戴麗

摘要：針對(duì)城市共享單車優(yōu)化分布問題，以昆明市ofo小黃車為例，對(duì)共享單車停放地區(qū)數(shù)量分配問題構(gòu)建模型，為共享單車資源優(yōu)化配置提供理論依據(jù)。采用細(xì)菌菌落優(yōu)化算法，即一種基于群集智能優(yōu)化算法的仿生隨機(jī)優(yōu)化算法，用于解決城市共享單車停放地區(qū)數(shù)量分布問題。該算法為解決共享單車數(shù)量分布問題提供了一種新途徑。

關(guān)鍵詞：群集智能優(yōu)化算法；細(xì)菌菌落優(yōu)化算法；共享單車；分布研究

中圖分類號(hào)：F572；F724.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）08-0117-02

隨著科技的不斷進(jìn)步，經(jīng)濟(jì)的多元發(fā)展，人類的生活需要，綠色、環(huán)保、便捷和安全出行的共享單車融入了人們的日常生活，既是機(jī)遇也是挑戰(zhàn)。共享單車是一種“互聯(lián)網(wǎng)+”的產(chǎn)物，是一種新型共享經(jīng)濟(jì)，是一種新型的交通工具租賃業(yè)務(wù)-自行車租賃業(yè)務(wù)。隨著共享單車數(shù)量的增長，無論是用戶或城市管理者，都對(duì)共享單車的運(yùn)維水平提出了更高的要求，這也推動(dòng)著共享單車企業(yè)要持續(xù)打造更加智能化、精細(xì)化的運(yùn)營管理。ofo小黃車擁有全球最大的共享出行大數(shù)據(jù)平臺(tái)——ofo“奇點(diǎn)”大數(shù)據(jù)系統(tǒng)。用大數(shù)據(jù)平臺(tái)共同打造更智慧的城市出行運(yùn)營體系，推動(dòng)智慧城市出行變革。共享單車管理的癥結(jié)在于重點(diǎn)區(qū)域車輛的實(shí)時(shí)停放和流轉(zhuǎn)速度，因此共享單車停車設(shè)施規(guī)劃主要從停車設(shè)施空間布局及容量調(diào)配兩方面進(jìn)行考慮[1]。細(xì)菌菌落優(yōu)化算法[2]是一種模擬細(xì)菌菌落進(jìn)化過程的群集智能優(yōu)化算法，該算法具有良好的搜索能力，較好的穩(wěn)定性以及魯棒性，收斂速度快等優(yōu)點(diǎn)，特別是，該算法提供了一種自然結(jié)束準(zhǔn)則。本文根據(jù)細(xì)菌菌落優(yōu)化算法的優(yōu)點(diǎn)，用于解決停放地區(qū)數(shù)量配置的問題。

1 模型建立

根據(jù)共享單車使用時(shí)間的時(shí)段情況，采用動(dòng)態(tài)調(diào)度方式[3]建模。目標(biāo)是能夠使成本最小，在此情況下使整個(gè)城市共享單車的數(shù)量分布盡量達(dá)到最優(yōu)分布狀態(tài)。將城市共享單車停放的地方劃分為各個(gè)地區(qū)。

某地區(qū)共享單車的供給量為：

上式中，Ai為i地區(qū)提供共享單車的供給量（Ai<0時(shí)，存在需求），Pi為i地區(qū)的借車量，Ii為i地區(qū)的還車量，m為地區(qū)總量，Tik為i地區(qū)向k地區(qū)的調(diào)度共享單車數(shù)量，F(xiàn)ki為k地區(qū)向i地區(qū)的調(diào)度共享單車數(shù)量，cik為i地區(qū)向k地區(qū)調(diào)度的費(fèi)用，Cki為k地區(qū)向i地區(qū)調(diào)度的費(fèi)用。約束條件為（4）。

2 基于細(xì)菌菌落優(yōu)化算法的可行性分析

細(xì)菌菌落優(yōu)化算法的特點(diǎn)是具有仿生的進(jìn)化機(jī)制，除了可以采用算法中的精度、迭代次數(shù)等作為結(jié)束準(zhǔn)則，還可以在無外界條件的前提下，算法自然結(jié)束，即自然結(jié)束準(zhǔn)則。該算法的主要思想是：在解空間中初始放置單個(gè)或少量個(gè)數(shù)的細(xì)菌個(gè)體在培養(yǎng)基上，模擬細(xì)菌菌落的演化過程，設(shè)計(jì)前進(jìn)和停留兩種運(yùn)動(dòng)方式，制定細(xì)菌個(gè)體死亡和繁殖的進(jìn)化機(jī)制，細(xì)菌菌落數(shù)量是動(dòng)態(tài)發(fā)展的，算法在細(xì)菌菌落消失后自然結(jié)束。

文[4]采用常用的基準(zhǔn)測(cè)試函數(shù)作為優(yōu)化對(duì)象，驗(yàn)證了細(xì)菌菌落優(yōu)化算法的有效性，算法通過改進(jìn)可達(dá)全局最優(yōu)。文[5]提出一種混合的離散細(xì)菌菌落優(yōu)化算法，該算法具有平衡全局尋優(yōu)以及局部精確搜索的能力。文[6]將細(xì)菌菌落優(yōu)化算法用于電力系統(tǒng)無功優(yōu)化問題，實(shí)驗(yàn)結(jié)果表明，該算法較其它算法具有較強(qiáng)的全局尋優(yōu)能力，收斂速度快，魯棒性好。因此，可以用該算法解決共享單車停放地區(qū)數(shù)量配置問題。

3 基于細(xì)菌菌落優(yōu)化算法的模型求解

根據(jù)騎行行為的日特征[1，7]，城市各個(gè)地區(qū)的共享單車使用會(huì)出現(xiàn)早高峰和晚高峰的時(shí)段特征，即早高峰為7點(diǎn)到10點(diǎn)，晚高峰為17點(diǎn)到20點(diǎn)。根據(jù)居民騎行需求的峰值，確定小黃車ofo的最大投放量，重點(diǎn)分析峰值時(shí)間段特征，解決騎行設(shè)施供需承壓時(shí)間段問題。

求解城市各地區(qū)共享單車數(shù)量分布問題的細(xì)菌菌落優(yōu)化算法步驟如下：

Step1：初始化。初始細(xì)菌位置，即高峰時(shí)間段城市各地區(qū)的共享單車數(shù)量，設(shè)定初始種群N，最大種群規(guī)模S，個(gè)體最長壽命NL，繁殖條件NP，各個(gè)系數(shù)。

Step2：評(píng)價(jià)適應(yīng)度值，即計(jì)算目標(biāo)函數(shù)值，記錄細(xì)菌個(gè)體的最優(yōu)位置，群體當(dāng)前的全局最優(yōu)解值及位置。

Step3：基于細(xì)菌目標(biāo)函數(shù)值的優(yōu)劣，計(jì)算細(xì)菌年齡并進(jìn)行分類操作。

Step4：對(duì)正常細(xì)菌，執(zhí)行進(jìn)化機(jī)制操作，更新細(xì)菌位置，評(píng)價(jià)每個(gè)細(xì)菌的適應(yīng)度值，更新個(gè)體最優(yōu)值及位置；淘汰達(dá)到死亡條件的細(xì)菌個(gè)體。

Step5：達(dá)到繁殖條件的細(xì)菌，執(zhí)行繁殖操作，評(píng)價(jià)適應(yīng)度值，更新群體全局最優(yōu)值及位置。

Step6：對(duì)群體當(dāng)前全局最優(yōu)位置執(zhí)行隨機(jī)搜索策略，更新群體全局最優(yōu)值及位置。

Step7：若細(xì)菌菌落數(shù)量為零，則算法結(jié)束，否則轉(zhuǎn)Step2。

4 結(jié)語

本文根據(jù)共享單車使用時(shí)間段特征，采用動(dòng)態(tài)調(diào)度方式建模，確定目標(biāo)函數(shù)?；诩?xì)菌菌落優(yōu)化算法具有收斂速度快，魯棒性好，具有較強(qiáng)的全局搜索能力，能平衡該算法的局部搜索和全局尋優(yōu)能力，算法收斂后自然結(jié)束，可以用于該模型問題的求解。將智能優(yōu)化算法用于解決共享單車優(yōu)化分布問題是一種新途徑。

參考文獻(xiàn)

[1]鄧力凡，謝永紅，黃鼎曦.基于騎行時(shí)空數(shù)據(jù)的共享單車設(shè)施規(guī)劃研究[J].規(guī)劃師，2017，33（10）：82-88.

[2]李明，楊成梧.細(xì)菌菌落優(yōu)化算法[J].控制理論與應(yīng)用，2011，28（2）：223-228.

[3]郭海富，喻永生，羅瑜.基于共享單車時(shí)間分布優(yōu)化調(diào)度模型[J].科技視界，2018，（7）：101+129.

[4]李明.模擬細(xì)菌菌落進(jìn)化過程的群體智能算法[J].系統(tǒng)仿真學(xué)報(bào)，2013，25（2）：251-255.

[5]宋德邏，孔德福，李明.一種混合的離散細(xì)菌菌落優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用研究，2014，31（2）：358-360.

[6]簡獻(xiàn)忠，李瑩，周海，等.基于細(xì)菌菌落算法的電力系統(tǒng)無功優(yōu)化[J].控制工程，2014，21（6）：935-938.

[7]段文欣.基于BP神經(jīng)網(wǎng)絡(luò)的共享單車時(shí)空分布模型[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2018，（4）：23.