平衡战略鲜果串运营商整合调度领域,基于Multimodel技术路线,得宝

文摘

自行车调度是必要的战略平衡公共自行车系统的需求(PBS)。现有文献多关注自行车调度模型和他们的解决方案,但很少讨论调度区域和仓库中心。合理dockless公共自行车调度区域和最佳dockless自行车派遣仓库位置服务领域从现有的自行车共享操作数据进行了讨论。我们提出了一个可行的框架包括自行车旅行网络分割、基于点的位置,均值漂移聚类VRP模型,遗传算法和TOPSIS评价方法。的有效性和优越性的调度区域进行了验证。本文主要依据是(1)尽管自行车的自行车网络在一天的不同时间不同,社会分工的结果是相对稳定的,有很大的相似之处。(2)的计划调度区域对PBS的运行效率有影响。调度领域,目标值最优调度策略对应于不同的调度中心显然是不同的。因此,调度中心的位置有很大的影响质量的调度策略。调度区域决定骑自行车出行OD社区检测调度成本的稳定特征。 (3) This work is an attempt to combine big data and model technology to assist city management. We build a feasible framework to serve a balanced strategy for FFBS which can provide reasonable dispatch area, optimal dispatch depot location, dispatch truck’s route length, load action, and time window. Our proposed framework provides new ideas for regional traffic dispatching for the traffic management department and FFBS operator, which has certain practical reference significance.

1。介绍

公共自行车系统(PBS),也称为bicycle-sharing系统(BSS),于1965年出生在欧洲,已经发展了三代(1]。PBS / BSS的概念很简单:用户到达车站,一辆自行车,使用它一段时间,然后返回到另一个站。经济,环保,健康,超低碳排放,更公平,越来越收到关注在过去的十年中,并迅速出现在世界各地的许多城市2]。自2016年以来,一个相对较新的PBS的模型,称为自由流通股自行车分享系统(鲜果串),日益得到了它的受欢迎程度。鲜果串基于的移动应用和GPS消除了车站和码头(也称为dockless自行车)。旅客可以轻松取放自行车的地方使用手机。这个系统相当如今传遍企业OFO和Mobike自2016年初以来在中国。

鲜果串是一个创新的自行车模型。鲜果串可以节省公司成本,相比站自行车共享(sbb),避免昂贵的停靠点和亭建设机器。鲜果串防止自行车盗窃和智能管理提供了重要的机遇通过跟踪实时自行车内置GPS。尽管便利和灵活性提供给用户和他们的贡献城市交通的可持续性,鲜果串系统也面临许多挑战。sbb,缺乏资源的主要问题:用户可以到达车站没有自行车可用或想返回她的自行车是在一个车站没有空位置。像sbb,鲜果串的成功取决于其平衡业务服务的效率最大需求。不容易保持一个有效的平衡分布的自行车。自由流通股自行车的供给和需求之间的关系更加复杂,因为不限制使用时间和地点。由于需求的波动和非对称骑一整天,自行车的空间分布很不平衡。一些学者研究了鲜果串的移动模式和不平衡特征分析其历史之旅(3- - - - - -5]。学业提供洞察力协助系统操作员做出更明智的决策。有许多研究在公共自行车的平衡策略。广泛采用调整策略是运营商的方法,特点是一队卡车和员工专用的手动自行车在不同的地区转移。战略一般包括三个内容:(1)确定平衡区域的范围;(2)确定调度中心的位置;和(3)找到最优调度策略。其中,研究最优调度策略是学者们最关心的问题,和解决调度目标和算法获得丰富的结果。然而,一个合理的调度区域有效调度工作是必要的。对于那些自行车站包含在调度领域,如果大多数站在该地区需要放下自行车,自行车的调度车辆可能不够,需要返回到调度中心加载; if most stations in the area need to pick up bicycles, then the dispatching vehicle cannot quickly and effectively load these bicycles away. The reasonable dispatch area should maintain a balanced relationship between pickup and drop-off bikes.

在这项研究中,我们主要更多关注调度范围和鲜果串调度中心的位置。本文首次全面考虑平衡区域的范围,调度路线,和调度中心提供一个平衡的战略鲜果串系统运营商。该框架涉及到网络社区结构、车辆平衡问题,多目标决策,如图1。两个问题进行了讨论,从现有的自行车共享操作数据:(1)如何确定一个合理的dockless公共自行车调度区域?(2)如何找到一个最优dockless自行车派遣仓库位置服务领域?在框架中,首先,建立了一个网络OD数据基于真实的自行车旅行。第二,社会网络理论用于分析这次旅行网络社区结构的检测算法。访问网络的子组。自行车子群之间流动的网格的数量相对稳定在一定的时间。因此,子群网格的结果可以被视为一种平衡区域的范围。第三,对于调整区域(群)网格,每个网格被认为是一个潜在的调度中心。我们建立了一个车辆路线问题模型与两个优化目标:最小车辆成本和最大电网平衡率。 The genetic algorithm mixed with Technique for Order Preference by Similarity to an Ideal Solution (TOPSIS) was used to find the optimal rebalanced strategy, and each potential dispatch depot’s best rebalanced strategy records the vehicle path, vehicle cost, and maximum grid rebalanced rate. Last, bringing together the best strategies of all potential dispatch centers in a rebalance area, TOPSIS was applied again to select the best dispatch center by considering vehicle costs and grid rebalancing rates. Our proposed framework provides new ideas for regional traffic dispatching for the traffic management department and FFBS operator, which has certain practical reference significance.

本文的其余部分组织如下:部分2提出了一个文献回顾社区在自行车分享系统检测和调整业务。节3我们描述了社区检测算法,车辆平衡问题模型,以及使用的遗传算法。节4,我们描述了数据的OFO自行车旅行在深圳和OD的建立网络。节5,我们分析了社区识别OFO自行车旅行网络的子群在深圳和演示的过程框架选择最优调度中心和其相应的平衡策略。最后,部分5总结了这项研究的结果,并提供了在未来的研究方向。

2。文献综述

分享自行车参与许多领域的研究,它是广泛的基于两个方面:用户角度和系统的视角。在本节的其余部分,我们主要回顾文献在PBS社区检测和调整操作。

2.1。社区网络

纽曼和Girvan [6给被广泛接受和使用定义:一个社区是一个更密集的子图包含节点互相联系比其余的图。图有一个社区结构如果链接到任何子图的数量高于这些子图之间的链接的数量。非常有前途的研究复杂网络理论达到社区的检测7]。图由边缘和顶点等 。社区检测的识别 社区G这样的社区形成一个覆盖的顶点V。 。如果任何两个社区的顶点的交集为空,C被称为不相交的社区;否则,它被称为一个重叠社区。传统上,社区检测图旨在识别模块只基于拓扑。问题有着悠久的传统,它以各种形式出现在几个学科。检测也提出了研究的新进展的社区不仅在加权网络拓扑影响集群的形成也是每个链接的权重。许多作者提出了方法和算法来检测网络中的社区。文献表明三种主要方法:分裂算法,优化方法和光谱方法。

社区检测在交通网络的研究主要是用来发现城市活动结构。德蒙蒂et al。8)采用加权的算法基于最大化模块化的通勤城市组成的网络来检测生产盆地。杜et al。9)观察不同空间的动态迁移流动使用社区快照站使用上海作为一个案例研究。Zhang et al。10]社区检测评估使用总线网络拓扑结构。Austwick和Zaltz11)采用社区检测bicycle-sharing网络探索使用在城市。Borgnat et al。12]讨论了里昂的自行车共享系统,称为Velo学,是一个动态复杂网络和如何使用社区检测方法给出了有趣的结果。姚(13)构建不同城市的公共自行车网络基于南京公共自行车系统的实时数据。其次,我们分析和学位相比,强度、辐射距离和社区网络的结构来理解公共自行车系统的内部关系。在下一节中,我们说明了鲁汶算法提出的他们et al。14]。因此,我们把它应用到检测中心地区的领土集群由通勤的深圳。

2.2。自行车平衡策略

自行车再平衡战略可以分为基于用户和运营商。基于用户的方法促进客户选择更合适的起源/目的地实现更平衡的系统。运营商方法强调了最优调度的卡车手动转移自行车在不同领域广泛采用平衡策略。

2.2.1。基于用户的策略

票价折扣或定价方案最常用手段激励用户改变目的地改善PBS的经营业绩(15,16]。优化价格向量确定激励的水平,能说服用户骑自行车从邻近站或停止,从而减少不平衡战略。帕特尔et al。17)建立了一个离散事件仿真模型的一个真实的PBS评价激励机制在平衡系统的有效性。他们的工作可以考虑利润和服务水平来选择最好的激励计划。赖斯和Bosenberger18鲜果串系统基于用户的方法进行了研究和讨论的优势和适用场景运营商和基于用户的迁移策略。吴et al。19)采用基于用户的激励策略的用户执行重新定位活动,构建了一个更详细的定量模型,可以得出最优激励方案的鲜果串系统。一些研究认为基于用户和运营商的策略。Pfrommer et al。20.)使用基于模型的预测控制原理研究的结合卡车动态路由和激励方案设计的自行车再分配。李和山21BSS)提出了两种类型的用户:休闲游客和上班族。运营商和政府可以采用双向激励模型来改善他们的再分配服务水平。Ghosh和Varakantham22)提出了一个潜在的自我维持和环保系统的动态重新定位,这举动白天闲置的自行车与自行车拖车的帮助。他们的工作可以提供一种优化配方产生“重新定位”的任务。

2.2.2。运营商的策略

运营商的自行车再平衡问题的目标通常是找到一个最低成本路由车辆和恢复库存水平在每一个自行车站捡的目标值,根据需要提供自行车。问题分为静态自行车平衡问题(SBRP)和动态自行车平衡问题。SBRP问题重新定位的任务自行车在电台当流量较低,PBS是空闲的(23]。静态是指假设在每个车站的自行车数量是提前知道,不会改变在皮卡和转移操作。自行车数量无法实时调整。与静态问题,对于动态重新定位,自行车的数量可能会改变在操作期间由于用户租用自行车并返回。运营商传输和用户旅行同时发生,所以必须考虑更多的实时信息在动态定位(24,25]。有各种模型和解决方案方法提出解决重新定位的问题。克鲁兹(26)可用一个车辆的SBRP处理,目标是找到一个代价最小的路线,满足需求的电台和不违反车辆容量限制旅行。一个迭代局部搜索的启发式被用来解决这个问题。基于网络流的调查每一个自行车出租站在泽西城,张(27)提出了一个整数线性规划公式模型自行车共享静态平衡。制定考虑引入的问题需要收集自行车需要修理,和一个混合离散粒子群优化算法用于解决模型。唐(28]提出了制定SBRP二层规划模型,可用于确定自行车的数量在每个车站和最优加载和卸载卡车路线自行车分享系统。Chemla et al。29日解决SBRP]提出了有效的算法。类似的研究在文献[30.- - - - - -32]。多车平衡问题(MVBP)有相同的目标,需要设计一套路线沿线每和皮卡和交付操作与多个可用的车辆。Casazza et al。33)处理MVBP并提出一个整数线性规划公式获得MVBP实例证明了最优解和25台和无限数量的车辆。何鸿燊和围34)提出了一个混合的大型社区寻找解决MVBP。启发式评估在三组与518台和5车辆实例。初级(35)提出了一个整数规划模型,实现下一个branch-and-cut计划,除了一个迭代局部搜索metaheuristic采用有效的评估程序。Ghosh et al。36)提出了一种优化配方重新定位自行车使用车辆,同时也考虑到车辆路线和未来的预期需求。他们分解问题(自行车重新定位和车辆路径)和聚合自行车站显著减少计算时间。Szeto和水37)研究路线的重新定位车辆和装卸数量在每一个自行车站首先减少总需求的积极偏离公差不满,然后服务时间。这组策略然后嵌入一个增强解决BRP人工蜂群算法。

鲜果串,研究自行车平衡问题越来越严重。朋友和Yu (38)提出了一种新颖的混合整数线性规划求解的SBRP鲜果串规划和管理的一系列研究。该公式不仅可以处理单个以及多个车辆也允许多个访问一个节点由同一车辆。他们使用一种混合嵌套大型社区搜索变量附近下降算法,这是有效和高效的解决静态完全平衡问题大规模的自行车共享项目。针对BRP调度与旅游的不确定性,建立了一个多目标整数规划模型的基础上,考虑静态需求的修复时间,车站能力限制,违约成本,和其他实际因素由张、张(39]。一个算法基于“蚁群算法”然后给解决模型。刘(40]研究了鲜果串自行车重新定位问题与多个仓库,多个访问,和多个异构的车辆。容易和几乎访问节点定义不同的处罚来代表不同的方便程度的自行车从鲜果串。重新定位的目标是最小化加权和的不便让自行车从系统水平和未满足的总需求和总运行时间。为了解决这个问题,一个增强版的化学反应优化开发。

从先前的评论,自行车可以区别于平衡问题研究的目标平衡策略和算法求解。调度区和调度中心也很少讨论。鲜果串,自从dockless自行车没有集中站,开始和结束的位置相关的车辆只有用户的个人旅游目的地。这可能会导致不同的自行车使用的特点和影响因素从PBS。我们的工作补充了之前的研究。本文综合考虑平衡区域的范围,调度路线,和调度中心提供一个平衡的战略鲜果串系统运营商。

3所示。方法和数据

3.1。社区检测

3.1.1。模块化

在本文中,我们主要使用鲁汶他们提出的算法等。14)来识别网络社区结构的自行车旅行。鲁汶算法是一种基于目标函数的最大化的优化方法称为模块化(6),对加权网络的定义如下:

在方程(1),连接节点的边的权值吗我和节点j。 (称为节点强度)是权重的总和的边缘节点我。 是边的权重的和附加节点j。 是所有的边的权值之和。 是一个函数。当顶点我和j属于同一个社区, = 1;否则,它的值是0。模块化是用来量化一个社区有多好细分中所有可能的。特定细分,社区里有多少条边对边的数量可以测量它们之间的计算模块。它的值从−1 + 1。0值发生在某一细分没有更多intracommunity边缘,期望通过随机的机会。一个负值意味着没有优势在分裂的网络社区,和最好的解决方案是一个社区。

3.1.2。鲁汶算法

鲁汶算法允许一个方法两个关键问题的优化方法:检测社区大型网络在很短的时间内,考虑到分层的社会结构。该算法是基于一个迭代过程,可以用于加权和未加权的网络。对于一个网络,使用鲁汶社区检测算法的步骤如下:步骤1:每个节点分配给一个独特的单一的社区。步骤2:每个目标节点的邻居节点优先纳入同一个社区如果模块化的变化是正的。的函数相关措施的性能水平分区从一个社区一个节点的位移C到另一个地方。步骤3:此聚合过程所得,直到模块化功能达到最大值。第四步:然后建立新的网络的节点对应于社区获得在步骤3;每个链接连接一对社区特色的重量等于外部链接的权重的总和他们之间最初。内部链接是由自身环的重量等于其内部权重的总和。第五步:步骤1适用于网络。

3.1.3。兰德调整指数

为了测量自行车旅行网络社区的变化随着时间的推移,本研究介绍了兰德指数。从数学的角度来看,兰德指数相关的准确性,但即使适用类标签不习惯。兰德指数计算,对对象的数量的比例拥有相同的标签的关系在两个分区。兰德指数有两个缺点:它并不需要一个常量值两个随机的分区,不提供合适的结果当数据包括类别,在某种程度上相互重叠。调整兰德指数(ARI),休伯特和Arabie41]扩展基本兰德指数和提供了一个方法能够处理两个分区R和问相同的数据集。调整兰特指数被定义为以下方程:

在方程(2),是双的数量属于同一个类的对象R和相同的集群问。b是对数据对象的数量属于同一类吗R和不同的集群问。c是对对象的数量属于不同的类R和相同的集群问。d是对对象的数量属于不同的类R和不同的集群问。调整兰特指数给出了协议的程度的两个分区数据集上有界值1。高兰德调整指数表明高水平的协议,同时值为1,表明一个完美的协议。在随机的情况下分区,调整兰特指数给出的值为0。

3.2。VRP模型

车辆路径问题(VRP)是通常定义如下:对一系列装货点和卸货点,组织适当的行车路线以有序的方式,他们通过,同时满足一定的约束条件(如商品需求,交货的数量,和交货时间),车辆负载能力,总路径长度,需求时间窗口,等,为了实现一定的目标问题(如最短的距离、最少的成本,最少的时间,和最少的车辆)。因为自行车的需求将会改变,本研究建立了一个multivehicle和multitime窗口VRP模型基础上考虑自行车的需求时间和位置要求。

3.2.1之上。工作条件和边界的VRP模型

我们将我们的一些模型的工作条件和边界:(1)服务中心的自行车需求每小时更新一次。在一个时间,如果服务中心需要重新平衡,这辆自行车的需求服务中心是在调度过程中保持不变。(2)一辆卡车,调度路线的开始和结束都在同一个仓库。(3)如果服务中心需要重新平衡,它有一个且只有一个调度卡车服务。(4)服务中心的自行车需求补充尽可能利用服务中心之间的需求差异。自行车当卡车达到电网调度操作逻辑可以表示由以下方程: 在方程(3),需求下降/收集自行车服务中心吗 。 代表服务中心的需求 ; 是自行车数量装载卡车当卡车到达服务中心吗 。 > 0意味着需要放弃自行车。如果自行车装入卡车超过需求,那么自行车数量下降 ;否则,数字下降 。如果< 0,卡车需要收集自行车并把它们转移到其他服务中心卡车容量允许。卡车容量的自行车。(5)调度卡车离开仓库时,共享自行车加载的初始数量决定根据下降/收集自行车的第一个服务中心 。如果 ,共享自行车加载的初始数量是0。如果 ,最初的数量是 。

3.2.2。VRP模型的目标

调度目标VRP的研究主要考虑两个方面:(一)最小的总路径长度的调度卡车(b)最大需量满意度

目标函数在以下公式:

是所有调度卡车路线的长度。k是k卡车调度。 。 代表是否卡车k从服务中心我服务中心j。其值为1或0。服务中心之间的距离吗我和中心j。服务中心的距离得宝吗我。代表是否服务中心我是第一个目的地的卡车k。服务中心的距离得宝吗j。代表是否服务中心j卡车的最后目的地吗k。的比例是滴水/收集自行车数量/收集需求。

模型的输入变量和输出变量如表所示1。

3.2.3。解决VRP的算法

遗传算法是一种解决VRP的常用方法。在这项研究中,一个精英策略引入到遗传算法直接添加最好的个体从上一代到下一代的人口。进化的进化方向算子是一种方法,也就是说,它只接受调度的发展成本低的方向发展。第一步:生成初始种群。让迭代的数量z= 0,使用整数编码的安排N网格和网格使用编码序列作为访问顺序。步骤2:随机生成一系列的需求点,然后将每个需求点添加到当前调度路线。人群中个体编码序列对应于一个决定调度路线。NP序列的长度N是随机生成的初始种群。步骤3:检查车是否满足条件返回仓库中心:①卡车容量达到满载,未来服务中心需要收集自行车;②卡车是空的,第二服务中心需要放弃自行车;③当卡车到达下一个中心不是时间窗内的需要为中心。如果他们满足,添加的需求点到下一个交货路线;如果不是,将其添加到当前交付路线如图2。第四步:计算所有个人的健身价值z代人口。个人通过轮盘赌选择进化。健身越大,个体将被选择的概率就越大。第五步:让z=z+ 1;增加的最大健身z代的z+ 1-generation人口。确定它是否已达到迭代的数量z= NG;如果是的,输出当前的人口,即最优人口,并执行步骤6。第六步:找到调度成本年代1和交付速度年代2线路对应的所有单个序列的最优人口。根据成本的可选范围和交付率提供的决策者,一组候选路线U满足的决定限制是筛选。建立一套基于路由的特征矩阵和相应的目标值,并使用指标值确定最优路线。第七步:TOPSIS(技术性能相似,一个理想的解决方案)是基于理想点的距离的同时最小化(IP)和最大化距离最低点(NP)和选择最优路线长度和每个途径,运用TOPSIS的需求满意度。这里,我们省略TOPSIS和评估过程的直接列出策略的评价结果。

3.3。数据

建立了一个网络OD数据基于真实的自行车旅行。的用人之旅进行数据分析OFO bicycle-sharing系统。我们扫描这些自行车每15分钟的工作状态在2017年9月的一个星期。大约有5760万自行车一天状态记录。自行车ID,我们首先判断是否使用自行车比较位置是否有变化。如果改变了,我们保存的时间和位置的自行车。然后,根据平均旅行速度和行进距离的自行车,自行车使用异常记录将被拒绝。图3是一个总结的次数在24小时内共享使用自行车。基于数据呈现在图3在一天的,我们提取了四个时段(上午:07:00-10:00;中午:11:00-14:00;下午:15:00-18:00;晚上:19:00-22:00)。

首先,由于没有固定电台dockless自行车,我们将浮动的方法评估影响交通(42]。鲜果串的服务区域划分为网格。因为71.25%的自行车旅行超过500米的旅行距离,500米被选中作为深圳划分网格的规模。我们最后的数据集包含220042独特的自行车旅行分布在619网格在深圳(见图4)。第二,自行车旅行是按照时间序列包括访问ID、上升时间和位置,下降时间和地点。相关位置接近它并入电网。第三,聚合在网格级别,我们的数据可以用来编译一个叫做(OD)矩阵。在最后一步中,构造空间网络的OD矩阵,以网格为节点,地点边缘之间的旅行,旅行重量的边的数量。网络中的节点是集群根据连接的紧密性,和社区的交通网络。我们可以制定一个图表G每个网格描述一个网络节点N,与其他网络由一组网格的边缘E加权的流量等于旅行观察到的数量,在OD矩阵。

4所示。结果与讨论

4.1。自行车的结构和稳定性OD网络社区

在本节中,我们提出一个应用程序的社区检测方法中描述的部分3支持确定一个合理的公共自行车dockless调度区域。图5显示了社区检测的空间分布在四个时期。在图中,同样的颜色网格表明它属于同一个社区。在这四个时期,大多数社区之间的界限非常清晰和明显。这些明显的边界主要是由于部门高层道路和其他自然地形。此外,社区也在空间上相邻的网格,这是罕见的一个社区包含其他社区网格。这是因为公共自行车主要是短途旅行,和很少有长距离跨区域循环记录。几个小网格空间隔绝大部分电网将形成一个小社区。在表2的数量,我们总结和比较社区四个时期。模块化,社区模块化的四个时期主要是超过0.7除了晚上。这表明OD网络社区结构是好的。在早晚高峰时段,平均节点度(皮卡和网格中的下降)的数量超过100,和其他两个时期是70年左右。从社区,社区在这四个时期的数量非常接近,这是9至11。

在表3,的值调整兰德指数案例研究报告。结果在表4表明11:00-14:00期限和周期15:00-18:00(值大约0.7951)显示最好的性能调整兰德指数分析。分区的两个时期有最高的相似之处。社会相似性晚上高峰和下午是最低的(大约值0.6073),这表明自行车空间流动模式的差异晚上高峰和下午在一天是最大的。一般而言,社区的四个时期成对比较,阿里都高于0.6,群落结构相对稳定。鲁汶的应用程序方法来深圳的自行车OD网络,我们已经表明,流动结构的鲜果串是明显的和稳定的。这个高质量和稳定的社区部门可以建议一辆自行车调度区域配置的服务区域在工作一天。

4.2。最优调度仓库调度区域和路线

4.2.1。准备演示调度领域

基于结果的部分5早晨高峰在罗湖的社区被选为分析最优调度分派区域仓库和路线到自行车的平衡。社区包含共有28个网格;参见图5(一个)社会位置的例子。任何连接两个网格,网格之间的距离是他们质心之间的直线距离。我们使用均值漂移聚类方法来确定聚类区域基于位置的自行车的自行车每小时07:00-10:00 [43]。带宽是300米,总共有78自行车聚集区域。图6通过均值漂移聚类识别显示了自行车聚集区域。在图6每个集群有一个中心点,缓冲区分析,提出了获得自行车聚集区域的范围。300米的缓冲区建立了基于ArcGIS所有集群中心的点,从而计算出平衡状态的自行车自行车聚集区域。

我们计算的到来和离开的自行车数量每个集群并设置一个阈值。在一段时间内,当抵达和起飞时间之间的差值是20多,自行车聚集区域被认为需要再平衡服务。通过设置阈值,有23个自行车聚集地区,需要重新平衡,称为需求中心,如图7。不同的颜色代表了时间窗要求再平衡。白色的号码是网格ID和代表一个潜在的调度中心。表4列出了坐标,每个需求中心的需求,和时间。在下降/收集自行车需求列,负号表明,自行车需要添加,和积极的迹象表明,自行车需要被转移。

4.2.2。生成调度的最优策略

初始变量设置如下:卡车的速度是30 km / h,它可以负载多达100辆自行车。需要12 - 15分钟为需求中心收集自行车。VRP是使用MATLAB实现的算法,以及算法的迭代是200卡路里。每一代的人口100人,每个人都代表了一种调度路线。进化率和变异率是0.8和0.05,分别。算法首先将网格ID 4182图7作为一个潜在的调度中心,找到最好的调度路线。选择最好的调度路线通过比较目标的VRP模型。图8是一个过程图找到最优调度策略调度得宝时网格ID 4182。图8(一个)记录的变化最小数量的卡车在每一代。的迭代算法,车辆数量迅速减少6 - 3所示。130次迭代后,车辆的最小数量是稳定在3。图8 (b)记录最小总路径长度的变化在每一代。收敛过程非常快,最后,它是稳定在约33公里。需求满足率在图8 (c)也稳定在99%左右。值得注意的是,调度路线对应三个优化目标是不一样的调度路线,所以TOPSIS需要选择最好的策略。TOPSIS综合评价后,当网格ID 4182作为调度中心,最佳策略的结果是3卡车和35.8公里的路线长度需求的满意度为86.63%。

上述计算过程后为每一个潜在的调度中心,如图7最后,我们获得了28记录最好的策略。可以认为有28个调度中心选项,和最优调度中心评估基于卡车数量,线路长度和需求满意度相应调度中心。在这里,再次TOPSIS方法。表5记录相应的值的前五名调度中心和过去五调度中心。我们可以发现最好的调度中心是网格ID 913。最优调度的目标价值策略对应于不同的调度中心显然是不同的。因此,调度中心的位置有很大的影响质量的调度策略。

图9是演示调度的最优调度路线区域0代表网格ID 913的调度中心,和其他数字代表中心的需求。最优调度策略需要三个卡车。卡车的路线和操作的细节和时间需求中心如表所示6。出发的时间的三个卡车调度中心和自行车装载的数量是不一样的。需求的时间窗口中心都是满意,和每个需求中心的需求满意度统计。

4.3。最优调度部门的验证

罗湖区是用于验证的有效性使用访问网络社区检测来确定调度区域。在早上高峰时间,罗湖的自行车旅行网络分为四个社区根据最好的模块化如图10(一个)。所以,我们使用手动分组(数字10(b)和10(c))来生成四个对比组。网格与相同颜色表明他们属于同一调度领域。手动分组确保每个调度区域是相同的大小,它具有明确的边界,也没有调度区域包含另一个调度领域。

表7显示了不同部门的调度成本组调度罗湖地区区域。首先,对于需求的满意度,三个部门的总需求满意度方法并不太不同的超过90%。最大的需求满意度是平方米,得到的结果接近93%,但与CD的平均需求满意度的差距仅为2%。第二,VRP的路线长度、CD的总调度路径长度最短,约233.23公里。M1和M2的总调度路线长度约为250公里,至少15公里以上CD。第三,调度卡车数量,CD需要18调度卡车,而M1和M2需要19。换句话说,为了实现同一个社区的需求满意度检测组,手动组1和手工组2需要支付大量成本和卡车调度距离。通过比较在不同的情况下的调度策略的结果,我们发现调度区域决定骑自行车出行OD社区检测调度成本的稳定特征。在一般情况下,调度策略发现通过旅行OD社区检测是最优的。这表明,调度部门的区域是一个非常重要的问题,对调度成本有很大的影响。本文提出的方法可以提供一个参考分调度区域。

5。结论

本文建立了一个基于自行车旅行数据网络,然后使用段循环网络社区发现算法。车辆路径问题模型与调度路线最短,满意度双重目标建立和解决,有效性和优越性调度区域分工的验证。本文主要依据如下:(1)许多研究表明,骑自行车有潮汐特征,但我们的研究发现,自行车网络的社区划分结果对不同分派一天非常相似,表明流动dockless共享自行车非常稳定,其活动范围有一个明确的边界。从共享的空间特征的角度来看自行车网络的社区划分结果很少显示跨区域的现象。一个社区的内部空间不包含另一个社区,或一个社区不会被其他社区空间上分开。这提供了必要的自行车调度领域的划分的依据。(2)的计划调度区域对PBS的运行效率有影响。我们的研究表明,调度领域,目标值最优调度策略对应于不同的调度中心显然是不同的。因此,调度中心的位置有很大的影响质量的调度策略。通过比较调度策略的结果在不同的情况下,调度区域决定骑自行车出行OD社区检测调度成本的稳定特征。在一般情况下,调度策略发现通过旅行OD社区检测是最优的。调度部门的区域是一个非常重要的问题,对调度成本有很大的影响。(3)这项工作是为了结合大数据和模型技术来帮助城市管理。我们构建一个可行的框架,提供一个平衡的鲜果串集成调度领域,战略路线,和仓库。这个框架包括建设自行车旅行网络和子网分割,基于点的位置,均值漂移聚类VRP模型,遗传算法,和TOPSIS评价方法,提供合理的调度,优化调度仓库位置、调度卡车路线长度、负载动作和时间窗口。我们的工作提供了新思路区域交通调度为交通管理部门和鲜果串运营商,具有一定的实际参考意义。

我们的研究也有一些局限性。首先,工作日运营数据只包含一个星期使用,所以分析的结果可能会有偏见。我们分析的数据不包括非工作的数据。其次,在现实世界中,有许多限制决策。虽然我们采用的VRP模型是考虑时间,卡车容量,和行车速度,它不能处理复杂的情况,如多个调度中心,实时路况信息,更详细的调度操作时间。第三,在计划的框架,子网分割的结果的生成调度策略是至关重要的。循环网络的建设在不同的时间会影响社区的划分,并在未来需要进一步的探索。

数据可用性

自行车本文的作者提供的数据。他们是免费的。请求访问这些数据应该庆丰周(zhouqingfeng@hit.edu.cn)。

的利益冲突

作者宣称没有利益冲突。

引用

1. p . DeMaio“自行车:历史、影响提供的模型,和未来,“《公共交通,12卷,不。4,p。2009。视图:出版商的网站|谷歌学术搜索
2. s . a . Shaheen s Guzman, h·张,“例如在欧洲、美洲和亚洲,”交通研究记录:《交通研究委员会,卷2143,不。1,第167 - 159页,2010。视图:出版商的网站|谷歌学术搜索
3. l . j .董b . Chen他et al .,“城市dockless时空流模型的共享自行车的兴趣点聚类的基础上,“ISPRS国际信息杂志》上,8卷,不。8,345年,页2019。视图:出版商的网站|谷歌学术搜索
4. 张x, y, l .太阳,刘问:“江苏自由浮动的自行车分享:用户行为和影响因素,”能量,11卷,不。7,1664年,页2018。视图:出版商的网站|谷歌学术搜索
5. x y, d . Chen Zhang et al .,“解开自行车活动的景观和脉冲从dockless自行车分享系统,”电脑、环境和城市系统卷,75年,第203 - 184页,2019年。视图:出版商的网站|谷歌学术搜索
6. m . Girvan m·e·j·纽曼,“在社会和生物群落结构的网络,”美国国家科学院院刊》上的美利坚合众国,卷99,不。12,782页,2002年。视图:出版商的网站|谷歌学术搜索
7. 走,“社区检测图”,物理的报告卷,486年,第174 - 75页,2009年。视图:出版商的网站|谷歌学术搜索
8. a . De蒙蒂、美国Caschili和a . Chessa“通勤网络和社区检测方法:方法规划子区域的地区,”欧洲物理专题》杂志上,卷215,不。1,第91 - 75页,2013。视图:出版商的网站|谷歌学术搜索
9. z Du,杨b和j . Liu”了解地铁的活动空间和时间模式迁移流动,”2017年,https://arxiv.org/abs/1702.02456。视图:谷歌学术搜索
10. h·张,p .赵,x, y . Wang和c .诸葛”评价公交网络的中国:从拓扑结构和传输的角度,“离散动力学在自然与社会ID 328320条,卷。2015年,8页,2015。视图:出版商的网站|谷歌学术搜索
11. Austwick和m . Zaltz”空间网络的结构和社区在自行车共享系统中,“《公共科学图书馆•综合》文章ID e74685卷。8日,2013年。视图:出版商的网站|谷歌学术搜索
12. p . Borgnat c . Robardet p . Abry p . Flandrin简森-巴顿。Rouquier, n . Tremblay“里昂的动态网络视图velo网上自行车共享系统”动态和复杂的网络,卷2。建模与仿真在科学、工程和技术a·穆克吉,m . Choudhury f . Peruani n . Ganguly和b . Mitra, Eds。Birkhauser,纽约,纽约,美国,2013年。视图:谷歌学术搜索
13. y姚明,“网络结构分析城市公共自行车系统:一个案例研究基于实时数据的公共自行车系统,”可持续性,11卷,不。19日,第5425页,2019年。视图:出版商的网站|谷歌学术搜索
14. 诉他们,j . Guillaume r . Lambiotte和e . Lefebvre”族大型网络的快速展开。”杂志的统计力学:理论和实验,10卷,第10020 - 10008页,2008年。视图:出版商的网站|谷歌学术搜索
15. a . Febbraro:焦点在于,m . Saeednia“单程车:解决搬迁问题,”交通研究记录:《交通研究委员会卷,2319年,第120 - 113页,2012年。视图:谷歌学术搜索
16. z海德尔”,通过定价库存平衡公共自行车分享系统,”欧洲运筹学杂志》上,卷270,不。1,第117 - 103页,2018。视图:出版商的网站|谷歌学术搜索
17. s . j . Patel r .秋和a . Negahban“激发动机的自行车分享系统的平衡,”服务科学的进步施普林格,页21 - 30,柏林,德国,2018年。视图:出版商的网站|谷歌学术搜索
18. 美国赖斯和k . Bogenberger”慕尼黑的自行车共享系统搬迁策略:结合运营商和基于用户的计划,“交通研究Procedia22卷,第114 - 105页,2017年。视图:出版商的网站|谷歌学术搜索
19. r, s . Liu和z .史,“再平衡客户奖励计划的自由流通股自行车分享系统有限的信息,“可持续性,11卷,不。11,3088年,页2019。视图:出版商的网站|谷歌学术搜索
20. j . Pfrommer j·沃灵顿、g . Schildbach和m·莫拉里“动态车辆再分配和网上价格激励在共享流动系统中,“IEEE智能交通系统,15卷,不。4、1567 - 1578年,2014页。视图:出版商的网站|谷歌学术搜索
21. l·李和m .山”双向激励模型自行车自行车分享系统在高峰时间,重新分配”可持续性,8卷,不。12,1299页,2016年。视图:出版商的网站|谷歌学术搜索
22. Ghosh和p . Varakantham”,从而鼓励使用自行车拖车自行车分享系统的动态重新定位,”程序的自动规划和调度(icap)国际会议上,广州,中国,2017年8月。视图:谷歌学术搜索
23. m . Benchimol a . Benchimol f . Chappert et al .,“自我平衡的站服务”自行车租赁系统,”RAIRO-Operations研究,45卷,不。1,37 - 61年,2011页。视图:出版商的网站|谷歌学术搜索
24. c . Contardo c·莫伦西,L.-M。卢梭,“平衡动态公共例如系统,”中心Interuniversitaire de矫揉造作的苏尔les Reseaux商会,《Logistique运输》(CIRRELT),蒙特利尔,加拿大,2012年,CIRRELT技术报告。视图:谷歌学术搜索
25. c . Kloim p . Papazek b胡,r·冈瑟”平衡自行车分享系统:一种方法对于动态情况,”在组合优化进化计算施普林格,页73 - 84年,柏林,德国,2014年。视图:出版商的网站|谷歌学术搜索
26. f·克鲁斯,“启发式算法为单个车辆静态自行车共享平衡问题,“电脑与行动研究卷。79年,19-33,2016页。视图:出版商的网站|谷歌学术搜索
27. 张,“自行车静态平衡考虑的自行车需要修复,”《先进的交通工具卷,2018篇文章ID 8086378, 18页,2018年。视图:出版商的网站|谷歌学术搜索
28. 问:唐”,一个二层规划模型和算法为静态的自行车重新定位的问题,“《先进的交通工具卷,2019篇文章ID 8641492, 19页,2019。视图:出版商的网站|谷歌学术搜索
29. d . Chemla f·莫尼耶,r . Wolfler Calvo”自行车分享系统:解决静态平衡问题,“离散优化,10卷,不。2、120 - 146年,2013页。视图:出版商的网站|谷歌学术搜索
30. r·奈尔和大肠Miller-Hooks车队管理车辆共享操作,“交通科学,45卷,不。4、524 - 540年,2011页。视图:出版商的网站|谷歌学术搜索
31. p . Angeloudis j·胡,m·g·h·贝尔”战略重新定位算法bicycle-sharing计划,”Transportmetrica答:运输科学,10卷,不。8,759 - 774年,2014页。视图:出版商的网站|谷歌学术搜索
32. 中情局福马、t·雷维夫和m . Tzur“3步数学启发式自行车分享系统的静态定位问题,“交通研究B部分:方法论卷,71年,第247 - 230页,2015年。视图:出版商的网站|谷歌学术搜索
33. m . Casazza a . Ceselli d . Chemla f·贝和r . Wolfler Calvo”多个车辆平衡问题。”网络,卷72,不。3、337 - 357年,2018页。视图:出版商的网站|谷歌学术搜索
34. s . c . Ho和y s围”,混合大邻域搜索的静态多车bike-repositioning问题,“交通研究B部分:方法论卷,95年,第363 - 340页,2017年。视图:出版商的网站|谷歌学术搜索
35. t . l .初级“静态自行车搬迁问题与多个车辆和访问,”欧洲运筹学杂志》上卷,264年,第523 - 508页,2018年。视图:出版商的网站|谷歌学术搜索
36. Ghosh, p . Varakantham y Adulyasak, p . Jaillet“动态的重新定位,以减少丢失的自行车共享系统的需求,”人工智能研究杂志》上58卷,第430 - 387页,2017年。视图:出版商的网站|谷歌学术搜索
37. w . y . Szeto和c .风水”,准确的装载和卸载策略静态多车自行车重新定位的问题,“交通研究B部分:方法论卷,109年,第211 - 176页,2018年。视图:出版商的网站|谷歌学术搜索
38. 答:朋友和z . Yu”,自由浮动的自行车共享:解决现实生活中的大型静态平衡问题,“交通研究部分C:新兴技术卷,80年,第116 - 92页,2017年。视图:出版商的网站|谷歌学术搜索
39. Z.-Y。张先生和张x”,共享下自行车调度用户的旅行不确定性,”IEEE访问,8卷,第3143 - 3123页,2020年。视图:出版商的网站|谷歌学术搜索
40. 刘y”,一个静态自由浮动的自行车重新定位问题与多个异构的车辆,多个仓库,和多个访问,”交通研究部分C:新兴技术卷,92年,第242 - 208页,2018年。视图:出版商的网站|谷歌学术搜索
41. l·休伯特和p . Arabie比较分区”,杂志的分类,2卷,第218 - 193页,1985年。视图:谷歌学术搜索
42. b . Djsa c . Xd,“时空演化ridesourcing市场在新的限制政策:一个案例研究在上海,“交通研究部分:政策和实践卷,130年,第239 - 227页,2019年。视图:出版商的网站|谷歌学术搜索
43. 问:周、c·j·黄和x苏,“机器学习数量管理方法dockless长期可持续发展的公共自行车:深圳在中国,“《先进的交通工具,卷2020,不。1、文章ID 8847752, 13页,2020。视图:出版商的网站|谷歌学术搜索

版权

版权©2021庆丰周et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。