上海市城鄉(xiāng)建設與交通發(fā)展研究院

隨著大城市停車問題的日益突出和買車、養(yǎng)車成本越來越高，汽車共享將會是未來機動化出行的重要模式[1]。有數(shù)據(jù)統(tǒng)計，一輛共享汽車可以解決14個人的自駕出行需求，非常適合北京、上海、廣州等大型城市發(fā)展。全球已有上千個城市擁有汽車共享服務，會員超170萬。Shaheen[2]、Barth[3]等對汽車共享在世界各地的發(fā)展進行了綜述。在我國，由于受車輛牌照額度制約和新能源車補貼刺激，許多城市常選用電動汽車作為共享汽車的首選車型。共享汽車系統(tǒng)由于需求的隨機性，常出現(xiàn)借車、還車需求在時空上存在嚴重不均衡的情形，共享使用的電動汽車本身續(xù)航能力有限，城市充電設施空間覆蓋不足，這些因素直接影響著電動共享汽車的運營服務。

現(xiàn)有研究多聚焦電動共享汽車的調(diào)度算法。Lee等[4]考慮了電動汽車因充電不足導致車輛不能借出的情況，提出了一種電動汽車共享調(diào)度算法。Bruglieria等[5]提出了車輛調(diào)度的混合整數(shù)規(guī)劃模型，在求解調(diào)度方案時，加入了續(xù)航里程約束條件，綜合考慮了有充電樁、無充電樁站混合布置，增加吸引范圍。然而，共享汽車用戶特征和企業(yè)運營策略是影響電動共享汽車的重要因素。開展城市共享汽車用戶特征和企業(yè)運營策略研究，對于電動共享汽車的發(fā)展有非常重要的意義。本文以上海市的EVCARD系統(tǒng)為例，從用戶需求特征、車輛調(diào)度特征和車輛運營特征三方面，對電動汽車共享系統(tǒng)進行了分析。該系統(tǒng)成立于2013年，擁有超過150個站點及500輛電動汽車，產(chǎn)生超過43 600個用戶訂單數(shù)據(jù)。

1 用戶需求特征分析

滿足用戶需求是開展共享出行服務的基礎。挖掘用戶數(shù)據(jù)和研究用戶特征，是開展精細化服務、運營調(diào)度和運營調(diào)整的必然選擇。

1.1 日變特征

日變特征是指一個月中用戶需求的日變化情況。研究日變特征，有助于探索共享汽車系統(tǒng)在較長時間段的中觀需求規(guī)律，可以為公司的調(diào)度總體策略提供依據(jù)。統(tǒng)計EVCARD系統(tǒng)一個月的總訂單數(shù)據(jù)，如圖1所示。圖中橫軸為一個月的日期變化，縱軸為整個系統(tǒng)的總的訂單量。數(shù)據(jù)體現(xiàn)了一定的宏觀周期性規(guī)律：周末的總需求多于工作日的需求。這說明汽車共享的出行目的主要是滿足非通勤出行需求，如聚餐、娛樂等。此外，由于用戶需求的隨機性，用戶需要用車時共享站點可能處于無可用車狀態(tài)，進一步考慮到共享汽車的費用較公交貴，汽車共享目前看來并不適宜替代通勤方式。對大多數(shù)系統(tǒng)用戶來說，通勤采用公共交通方式可靠且價格實惠，非通勤目的出行則采用汽車共享。因此，汽車共享不僅不會“搶占”常規(guī)公共交通的市場，反而會通過降低汽車擁有率增加公交吸引力。EVCARD用戶通勤期間依然維持既有出行方式，非通勤出行，采用汽車共享系統(tǒng)意愿有所提升。對于共享汽車調(diào)度而言，周末、節(jié)假日調(diào)度需求將會增加，宜在節(jié)假日和周末加強車輛合理調(diào)配。

圖1 系統(tǒng)訂單總量日變特征（2015/04）

1.2 時變特征

時變特征可以反映共享汽車在居民日出行中的角色定位，分析結(jié)果可以支持公司合理安排調(diào)度人員和車輛維護。EVCARD系統(tǒng)總訂單的時變特征如圖2所示。圖中橫軸為一天的時刻，縱軸是系統(tǒng)一個月平均一個站點的小時時段訂單量。總體來看，8:00到10:00為需求增加時段，10:00到18:00為需求高峰時段，18:00到23:00需求緩慢下降。因此，在非高峰期可減少調(diào)度人員。例如，10:00前工作人員可主要用于維護等任務，22:00安排較少的調(diào)度人員即可滿足需求。此外，在需求迅速變化的時刻（如圖2的10:00和19:00），建議重新運行調(diào)度算法，適應新的需求狀態(tài)。

圖2 系統(tǒng)訂單總量時變特征（2015/04）

圖3列出了EVCARD部分站點一個月的借還車情況。圖中橫軸為一個月的時間變化，縱軸為從0時刻開始的站點車輛數(shù)凈累積?？梢钥闯?，雖然之前分析得出系統(tǒng)宏觀上表現(xiàn)出一定的規(guī)律性，但是具體到某一站點或者某個時間段，特別是當訂單量不多時，需求特征表現(xiàn)出較大的波動性和隨機性，站點的借、還車需求無明顯的周期波動性規(guī)律。此外，這些數(shù)據(jù)還體現(xiàn)出借、還車需求在時間和空間上的不均衡性。在一些時段，某些站點的車輛數(shù)會增加超出站點容量。而在同一個時段的其他站點，或者同一個站點的其他時段，車輛數(shù)卻可能會迅速減少到空置狀態(tài)。這印證了系統(tǒng)層面進行車輛調(diào)配的必要性，以保證站點的正常運營。

圖3 站點訂單月變化（2015/04）

在此基礎上，選取更短的時段，抽出站點一天的訂單數(shù)據(jù)進行觀察，探究站點短時段（1～4小時）需求預測的可實施性。選取EVCARD最為活躍的站點之一同濟大學嘉定校區(qū)站點，統(tǒng)計2015年8月31日的日車輛數(shù)變化，如圖 4所示。圖中橫軸為一天中的時刻，縱軸為該站點對應的車輛數(shù)?？梢钥闯觯军c車輛變化的隨機性很大，嘗試利用時間序列等手段進行短時段的需求預測，準確性較低。通過對更多站點進行類似分析，均未得到良好的結(jié)果。總體而言，站點活躍程度越低，需求波動性越大，短時間需求預測越難。

圖4 站點日車輛數(shù)變化（同濟大學嘉定校區(qū)站點）

1.3 用車時長特征

對2015年4月份系統(tǒng)的所有訂單進行分析發(fā)現(xiàn)，47.5%訂單具有相同的借還車站點。還車、取車點的用車時長不僅包含行程時間，還包含用戶在實際目的地的停留時間。用車時長的分布如圖5所示。圖中橫軸為用車時長（分鐘），縱軸為頻率。80%訂單的用車時長位于10分鐘到50分鐘之間。了解用車時長的分布有助于預測電動汽車共享系統(tǒng)的未來系統(tǒng)狀態(tài)。

圖5 用車時長分布

1.4 不確定性因素分析

在電動汽車共享系統(tǒng)的實際運營中，存在一些特殊的不確定因素（借車需求、還車需求、行程時間等），對調(diào)度系統(tǒng)影響較大。解決不確定因素下調(diào)度算法的有效性是研究的重點問題。借鑒鐵路調(diào)度方法，可將需求分為確定性部分（提前預定的需求）和隨機部分（即時需求）。

隨機部分需求一般利用歷史數(shù)據(jù)進行統(tǒng)計分析并進行預測。在用戶從出發(fā)地直達目的地的前提下，從借車到還車的時間長度，可通過兩點間的行程時間進行較為準確的估計。另一種減少需求不確定性影響的方法是激勵用戶提前預定，如自助預定系統(tǒng)（Automated Reservation Systems）[6]等，將隨機需求轉(zhuǎn)化為確定性需求?？梢圆捎煤娇?、鐵路等行業(yè)常用的經(jīng)濟手段[7]，如通過折扣卷等方式激勵用戶提前預定。若采取這些經(jīng)濟手段，在確定最優(yōu)折扣時需要評估需求不確定性的減少所帶來的收益。提供提前預定模式，用戶可以提前確認站點有車狀態(tài)而增加安全感，系統(tǒng)則可以通過減少需求不確定性而減少調(diào)度成本[8]。但需要注意的是，自助預定系統(tǒng)的引進會使調(diào)度系統(tǒng)面臨新的問題。例如怎樣保證在用戶預定的時間和站點為用戶預留車輛。若調(diào)度系統(tǒng)無法解決這個問題，經(jīng)常出現(xiàn)用戶預定后卻無車可用的情況發(fā)生，那么電動汽車共享系統(tǒng)的吸引力將會受到很大影響。此外，還必須考慮用戶可能在預定后取消訂單，需要對車輛調(diào)度計劃進行重新優(yōu)化。

2 EVCARD系統(tǒng)調(diào)度特征分析

EVCARD系統(tǒng)的調(diào)度方法在同類系統(tǒng)中比較常用。圖6顯示了2015年2月的整個EVCARD系統(tǒng)的調(diào)度行為數(shù)據(jù)。圖中橫縱軸為經(jīng)緯度，圓點標識出了站點的位置，藍色直線段表示調(diào)度行為。整個EVCARD系統(tǒng)一個月內(nèi)共產(chǎn)生調(diào)度行為78次，平均一天完成小于3次。平均每次調(diào)度的距離為10.7 km。EVCARD系統(tǒng)的工作人員需要承擔調(diào)度任務和維護任務。在嘉定區(qū)，劃分為了3個區(qū)域，如表1所示。站點劃分了等級，“站點等級”表示站點的“重要性”。一般來說，越活躍的站點越重要。此外，等級還跟站點所處位置性質(zhì)有關?！把惨暤燃墶睕Q定了工作人員需要對該站點進行巡視的次數(shù)。巡視等級和巡視次數(shù)的對應關系見表2所示。

圖6 現(xiàn)狀調(diào)度（2015/02）

當前的電動汽車共享系統(tǒng)普遍采用“合乘調(diào)度方法”，EVCARD系統(tǒng)也采用此方法。每組兩人作為一個小組被分配一片責任區(qū)域，小組開一輛電動汽車對各個站點進行巡檢。巡視的任務包含兩個：一是檢查站點的車輛狀態(tài)，即維護任務；二是執(zhí)行調(diào)度任務。調(diào)度人員會結(jié)合站點維護任務，根據(jù)系統(tǒng)站點當前的（空/滿）狀態(tài)生成站點間車輛調(diào)配方案。通過對工作人員的調(diào)查發(fā)現(xiàn)，調(diào)度員會優(yōu)先滿足滿載站點的調(diào)出車輛需求，空置站點的調(diào)入需求則和維護任務相結(jié)合。若有調(diào)度任務，其中一人駕駛待調(diào)度車輛至需求站點，另一人駕駛工作車輛一同前往接應。

表1 區(qū)域劃分及各站點的等級（部分數(shù)據(jù)）

表2 站點巡視等級及巡視頻率對應表

目前的調(diào)度主要是依靠調(diào)度人員經(jīng)驗，采用“就近調(diào)度”原則。比如“同濟大學嘉定校區(qū)”需要調(diào)入一輛車，那么一般從附近的“嘉實”或“大學里”調(diào)車，而不會考慮這些網(wǎng)點的活躍程度以及網(wǎng)點自身的需求。此外，在問詢調(diào)查中，調(diào)度人員反映希望將巡檢與調(diào)度的工作分開，否則在完成一天巡檢工作的同時很難保證調(diào)度工作效率。由于缺乏站點的調(diào)度預測，在面臨站點“異常并發(fā)”時，系統(tǒng)常常采用“代駕調(diào)度”模式應對“突發(fā)性”滿載站點。如果可以有預測性的調(diào)度方法指導，可以很好的避免這種高昂的調(diào)度行為，降低系統(tǒng)的成本。

以上分析雖是基于EVCARD系統(tǒng)的調(diào)研數(shù)據(jù)，但其他類似的汽車共享系統(tǒng)情形類似，上述結(jié)論具有一定的普適性。就車輛調(diào)配方面而言，電動汽車共享系統(tǒng)普遍存在以下問題：

1）員工承擔維護、調(diào)度等多重任務，效率較低。

2）缺乏科學方法指導調(diào)度工作。缺乏預測，僅根據(jù)站點的空滿狀態(tài)決定站點是否需要調(diào)度，存在滯后性；可能產(chǎn)生突發(fā)性的多站點失效，帶來昂貴的代駕調(diào)度。

3）調(diào)度策略為“就近調(diào)度”，需要更多的調(diào)度人員和調(diào)度工作。

4）調(diào)度路徑及人員的安排缺乏合理優(yōu)化，憑經(jīng)驗生成。

3 EVCARD系統(tǒng)運營特征分析

圖7 調(diào)度工作流程

共享汽車的調(diào)度必須與系統(tǒng)運營相結(jié)合。目前的“合乘調(diào)度”日常工作流程如圖7所示。每個調(diào)度小組，從調(diào)度中心出發(fā)，前往待調(diào)出站點，駕駛一輛被調(diào)度的車輛，到達調(diào)入站點，則執(zhí)行完一次調(diào)度任務。前往下一個待調(diào)出站點重復這個流程，直至休息、換班或者下班再回到調(diào)度中心。要生成切實可行的調(diào)度任務，將車輛整個路徑一起優(yōu)化是更好的方法。若不對路徑的總長度進行約束，可能會導致員工不能完全執(zhí)行調(diào)度任務。實際工作中，調(diào)度人員有時還需要承擔站點及車輛維護任務。在此情況下，工作人員需要訪問一些實際沒有調(diào)度需求的站點。

同時，電動汽車的特點還帶來了一些需要特殊考慮的因素。一方面是任務生成中，電動汽車的電池續(xù)航里程對于單次調(diào)度任務的長度附加了約束，不滿足此約束的調(diào)度任務是不可執(zhí)行的。另一方面，對于電動汽車共享系統(tǒng)而言，站點滿載變成了一個更加嚴峻的問題。因為車輛需要在特殊的車位上充電，溢出車輛將無法得到充電服務。因此，應避免站點出現(xiàn)滿載情況，以提高系統(tǒng)的運營效率。

4 結(jié) 語

電動汽車共享將會是未來機動化出行的重要模式。通過EVCARD電動汽車共享系統(tǒng)的數(shù)據(jù)挖掘，可以揭示電動共享汽車隱含的用戶行為特征。由于不確定因素對用戶行為的干擾，導致了短時間借還車需求預測困難。分析EVCARD系統(tǒng)的調(diào)度特征，總結(jié)電動汽車共享系統(tǒng)普遍存在的四類問題。分析EVCARD系統(tǒng)的運營特征，辨識電動汽車共享系統(tǒng)常見的調(diào)度工作流程的缺陷。在優(yōu)化電動汽車共享系統(tǒng)的調(diào)度方案時，必須綜合考慮需求特征、系統(tǒng)調(diào)度特征、系統(tǒng)運營特征以及特殊干擾因素，以降低系統(tǒng)運營成本、提高系統(tǒng)運營效率。