论文部分内容阅读
可持续发展是经济建设的前提,城市交通的发展面临着资源消耗和环境污染的挑战。以低能耗、低污染为目标的绿色交通随之兴起,低碳出行已成为全球共识。公共自行车作为中短途代步工具,在便民出行的同时,发挥着节能减排的作用。无锁桩式公共自行车系统的出现,对市域短途出行产生了很大影响。无论是传统的锁桩式系统还是新型的无锁桩式系统,在运营过程中出现的用户借还车难问题一直是制约系统发展的关键因素。优化系统的调度服务是问题的解决途径之一。本研究在分析系统运营特征的基础上,以降低企业的运营成本为目标,对两类系统的调度优化进行研究。下面列出主要工作和相关结论:公共自行车系统的运营规律剖析。根据系统的运营数据,总结系统的运营规律是数据驱动决策支持(Data-Driven Decision Support,DDDS)的基础。以波士顿公共自行车系统为例,从出行需求的基础时空分布,出行需求的均衡性,天气对出行需求的影响,自行车的使用和闲置时间,用户的类型和骑行目的,单起点网络(Single Origin Network,SON)等六个层面,通过定性与定量分析,理解系统的运营特征。结果显示,用户的出行需求时空分布不均,偏好性明显。对用户出行规律的探究,奠定了调度服务优化的基础。锁桩式公共自行车系统的调度优化。将公共自行车站点类比于库存系统,提出基于预测库存变化率的动态调度框架。结合扫描算法与K-Means算法,按照任务量约束划分调度区域。利用马尔可夫链(MarkovChain)的平稳分布,预测调度时段内的站点库存变化率以及站点在调度时段末的库存率。建立以调度车辆的总行驶距最短为目标的混合整数规划(Mixed Integer Programming,MIP)模型。利用模拟退火算法(Simulated Annealing,SA)编制各区域的优化调度方案。以波士顿和华盛顿的公共自行车系统为例进行随机实验。结果显示,研究提出的方法,相比基于滚动时域(Rolling Horizon)的方法,系统层面的总行驶距离最多缩短21.06%与17.26%,验证了动态调度框架的有效性。无锁桩式公共自行车系统的调度优化。基于修改的密度聚类(DBSCAN)与谱聚类算法,识别并划分系统的热点区域。考虑时段和天气特征,借助梯度回归树(GBDT)预测系统层面的分时段出行需求。按照区域的历史出行比例,分配系统的总出行需求。根据出行量阈值,设置虚拟站点。参考锁桩式系统,编制各区域的调度优化方案。以北京市Mobike无锁桩式公共自行车系统为例,选择一块热点区域进行随机实验。结果显示,预测模型的平均误差率为6.8%,调度模型最多缩短热点区域的总行驶距离18.95%,验证了动态调度框架的适用性。