论文部分内容阅读
摘 要：“公共交通+公共自行车”的绿色交通出行模式，在端末梢交通和站点接驳中发挥着重要作用。共享单车是一种新兴的公共自行车发展形势，具有更强的灵活性、更高的分布密度等优势，也存在轨道交通站点共享单车停放问题以及高峰客流潮汐不均衡等问题。本文以共享单车接驳轨道交通站点问题为研究对象，探讨了共享单车高峰期调度方法，旨在为共享单车科学调度提供理论及实践应用基础。
关键词：轨道交通;共享单车;调度
1 概述
随着互联网的快速发展和移动支付手段的普及使用，共享单车于2016年下半年大规模爆发式增长，是新型公共自行车形式，以其独特的优势吸引着出行者，随着共享单车种类增多、车辆优化和用户使用改善，共享单车已成为日常短途出行和公共交通接驳的重要选择，为“最后一公里”提供了较好的解决思路。
然而共享单车也带来了一系列挑战，特别是轨道交通站点周围的停放问题以及高峰客流潮汐现象带来的不均衡问题，都亟待解决。本文讨论了轨道站点的高峰期共享单车不均衡现象，研究车辆调度问题。以最大化调度单车车辆数为目标函数，建立高峰期调度模型，并选择武汉市轨道交通站点做了研究实例分析。
2 轨道交通站点特征
针对不同类型站点的高峰期居民出行需求特性，研究了共享單车使用需求在时间、空间特征，分析站点及周边区域调度需求。共享单车分布基于如下假设：
（1）以轨道交通站点为中心，站点小区内的自行车到达和离开都是轨道交通接驳出行;（2）车辆数一定条件下，自行车需求热区是潜在调度需求最大区域;（3）按照小区性质和早晚高峰进出客流变化，分为：居住小区和就业小区，居住小区以居住为主，呈现早出晚归特征，就业小区以就业为主，客流呈现早进晚出特征。在此假设下，总结了5种典型站点的客流方向和共享单车调度方向。
居住导向型站点客流特征为小区居民早高峰离开小区，到达地铁站，小区内停放点车辆数减少，地铁站点车辆数增加。该时段内分布不均衡，从小区到地铁站点的需求旺盛;晚高峰内则反之，居民从地铁站点回到居住小区，地铁站点车辆数减少，小区停放点车辆数增加，地铁站点需求旺盛。
就业导向型站点客流特征为用户在早高峰从地铁站点到就业区上班，车辆向就业区转移，地铁站点需求旺盛;到下班高峰期，下班返程用户向地铁站点流动，共享单车向地铁站点转移，车辆分布不均衡，就业区内车辆需求旺盛。
以武汉地铁2019年3月客流为样本，选取10个早晚高峰客流较为靠前的地铁站点进行特征分析，统计其早晚高峰进出站客流分布如图2所示。
根据两类站点的客流特征，居住导向型站点早高峰进站与晚高峰出站客流多，早高峰出站与晚高峰进站客流少，柱状比例图特点为“中间小两头大”。图中具有较明显居住型导向站点的有建安街、兴业路等;就业导向型站点与之相反，柱状比例图特点为“中间大两头小”，明显站点有：香港路、黄浦路等。调度需要较为集中，可能会出现用车短缺、局部扎堆同时并存的问题，合理有效的共享单车调度很有必要。
3 共享单车调度模型
在特定高峰时段，出行量和到达量的差异导致租车速率和还车速率存在差异，两者的不均衡程度决定了调度需求。接驳区域调度问题可描述为在特定高峰时段，存在有调度需求的小区，从调度中心出发的调度车在已知的各小区位置、高峰时段单车租还速率、小区初始车辆密度、调度车容量、各个小区的高峰出行时段，在一定约束条件下，完成区域内调度，生成调度点车辆数、调度时间以及车辆调度路线。
目标函数：在固定高峰时段内实际调度总量最大化。
约束条件：1）从调度中心出发，调度中心无调度需求：初始条件：;2）一次调度过程只能选择一个小区：;3）第次调度实际调度小区编号确定：;4）第次调度过程开始的时刻=第次调度时刻+第次调度服务时间+小区到小区的最短时间距离：;5）第次调度过程开始的时刻小区的调度需求量：;6）第次调度实际调度量：;第次调度过程开始的时刻调度车上的自行车数量 ;7）在高峰结束时刻终止调度：当时，。
算法求解：共享单车调度问题类似1-TSPPD（one-commodity pickup-and-delivery traveling salesman problem）问题，其中1-TSPPD问题是以单一性质的商品为送货和取货对象的旅行商问题，考虑到两问题的相似性，将蚁群算法改进用于共享单车调度问题求解。
4 调度问题实例分析
选择武汉地铁建安街站点及其周边区域为研究实例，以最大化调度单车车辆数为目标对检算调度需求和调度方案。
建安街站属于典型居住导向型站点，是武汉市地铁7号线客流较大站点之一，具备明显进站早高峰（7：00-10：00）和出站晚高峰（17：00-20：00），占高峰期客流比例分别为87.89%、78.08%。周边主要为居住小区，如华锦花园、宝安花园、虹顶家园、东方莱茵等。将街道区域分为6个客流吸引分区，根据手机基站出行信息估计各分区高峰出行量，以街道与居民楼折算出行量单位。
由建安街站点接驳区域共享单车停放区分布、早高峰车辆数潮汐不均衡程度，将建安街6个分区内共10个主要共享单车停放区纳入调度范围，结合出行量估算各单车停放区调度任务。
其中：停放区的高峰时段为，调度开始时间为，初始车辆数为，高峰时段总的出行量为，总的到达量为，停放区调度需求，停放区最优车辆数。确定调度车容量后，采用蚁群算法计算得到目标函数。
蚁群算法经过近25次整体迭代，最终获得稳定的调度方案。蚁群算法能够获得相对更优的解，将高峰期调度总量提高了5.34%。
5 结论
实行合理投放和有效调度既能提高用户满意度和系统运营服务水平，又能解决高峰期车辆积聚问题，有利于公共自行车系统的整体发展和高效有序运营。
参考文献：
[1]米文勇.大城市自行车与轨道交通换乘系统研究[D].成都：西南交通大学，2007.
[2]梅丽.城市轨道交通接驳方式选择研究[D].成都：西南交通大学，2013.
[3]吴志周，范宇杰，陶佳，等.城市轨道交通公共自行车换乘需求预测方法研究[J].武汉理工大学学报（交通科学与工程版），2013，37（5）：919-923.
[4]González F，Melo-Riquelme C，Grange L D.A combined destination and route choice model for a bicycle sharing system[J].Transportation，2016，43（3）：407-423.
关键词：轨道交通;共享单车;调度
1 概述
随着互联网的快速发展和移动支付手段的普及使用，共享单车于2016年下半年大规模爆发式增长，是新型公共自行车形式，以其独特的优势吸引着出行者，随着共享单车种类增多、车辆优化和用户使用改善，共享单车已成为日常短途出行和公共交通接驳的重要选择，为“最后一公里”提供了较好的解决思路。
然而共享单车也带来了一系列挑战，特别是轨道交通站点周围的停放问题以及高峰客流潮汐现象带来的不均衡问题，都亟待解决。本文讨论了轨道站点的高峰期共享单车不均衡现象，研究车辆调度问题。以最大化调度单车车辆数为目标函数，建立高峰期调度模型，并选择武汉市轨道交通站点做了研究实例分析。
2 轨道交通站点特征
针对不同类型站点的高峰期居民出行需求特性，研究了共享單车使用需求在时间、空间特征，分析站点及周边区域调度需求。共享单车分布基于如下假设：
（1）以轨道交通站点为中心，站点小区内的自行车到达和离开都是轨道交通接驳出行;（2）车辆数一定条件下，自行车需求热区是潜在调度需求最大区域;（3）按照小区性质和早晚高峰进出客流变化，分为：居住小区和就业小区，居住小区以居住为主，呈现早出晚归特征，就业小区以就业为主，客流呈现早进晚出特征。在此假设下，总结了5种典型站点的客流方向和共享单车调度方向。
居住导向型站点客流特征为小区居民早高峰离开小区，到达地铁站，小区内停放点车辆数减少，地铁站点车辆数增加。该时段内分布不均衡，从小区到地铁站点的需求旺盛;晚高峰内则反之，居民从地铁站点回到居住小区，地铁站点车辆数减少，小区停放点车辆数增加，地铁站点需求旺盛。
就业导向型站点客流特征为用户在早高峰从地铁站点到就业区上班，车辆向就业区转移，地铁站点需求旺盛;到下班高峰期，下班返程用户向地铁站点流动，共享单车向地铁站点转移，车辆分布不均衡，就业区内车辆需求旺盛。
以武汉地铁2019年3月客流为样本，选取10个早晚高峰客流较为靠前的地铁站点进行特征分析，统计其早晚高峰进出站客流分布如图2所示。
根据两类站点的客流特征，居住导向型站点早高峰进站与晚高峰出站客流多，早高峰出站与晚高峰进站客流少，柱状比例图特点为“中间小两头大”。图中具有较明显居住型导向站点的有建安街、兴业路等;就业导向型站点与之相反，柱状比例图特点为“中间大两头小”，明显站点有：香港路、黄浦路等。调度需要较为集中，可能会出现用车短缺、局部扎堆同时并存的问题，合理有效的共享单车调度很有必要。
3 共享单车调度模型
在特定高峰时段，出行量和到达量的差异导致租车速率和还车速率存在差异，两者的不均衡程度决定了调度需求。接驳区域调度问题可描述为在特定高峰时段，存在有调度需求的小区，从调度中心出发的调度车在已知的各小区位置、高峰时段单车租还速率、小区初始车辆密度、调度车容量、各个小区的高峰出行时段，在一定约束条件下，完成区域内调度，生成调度点车辆数、调度时间以及车辆调度路线。
目标函数：在固定高峰时段内实际调度总量最大化。
约束条件：1）从调度中心出发，调度中心无调度需求：初始条件：;2）一次调度过程只能选择一个小区：;3）第次调度实际调度小区编号确定：;4）第次调度过程开始的时刻=第次调度时刻+第次调度服务时间+小区到小区的最短时间距离：;5）第次调度过程开始的时刻小区的调度需求量：;6）第次调度实际调度量：;第次调度过程开始的时刻调度车上的自行车数量 ;7）在高峰结束时刻终止调度：当时，。
算法求解：共享单车调度问题类似1-TSPPD（one-commodity pickup-and-delivery traveling salesman problem）问题，其中1-TSPPD问题是以单一性质的商品为送货和取货对象的旅行商问题，考虑到两问题的相似性，将蚁群算法改进用于共享单车调度问题求解。
4 调度问题实例分析
选择武汉地铁建安街站点及其周边区域为研究实例，以最大化调度单车车辆数为目标对检算调度需求和调度方案。
建安街站属于典型居住导向型站点，是武汉市地铁7号线客流较大站点之一，具备明显进站早高峰（7：00-10：00）和出站晚高峰（17：00-20：00），占高峰期客流比例分别为87.89%、78.08%。周边主要为居住小区，如华锦花园、宝安花园、虹顶家园、东方莱茵等。将街道区域分为6个客流吸引分区，根据手机基站出行信息估计各分区高峰出行量，以街道与居民楼折算出行量单位。
由建安街站点接驳区域共享单车停放区分布、早高峰车辆数潮汐不均衡程度，将建安街6个分区内共10个主要共享单车停放区纳入调度范围，结合出行量估算各单车停放区调度任务。
其中：停放区的高峰时段为，调度开始时间为，初始车辆数为，高峰时段总的出行量为，总的到达量为，停放区调度需求，停放区最优车辆数。确定调度车容量后，采用蚁群算法计算得到目标函数。
蚁群算法经过近25次整体迭代，最终获得稳定的调度方案。蚁群算法能够获得相对更优的解，将高峰期调度总量提高了5.34%。
5 结论
实行合理投放和有效调度既能提高用户满意度和系统运营服务水平，又能解决高峰期车辆积聚问题，有利于公共自行车系统的整体发展和高效有序运营。
参考文献：
[1]米文勇.大城市自行车与轨道交通换乘系统研究[D].成都：西南交通大学，2007.
[2]梅丽.城市轨道交通接驳方式选择研究[D].成都：西南交通大学，2013.
[3]吴志周，范宇杰，陶佳，等.城市轨道交通公共自行车换乘需求预测方法研究[J].武汉理工大学学报（交通科学与工程版），2013，37（5）：919-923.
[4]González F，Melo-Riquelme C，Grange L D.A combined destination and route choice model for a bicycle sharing system[J].Transportation，2016，43（3）：407-423.