ون‌های ریزحمل‌ونقل (میکروترانزیت) مبتنی بر الگوریتم، جایگزین مسیرهای ثابت اتوبوس در حومه‌های کم‌تراکم می‌شوند

یک اتوبوس شهری استاندارد ۴۰ فوتی، ساعتی حدود ۱۸۰ دلار هزینه عملیاتی دارد. این رقم فرقی نمی‌کند که اتوبوس پنجاه مسافر حمل کند یا کاملاً خالی در مسیر حرکت کند. برای مستأجری که در حومه شهر تصمیم می‌گیرد قرارداد اجاره امضا کند، این محاسبات نقشه حمل‌ونقل را دیکته می‌کند: آژانس‌های حمل‌ونقل توانایی مالی ندارند که وسایل نقلیه ۱۸۰ دلاری در ساعت را در محله‌های کم‌تراکم به کار گیرند، و در نتیجه مناطق مسکونی وسیعی از هسته شهری جدا می‌مانند. برای پر کردن این شکاف، مقامات حمل‌وننقل به طور فزاینده‌ای مسیرهای ثابت اتوبوس‌های دیزلی را با ریزحمل‌ونقل مبتنی بر الگوریتم جایگزین می‌کنند— ناوگانی از ون‌های کوچک‌تر که توسط نرم‌افزار به صورت پویا برای سوار کردن مسافران بر اساس تقاضا، مسیریابی می‌شوند.[3]

قانون سنتی املاک و مستغلات حکم می‌کند که ارزش ملک و حق بیمه اجاره، نسبت معکوس با فاصله پیاده‌روی تا ایستگاه حمل‌ونقل ثابت دارد. مستأجری که به دنبال ملکی در فاصله دو مایلی از ایستگاه قطار حومه است، قبلاً نیاز به داشتن خودرو، در نظر گرفتن هزینه‌های پارکینگ یا پذیرش یک پیاده‌روی طاقت‌فرسای روزانه داشت. ریزحمل‌ونقل این وابستگی جغرافیایی را قطع می‌کند. با این امکان که ساکنان بتوانند از طریق یک اپلیکیشن تلفن هوشمند، یک ون حمل‌ونقل عمومی را مستقیماً به گوشه خیابان خود فرا بخوانند، شعاع مؤثر توسعه مبتنی بر حمل‌ونقل از یک پیاده‌روی نیم مایلی به یک منطقه رانندگی سه مایلی گسترش می‌یابد.

مکانیزمی که این تغییر را تقویت می‌کند، یک مدل محاسباتی است که به عنوان «مسئله تماس برای سواری» (DARP) شناخته می‌شود. برخلاف تاکسی یا سرویس‌های درخواست خودرو که یک وسیله نقلیه را برای یک سفر مستقیم به یک کاربر اختصاص می‌دهند، الگوریتم‌های ریزحمل‌ونقل باید چندین غریبه را که تقریباً در یک جهت حرکت می‌کنند، بدون نقض زمان رسیدن وعده داده شده به هر مسافر، با هم ترکیب کنند. نرم‌افزار داده‌های ترافیکی لحظه‌ای، ظرفیت وسایل نقلیه و درخواست‌های ورودی سواری را دریافت می‌کند و به طور مداوم مسیر بهینه را برای هر ون در ناوگان باز محاسبه می‌کند.

این چالش مسیریابی به طور بدنامی پیچیده است. در علوم کامپیوتر، این مسئله به عنوان NP-hard طبقه‌بندی می‌شود، به این معنی که تعداد ترکیب‌های مسیر ممکن با اضافه شدن هر مسافر جدید به صف، به صورت تصاعدی افزایش می‌یابد. ناوگانی متشکل از ده ون که همزمان پنجاه درخواست را مدیریت می‌کنند، میلیاردها جایگشت مسیریابی بالقوه ایجاد می‌کند. رایانش ابری مدرن به ارائه‌دهندگان نرم‌افزار حمل‌ونقل اجازه می‌دهد تا این جایگشت‌ها را در میلی‌ثانیه‌ها حل کنند و ون را در یک بازه زمانی انتظار استاندارد ۱۵ دقیقه‌ای به گوشه خیابان حومه شهر اعزام کنند.

نتیجه، یک شبکه حمل‌ونقل است که خود را با محل زندگی واقعی ساکنان تطبیق می‌دهد، نه اینکه ساکنان را مجبور کند در جایی زندگی کنند که شبکه وجود دارد. پل لوئیس از مرکز حمل‌ونقل اِنو در ارزیابی ۲۰۲۴ خود می‌گوید: «ریزحمل‌ونقل جایگزینی برای کریدورهای با ظرفیت بالا نیست، بلکه یک پل فضایی برای مایل اول و آخر است.» با هدایت مسافران از مناطق مسکونی گسترده به مراکز ریلی یا اتوبوس‌های سریع‌السیر با فرکانس بالا، آژانس‌ها می‌توانند بدون تردد وسایل نقلیه سنگین خالی در محله‌های آرام، کل مسافران سیستم را افزایش دهند.[2]

این پل فضایی در حال حاضر بازارهای مسکن محلی را تغییر می‌دهد. طبق کتاب حقایق حمل‌ونقل عمومی ۲۰۲۵، املاک مسکونی واقع در مناطق فعال ریزحمل‌ونقل اما خارج از شعاع پیاده‌روی سنتی نیم مایلی ایستگاه ریلی، در مقایسه با املاک مشابه در حومه‌های فاقد حمل‌ونقل، شروع به دریافت ۴ درصد حق بیمه اجاره کرده‌اند. برای خانواری که درآمد متوسط دارند، توانایی کاهش تعداد خودروهای شخصی از دو به یک، این حق بیمه را به طور کامل جبران می‌کند و محاسبات مقرون به صرفه بودن زندگی در حومه شهر را تغییر می‌دهد.[3]

با این حال، ساختار مالی حمل‌ونقل بر اساس تقاضا، دارای یک محدودیت ریاضی سخت است. در حالی که هزینه عملیاتی یک ون ریزحمل‌ونقل در ساعت ارزان‌تر از یک اتوبوس ۴۰ فوتی است، تعداد بسیار کمتری از افراد را حمل می‌کند. مرکز اِنو گزارش می‌دهد که میانگین سفر ریزحمل‌ونقل برای آژانس ۱۴.۵۰ دلار هزینه دارد که به شدت یارانه داده می‌شود تا به کرایه استاندارد ۲.۰۰ دلاری برای مسافر برسد. در محیط‌های بسیار پراکنده، این یارانه همچنان کمتر از هزینه تردد یک اتوبوس خالی است.[2]

منحنی کارایی با افزایش تراکم محله به شدت معکوس می‌شود. از آنجا که الگوریتم باید برای سوار کردن هر مسافر جدید مسیر را تغییر دهد، اضافه شدن مسافران در نهایت کارایی مسیریابی را کاهش می‌دهد. هنگامی که یک منطقه جغرافیایی خاص بیش از ۱۲.۳ درخواست مسافر در ساعت برای هر وسیله نقلیه تولید می‌کند، ون‌ها آنقدر وقت صرف انحراف مسیر می‌کنند که نمی‌توانند تضمین‌های ۱۵ دقیقه‌ای رسیدن خود را برآورده کنند، و هزینه به ازای هر مایل مسافر از هزینه یک اتوبوس با مسیر ثابت سنتی پیشی می‌گیرد.[4]

این امر یک سقف تراکم برای این فناوری ایجاد می‌کند. ریزحمل‌ونقل به عنوان ابزاری برای پوشش مناطق گسترده کم‌تراکم کاملاً کار می‌کند، اما اگر تعداد مسافران بیش از حد متراکم شود، تحت وزن موفقیت خود فرو می‌ریزد. برنامه‌ریزان حمل‌ونقل باید به طور مداوم این مناطق را زیر نظر داشته باشند؛ هنگامی که یک بخش ریزحمل‌ونقل به طور مداوم از ۱۲ مسافر در ساعت فراتر می‌رود، پاسخ صحیح ریاضی لغو سرویس بر اساس تقاضا و نصب یک مسیر اتوبوس ثابت است.[4]

پویایی نیروی کار معادله را پیچیده‌تر می‌کند. یک اتوبوس سنتی به یک راننده تجاری برای جابجایی پنجاه نفر نیاز دارد. یک ناوگان ریزحمل‌ونقل به پنج راننده در پنج ون برای جابجایی همان حجم نیاز دارد. در میان کمبود مداوم رانندگان تجاری در سطح ملی، آژانس‌های حمل‌ونقل اغلب برای تأمین نیروی انسانی ناوگان بر اساس تقاضای خود دچار مشکل می‌شوند، که منجر به برون‌سپاری قراردادی و اصطکاک با اتحادیه‌های حمل‌ونقل محلی بر سر برابری دستمزد و خصوصی‌سازی می‌شود.[3]

با وجود این محدودیت‌ها، گسترش مسیریابی الگوریتمی ادامه دارد زیرا یک مشکل سیاسی را به همان اندازه یک مشکل فضایی حل می‌کند. آژانس‌های حمل‌ونقل از طریق پایگاه‌های مالیاتی در سطح شهرستان یا منطقه تأمین مالی می‌شوند، به این معنی که آنها تحت فشار زیادی هستند تا به مالیات‌دهندگان حومه شهر که به ندرت یک اتوبوس سنتی را می‌بینند، خدمات ارائه دهند. ریزحمل‌ونقل به آژانس‌ها اجازه می‌دهد تا خدمات عمومی قابل مشاهده و با امتیاز بالا را به این پایگاه‌های مالیاتی پیرامونی ارائه دهند بدون اینکه زیرساخت‌های سنگین مستقر کنند.[1]

اداره حمل‌ونقل فدرال (FTA) فرمول به‌روز شده تأمین مالی «جابجایی بر اساس تقاضا» را در نوامبر ۲۰۲۶ نهایی خواهد کرد، سندی که تعیین می‌کند آیا آژانس‌های محلی می‌توانند از کمک‌های مالی سرمایه‌ای فدرال برای یارانه دادن به این مجوزهای نرم‌افزاری استفاده کنند یا خیر. تا زمانی که این حکم منتشر شود، برنامه‌ریزان شهری مجبورند جذابیت فوری مسیریابی الگوریتمی را با واقعیت بلندمدت بودجه‌های عملیاتی خود متعادل کنند.[1]