共享单车调度与分配问题研究

共享单车调度与分配问题研究

发表时间：2018-09-21T11:46:46.957Z 来源：《科技新时代》2018年7期作者：邓湘奇罗如意

[导读] 通过分析我们得到：不同单车的投放点和单车的使用时间对单车资源需求有很大的影响。

黑龙江科技大学哈尔滨 150022

摘要：随着共享经济的到来，共享单车在我国发展迅速，在很大程度上方便了人们的出行。目前，我国城市共享单车资源配置还存在一定的不合理性。本文对共享单车的调度与分配问题进行研究分析，得到了影响不同时空单车资源需求量的合理指标，采用了BP神经网络分析处理优化数据，最后，提出了一种共享单车经营方案。

关键词：共享单车；统计分析；BP神经网络

一方面，在不同地点不论是停车数还是使用车的数量都会存在比较大的差异，不同的地点对单车的需求量是不一样的，也就是说投放车的地点是一个影响需求量的一个重要因素。另一方面，单车的使用数量在每天的双峰期间使用比较高，在中午的时候对单车的需求量是比较大的。所以，单车需求量影响的重要指标也包括单车使用的时间。通过分析我们得到：不同单车的投放点和单车的使用时间对单车资源需求有很大的影响。

1 单车调度模型（BP神经网络）

模型的假定：假设测试天气晴朗，没有天气因素对用户选择共享单车造成影响。假设测试每天的各时段的交通情况相似，没有交通因素对用户选择共享单车造成影响。对网络获取的300多万个数据进行百分比随机抽样得到5991个数据，再分时间处理得到一天当中得到各个时间段内的用户人数。分析可知，从0点到5点使用共享单车的人数很少，所以选择0点到5点进行调度，并且每个区域单车的初始量满足预期量认为完成调度。

BP算法是由数据流的正向传播和反响传播两个过程组成。正向传播时，传播的方向为输入层->隐含层->输出层，每层神经元只影响下一层神经元。若在输出层没有理想的输出，则可以转向误差信号的反响传播。这两个过程交替进行，在权向量空间中采用梯度下降算法，动态迭代搜索一组权向量，使误差达到最小值，来完成信息的提前和记忆。模型建立关键步骤如下：

隐含层的输出函数：

由上面的表格数据可得到，在0点-6点之间，区域3的共享单车应该调出5辆给区域6；区域5的共享单车应该调出3辆给区域1，4辆给区域2，8辆给区域8；区域7的共享单车应该调出3辆给区域8；区域9的共享单车应该调出8辆给区域4，5辆给区域8；区域10的共享单车应该

调出1辆给区域2。以上即为根据模型得到的最优调度方案。即说明，在满意度最优的情况下建立的整数规划模型可以很好的解决增加车辆的问题。与计算结果进行比较，证明了模型的正确性与合理性。

3 经营方案的设定

（1）价格定义：中国目前的城市公交车的定价一般为2元每人次，共享单车可以定义为一种公共交通，故价格刺激（价格给用户带来影响，表现为是否愿意承受）应该和公交的价格刺激相近，坐公交的时间不问长短，不问里程，将价格定义为0.5元每半小时比较合理。

（2）盈利分析：根据各家共享单车公布的数据显示，平均每辆单车一天的使用次数是5次，那么其收入一般在2.5元到5元之间，假设一辆单车的成本是3000元，那么想要回收成本的话，可能需要三年以上。然而根据得到的数据显示，大部分的共享单车企业都表示，这些租金基本上只够支付共享单车的维护成本。每辆共享单车都是有押金的，摩拜单车的押金是299元，OFO单车的押金是99元，以最近的数据，每家单车企业都有1000万以上的活跃用户的话，摩拜单车的资金池就有29亿元之多，OFO的资金池也有9.9亿元。这些资金如果用来购买理财产品的话，就以现在余额宝的收益约3.6%的年化收益率为例，摩拜一年的收入是1.04亿，而一辆单车的生命周期是4-5年，那么这个押金的收益也就约为4-5个亿。

（3）区位分析：对人口流量大的地区进行保证共享单车的供给量，例如：商场，高校，步行街，景区，观光景点。同时可以相应的节假日进行活动设置，增加品牌知名度，提升影响力，提高市场竞争力。

参考文献

[1]司守奎，数学建模算法与应用（第2 版），北京，国防工业出版社，2016.1.

[2]董红召、吴满金、刘冬旭、陈宁，城市公共自行车系统自然租赁需求估算方法，2016.

[3]张建勇、郭耀煌、李军，基于顾客满意度的多目标模糊车辆优化调度问题研究，2003.