張曼雪,張勇斌

(北京印刷學(xué)院 機(jī)電工程學(xué)院，北京 102600)

共享單車是共享經(jīng)濟(jì)的衍生產(chǎn)品，以按時(shí)租賃模式、價(jià)格合理以及綠色環(huán)保的理念而受到大眾歡迎。然而，無(wú)樁共享單車“重投放、輕維護(hù)”的運(yùn)營(yíng)方式，導(dǎo)致共享單車的故障率直線上升，數(shù)量急劇減少，據(jù)不完全統(tǒng)計(jì)，約有1/4的無(wú)樁共享單車由于車鏈斷裂、二維碼損壞、剎車失靈、車鎖丟失以及爆胎等故障而無(wú)法使用[1]。企業(yè)主要依靠人工排查和APP用戶上報(bào)獲取單車故障信息，效率和精度低下且報(bào)修率極低，不能滿足當(dāng)前需求，迫切需要先進(jìn)的單車故障診斷技術(shù)，進(jìn)而減輕人工作業(yè)壓力，幫助共享單車企業(yè)實(shí)現(xiàn)自動(dòng)化、智能化發(fā)展。故障診斷作為單車維修的重要環(huán)節(jié)，在人工定期維修過(guò)程中會(huì)出現(xiàn)以下3方面的問(wèn)題:首先,故障診斷任務(wù)枯燥乏味，檢修人員會(huì)因缺少耐心而出現(xiàn)漏檢情況；其次,由于需要診斷的單車數(shù)量眾多，因此，人工檢測(cè)故障的速度較緩慢；最后,共享單車企業(yè)對(duì)各地區(qū)的維修人員分配不均，造成資源浪費(fèi)。而關(guān)于APP用戶的上報(bào)方式，存在由于用戶上報(bào)不積極而造成報(bào)修率低、獲取故障信息較少的問(wèn)題。在單車故障診斷過(guò)程中，故障診斷方式落后已經(jīng)嚴(yán)重影響到用戶體驗(yàn)感以及企業(yè)的未來(lái)發(fā)展。因此，如何將共享單車故障診斷的過(guò)程智能化、高效化已成為迫在眉睫需要解決的問(wèn)題。

關(guān)于共享單車出現(xiàn)的大部分問(wèn)題，學(xué)者們展開了深入研究，并提供可行的解決方法。毛敏等[2]對(duì)故障共享單車的回收維修，提出以總運(yùn)營(yíng)成本最小為目標(biāo)，研究了故障共享單車的回收策略和裝運(yùn)方式，以及兩者的最優(yōu)組合，結(jié)果表明根據(jù)不同情況多策略混合使用效果最佳。陳佳惠等[3]研究共享單車調(diào)度路徑問(wèn)題時(shí)，提出用禁忌搜索算法獲得最小的成本優(yōu)化調(diào)度路徑，實(shí)驗(yàn)表明該模型和算法有效。潘紀(jì)成等[4]利用 Python 將單車數(shù)據(jù)可視化，結(jié)合單車數(shù)據(jù)和天氣數(shù)據(jù)建立預(yù)測(cè)天氣對(duì)共享單車影響情況模型，結(jié)果顯示具有較好的運(yùn)用價(jià)值。孫卓等[5]考慮多倉(cāng)庫(kù)的共享單車重新配置問(wèn)題，設(shè)計(jì)了變鄰域搜索算法,構(gòu)建初始解及貪婪算法，結(jié)果表明，該模型具有有效性和合理性。劉明等[6]基于訂單數(shù)據(jù)分析的共享單車重置調(diào)度優(yōu)化研究，從多角度為共享單車的重置調(diào)度提供有效決策和建議。安婷婷[7]在基于大數(shù)據(jù)共享單車服務(wù)規(guī)劃與騎行路線優(yōu)化研究中提出Logit模型標(biāo)定法、服務(wù)點(diǎn)規(guī)劃模型及規(guī)劃熱點(diǎn)路段提取方法,很好地解決了共享單車的服務(wù)點(diǎn)選址問(wèn)題與騎行路線優(yōu)化問(wèn)題。施嘉偉[8]在基于多目標(biāo)遺傳算法共享單車停放點(diǎn)分配算法的研究中提出了基于多目標(biāo)遺傳算法的分配模型,對(duì)算法進(jìn)行改進(jìn)，將車輛分配順序作為染色體的基因序列,并在遺傳算法的子代生成步驟中采用回歸算法代替變異算子，成功加快了單車停放點(diǎn)的分配速度。Yu等[9]提出一種短時(shí)間內(nèi)高性能本地搜索優(yōu)勢(shì)的GTS算法，有效模擬動(dòng)態(tài)重新定位問(wèn)題。Liu等[10]利用共享單車系統(tǒng)的預(yù)定數(shù)據(jù)來(lái)評(píng)估單車需求模型，并向新城市預(yù)測(cè)擴(kuò)張。袁超等[11]提出騎車共享系統(tǒng)及靈活響應(yīng)用戶需求的動(dòng)態(tài)模型，該想法減少用戶的自行車等待時(shí)間、提高用戶滿意度，從而提高自行車的使用率。Bucsky[12]根據(jù)服務(wù)規(guī)劃問(wèn)題設(shè)計(jì)自行車道網(wǎng)絡(luò)，規(guī)劃多模式集成系統(tǒng)的未來(lái)發(fā)展方向。Kadri[13]考慮到車站的平衡是共享單車運(yùn)營(yíng)效率和經(jīng)濟(jì)可行性的最關(guān)鍵問(wèn)題，通過(guò)考慮靜態(tài)情況，研究車站與多車的平衡問(wèn)題，提出問(wèn)題的數(shù)學(xué)公式，并根據(jù)伊斯特曼的綁定和SPT規(guī)則開發(fā)出兩個(gè)下界。

文中在已有研究基礎(chǔ)上，有針對(duì)性地研究和解決單車故障診斷問(wèn)題。經(jīng)調(diào)查研究發(fā)現(xiàn)，要實(shí)現(xiàn)節(jié)約成本、高效又準(zhǔn)確地診斷故障共享單車目標(biāo)：首先,需要考慮的是建立共享單車故障模型；其次,考慮合理挖掘共享單車的數(shù)據(jù)作為判定條件，使模型更符合實(shí)際需求；最后,思考選擇合適的算法解出該模型。文中依據(jù)上述3個(gè)思考方向把共享單車的故障診斷過(guò)程簡(jiǎn)化和智能化，從而節(jié)省勞動(dòng)力、降低維修成本、提高精度，可以為各共享單車企業(yè)提供一個(gè)新思路，使維修機(jī)構(gòu)的診斷環(huán)節(jié)更符合當(dāng)前的發(fā)展理念。

1 共享單車故障預(yù)測(cè)模型

1.1 問(wèn)題描述

企業(yè)對(duì)無(wú)樁共享單車故障診斷有統(tǒng)一的流程：在城市的運(yùn)營(yíng)區(qū)內(nèi)修建若干位置的固定維修站，負(fù)責(zé)該片區(qū)域內(nèi)共享單車的檢測(cè)和故障維修。檢修人員一般從兩個(gè)途徑獲得共享單車的故障信息：一是用戶通過(guò)APP上報(bào)故障共享單車信息，另一個(gè)途徑是在日常的定期檢測(cè)工作中發(fā)現(xiàn)有故障的單車。收集完這些有故障的共享單車后，工作人員將它們統(tǒng)一送往維修廠進(jìn)行維修，如若有新增故障車輛次日再進(jìn)行檢修[14]。共享單車故障檢測(cè)流程如圖1所示。

圖1 共享單車故障檢測(cè)流程

在整個(gè)維修流程中，企業(yè)在單車如何高速度、高精度診斷故障方面束手無(wú)策，導(dǎo)致共享單車行業(yè)的發(fā)展止步不前，因此，故障診斷環(huán)節(jié)成為文中的研究重點(diǎn)。傳統(tǒng)的故障共享單車診斷方法主要依靠人工，所以診斷的精度和效率偏低，這就需要維修機(jī)構(gòu)采用先進(jìn)的手段在定時(shí)檢修之前獲得故障單車的信息，也就是說(shuō)需要將故障診斷問(wèn)題看成故障共享單車的預(yù)測(cè)問(wèn)題，實(shí)現(xiàn)預(yù)定目標(biāo)，因此，文中主要研究故障共享單車的預(yù)測(cè)問(wèn)題。

1.2 共享單車故障建模分析

合理的共享單車預(yù)測(cè)模型條件和算法，會(huì)給人民的實(shí)際生活和共享單車企業(yè)的發(fā)展帶來(lái)益處，因此，研究滿足實(shí)際需求的共享單車故障預(yù)測(cè)問(wèn)題十分必要。先結(jié)合實(shí)際情況對(duì)共享單車故障模型進(jìn)行分類，進(jìn)而達(dá)到預(yù)測(cè)目的，該模型的分析操作流程如圖2所示。

圖2 判別分析操作流程

1.2.1 共享單車數(shù)據(jù)挖掘與預(yù)處理

數(shù)據(jù)挖掘時(shí)首先要明確數(shù)據(jù)挖掘的目標(biāo)，也就是要達(dá)到什么樣目的；其次，數(shù)據(jù)庫(kù)需要大量的數(shù)據(jù)積累，提高數(shù)據(jù)的準(zhǔn)確度；最后，數(shù)據(jù)挖掘是數(shù)據(jù)的選擇和預(yù)處理，數(shù)據(jù)質(zhì)量是其中至關(guān)重要的環(huán)節(jié)[15]。

文中數(shù)據(jù)來(lái)源為哈啰單車系統(tǒng)，挖掘數(shù)據(jù)是為了給故障預(yù)測(cè)模型提供合理的數(shù)據(jù)來(lái)源，進(jìn)而達(dá)到提高預(yù)測(cè)模型精度的目標(biāo)[16]。單車系統(tǒng)中除了車輛ID等基礎(chǔ)數(shù)據(jù)之外，還有用戶信息、租賃時(shí)間、地理位置、騎行速度、打開率、報(bào)修率、騎行時(shí)長(zhǎng)、還車時(shí)間等數(shù)據(jù)，每隔15 s刷新一次，在數(shù)據(jù)庫(kù)中存下海量數(shù)據(jù)。挖掘合適的數(shù)據(jù)、對(duì)數(shù)據(jù)進(jìn)行去重是數(shù)據(jù)預(yù)處理的關(guān)鍵環(huán)節(jié)，能保證數(shù)據(jù)分析的質(zhì)量[17]。

文中選擇騎行時(shí)間和騎行距離進(jìn)行特征分析，騎行時(shí)間過(guò)短或長(zhǎng)時(shí)間未開鎖都可以被認(rèn)為是單車故障預(yù)測(cè)的一種，但單一的騎行時(shí)間變量并不能排除其他情況存在的可能性，如堵車、偏遠(yuǎn)地區(qū)人員數(shù)量少等[18]，這就需要另外一個(gè)變量騎行距離提供判斷。一般來(lái)說(shuō)，騎行時(shí)間和騎行距離的關(guān)系存在著線性關(guān)系，騎行時(shí)間越長(zhǎng)騎行的距離也越遠(yuǎn)，反之則亦然。結(jié)合實(shí)際情況，可能會(huì)出現(xiàn)騎行時(shí)間長(zhǎng)、距離短或者騎行時(shí)間短、距離長(zhǎng)的情況，模型不能預(yù)測(cè)該共享單車一定處于故障狀態(tài)。若選擇單一騎行時(shí)間或騎行距離來(lái)預(yù)測(cè)該單車是否存在故障，偏差會(huì)較大，將兩者結(jié)合起來(lái)作為條件約束模型，能夠全面考慮到突發(fā)情況，進(jìn)而減小誤差，使模型的精確度得到大幅度提升。

綜上所述，在海量共享單車數(shù)據(jù)中，挖掘騎行時(shí)間和騎行距離信息、建立共享單車分類模型能夠很好地實(shí)現(xiàn)文中的預(yù)期結(jié)果，簡(jiǎn)化共享單車故障診斷過(guò)程，從而節(jié)省勞動(dòng)力并提高精度。

1.2.2 預(yù)測(cè)模型判定規(guī)則的設(shè)定

一個(gè)完整的故障預(yù)測(cè)模型的建立除了挖掘簡(jiǎn)單的數(shù)據(jù)信息之外，還需要預(yù)測(cè)合適的判定規(guī)則才能完善此模型[19]。在預(yù)測(cè)判定規(guī)則時(shí)，需要收集并分析用戶使用共享單車的騎行時(shí)間，按照數(shù)據(jù)分布規(guī)律預(yù)定更符合實(shí)際問(wèn)題的判定條件。北京市用戶騎行時(shí)間和騎行距離如圖3所示。

圖3 共享單車騎行時(shí)間、騎行距離分布

結(jié)合圖3可看出，大部分用戶共享單車的騎行時(shí)間為10～30 min，而5～10 min和超過(guò)30 min的使用頻數(shù)較少；騎行距離分布主要集中在0.5～1.5 km，主要解決2 km以內(nèi)的出行需求。因此，設(shè)定判定條件時(shí)，在以下條件范圍內(nèi)判定共享單車故障：用戶騎行時(shí)間短，騎行距離長(zhǎng)；用戶騎行時(shí)間長(zhǎng)，騎行距離短。

1.2.3 預(yù)測(cè)模型判別法

在研究共享單車故障分類模型判別問(wèn)題時(shí)，要充分考慮共享單車特點(diǎn)來(lái)選擇最佳的判別法，研究分析發(fā)現(xiàn)，F(xiàn)isher線性判定更加符合文中的總體思路[20]。很顯然，文中的分類器設(shè)計(jì)和分類決策需要使用Fisher線性判別法。Fisher線性判別法的原理是利用方差分析的思想，從已知的各總體中抽取樣本p維觀測(cè)值，構(gòu)造一個(gè)或多個(gè)線性判別函數(shù)Y=L×X，其中,L={l1,l2,…,lp}為判別式，X={x1,x2,…,xp}為樣本觀測(cè)值，將樣本空間折射到某一投影上[21]，如圖4所示。

圖4 Fisher線性判定

2 共享單車故障預(yù)測(cè)模型及求解算法

從企業(yè)維修部門角度看，節(jié)省時(shí)間和人力就是節(jié)約成本，模型先對(duì)共享單車進(jìn)行故障預(yù)測(cè)能很好滿足企業(yè)的要求[22]，因此，文中構(gòu)建的模型應(yīng)該對(duì)共享單車是否存在故障進(jìn)行預(yù)測(cè)，并把正常車輛和故障車輛進(jìn)行分類。為使模型更加符合實(shí)際問(wèn)題，根據(jù)上述分析得出最佳判定規(guī)則，構(gòu)建共享單車故障預(yù)測(cè)模型。

模型中最主要的目標(biāo)是智能化檢測(cè)共享單車是否出現(xiàn)故障，從而解放人力并節(jié)約時(shí)間。城市中建立若干個(gè)位置固定的維修站，每個(gè)維修站負(fù)責(zé)規(guī)定區(qū)域的車輛檢修任務(wù)，共享單車上報(bào)的數(shù)據(jù)信息采用Fisher線性判定進(jìn)行預(yù)測(cè)分類，通過(guò)人力搬運(yùn)的方式送到聚類服務(wù)點(diǎn)，將共享單車?yán)鼐S修站，然后完成下一個(gè)聚類服務(wù)點(diǎn)的收集任務(wù)[23]，如圖5所示。

圖5 共享單車故障預(yù)測(cè)局部網(wǎng)絡(luò)

根據(jù)上述分析，基于Fisher線性判定單車故障預(yù)測(cè)模型步驟如下：

步驟1：假設(shè)研究的共享單車有k個(gè)總體G1,G2,…,Gk，從每個(gè)總體中選取n組的樣本數(shù)據(jù)，利用判別式L={l1,l2,…,lp}計(jì)算樣本的組間離差平方和矩陣B及組內(nèi)離差平方和矩陣E，則有

(1)

(2)

投影后的矩陣B和矩陣E之間的比值為

(3)

因此，若k個(gè)總體樣本的均值有顯著差異,λL應(yīng)盡可能的大，才能使得各樣本之間的距離較大，進(jìn)而實(shí)現(xiàn)故障和正常的分類。

步驟2：利用拉格朗日乘子法進(jìn)行求解，令

φ(L)=LBL′-λLLEL′

(4)

解方程

(5)

解|B-λLE|=0得到特征值，按照從大到小的順序排列λ1≥λ2≥…≥λr>0，特征值對(duì)應(yīng)的特征向量可記作α1，α2，…，αr。

之后，判定故障需要達(dá)到的設(shè)定下閾值，需要與積累貢獻(xiàn)率進(jìn)行對(duì)比，算式為

(6)

通過(guò)對(duì)比，根據(jù)實(shí)際的數(shù)據(jù)分析設(shè)定下閾值，從前往后選m個(gè)判定函數(shù)，滿足條件sm≥T，且sm-1

步驟4：根據(jù)選定的Fisher判別函數(shù)，將待識(shí)別樣本數(shù)據(jù)的特征參數(shù)向量X映射到低維空間，得到低維特征向量Y，并計(jì)算其與各樣本判別矢量的距離

(7)

計(jì)算距離大小，判定樣本數(shù)據(jù)屬于故障還是正常，即若

Dj

(8)

則樣本數(shù)據(jù)X屬于正常。

3 實(shí)例分析

共享單車已逐漸受到大眾青睞，目前，北京市各區(qū)都有共享單車，文中以北京市某區(qū)的哈嘍共享單車系統(tǒng)為例，通過(guò)挖掘哈嘍共享單車的實(shí)際數(shù)據(jù)來(lái)驗(yàn)證文中提出的方法是否可行[24]。根據(jù)上述建模原理和解法，利用MATLAB軟件對(duì)數(shù)據(jù)進(jìn)行分析處理，得到如圖6所示的結(jié)果。

圖6 Fisher判定故障單車二維分布

Fisher線性判定可以根據(jù)騎行時(shí)間和騎行距離的長(zhǎng)短把數(shù)據(jù)集的所有共享單車數(shù)據(jù)進(jìn)行聚類、分類[25]。根據(jù)圖6可以看出，利用文中提出的方法能夠區(qū)分該地區(qū)無(wú)樁共享單車的正常車輛和故障車輛。正方形部分的共享單車在這個(gè)時(shí)間段能夠騎行合理的距離，也就是說(shuō)在騎行時(shí)間和行駛過(guò)程中，共享單車沒有出現(xiàn)故障；十字形部分的共享單車在較長(zhǎng)的距離里面卻騎行少量時(shí)間，或者在短距離中卻騎行較長(zhǎng)時(shí)間，那么這些小車一定存在著一些故障，可能出現(xiàn)的一種情況是用戶在共享單車開鎖之后便發(fā)現(xiàn)共享單車出現(xiàn)故障，或者在共享單車行使過(guò)程中，共享單車出現(xiàn)故障，導(dǎo)致用戶不得已關(guān)閉共享單車[26]。還有一種情況是單車本身的故障不耽誤騎行，用戶不愿更換繼續(xù)使用單車。

圖7所示即為人工定期維修和APP用戶上報(bào)兩種傳統(tǒng)方法檢測(cè)出的故障單車和正常車輛，可以發(fā)現(xiàn)故障的車輛較少，正常車輛數(shù)量較多。由于人工誤差，對(duì)正常車輛進(jìn)行再次檢測(cè)時(shí)發(fā)現(xiàn)，正常車輛里面還存在很多的故障車輛，數(shù)量超出可忽略不計(jì)的范圍。

圖7 傳統(tǒng)方法判定故障單車二維分布

實(shí)驗(yàn)所需要的數(shù)據(jù)均來(lái)自北京市某地區(qū)2020年上半年統(tǒng)計(jì)，文中采用的模型和算法得出的結(jié)果與上半年實(shí)際情況進(jìn)行對(duì)比發(fā)現(xiàn)準(zhǔn)確率高達(dá)86.13%，可見，文中算法具有很高的精準(zhǔn)度。

同時(shí)，本實(shí)驗(yàn)方法依據(jù)的是Fisher算法，其步驟可由計(jì)算機(jī)進(jìn)行計(jì)算與分析，將分析之后的結(jié)果發(fā)給工作人員，工作人員再根據(jù)所得到的結(jié)果去實(shí)際檢查，簡(jiǎn)化了工人的工作量，使工人能夠更加快速地了解到哪些共享單車存在問(wèn)題[27]。經(jīng)過(guò)實(shí)際數(shù)據(jù)測(cè)量，在沒有使用本實(shí)驗(yàn)方法前，工人一輛一輛的檢查車況，一天大概能夠檢查700輛，而使用本實(shí)驗(yàn)方法之后，在確保準(zhǔn)確性的同時(shí)，工人每天能夠檢查約2 000輛，大大提高了工作效率。

4 結(jié) 論

通過(guò)對(duì)共享單車檢測(cè)問(wèn)題的研究分析，提出采用騎行時(shí)間作為條件構(gòu)建共享單車故障預(yù)測(cè)模型，并采用了Fisher線性判定解法求解該模型，通過(guò)分析研究得出以下結(jié)論。

1)在考慮檢測(cè)方式可以解放人力的情況下，進(jìn)一步挖掘共享單車的數(shù)據(jù)信息。借助大數(shù)據(jù)技術(shù)挖掘有效數(shù)據(jù)信息構(gòu)建共享單車故障預(yù)測(cè)模型，該模型的目標(biāo)是節(jié)省維修部工作人員的工作時(shí)間和勞動(dòng)力，從而提高維修效率，減少損壞的車輛，提高共享單車使用用戶的滿意度，實(shí)現(xiàn)企業(yè)智能化，并促進(jìn)其可持續(xù)發(fā)展。

2)利用文中提出的共享單車預(yù)測(cè)模型和解法預(yù)測(cè)北京市某地區(qū)單車是否出現(xiàn)故障，最后通過(guò)上位機(jī)的計(jì)算以及與實(shí)際真實(shí)測(cè)量的比較結(jié)果相比，表明文中提出的模型和FLD解法能夠有效節(jié)省檢測(cè)時(shí)間和人工勞動(dòng)，進(jìn)而節(jié)約企業(yè)的運(yùn)營(yíng)成本。

3)迄今為止，關(guān)于利用用戶騎行時(shí)間和行駛距離來(lái)預(yù)測(cè)共享單車是否存在故障的研究非常少，文中提出的預(yù)測(cè)模型和解法還不夠成熟，對(duì)于騎行時(shí)間和行駛距離等判定規(guī)則仍存在于個(gè)人的強(qiáng)制規(guī)定上，沒有考慮到每個(gè)人的實(shí)際情況，判定條件不夠全面，并且不能對(duì)那些臨時(shí)停車用戶進(jìn)行預(yù)測(cè)，因此，未來(lái)本研究還需要進(jìn)行深入探討，進(jìn)一步探索解決方法。

4)文中實(shí)驗(yàn)用到的數(shù)據(jù)有限，導(dǎo)致本實(shí)驗(yàn)結(jié)果具有一定局限性。由于沒有全國(guó)性的數(shù)據(jù)集，所以無(wú)法對(duì)全國(guó)范圍內(nèi)的共享單車進(jìn)行預(yù)測(cè)，進(jìn)而不能確保在全國(guó)范圍內(nèi)文中的實(shí)驗(yàn)方法是否適用。如需對(duì)全國(guó)范圍內(nèi)共享單車進(jìn)行預(yù)測(cè)，則需要更多的數(shù)據(jù)支撐。