孫怡璇，周雨珊，叢羽茜，劉 明

SUN Yixuan,ZHOU Yushan,CONG Yuxi,LIU Ming

（南京理工大學(xué) 經(jīng)濟(jì)管理學(xué)院，江蘇 南京 210094）

(School of Economics and Management,Nanjing University of Science and Technology,Nanjing 210094,China)

0 引言

2016年起，在“共享經(jīng)濟(jì)”熱潮的推動(dòng)下，共享單車(chē)開(kāi)始活躍于全國(guó)各大城市。相較起源于歐洲等地的城市公共自行車(chē)系統(tǒng)，共享單車(chē)無(wú)需設(shè)置?？繕?，僅通過(guò)車(chē)身上集成GPS和通訊模塊的智能鎖即可定位。用戶(hù)騎行單車(chē)到達(dá)目的地后，可以就近停放在路邊合適的區(qū)域，關(guān)鎖即實(shí)現(xiàn)電子付費(fèi)結(jié)算。這一“隨取隨用”的特點(diǎn)，為真正解決居民出行“最后一公里”問(wèn)題提供了有效方案。隨著移動(dòng)支付和智能電子設(shè)備的發(fā)展，這種創(chuàng)新性的模式不僅在全國(guó)迅速普及，更由摩拜、ofo等公司海外業(yè)務(wù)的開(kāi)拓而擴(kuò)散到了新加坡、巴黎、倫敦等地（Shen Y等，2018）[1]。然而，大量單車(chē)涌入城市的大街小巷，在便利居民出行的同時(shí)也給城市管理帶來(lái)了挑戰(zhàn)。以往政府主導(dǎo)建立的有樁公共自行車(chē)系統(tǒng)，擁有經(jīng)事先規(guī)劃而設(shè)立的停車(chē)樁，因而單車(chē)的借還較為有秩序；而無(wú)樁共享單車(chē)由企業(yè)運(yùn)營(yíng)管理，常常集中投放于交通流量較大的地點(diǎn)，且完全不受固定停車(chē)樁的限制，具有離散化、隨機(jī)分布的特性，更容易出現(xiàn)供需關(guān)系不平衡、部分區(qū)域大量車(chē)輛堆積的情況。因此，及時(shí)對(duì)共享單車(chē)進(jìn)行調(diào)度重置是提高單車(chē)使用效率、管理水平的一個(gè)重要保障。

文獻(xiàn)資料檢索發(fā)現(xiàn)目前關(guān)于共享單車(chē)的理論研究大多圍繞著傳統(tǒng)有樁公共自行車(chē)展開(kāi)，而針對(duì)當(dāng)下無(wú)樁共享單車(chē)的調(diào)度問(wèn)題，定量的相關(guān)研究甚少。在無(wú)樁共享單車(chē)分布方面，Liu等（2018）結(jié)合因子分析和卷積神經(jīng)網(wǎng)絡(luò)技術(shù)設(shè)計(jì)了一種推理模型，用于預(yù)測(cè)無(wú)樁共享單車(chē)在一個(gè)城市內(nèi)的分布狀況[2]。Kadri等（2016） 使用分支和邊界算法，Pal等（2017） 應(yīng)用混合嵌套大鄰域搜索與變鄰域下降算法，分別建立了混合整數(shù)線性規(guī)劃模型用于解決大規(guī)模的共享單車(chē)調(diào)度問(wèn)題[3-4]。Caggiani等（2018）、Zhang等（2017）研究了無(wú)樁共享單車(chē)的動(dòng)態(tài)再分配問(wèn)題并建立了相應(yīng)的混合整數(shù)規(guī)劃模型，在他們的模型中，考慮了共享單車(chē)的庫(kù)存水平、用戶(hù)到達(dá)預(yù)測(cè)、自行車(chē)重新定位和車(chē)輛調(diào)度路徑優(yōu)化[5-6]。王嘉薇等（2018）從共享單車(chē)的時(shí)空分布狀況入手，建立時(shí)空分布模型進(jìn)行研究，根據(jù)所給信息分時(shí)間段建立了調(diào)度運(yùn)輸線性規(guī)劃模型（VRP模型）[7]。吳滿金、董紅召等（2015）結(jié)合禁忌搜索算法的爬山性能和遺傳算法算子交叉、變異功能，求解共享單車(chē)的多目標(biāo)調(diào)度優(yōu)化模型[8]。騎行數(shù)據(jù)顯示，用戶(hù)騎行單車(chē)多往返于居民區(qū)及周邊地鐵站點(diǎn)、公交站點(diǎn)，或城市中心區(qū)域、商業(yè)區(qū)域，呈現(xiàn)較明顯的集聚特征[9]。此外，主流共享單車(chē)的使用范圍以3～5公里為主，近七成用戶(hù)騎行不超過(guò)8公里[10]。針對(duì)這一特性，徐建閩等（2017）提出了共享單車(chē)的多層次分區(qū)調(diào)度方法，給出了不同區(qū)域間的調(diào)度策略[11]。

為進(jìn)一步探究無(wú)樁共享單車(chē)的調(diào)度重置策略，本文首先對(duì)某一區(qū)域內(nèi)共享單車(chē)的運(yùn)行情況進(jìn)行了實(shí)地調(diào)研。在總結(jié)該區(qū)域內(nèi)共享單車(chē)使用規(guī)律和影響因素的基礎(chǔ)上，運(yùn)用AnyLogic軟件構(gòu)建了基于系統(tǒng)動(dòng)力學(xué)、離散事件的共享單車(chē)流動(dòng)模型。通過(guò)仿真模擬，獲得了共享單車(chē)的動(dòng)態(tài)實(shí)時(shí)數(shù)據(jù)和區(qū)域分布狀態(tài)。并且通過(guò)構(gòu)建共享單車(chē)的調(diào)度重置優(yōu)化模型，求解得到了綜合出行規(guī)律、運(yùn)輸成本的調(diào)度決策方案，以期為最大化滿足用戶(hù)出行需求、提升共享單車(chē)運(yùn)行管理效率提供借鑒。

1 問(wèn)題的描述與建模

1.1 問(wèn)題描述。本文選取南京理工大學(xué)校園為研究對(duì)象，對(duì)該區(qū)域內(nèi)的共享單車(chē)運(yùn)行情況進(jìn)行實(shí)地調(diào)研測(cè)算。由于高校用戶(hù)占全部用戶(hù)比例較高，出行規(guī)律性強(qiáng)、具有代表性，在城市的更大范圍中，校園共享單車(chē)的調(diào)度策略也有借鑒意義。南京理工大學(xué)校園整體地勢(shì)平坦，俯瞰呈矩形狀，并由數(shù)條主干道路南北貫穿。校園占地面積達(dá)3 118畝，教學(xué)區(qū)、生活區(qū)、辦公區(qū)等功能區(qū)劃分明確且相隔距離較遠(yuǎn)，導(dǎo)致師生日常出行需跨越多個(gè)區(qū)域。因此，方便快捷的共享單車(chē)成為了校內(nèi)出行的首選。校園中現(xiàn)有ofo、Mobike、HelloBike、樂(lè)行校園等多類(lèi)共享單車(chē)，單車(chē)數(shù)量達(dá)千余輛，師生中注冊(cè)用戶(hù)占比85%以上，日騎行次數(shù)達(dá)萬(wàn)余次。大量的運(yùn)行數(shù)據(jù)能夠?yàn)楹罄m(xù)系統(tǒng)參數(shù)的設(shè)定提供依據(jù)，研究結(jié)果對(duì)于其他區(qū)域的調(diào)度規(guī)劃也有一定的借鑒和參考價(jià)值。

校內(nèi)共享單車(chē)現(xiàn)有調(diào)度重置全部由人工完成，具體表現(xiàn)方式為發(fā)現(xiàn)單車(chē)堆積或者供應(yīng)不足時(shí)，直接派遣調(diào)度車(chē)和工人從單車(chē)堆積區(qū)域向供應(yīng)不足的區(qū)域運(yùn)送車(chē)輛。此種方式的調(diào)度時(shí)間不固定，調(diào)度數(shù)量和地點(diǎn)完全由工作人員自行判斷，調(diào)度整體效率不高。目前普遍大規(guī)模調(diào)度作業(yè)的時(shí)間集中在每日凌晨時(shí)分，此時(shí)單車(chē)借還處于最低水平。工作人員的調(diào)度目標(biāo)為，在不影響用戶(hù)正常使用的情況下，對(duì)區(qū)域內(nèi)各主要用車(chē)點(diǎn)的單車(chē)進(jìn)行重置，使之能夠盡量滿足次日的使用需求。

1.2 仿真模型。本文應(yīng)用AnyLogic軟件構(gòu)建共享單車(chē)流動(dòng)仿真模型。AnyLogic是一款支持多方法混合建模的仿真軟件，具有直觀友好的圖形界面和靈活開(kāi)放的編程方式，同時(shí)提供各類(lèi)專(zhuān)業(yè)的建模工具庫(kù)，適用于多領(lǐng)域的復(fù)雜系統(tǒng)。其建模過(guò)程基于特定的目標(biāo)進(jìn)行，使得模型在同類(lèi)問(wèn)題間具有通用性。利用系統(tǒng)提供的數(shù)據(jù)功能和分析優(yōu)化工具，可以觀察及分析仿真結(jié)果，總結(jié)用戶(hù)騎行單車(chē)的規(guī)律特征，為后續(xù)調(diào)度優(yōu)化方案提供依據(jù)。本文基于其中的系統(tǒng)動(dòng)力學(xué)表達(dá)單車(chē)運(yùn)行中的供需變化，使用離散事件仿真模擬用戶(hù)借還與騎行單車(chē)的行為，動(dòng)態(tài)演示區(qū)域內(nèi)車(chē)輛流動(dòng)情況。以子區(qū)域?yàn)閱挝唤⒏拍钅Ｐ?，如圖1所示。

圖1 仿真概念模型

（1）共享單車(chē)供需變化模塊。單車(chē)在區(qū)域間流動(dòng)主要受以下因素影響：①時(shí)間因素：由于不同時(shí)間用戶(hù)出行情況會(huì)有所不同，且有明顯的集中性，從而形成車(chē)輛需求的高峰時(shí)段和低谷時(shí)段。②空間因素：各區(qū)域內(nèi)投放共享單車(chē)的數(shù)量事先確定，但需求量受到不同分區(qū)內(nèi)用戶(hù)交通工具選擇偏好、該區(qū)域的性質(zhì)、道路情況等復(fù)雜因素的影響，使得共享單車(chē)的供給與需求在空間上并不均衡。

在仿真系統(tǒng)中，首先需輸入各子區(qū)域單車(chē)初始投放量，模擬開(kāi)始后，用戶(hù)通過(guò)手機(jī)應(yīng)用軟件或直接步行定位到可用車(chē)輛，被預(yù)約車(chē)輛進(jìn)入待使用狀態(tài)，即該區(qū)域可使用單車(chē)總量減少。這一過(guò)程中用戶(hù)需求的動(dòng)態(tài)變化通過(guò)該區(qū)域的單車(chē)使用效率反映。隨后，根據(jù)兩區(qū)域間的吸引關(guān)系，將騎行車(chē)輛分配至不同的流量中，分別進(jìn)入到下一模塊。過(guò)程中涉及的主要變量及參數(shù)設(shè)置如表1所示。其中，分時(shí)段使用率（Utilization Rate）、區(qū)域間吸引率（Attracting Rate）分別表示各區(qū)域單車(chē)借出比例及流入量大小，比率越高，說(shuō)明該區(qū)域內(nèi)單車(chē)的借還需求越大。由于兩者均為以時(shí)間為自變量的非標(biāo)準(zhǔn)函數(shù)，可對(duì)各時(shí)段每個(gè)區(qū)域單車(chē)借還數(shù)量進(jìn)行統(tǒng)計(jì)后，計(jì)算得到該時(shí)段平均值，再由AnyLogic支持的特殊類(lèi)型函數(shù)——表函數(shù)，進(jìn)行插值計(jì)算，得到每一時(shí)刻的估計(jì)數(shù)值。

表1 變量定義

以上變量間的函數(shù)關(guān)系在模型中的表示如下：

（2）用戶(hù)用車(chē)行為模塊。該過(guò)程中借車(chē)行為由上一階段產(chǎn)生，以用戶(hù)定位到所需車(chē)輛為起點(diǎn)，包含掃碼解鎖、用戶(hù)騎行、停放車(chē)輛、結(jié)清費(fèi)用等過(guò)程所需時(shí)間。使用AnyLogic中的流程工具庫(kù)進(jìn)行建模，各流程定義如表2所示。其中，起始點(diǎn)（source）以恒定速率產(chǎn)生數(shù)量為借出量（Flow）的實(shí)體。用戶(hù)借還車(chē)輛、騎行使用延遲時(shí)間表達(dá)，借車(chē)時(shí)由于車(chē)輛類(lèi)型及開(kāi)鎖方式的不同，用戶(hù)借車(chē)時(shí)間在一定范圍內(nèi)波動(dòng)；騎行所需時(shí)間根據(jù)起止區(qū)域間相對(duì)距離、平均騎行速度由系統(tǒng)計(jì)算得到；歸還車(chē)輛時(shí)，用戶(hù)需要找到合適的停車(chē)位置再關(guān)閉車(chē)鎖，所需時(shí)間根據(jù)區(qū)域交通情況不同而波動(dòng)。系統(tǒng)產(chǎn)生的實(shí)體進(jìn)入結(jié)束點(diǎn)（sink）后，車(chē)輛重新進(jìn)入可使用狀態(tài)，系統(tǒng)執(zhí)行Action代碼，增加還車(chē)區(qū)域單車(chē)總量（Area）數(shù)值。

表2 共享單車(chē)用車(chē)流程定義

各子系統(tǒng)通過(guò)上述單車(chē)借還過(guò)程彼此關(guān)聯(lián)，形成如圖2所示的整體系統(tǒng)。執(zhí)行模擬實(shí)驗(yàn)，運(yùn)行完畢后可得到區(qū)域中單車(chē)總量在一天時(shí)間內(nèi)的變化數(shù)據(jù)。由此可以總結(jié)出基于仿真模擬的校園共享單車(chē)流動(dòng)規(guī)律，并將運(yùn)行結(jié)果作為優(yōu)化階段的初始輸入數(shù)據(jù)。1.3 優(yōu)化調(diào)度模型。由于調(diào)度人員工作時(shí)間集中于午夜或凌晨時(shí)刻，此時(shí)段（0時(shí)至6時(shí)）內(nèi)單車(chē)借還量極少，故假設(shè)車(chē)輛處于靜止?fàn)顟B(tài)，可將調(diào)度分配問(wèn)題抽象為運(yùn)輸問(wèn)題。首先，我們根據(jù)仿真模型運(yùn)行結(jié)束后各分區(qū)內(nèi)單車(chē)總量與初始投放量之間比較的結(jié)果確定車(chē)輛的供需點(diǎn)。比較規(guī)則如下：設(shè)仿真模型運(yùn)行結(jié)束后第i個(gè)分區(qū)單車(chē)數(shù)量為Bi，而該區(qū)域初始投放設(shè)計(jì)量為Ai；若Bi＞Ai，則i點(diǎn)為供應(yīng)點(diǎn)，否則該點(diǎn)為需求點(diǎn)，并將兩者差額作為該區(qū)域需要調(diào)出（或調(diào)入） 的單車(chē)數(shù)量Si（Dj）。在明確了各供應(yīng)點(diǎn)i（ i=1,2,…,m）和需求點(diǎn)j（ j=1,2,…,n）后，我們利用整數(shù)規(guī)劃方法進(jìn)行建模求解，得到各分區(qū)需要重新分配的單車(chē)數(shù)量。定義決策變量為Xij，代表需要從供應(yīng)點(diǎn)i移動(dòng)到需求點(diǎn)j的共享單車(chē)數(shù)量，單位調(diào)度成本aij表示將一輛共享單車(chē)移動(dòng)一公里的成本，任意兩個(gè)區(qū)域之間的距離dij根據(jù)實(shí)地調(diào)查測(cè)算給出。則上述調(diào)度優(yōu)化問(wèn)題可以表達(dá)為：

圖2 區(qū)域間共享單車(chē)流動(dòng)仿真模型

目標(biāo)函數(shù)（1）是最小化所有區(qū)域之間重新分配共享單車(chē)的成本。約束條件（2）表示任意一供應(yīng)點(diǎn)所能提供的共享單車(chē)數(shù)量須小于或者等于該區(qū)域所能供應(yīng)的單車(chē)數(shù)量。約束條件（3）表明調(diào)度模型要盡可能滿足各需求點(diǎn)的需求。約束條件（4）要求所有決策變量都是非負(fù)整數(shù)。

2 算例分析

2.1 參數(shù)設(shè)置。通過(guò)實(shí)地調(diào)查與數(shù)據(jù)測(cè)算，確定了南京理工大學(xué)校園內(nèi)共享單車(chē)的初始投放量及每日0點(diǎn)的單車(chē)分布情況。結(jié)合共享單車(chē)公司的后臺(tái)數(shù)據(jù)，以及師生出行方式、課程時(shí)段和住宿情況，將校園劃分為16個(gè)子區(qū)域，并估算了各子區(qū)域的單車(chē)使用效率及流動(dòng)比例，結(jié)果如表3所示。

表3 區(qū)域劃分及調(diào)度前后共享單車(chē)總量

結(jié)合上述實(shí)際數(shù)據(jù)，利用AnyLogic軟件構(gòu)建校園共享單車(chē)仿真系統(tǒng)，其運(yùn)行界面如圖3所示。該模型中子系統(tǒng)與實(shí)際區(qū)域相對(duì)應(yīng)，同時(shí)提供實(shí)時(shí)車(chē)輛數(shù)據(jù)，能夠更加直觀地反映共享單車(chē)供需變化情況。通過(guò)設(shè)置視圖區(qū)域，可在運(yùn)行區(qū)、統(tǒng)計(jì)區(qū)與操作區(qū)間進(jìn)行切換，對(duì)部分參數(shù)進(jìn)行調(diào)整或激發(fā)特定調(diào)度事件，這些功能可以為后續(xù)日常調(diào)度提供依據(jù)。例如，當(dāng)某一分區(qū)單車(chē)余量下降到預(yù)先設(shè)定的最低數(shù)值時(shí)，系統(tǒng)進(jìn)行計(jì)算并提醒工作人員及時(shí)從單車(chē)使用率低的區(qū)域調(diào)入車(chē)輛，以提高單車(chē)整體使用率。

圖3 校園共享單車(chē)仿真流動(dòng)模型

由于部分參數(shù)是根據(jù)調(diào)研情況估計(jì)所得，與真實(shí)數(shù)值必然存在一定偏差，因此需要對(duì)仿真模型進(jìn)行檢驗(yàn)與優(yōu)化。建立相關(guān)變量數(shù)據(jù)集，使用校準(zhǔn)（Calibration）功能對(duì)參數(shù)進(jìn)一步校準(zhǔn)優(yōu)化，可得到更為準(zhǔn)確的參數(shù)值。模型輸出結(jié)果交由校園共享單車(chē)調(diào)度工作人員核實(shí)，表明誤差處于可接受的范圍內(nèi)，驗(yàn)證了仿真模型的有效性。

2.2 測(cè)試結(jié)果。設(shè)定仿真運(yùn)行時(shí)間為每日6:00至次日00:00，經(jīng)優(yōu)化后的參數(shù)設(shè)置如下：假設(shè)用戶(hù)騎行時(shí)平均速度為12公里/小時(shí)，在區(qū)域之間騎行時(shí)選擇最短路線，并將其作為車(chē)輛調(diào)度的相對(duì)距離；供需變化模塊中，各區(qū)域單車(chē)總量共1 100輛，各區(qū)域間流動(dòng)系數(shù)r服從triangular（0.8,1,1.2）分布，其余參數(shù)此處省略；用車(chē)行為模塊中，借車(chē)流程（Borrow）延遲時(shí)間服從triangular（0.01,0.05,0.1），還車(chē)流程（Return） 延遲時(shí)間服從triangular（0.005,0.01,0.05）。以系統(tǒng)運(yùn)行結(jié)束后車(chē)輛分布情況作為調(diào)度前狀態(tài)，初始投放量作為調(diào)度規(guī)劃目標(biāo)。將仿真模型在虛擬時(shí)間下運(yùn)行50次，可以得到表3中各分區(qū)運(yùn)行結(jié)果的平均值。與實(shí)際調(diào)研數(shù)值的比較，運(yùn)行結(jié)果誤差在10%以?xún)?nèi)。分區(qū)單車(chē)數(shù)量全天變化過(guò)程如圖4所示。

圖4 分區(qū)共享單車(chē)總量變化

由圖4可以看出，單車(chē)運(yùn)行在早晚高峰、不同功能的分區(qū)間表現(xiàn)出不同的規(guī)律，總體上與師生的日常出行一致。其中，學(xué)生宿舍區(qū)有明顯的潮汐現(xiàn)象：在早間用車(chē)高峰后明顯車(chē)輛不足，影響了對(duì)后續(xù)用車(chē)的供應(yīng)；而19:00后開(kāi)始有大量車(chē)輛堆積且數(shù)量持續(xù)上升，因此可以考慮提早調(diào)出此區(qū)域的車(chē)輛。此外，各教學(xué)區(qū)單車(chē)變動(dòng)由于地理位置的差異而不盡相同，其中2號(hào)教學(xué)區(qū)處車(chē)輛數(shù)量波動(dòng)最大。通過(guò)對(duì)分區(qū)間借還量的統(tǒng)計(jì)，發(fā)現(xiàn)早午時(shí)段從宿舍區(qū)到2號(hào)教學(xué)區(qū)的車(chē)輛借還最為頻繁。在實(shí)時(shí)調(diào)度的情況下，相比其他停靠數(shù)量少的區(qū)域，這兩個(gè)區(qū)域應(yīng)該作為重點(diǎn)調(diào)度地點(diǎn)，以解決現(xiàn)有系統(tǒng)中14:00～16:00間大量車(chē)輛堆積的問(wèn)題。

結(jié)合流入量流出量統(tǒng)計(jì)數(shù)據(jù)發(fā)現(xiàn)，在一些區(qū)域單車(chē)數(shù)量閑置過(guò)剩的同時(shí)，存在部分區(qū)域單車(chē)緊缺，不能很好地滿足用戶(hù)需求的情況。如早間宿舍區(qū)、午后學(xué)生食堂、傍晚時(shí)教學(xué)區(qū)單車(chē)使用率最高；而8:00～10:00左右的1號(hào)、2號(hào)校門(mén)，晚間學(xué)生食堂平均使用次數(shù)低、車(chē)輛堆積多。這表明單車(chē)在某些區(qū)域和時(shí)段分配調(diào)度有待優(yōu)化。

對(duì)比16個(gè)分區(qū)的運(yùn)行結(jié)果及次日需求，發(fā)現(xiàn)供需并不平衡，需要對(duì)車(chē)輛分布進(jìn)行調(diào)度重置。將各區(qū)域之間的距離、單位運(yùn)輸成本及仿真運(yùn)行結(jié)果、調(diào)度目標(biāo)輸入上述優(yōu)化調(diào)度模型，在選擇23:00進(jìn)行調(diào)度的情況下，可求解得到表4所示調(diào)度方案。此時(shí)以下調(diào)度方案運(yùn)輸成本最低，為90.29元，總調(diào)度數(shù)量為177輛。

表4 調(diào)度方案

2.3 優(yōu)化方案比較。在實(shí)際情況中，為了不影響用戶(hù)的正常使用，共享單車(chē)運(yùn)營(yíng)方一般選擇在夜間進(jìn)行大規(guī)模調(diào)度。由于工作人員的人力成本與工作時(shí)間有關(guān)，在單車(chē)使用率最低的深夜進(jìn)行作業(yè)實(shí)際上將增加調(diào)度成本。根據(jù)圖4所示單車(chē)運(yùn)行情況，可以觀察到在晚高峰結(jié)束后，除1號(hào)、2號(hào)住宿區(qū)單車(chē)數(shù)量有明顯增加外，其余分區(qū)的單車(chē)數(shù)量?jī)H有小幅度減少。為了使求解的調(diào)度方案更具有實(shí)際操作意義，在假設(shè)其余車(chē)輛全部流入這兩個(gè)分區(qū)的情況下，應(yīng)用模擬軟件分別得到當(dāng)天20:00至次日01:00調(diào)度時(shí)單車(chē)分布數(shù)據(jù)，并計(jì)算調(diào)度成本，結(jié)果如圖5所示。由此可見(jiàn)，在23:00進(jìn)行調(diào)度所需成本最低，且能夠滿足次日用車(chē)需求。因此對(duì)于實(shí)際操作來(lái)說(shuō)，選擇此階段進(jìn)行調(diào)度比凌晨時(shí)刻調(diào)度更加可行。

圖5 不同時(shí)段調(diào)度方案成本變化

3 結(jié)論

本文以南京理工大學(xué)校園區(qū)域?yàn)槔芯抗蚕韱诬?chē)的調(diào)度重置優(yōu)化問(wèn)題。首先將該區(qū)域按用地性質(zhì)劃分為不同子區(qū)域，同時(shí)將一天單車(chē)活躍時(shí)間劃分為18個(gè)時(shí)段，根據(jù)實(shí)際調(diào)研獲得所需的流量、存量、動(dòng)態(tài)變量、表函數(shù)等參數(shù)數(shù)值；在此基礎(chǔ)上，建立AnyLogic仿真模型以模擬校園內(nèi)單車(chē)的流動(dòng)狀況；進(jìn)一步地，將仿真實(shí)驗(yàn)結(jié)果作為數(shù)學(xué)優(yōu)化模型的輸入，建立共享單車(chē)重置的整數(shù)規(guī)劃模型并進(jìn)行求解，最終得到了較為理想的調(diào)度方案。

本文中仿真建模的加入，完善了對(duì)于單車(chē)流動(dòng)狀況特性的形象展示，更好地把握了共享單車(chē)分布、流動(dòng)和調(diào)配的特點(diǎn)，這是現(xiàn)有研究中所沒(méi)有體現(xiàn)的。同時(shí)，運(yùn)營(yíng)成本和調(diào)度時(shí)間兩個(gè)因素的考慮也使給出的調(diào)度方案可行性更強(qiáng)。當(dāng)然，本次研究也存在一些不足之處，對(duì)于實(shí)時(shí)調(diào)度的研究仍然涉及較少。后續(xù)可以將模型運(yùn)行的流動(dòng)分布圖表作為探究實(shí)時(shí)調(diào)度方法的基礎(chǔ)，以進(jìn)一步尋求提升用戶(hù)滿意度和企業(yè)運(yùn)營(yíng)效率的調(diào)度重置方法。