evidoria

← Retour à la liste

Bonne pratique Importée

L'Algorithme d'Optimisation du MIT Réduit de 5 Millions de Dollars les Coûts de Transport Scolaire de Boston

États-Unis d'Amérique · Boston · Voir le profil de États-Unis d'Amérique · Voir le profil de Boston

Preuves: Observationnel / avant-après Top 82% 33/100 · Demandez à Evidence Copilot à propos de cette pratique

Des doctorants du centre de recherche opérationnelle du MIT ont remporté le défi de tournées des écoles publiques de Boston en 2016 ; leur algorithme a supprimé 50 bus (environ 8 % de la flotte), économisé jusqu'à 5 M$ par an, et a ensuite été publié après relecture par les pairs dans la revue Interfaces (2020).

50 routes
Bus routes eliminated (2017-18 school year)
8 %
Fleet size reduction (2017-18 school year)
1 million miles
Driving miles reduced (first year)
20000 lbs/day
Daily CO2 emissions reduced
3 million USD
Annual cost savings (low estimate) (annual)
5 million USD
Annual cost savings (high estimate) (annual)
30 minutes
Route-plan generation time

Détails

Maturité
Établie
Promoteur
Boston Public Schools / MIT Operations Research Center
Période
2016–2020
Mots-clés
school transportation, logistics optimization, public education administration, operations research

Contexte

En 2016, le district scolaire Boston Public Schools a lancé un « Transportation Challenge » public, invitant des équipes externes à repenser ses itinéraires de bus scolaires ; une équipe du Centre de recherche opérationnelle du MIT, dirigée par le professeur Dimitris Bertsimas, a remporté le concours.

Objectifs

Repenser les itinéraires de bus afin de réduire les coûts, le kilométrage et les émissions tout en maintenant le service, à l'aide d'un algorithme d'optimisation combinant données de trafic, d'inscription et d'adresse.

Activités

Boston Public Schools a testé l'algorithme gagnant pour l'année scolaire 2017-2018, affectant les élèves à des arrêts, regroupant les arrêts en itinéraires et allouant les véhicules à l'aide des données de trafic de Google Maps ; la méthodologie a ensuite été évaluée par des pairs et publiée dans la revue Interfaces (2020).

Résultats

Le district a supprimé environ 50 itinéraires (environ 8 % de la flotte), réduit d'environ 1 million de miles la distance parcourue, diminué les émissions quotidiennes de CO2 d'environ 20 000 livres, et économisé entre 3 et 5 millions de dollars par an, tout en réduisant le temps de planification des itinéraires de milliers d'heures de travail à environ 30 minutes.

Conclusions

L'outil est un système d'optimisation de recherche opérationnelle plutôt qu'un modèle d'apprentissage automatique, et ses économies sont spécifiques au réseau d'itinéraires et aux profils d'inscription de Boston ; d'autres districts devraient procéder à leur propre réoptimisation, et des problèmes comme la pénurie de chauffeurs restent distincts du calcul des itinéraires.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
MIT Operations Research Center PhD students (Arthur Delarue, Sébastien Martin) under Professor Dimitris Bertsimas, Boston Public Schools routing staff (roughly ten routers) whose manual process the algorithm replaced

Conditions de réussite

  • Access to Google Maps traffic data alongside district enrollment and address data
  • A public open challenge to source external optimization expertise
  • District willingness to replace an established manual routing process
  • Operations-research (not machine-learning) modeling capability

Modes d’échec courants

  • Savings are specific to Boston's route network and enrollment patterns; other districts need their own re-optimization
  • The algorithm does not resolve separate driver-shortage or labor issues

Où cela s’applique

Type de gouvernance
public school district
Échelle
single large urban district
Niveau de revenu
high-income (USA)

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles