摘要：共享單車成功解決了交通的最后一千米難題，但是，單車站點(diǎn)服務(wù)資源分配不均衡問(wèn)題十分普遍，如取車點(diǎn)無(wú)車可用、目的地?zé)o位可還時(shí)有發(fā)生。針對(duì)站點(diǎn)單車供應(yīng)不足，本文構(gòu)建了一種單車高效再分配算法，基于歷史用車數(shù)據(jù)提前估算站點(diǎn)在不同時(shí)段的用車需求，并建立單車調(diào)度約束條件，解決共享單車再分配問(wèn)題。調(diào)度模型檢驗(yàn)了本文所用方法的高效性和可用性。

關(guān)鍵詞：?jiǎn)诬囋俜峙?；需求預(yù)測(cè)；分配調(diào)度模型；BP神經(jīng)網(wǎng)絡(luò)

doi：10.3969/J.ISSN.1672-7274.2025.02.025

中圖分類號(hào)：TP 311.13；TP 393.09" " " " "文獻(xiàn)標(biāo)志碼：B" " " " " 文章編碼：1672-7274（2025）02-00-03

Design of Efficient Allocation Strategy Algorithm for Shared Bicycles"Based on Usage Patterns

MAO Xinyan

（Beijing Sankuai Online Technology Co.， Ltd. （Meituan）， Beijing 100102， China）

Abstract： Shared bicycles have successfully solved the last mile transportation problem， but the problem of uneven distribution of service resources at bicycle stations is very common， such as no available cars at pick-up points and no available space at destinations to return. In response to the insufficient supply of bicycles at the station， this article constructs an efficient bicycle reallocation algorithm. Based on historical car usage data， the station's car usage demand at different time periods is estimated in advance， and bicycle scheduling constraints are established to solve the problem of shared bicycle reallocation. The scheduling model tested the efficiency and usability of the method used in the article.

Keywords： bike redistribution; demand forecasting; allocation scheduling model; BP neural network

面對(duì)共享單車站點(diǎn)資源不平衡問(wèn)題，調(diào)整站點(diǎn)單車量，重新調(diào)度再分配共享資源，已成為解決站點(diǎn)資源不平衡的通用辦法。但是，在單車真正出現(xiàn)短缺之后，再去其他站點(diǎn)調(diào)車已無(wú)法滿足客戶需求。因此，有必要預(yù)先調(diào)度單車資源，平衡各個(gè)站點(diǎn)單車數(shù)量。這就需要對(duì)站點(diǎn)分時(shí)段用車量進(jìn)行預(yù)測(cè)，然后對(duì)單車資源進(jìn)行再分配。

1" "共享單車供需現(xiàn)狀

1.1 數(shù)據(jù)預(yù)處理及單車時(shí)空分布

在進(jìn)行調(diào)度計(jì)算之前，需要先確定單車從站點(diǎn)到站點(diǎn)需要的時(shí)間，取所有數(shù)據(jù)的平均值作為站點(diǎn)到站點(diǎn)的時(shí)間路程（），并以此平均距離為半徑，構(gòu)建此區(qū)域內(nèi)共享單車空間分布模型，然后，構(gòu)建臨近區(qū)域分布函數(shù)。如果某站點(diǎn)跟中心區(qū)域相隔較近，則將該站點(diǎn)賦值1，反之，賦值為0，最終確定該區(qū)域內(nèi)單車分布站點(diǎn)及相隔距離[1]。

1.2 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)分析

BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)模型分兩步建立：一是先確定樣本數(shù)據(jù)，檢測(cè)網(wǎng)絡(luò)的準(zhǔn)確度和計(jì)算速度。將樣本數(shù)據(jù)輸入至網(wǎng)絡(luò)，計(jì)算出樣本的結(jié)果。二是比較網(wǎng)絡(luò)輸出值與實(shí)際值的差距，若二者存在顯著的差距，且差值超過(guò)預(yù)設(shè)的界限值，則需要返回，一層層地檢查建立的網(wǎng)絡(luò)模型，以及采用的算法，判斷問(wèn)題出現(xiàn)在哪里，分析誤差產(chǎn)生的關(guān)鍵點(diǎn)，然后重新規(guī)劃網(wǎng)絡(luò)，必要時(shí)要更換網(wǎng)絡(luò)模型和算法。直到樣本輸出值與實(shí)際值之間的誤差小于預(yù)設(shè)的界限值[2]。經(jīng)過(guò)樣本檢驗(yàn)的BP神經(jīng)網(wǎng)絡(luò)會(huì)自動(dòng)記憶樣本特征，并以此作為計(jì)算參數(shù)，建立非線性映射函數(shù)，進(jìn)行下步共享單車需求計(jì)算。本文建立的BP神經(jīng)網(wǎng)絡(luò)模型如圖1所示。

本文利用ofo后臺(tái)數(shù)據(jù)，選擇某天不同時(shí)段，某一特定范圍內(nèi)10個(gè)站點(diǎn)的單車流量，將其當(dāng)成訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)，共計(jì)處理1 985輛，跟預(yù)先假設(shè)的2 000輛相差不大，誤差率為0.75%，在設(shè)定的閾值范圍內(nèi)，這說(shuō)明預(yù)測(cè)結(jié)果是比較準(zhǔn)確的。

2" "站點(diǎn)用車需求量預(yù)測(cè)

共享單車的使用受天氣、季節(jié)、節(jié)假日等影響，本文采用ofo數(shù)據(jù)后臺(tái)記錄的單車騎行數(shù)據(jù)，統(tǒng)一轉(zhuǎn)化為One-Hot編碼。把選定的屬性轉(zhuǎn)化為一個(gè)矩陣，該矩陣的每一列代表一個(gè)屬性，每一行代表一個(gè)屬性的集合。將此特性矩陣及過(guò)去每?jī)尚r(shí)的騎行數(shù)據(jù)作為一個(gè)段導(dǎo)入建立的模型，可預(yù)測(cè)未來(lái)各個(gè)時(shí)間段內(nèi)的車輛使用需求[3]。

假設(shè)在站點(diǎn)集群內(nèi)，根據(jù)每個(gè)站點(diǎn)每2小時(shí)預(yù)測(cè)結(jié)果，利用歷史數(shù)據(jù)和再分配（HTKR）算法，計(jì)算出每個(gè)站點(diǎn)在預(yù)定時(shí)間段內(nèi)的單車需求。本文設(shè)定三個(gè)時(shí)間段來(lái)進(jìn)行預(yù)測(cè)，工作日（6：30-9：00）、工作日（17：00-19：30），節(jié)假日（11：00-20：00），對(duì)各個(gè)時(shí)段的單車使用需求進(jìn)行測(cè)算。首要選擇個(gè)與最近的時(shí)間段用車需求，然后利用公式（1）來(lái)估算每一個(gè)站點(diǎn)到的比值，并與預(yù)測(cè)的需求量相乘就可計(jì)算出站點(diǎn)的單車需求量[4]。

（1）

式中，代表站點(diǎn)用車需求預(yù)測(cè)值；代表該站點(diǎn)歷史需求值；代表在內(nèi)還車量預(yù)測(cè)值；代表在借車量預(yù)測(cè)值。代表時(shí)間內(nèi)單車歸還量大于借出量；代表時(shí)間內(nèi)單借出量大于歸還量；代表時(shí)間內(nèi)單車借出與歸還平衡。

為了確保站點(diǎn)的運(yùn)營(yíng)能力，假設(shè)時(shí)站點(diǎn)單車數(shù)量為，且滿足，則判定該站點(diǎn)可為用戶提供服務(wù)，這表明站點(diǎn)在時(shí)刻，至少有一個(gè)單車或車樁可用?，F(xiàn)實(shí)中，每個(gè)站點(diǎn)能容納單車數(shù)量是有限的。計(jì)算預(yù)測(cè)站點(diǎn)在內(nèi)用車需求量有可能超出站點(diǎn)的實(shí)際容量。所以，式（1）必須加入約束條件進(jìn)行修正，結(jié)果用式（2）表示，假設(shè)實(shí)際需求量為，則有：

（2）

根據(jù)式（2）計(jì)算，累計(jì)單車需求量大于可容納站點(diǎn)數(shù)量，統(tǒng)計(jì)總需求量，以站點(diǎn)全部借走或者全部歸還為基礎(chǔ)，計(jì)算這部分站點(diǎn)超出容納量的預(yù)測(cè)借車量和歸還量，把站群內(nèi)超出站點(diǎn)容納量的部分進(jìn)行再分配，假設(shè)超出站點(diǎn)容納量的借車量用表示，還車量用表示。則再分配公式可以用如下表達(dá)式表示。

（3）

（4）

根據(jù)式（3）、式（4），可以計(jì)算該站點(diǎn)的用車需求量，表達(dá)式如下：

（5）

如果計(jì)算結(jié)果時(shí)，說(shuō)明該站點(diǎn)單車需求量和供給量不平衡，需要對(duì)該站點(diǎn)單車進(jìn)行調(diào)度。如果，則說(shuō)明該站點(diǎn)需求量與供給量平衡，無(wú)須單車進(jìn)行調(diào)度。

3" "共享單車分配模型

基于上文對(duì)站點(diǎn)單車的再分配計(jì)算完畢后，需要在原有投放量基礎(chǔ)上進(jìn)行增減，假設(shè)在站群內(nèi)原來(lái)投放數(shù)量為，與上文計(jì)算的增減量相結(jié)合，則得到該區(qū)域內(nèi)的總投放量。

（6）

式中，代表的單車需求量；代表單車供應(yīng)量。

為簡(jiǎn)單表示，本文假設(shè)原投放量 輛，站點(diǎn)數(shù)量J=10，把數(shù)據(jù)輸入matlab，計(jì)算得到每個(gè)站點(diǎn)分配量，如表1所示。

通過(guò)對(duì)已建模型的計(jì)算分析，可以得到表1中列出的分配方案：站點(diǎn)3、8、10的需求量為增加15輛，站點(diǎn)9需要增加12輛。站點(diǎn)1需要增加10輛。站點(diǎn)5需增加3輛。站點(diǎn)2需要向外調(diào)出12輛，站點(diǎn)4需要調(diào)出11輛，站點(diǎn)6需要調(diào)出6輛，站點(diǎn)7供給量與需求量相等，不需要調(diào)度。

通過(guò)對(duì)城市交通環(huán)境及本地的道路條件等各種外在要素進(jìn)行深入分析，鑒于單車的借用具有隨機(jī)性，本文對(duì)計(jì)算數(shù)據(jù)做了優(yōu)化處理。研究發(fā)現(xiàn)，客戶的用車時(shí)間主要集中在上午6點(diǎn)至9點(diǎn)，夜晚24點(diǎn)至6點(diǎn)單車很少被使用。原因可能是夜間出行的安全考慮，并且對(duì)于大多數(shù)人來(lái)說(shuō)屬于休閑時(shí)間，所以調(diào)配單車時(shí)間選在這個(gè)時(shí)間段。在實(shí)際調(diào)配時(shí)，參考過(guò)去歷史數(shù)據(jù)，如果單車使用量在5%范圍內(nèi)上下波動(dòng)，可據(jù)此斷定該站點(diǎn)的原始投入是適宜的，供應(yīng)和需求之間的平衡得到保證，無(wú)須進(jìn)行調(diào)配。如果單車使用波動(dòng)超過(guò)5%，可據(jù)此判斷該站點(diǎn)的原始投入偏少。需要對(duì)此站點(diǎn)進(jìn)行調(diào)配，加大投放力度。如果單車使用波動(dòng)低于5%，則判斷該站點(diǎn)投入單車過(guò)多，已經(jīng)過(guò)剩，需要把單車調(diào)配給其他站點(diǎn)。

4" "實(shí)驗(yàn)檢驗(yàn)

4.1 建立調(diào)度模型

在實(shí)際工作中，運(yùn)營(yíng)公司把需要外運(yùn)的單車就近調(diào)到需車的站點(diǎn)，缺口部分從倉(cāng)庫(kù)調(diào)運(yùn)，使運(yùn)輸距離最短，工作量最小，效率最高，這需要用調(diào)度模型來(lái)實(shí)現(xiàn)。本文以2小時(shí)為一個(gè)時(shí)段，統(tǒng)計(jì)10個(gè)站點(diǎn)一天內(nèi)不同時(shí)段的騎行人數(shù)，從而獲取每個(gè)站點(diǎn)共享單車的需求狀態(tài)。利用ofo后臺(tái)數(shù)據(jù)庫(kù)，查詢站群一天中共享單車的使用頻率，并根據(jù)借車時(shí)間和歸還時(shí)間進(jìn)行排序，在凌晨0點(diǎn)至6點(diǎn)的這一時(shí)間段進(jìn)行相應(yīng)的調(diào)整，建立新的調(diào)度模型。

單車調(diào)度的目標(biāo)函數(shù)用表示，且滿足下面兩個(gè)條件：

（7）

式中，代表需要向里調(diào)車的站點(diǎn)；代表需要向外調(diào)車的站點(diǎn)；代表站點(diǎn)i到站點(diǎn)j需要調(diào)配的單車數(shù)值；表示站點(diǎn)能調(diào)出的單車數(shù)值；代表站點(diǎn)需要調(diào)進(jìn)的單車數(shù)據(jù)；代表站點(diǎn)與之間的距離。

4.2 實(shí)驗(yàn)準(zhǔn)備

假定調(diào)度單車時(shí)，所有站點(diǎn)達(dá)到需求與供給用車平衡。再利用上述的10個(gè)站點(diǎn)的數(shù)據(jù)進(jìn)行計(jì)算模擬，則有：，，，。

本文通過(guò)Lingo軟件來(lái)估算各個(gè)站點(diǎn)的單車調(diào)度數(shù)量，從而獲取最佳的調(diào)度策略，用最少的調(diào)度次數(shù)，最小的運(yùn)輸路程，最高的效率滿足調(diào)度需求。

4.3 實(shí)驗(yàn)計(jì)算與結(jié)果分析

把相關(guān)數(shù)據(jù)輸入Lingo中進(jìn)行運(yùn)算，結(jié)算結(jié)果如表2所示。

從表2的數(shù)據(jù)來(lái)看，從凌晨0點(diǎn)至6點(diǎn)，站點(diǎn)S2需要調(diào)出10輛單車到站點(diǎn)S1、2輛到站點(diǎn)S3；站點(diǎn)S4向站點(diǎn)S3調(diào)出11輛單車；從站點(diǎn)S6向站點(diǎn)S3調(diào)出2輛、站點(diǎn)S5調(diào)出3輛，站點(diǎn)S8調(diào)出1輛。剩余不足部分從倉(cāng)庫(kù)調(diào)出分配。

5" "結(jié)束語(yǔ)

為解決單車站點(diǎn)投入量不均衡問(wèn)題，本文通過(guò)建立需求模型、分配模型和調(diào)度模型解決此問(wèn)題。先是為單車站點(diǎn)劃分站點(diǎn)群，預(yù)測(cè)集群內(nèi)各站點(diǎn)的需求量；然后建立分配模型，利用大數(shù)據(jù)技術(shù)合理計(jì)算每個(gè)站點(diǎn)應(yīng)調(diào)入調(diào)出的單車數(shù)量；最后利用調(diào)度模型實(shí)現(xiàn)各站點(diǎn)和倉(cāng)庫(kù)之間的單車調(diào)配，確保運(yùn)輸路徑最短，讓用車客戶在最短的時(shí)間內(nèi)獲取所需的單車，從而增強(qiáng)用車者的使用體驗(yàn)。

參考文獻(xiàn)

[1] 張婷.共享經(jīng)濟(jì)模式下共享單車管理策略研究[J].現(xiàn)代營(yíng)銷（下旬刊），2017（3）：30.

[2] 劉亞楠.共享單車發(fā)展研究分析[J].時(shí)代金融，2017（8）：251，254.

[3] 張輝，鄭彭軍.基于蟻群算法的城市公共自行車調(diào)度研究[J].科技與管理，2015，17（6）：32-36.

[4] 李錦霞.公共自行車調(diào)度優(yōu)化研究[D].長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2013.

作者簡(jiǎn)介：毛新顏（1986-），男，漢族，遼寧阜新人，碩士，研究方向?yàn)樗惴ㄩ_發(fā)、數(shù)據(jù)挖掘、策略開發(fā)、數(shù)據(jù)分析。