Leuven biedt, geïnventariseerd. Zo is er bij de afdeling Werktuigbouwkunde een lange traditie van het ontwikkelen van modellen en algoritmen voor (dynamisch) netwerkverkeer en evenwichtsmodellering (Himpe et al., 2019, 2016; Yperman et al., 2006), voertuigroutering ( Beullens et al., 2003; Vansteenwegen en Gunawan, 2019) en MCP-modellering van energiemarkten (Delarue et al., 2018). De uitdaging is om deze kansen voor vooruitgang bij het modelleren van MaaS-ecosystemen te benutten.