Minder auto’s, toch op tijd op de plaats van bestemming? Het kan. De taxivloot van New York kan met 30 à 40 procent minder voertuigen toe zonder dat klanten langer moeten wachten. Dit berekende een groep onderzoekers met een door hen ontwikkeld algoritme.
Taxibedrijven willen graag weten hoeveel voertuigen er op een bepaald moment rond moeten rijden. Als er te weinig taxi’s zijn, dan moeten mensen wachten en dat kost klanten. En te veel taxi’s leeg laten rondrijden is duur en zorgt voor meer files en uitstoot.
Ieder mens een persoonlijk dieet
Gezondheidseconoom Milanne Galekop onderzocht gepersonaliseerde diëten. Zijn die echt de moeite en de kosten waard?
Minimale-vlootprobleem
Het bepalen van de minimale hoeveelheid voertuigen in een taxivloot, is een wiskundig vraagstuk genaamd het ‘minimale-vlootprobleem’. Dit probleem oplossen voor een stad als New York is niet eenvoudig. Er rijden meer dan 10.000 taxi’s rond die samen goed zijn voor 300.000 à 400.000 ritjes per dag. ‘Traditionele optimalisatie-algoritmes kunnen zulke grote aantallen niet aan’, zegt Mohammad Vazifeh van de Amerikaanse technische universiteit MIT.
Netwerk van taxiritjes
De onderzoekers losten dit op door voort te bouwen op een idee uit 2014: ze schreven het minimale-vlootvraagstuk om naar een zogenoemd netwerkprobleem. Hierbij beeldden ze elke rit uit als een knooppunt in een netwerk. Lijnen tussen de knooppunten geven aan dat ritten door hetzelfde voertuig uitgevoerd kunnen worden. Dus een lijn tussen knooppunt A en B betekent dat een taxi die eerst rit A uitvoert, daarna tijd heeft om rit B te doen. Vervolgens berekent eencomputer in enkele seconde welke verzameling verbindingen zo efficiënt mogelijk alle knooppunten verbindt.
Dit model testten ze op de 150 miljoen taxiritjes die in een jaar in New York gemaakt waren. Dit deden ze in twee verschillende scenario’s. In het eerste scenario zijn alle ritten een dag van te voren bekend en kunnen ze gepland worden. ‘Dat is realistisch voor bijvoorbeeld bezorgservices’, zegt Vazifeh. De onderzoekers zien dat in dit scenario hetzelfde niveau van service geleverd kan worden met 40 procent minder taxi’s.
In het tweede scenario waren de ritten het niet van tevoren bekend, iets wat realistischer is voor een taxibedrijf. Daarbij bleek dat de New Yorkse vloot met 30 procent minder auto’s kan volstaan.
‘Het onderzoek lijkt gedegen uitgevoerd te zijn door de auteurs’, zegt Sandjai Bhulai, hoogleraar business analytics aan de Vrije Universiteit Amsterdam. Bhulai merkt wel op dat er aannames zijn gemaakt, zoals dat alle taxi’s centraal aangestuurd worden. ‘Dat is momenteel niet het geval en ook niet haalbaar.’ Hij denkt dat de besparing in de praktijk wellicht minder zal zijn.
Ambulance-algoritmes
Volgens Bhulai kunnen dergelijke modellen ook in Nederland en België toegepast worden. Maar dan moet zijn er wel aanpassingen nodig in het model en er is meer data nodig dan er nu beschikbaar is. Het New Yorkse taxisysteem werkt bijvoorbeeld anders dan in Nederland. Daar zijn de afstanden die men in een taxi aflegt vaak korter en je kunt op straat een taxi aanhouden. Dat gebeurt in Nederland zelden.
‘In Nederland zijn dit soort berekeningen overigens wel voor andere sectoren uitgevoerd’, zegt Bhulai. ‘Denk hierbij aan ambulances en de sturing daarvan. Dat is wel centraal geregeld per regio; daar zien we dat algoritmen ervoor gezorgd hebben dat de aanrijtijden omlaag zijn gegaan bij gelijkblijvende aantallen ambulances. Dergelijke berekeningen kunnen ook gemaakt worden voor de brandweer en voor de politie.’
Mis niet langer het laatste wetenschapsnieuws en meld je nu gratis aan voor de nieuwsbrief van New Scientist.
Lees verder: