رویکرد جدید امکانات شبکه های درخواست آنلاین خودرو، می تواند تعداد خودروهایی سواری جاده ها را کاهش دهد.

به طور خاص، انتظار می رود مالکین خودروهای خصوصی به سمت خدمات اشتراکی حمل و نقل حرکت کنند که این امر باید به کاهش ترافیک در مناطق شهری و کاهش انتشار گازهای گلخانه ای کمک کند.

برای این که این خدمات رشد کنند، الگوریتم های دقیق و محاسباتی کارآمد برای جمع آوری موثر افراد با وسایل نقلیه بر اساس تقاضا، برای مقابله با صدها هزار مسافرتی که معمولا در شهرهای بزرگ ساخته می شوند، مورد نیاز است.

اما محققان تا به حال به حل مسئله از چگونگی اندازه و کارکردن ناوگان وسایل نقلیه با توجه به سطح خاصی از تقاضا برای خودروها اقدام نکردند.

در حال حاضر، در مقاله ای که در مجله Nature منتشر شد، گروهی از محققین که توسط کارلو راتتی، مدیر آزمایشگاه شهرداری شهر MIT هماهنگ شده اند، یک راه حل کارآمد برای این مشکل را ارائه می دهند.

راتتی، استاد در وزارت مطالعات شهری و برنامه ریزی شهری می گوید: با توجه به افزایش وسایل نقلیه شخصی ما به دنبال افزایش انگیزه های استفاده از خدمات اشتراکی هستیم. اگر تقاضا برای استفاده از وسایل نقلیه اشتراکی افزایش یابد، یک پرسش اساسی این است که ما باید برای تامین نیازهای یک شهر همانند نیویورک، چند وسیله نقلیه تهیه کنیم؟

محققان پیش از این تلاش کرده اند تا این سؤال را با استفاده از تغییرات «مسئله فروشنده دوره گرد »^* (traveling salesman problem)انجام دهند که هدف آن حداقل فاصله کل سفر و  خودرو است که باید از تعدادی از مقصد در یک شهر بازدید کند.

با این حال، برای پیدا کردن یک راه حل بهینه برای فروشنده، حتی با استفاده از رایانه های قدرتمند امروز بسیار دشوار است.

در عوض، محققان از یک مدل مبتنی بر شبکه استفاده کردند که "شبکه به اشتراک گذاری وسیله نقلیه" مشهور است تا مشکل را حل کنند. در سال 2014، آن ها یک رویکرد مشابه را به نام "شبکه اشتراک گذاری" نامیدند تا بهترین راه برای به اشتراک گذاشتن سواری در یک شهر بزرگ را پیدا کنند.

الگوریتم نشان دهنده قابلیت اشتراک ناوگان تاکسی به عنوان یک گراف است، انتزاعی ریاضی متشکل از گره ها (یا حلقه ها) و لبه ها (خطوط بین گره ها). در این مورد، گره ها نشان دهنده سفر هستند و لبه ها نشان دهنده این واقعیت است که دو سفر خاص می تواند توسط یک وسیله نقلیه انجام شود.

با استفاده از این گراف، الگوریتم قادر به یافتن بهترین راه حل برای به اشتراک گذاری ناوگان بود.

این تیم پژوهشی شامل  ویزیف، اولین نویسنده این مقاله و پیش از آن یک پژوهشگر برجسته در آزمایشگاه شهر سنسپته بود- جیووانی رستا، محقق در موسسه فناوری اطلاعات و مخابرات از CNR- و استیون استروگاتز، استاد ریاضیات در دانشگاه کرنل، راه حل را بر روی داده های مجموعه ای از 150 میلیون سفر تاکسی که در نیویورک طی یک سال صورت گرفته است- آزمایش را انجام داد.

آن ها زمان سفر را با استفاده از شبکه جاده واقعی منهتن(Manhattan ) و برآوردهای مبتنی بر GPS بر اساس داده های سفر تاکسی محاسبه کردند. آن ها دریافتند که اجرای زمان واقعی در این روش با سطح سرویس مطلوب، حجم ناوگان مورد نیاز 30 درصد را کاهش داده است.

راه حل فرض نمی کند که افراد باید یک سفر داشته باشند. در عوض، این  موضوع به سادگی شامل تغییر مجدد عملیات توزیع تاکسی می شود که می تواند با یک برنامه ساده گوشی هوشمند انجام شود.

اگر ما به طور کلی به منهتن نگاه کنیم، می توانیم به طور نظری تقاضای تحرک خود را با تقریبا 140،000 وسیله نقلیه - تقریبا نصف تعداد امروز، برآورده کنیم. این نشان می دهد که مشکلات شهری فردا در مورد جابجایی می تواند نه تنها با زیرساخت های فیزیکی اما با اطلاعات بیشتر و یا به عبارت دیگر با سیلیکون بیشتر و آسفالت کمترحل شود.

محققان در حال برنامه ریزی برای انجام کارهای بیشتری برای کشف حداقل تعداد فضاهای پارکینگ مورد نیاز در شهرها در کنار شرکت بیمه Allianz هستند.

 موارد مطروحه توسط موسسه فناوری ماساچوست و توسط  هلن نایت ارایه شده است.

* مسئله فروشنده دوره‌گرد (Travelling salesman problem)( TSP) مسئله‌ای مشهور است که ابتدا در قرن 18 مسائل مربوط به آن توسط ویلیام همیلتون و توماس کرکمن مطرح شد و سپس در دهه 1930 شکل عمومی آن به وسیله ریاضیدانانی مثلکارل منگر از دانشگاه هاروارد و هاسلر ویتنی از دانشگاه پرینستون مورد مطالعه قرار گرفت.

شرح مسئله بدین شکل است:

تعدادی شهر داریم و هزینه رفتن مستقیم از یکی به دیگری را می‌دانیم. مطلوب است کم‌هزینه‌ترین مسیری که از یک شهر شروع شود و از تمامی شهرها دقیقاً یکبار عبور کند و به شهر شروع باز گردد.

تعداد جواب‌های شدنی مسئله، برابر است با {\displaystyle {\frac {1}{2}}(n-1)!}  برای n>۲ که n تعداد شهرها می‌باشد. در واقع این عدد برابر است با تعداددورهای همیلتونی در یک گراف کامل با n رأس.