楊濘琿，朱家燊，趙尊信，鐘棟青

(鹽城工學院 交通工程系，江蘇 鹽城 224051)

在互聯(lián)網(wǎng)和移動技術(shù)快速發(fā)展下，公共自行車呈現(xiàn)出迅猛發(fā)展態(tài)勢，已成為小汽車、公交及地鐵以外的第4種主要交通工具。公共自行車作為一種創(chuàng)新模式，有效地解決了人民群眾“最后一公里”出行問題，但在其發(fā)展中還存在著一些問題，需要盡快解決。如：車輛調(diào)配滯后影響站點服務(wù)水平；單憑經(jīng)驗人工調(diào)度，缺乏科學性；增設(shè)人工調(diào)度，增加了服務(wù)成本等問題。

學者們對公共自行車調(diào)度系統(tǒng)的研究較多。Chemla[1]等人從一輛調(diào)度車輛的運輸情況出發(fā)，假設(shè)每個公共自行車的租賃點能被多次調(diào)度，通過分支切割法，建立了一個總調(diào)度距離最短的優(yōu)化模型。Raviv[2]研究了公共自行車需求量的隨機性和動態(tài)變化。根據(jù)設(shè)定時間相關(guān)的目標函數(shù)，對車輛調(diào)度路徑模型進行了優(yōu)化，并通過實例，證明了該方法的有效性。Fishman[3-4]等人查閱有關(guān)公共自行車的相關(guān)文獻，綜述了當前研究的方向、存在的問題以及未來的研究重點。許多研究側(cè)重于出行特征分析、系統(tǒng)評估及需求預測模型與調(diào)度等方面，尤其是對站點調(diào)度需求量的研究[5-12]。作者擬從時間和空間上分析公共自行車借/還需求特征及調(diào)度系統(tǒng)存在的問題，以站點飽和度和調(diào)度成本為目標函數(shù)，以調(diào)度時間、路程、速度及調(diào)度后剩余車輛數(shù)等參數(shù)為約束條件，建立調(diào)度優(yōu)化模型，并運用遺傳算法進行分析；以江蘇省鹽城市為例，優(yōu)化調(diào)配路線，證明該模型的可行性。

1 公共自行車特征分析

鹽城市區(qū)共建設(shè)有樁公共自行車服務(wù)站點425個(含城南和亭湖自建17個站點)，安裝鎖車器11 600多個，投放公共自行車10 400多輛，站點設(shè)置在居民生活區(qū)、行政中心、學校、大型商貿(mào)區(qū)、醫(yī)院及公園等人流集中的地段，覆蓋了主城區(qū)，兼顧了亭湖、鹽都、開發(fā)區(qū)及城南新區(qū)部分區(qū)域。截至2017年底，市民辦理借車卡8萬余張，另有4萬多名市民注冊了手機掃碼借車，正常日借車量2.5萬人次，最高日借車量近4萬人次。以江蘇省鹽城市為調(diào)查對象，調(diào)查時間為2018年3月，調(diào)查區(qū)域為世紀大道以北，黃海路以南，希望大道以西，西環(huán)路以東，共計162個公共自行車站點。

1.1 借/還需求分析

1.1.1 時間上的借/還需求特征

1) 一日之內(nèi)，早、晚的需求特征

公共自行車借/還需求量與居民出行有著密切的關(guān)系。區(qū)域內(nèi)2個站點3月15日內(nèi)借/還量的分布如圖1所示。

從圖1(a)中可以看出，鹽城老城區(qū)中心位置，車輛租借流動快，(17∶00，19∶00]晚高峰時間段還車數(shù)量達62輛，借出12輛，借還差為50輛；(11∶00，13∶00]時間段內(nèi)，借車數(shù)量為25輛，還車6輛，借還差為19輛，其他時間段，借/還需求相對平衡。從圖1(b)中可以看出，93號勸業(yè)場站點同樣位于鹽城老城區(qū)市中心區(qū)域，93號勸業(yè)場站點的借/還車流量比國貿(mào)大廈站點的小，晚高峰(17∶00，19∶00]借車數(shù)量為30輛，還車數(shù)量為5輛，其他時間段內(nèi)借/還需求相對平衡。93號勸業(yè)場站點與國貿(mào)大廈站點的借/還需求正好相仿。

圖1 站點日借/還量的分布Fig.1 The distribution of the daily loan at a station

2) 一周內(nèi)的需求特征

每個區(qū)域內(nèi)公共自行車全日借/還在一周內(nèi)呈起伏狀態(tài)。大多數(shù)站點存在工作日與休息日之間的需求差異。在3月5～19日2周內(nèi)，新奧燃氣站點、鹽城師范學院站點及萬達廣場北門站點公共自行車的租借情況如圖2所示。

圖2 3個站點公共自行車的租借情況Fig.2 Rental status of public bikes at three stations

從圖2中可以看出，由于新奧燃氣站點周邊土地為市政建設(shè)類型，工作日的公共自行車租借使用次數(shù)比周末的多；在周末，鹽城師范學院站點的學生會較多地使用公共自行車出行；由于萬達廣場北門站點的周邊土地為休閑娛樂類型，周末市民會選擇此地進行放松。因此，周末萬達廣場北門站點的公共自行車租借數(shù)量遠多于工作日的。

1.1.2 空間上的借/還需求特征

將調(diào)查區(qū)域內(nèi)的162個站點按照周邊土地利用性質(zhì)分為4類，見表1。從表1中可以看出，住宅用地和市政建設(shè)用地附近公共自行車站點的數(shù)量遠大于商業(yè)用地和教育用地附近站點的；在每站點月平均借/還車輛數(shù)上，商業(yè)用地和教育用地附近的站點使用公共自行車的數(shù)量大于住宅和市建設(shè)用地附近站點的。

表1 按照站點周邊土地利用性質(zhì)分類站點Table 1 Classification sites according to the nature of land use around the site

將調(diào)查區(qū)域分為老城區(qū)、城東和城西3個區(qū)域。老城區(qū)的范圍為世紀大道以北，黃海路以南，開放大道以西，鹽馬路以東區(qū)域。該區(qū)域以西為城西，該區(qū)域以東為城東。根據(jù)區(qū)域劃分，將調(diào)查區(qū)域內(nèi)162個站點分成3個部分，見表2。

從表2中可以看出，老城區(qū)公共自行車站點的數(shù)量遠大于城東和城西站點的數(shù)量。因為老城區(qū)建成時間較久，公共自行車系統(tǒng)發(fā)展較早，所以站點數(shù)量多。同時，市民對該系統(tǒng)較為熟悉且老城區(qū)面積較小，使用公共自行車更為方便，因此市民使用公共自行車的數(shù)量較多。城東和城西位于老城區(qū)兩側(cè)，發(fā)展時間與老城區(qū)相比較短，公共自行車站點布設(shè)較少；城東與城西相比，城東多為高等院校，而學生使用公共自行車的數(shù)量較多，城東站點的數(shù)量和使用次數(shù)均大于城西的。

表2 老城區(qū)、城東、城西公共自行車站點情況Table 2 The situation of public bicycle station in old city，the east and the west of the city

1.2 調(diào)度系統(tǒng)分析

在區(qū)域內(nèi)調(diào)查時，走訪了位于鹽城市亭湖區(qū)東亭國際的永安行調(diào)度服務(wù)中心，了解到關(guān)于公共自行車系統(tǒng)的情況及調(diào)配方面存在的一些問題。

1)車輛調(diào)配方式為人工調(diào)配

公共自行車系統(tǒng)發(fā)展時間較短，使得在車輛調(diào)配方面缺少理論依據(jù)，無法形成全面機械化的調(diào)配方式，也無法確定最佳調(diào)配路線。

2)車輛調(diào)配方法以經(jīng)驗為主

調(diào)度中心人員憑借經(jīng)驗確定車輛調(diào)配路線。雖然經(jīng)驗可以在一定程度上對公共自行車系統(tǒng)進行調(diào)度，但是存在著不確定性，往往造成不合理的調(diào)配，使得公共自行車系統(tǒng)利用率低，無法滿足用戶的需求。

3)能調(diào)配的車輛較少，每輛調(diào)度車無固定輻射范圍

考慮到經(jīng)濟方面的原因，無法在每個站點設(shè)立攝像頭實時監(jiān)管，而車輛調(diào)度中心使用的系統(tǒng)用顏色來代表站點的飽和程度：藍色代表正常；黃色代表飽和程度即將接近臨界值，即飽和下限0.2，飽和上限0.8；紅色代表站點需要進行調(diào)配。一方面，調(diào)配車輛無固定的輻射范圍，調(diào)配路徑為就近調(diào)配，即距離需要調(diào)配的站點最近的調(diào)配車對站點進行調(diào)配，當多個相近的站點在同一時間段內(nèi)需要調(diào)配時，一輛調(diào)配車不足以滿足站點的需求；另一方面，站點需要調(diào)度的時間往往處于晚高峰。此時正處于下班高峰期，路上較為擁堵，因此，會出現(xiàn)調(diào)度車輛無法及時到達需要站點的情況。

2 公共自行車優(yōu)化調(diào)度

2.1 相關(guān)參數(shù)

1)站點飽和度

設(shè)站點的車樁數(shù)目為Ni，停放空閑公共自行車輛數(shù)為bi，則該站點的飽和度為：

(1)

站點在任意時刻都應(yīng)有空閑自行車和空閑車樁，以滿足用戶的借/還需求。飽和度應(yīng)在上限Smax和下限Smin的范圍內(nèi)波動。即：

Smin≤αi≤Smax。

(2)

站點最佳飽和度αi.opt成對稱的關(guān)系，誤差不超過0.10～0.15。對于借/還需求近似平衡的站點，最佳飽和度αi.opt≈0.5；而對于借/還需求相差較大的站點，最佳飽和度αi.opt可以根據(jù)實際情況在0.5上、下適當波動。

2)單站點調(diào)度需求量

調(diào)度前，設(shè)某站點的飽和度為α0，對該站點進行站點需求量預測，計算所有時刻的站點飽和度。對于偏離最佳飽和度αi.opt的一個或多個時刻，取偏離程度最大的一個時刻稱為危險時刻，此時飽和度為αrisk，則站點在此時刻需要的最佳調(diào)度量為：

Ndis=(αi.opt-αrisk)×Ni。

(3)

若計算結(jié)果為正值，則表示需要調(diào)入車輛；若計算結(jié)果為負值，則表示需要調(diào)出車輛。但是，由于式(3)計算出的調(diào)度需求量可能使該站點的站點飽和度超出1或者低于0，這在實際操作中是不可取的，因此，根據(jù)鹽城市的實際情況，設(shè)置站點飽和度的上、下閾值，分別取0.8和0.2。

2.2 模型的建立

考慮到站點飽和程度和調(diào)度成本，建立數(shù)學模型。

1)目標函數(shù)：

(4)

(5)

2)綜合目標函數(shù)：

minZ=Z2-λZ1。

(6)

3)約束條件：

Smin≤Z1≤Smax。

(7)

an+1=a0。

(8)

ai≠aj,i,j∈{1,2,…,n}且i≠j。

(9)

nd，i≤Vi≤Q。

(10)

tL+tn≤Tnorm。

(11)

(12)

式中：αi為各站點調(diào)度前的飽和度；nd，i為站點需求量(調(diào)入計為正；調(diào)出計為負)；Ni為各站點的車樁數(shù)；c0為單量公共自行車調(diào)度所產(chǎn)生的成本；mi為調(diào)度車單位成本，包含耗油費等；Li為相鄰兩調(diào)度車的距離；λ為調(diào)度成本的權(quán)重系數(shù)；Smax為站點可以高效率運行的最大飽和度；Smin為站點可以高效率運行的最小飽和度；Vi為對站點i完成調(diào)度后調(diào)度車上仍剩余的公共自行車數(shù)量；Q為調(diào)度車載公共自行車的數(shù)量；tL為調(diào)度車在調(diào)度過程中的行駛時間；t為單站點調(diào)度時間；Tnorm為總調(diào)度時間；L為調(diào)度車行駛總路程；v為調(diào)度車行駛速度。

式(4)為調(diào)度后的站點飽和度；式(5)為調(diào)度的成本；式(6)為目標函數(shù)，λ權(quán)重系數(shù)可根據(jù)公共自行車調(diào)度部門以實際情況進行動態(tài)調(diào)整；式(7)為在站點滿足出行者需求量的上限與下限之間進行調(diào)度；式(8)為調(diào)度的終點站必須與起點站一致，為調(diào)度中心站點；式(9)為需要調(diào)度的站點只可以調(diào)度一次；式(10)為調(diào)度車上的公共自行車車輛數(shù)不能超過調(diào)度車荷載也不能低于下個站點的調(diào)度量；式(11)為調(diào)度時間不能超過總調(diào)度時間；式(12)調(diào)度車輛行駛時間。

2.3 算法設(shè)計

采用遺傳算法，對數(shù)據(jù)進行處理和計算分析。遺傳算法是一種模擬自然進化過程、競選最優(yōu)解的方法。遺傳算法的步驟包括：確定問題的參數(shù)、對參數(shù)進行編碼、產(chǎn)生初始種群、評價適應(yīng)度及終止迭代[7]。

1) 初代種群的產(chǎn)生

隨機產(chǎn)生m條調(diào)度路徑構(gòu)成一個種群，稱為初代種群。為了滿足遺傳算法的隨機性，m條調(diào)度路線的距離和經(jīng)過站點順序應(yīng)各不相同。產(chǎn)生初代種群的方法為：先將需要調(diào)度的n個站點的編號打亂順序，然后隨機排列，但必須保證起點為調(diào)度中心站點；其次，在隨機排列順序里任選一點為終點站點，則起點與終點間的序列即為初代群體中的一個個體；最后，為了得到更精確的數(shù)據(jù)，每一條的調(diào)度路徑應(yīng)在一定的路徑范圍內(nèi)。

2) 群體適應(yīng)度

求解式(6)中Z的最小值，但是遺傳算法確保的個體適應(yīng)度較大，因此要設(shè)定一個群體的適應(yīng)度函數(shù)，將Z轉(zhuǎn)化成適應(yīng)度：

(13)

式(13)中：Fitnessi為某代種群i個個體的適應(yīng)度；Zi為個體的目標函數(shù)；Zmax為種群的最大值；Zmin為種群的最小函數(shù)；ε為修正參數(shù)，它的設(shè)置是為了防止分母為0，若某一代種群不滿足此適應(yīng)度函數(shù)，則適應(yīng)度為0。

3 實例分析

3.1 站點調(diào)度需求量

以170號解放路與雙元路站點為例，選取時間為工作日(3月23日)?？紤]到鹽城市平峰時間站點可以自平衡，選取晚高峰來預測借/還需求量，(16∶30，19∶00]晚高峰期間，站點樁數(shù)為24個；晚高峰前調(diào)度量為6輛；晚高峰后調(diào)度量為-8輛。

晚高峰期間，無需調(diào)度和進行調(diào)度情況下站點飽和度的對比，如圖3所示。

從圖3中可以看出，該站點晚高峰前、后可以實現(xiàn)站點的自平衡。但是，在(16∶30，19∶00]即晚高峰期間，若不進行調(diào)度，在(17∶15，17∶45]期間的站點飽和度低于閾值0.2，若在此時有較多借出服務(wù)，可能出現(xiàn)“無車可借”的情況，降低了站點的運營效率；在進行調(diào)度之后，站點在晚高峰期間始終處于閾值之上，此時站點可以滿足借/還需求，達到最高的工作效率，因此，需要進行站點的調(diào)度。

圖3 170號站點調(diào)度站點飽和度的對比Fig.3 Schedule site saturation comparison at Site 170

3.2 劃分調(diào)度區(qū)域

據(jù)調(diào)查可知，調(diào)查區(qū)域內(nèi)有162個公共自行車站點，總調(diào)度控制中心為鹽城市亭湖區(qū)東亭國際，無其他調(diào)度中心，調(diào)度車輛隨機停靠在任意站點附近?？傉{(diào)度中心調(diào)度的方法為：實時監(jiān)控并使用經(jīng)驗預測站點借/還需求量，找到需要調(diào)度的站點，提前進行調(diào)度。由于調(diào)度中心僅憑經(jīng)驗進行站點調(diào)度，可能會出現(xiàn)調(diào)度時間不夠準確、調(diào)度數(shù)量產(chǎn)生偏差的情況。考慮到監(jiān)控中心為實時監(jiān)控，面對突發(fā)情況，調(diào)度車輛無法在第一時間到達站點；而調(diào)度車輛無固定調(diào)度中心，每輛調(diào)度車的輻射范圍在不斷地變化，面對突發(fā)情況，使得調(diào)度時間延長，成本增加，站點運行效率降低。因此，需要對站點進行區(qū)域劃分，并設(shè)置相應(yīng)的區(qū)域內(nèi)調(diào)度中心。

根據(jù)站點的地理位置，以文港路為劃分界限，將162個站點分成2塊調(diào)度區(qū)域，使得2個調(diào)度區(qū)域面積相近，并將區(qū)域內(nèi)的幾何中心設(shè)置為區(qū)域內(nèi)調(diào)度中心，使得2個調(diào)度中心對于區(qū)域內(nèi)需要調(diào)度的站點有最快的響應(yīng)時間。將調(diào)查區(qū)域劃分為2個調(diào)度區(qū)域，如圖4所示。

從圖4中可以看出，第一調(diào)度區(qū)域調(diào)度中心站點為亭湖行政服務(wù)中心，調(diào)度中心站點編號為263，站點數(shù)量為69個；第二調(diào)度區(qū)域調(diào)度中心站點為商業(yè)大廈，調(diào)度中心站點編號為164，站點數(shù)量為93個。

圖4 兩個調(diào)度區(qū)域劃分Fig.4 Two scheduling regions are divided

將各站點數(shù)據(jù)進行站點需求量預測，第一調(diào)度區(qū)各站點晚高峰前調(diào)度量(調(diào)入為正，調(diào)出為負)，見表3。

從表3中可以看出，第一調(diào)取區(qū)內(nèi)有69個站點，從調(diào)度中心亭湖行政服務(wù)中心派調(diào)度車對區(qū)域內(nèi)個站點進行有順序的調(diào)度，經(jīng)過一定的調(diào)度路徑，最后返回亭湖行政服務(wù)中心。求解調(diào)度序列，使得站點達到最佳飽和程度，同時滿足最小的調(diào)度成本。

表3 第一調(diào)度區(qū)域內(nèi)各站點晚高峰之前站點調(diào)度量Table 3 The amount of station scheduling before the evening peak in the first dispatch area

3.3 優(yōu)化調(diào)配路線

對調(diào)查范圍內(nèi)第一調(diào)度區(qū)內(nèi)69個公共自行車站點進行優(yōu)化調(diào)配路線研究。根據(jù)表3，可知需要調(diào)度的站點見表4。

從表4中可以看出，在第一調(diào)度區(qū)域內(nèi)需要調(diào)度的站點數(shù)量為19個。以亭湖行服政務(wù)中心為調(diào)度中心，利用百度地圖進行測距，得到站點之間車輛行駛最短距離，計算參數(shù)：單輛車調(diào)度成本為0.2 元/輛；調(diào)度車單位距離成本為1.5 元/輛；權(quán)重系數(shù)為10.5；調(diào)度車平均速度為60 km/h；調(diào)度車最大容量為80輛；調(diào)度車初始裝載自行車數(shù)為40輛；單站點調(diào)度時間為2 min；調(diào)度總時間為1.5 h；初始種群為800個；迭代次數(shù)為150次。

求得的調(diào)度順序為：263-259-201-377-378-276-275-258-44-256-9-52-38-181-128-101-141-171-126-263，263號站點為調(diào)度的起點與終點。行駛的整個路程為10.3 km，調(diào)度總耗時間為1.32 h，調(diào)度消耗的成本為78.38元，周轉(zhuǎn)公共自行車數(shù)量為186輛。

表4 第一調(diào)度區(qū)域需要調(diào)度的站點Table 4 The sites scheduled in the first dispatch area

4 結(jié)論

對江蘇省鹽城市公共自行車進行了調(diào)查。從永安行公司獲得數(shù)據(jù)，經(jīng)統(tǒng)計處理，從時間和空間2方面分析其使用特征，得到的結(jié)論為：

1) 在時間分布方面，每天的用車高峰時間大多為(17∶00，19∶00]。工作日與休息日之間差異很大。休息日在商業(yè)用地附近的站點使用次數(shù)多于工作日的；而在工作日，市政建設(shè)附近的站點使用次數(shù)多于休息日的。

2) 在空間分布方面，調(diào)查區(qū)域內(nèi)，市政建設(shè)和住宅區(qū)附近站點的公共自行車使用次數(shù)遠大于其他用地類型周邊站點的公共自行車；老城區(qū)內(nèi)公共自行車的使用次數(shù)大于城東和城西的。對單站點需求量進行調(diào)度，確定每個站點調(diào)度的數(shù)量，通過對170號解放路與雙元路站點的調(diào)度，避免在高峰期出現(xiàn)預警，站點飽和度始終在閾值范圍內(nèi)，確定需要優(yōu)化調(diào)度的站點；建立基于站點飽和度和調(diào)度成本的多目標函數(shù)，以時間、路程、速度以及調(diào)度后站點剩余車輛數(shù)為約束條件，并利用遺傳算法優(yōu)化調(diào)度路徑。以江蘇省鹽城市為例，劃分調(diào)度區(qū)域，對263號亭湖行政服務(wù)中心為調(diào)度中心的第一調(diào)度區(qū)域進行優(yōu)化，找出最佳調(diào)度路線，證明了該模型的可行性。

在運用遺傳算法求解時，受到調(diào)度時間的約束，要在1.5 h內(nèi)完成調(diào)度任務(wù)。因此，只能對需求量大的站點進行調(diào)度。當大部分站點都有需求時，可以對調(diào)度方法進行優(yōu)化(如：多輛調(diào)度車同時進行調(diào)度任務(wù))，日后可以在這一方面作進一步的研究。