考虑用户参与的共享单车调度模型

第45卷第11期

JOURNALOFBEIJINGUNIVERSITYOFTECHNOLOGY

北京工业大学学报

Vol.45No.11

Nov.2019

考虑用户参与的共享单车调度模型

(1.北京工业大学建筑工程学院,北京摇100124;2.北京市交通工程重点实验室(北京工业大学),北京摇100124)摘摇要:为了研究用户参与意愿,探讨用户参与对调度成本的影响,首先利用问卷调查数据建立了用户选择模型,对用户的参与意愿进行了分析;然后将用户选择模型所给出的奖励额度作为输入变量,以运营方调度成本和用户奖励成本之和为优化目标,建立了考虑用户参与的共享单车调度模型.研究结果表明:步行距离、奖励额度、起点有无单车、年龄、骑行目的、平时寻车时长、是否购买月卡等因素对用户参与调度的意愿有显著影响;用户参与调度可以明显节省临时点的调度总成本;建立的选择模型可以指导奖励额度的制定.关键词:共享单车;用户参与;运营方调度;用户调度;参与意愿;奖励额度中图分类号:U121

文献标志码:A

文章编号:0254-0037(2019)11-1050-07

doi:10.11936/bjutxb2019040001

关宏志1,2,卢摇笙1,2

SchedulingModelofFree鄄floatingBike鄄sharingConsidering

Users爷Participation

(1.CollegeofArchitectureandCivilEngineering,BeijingUniversityofTechnology,Beijing100124,China;

GUANHongzhi1,2,LUSheng1,2

2.BeijingKeyLaboratoryofTransportationEngineering(BeijingUniversityofTechnology),Beijing100124,China)

Abstract:Encouraginguserstoparticipateinschedulingisoneofthefree鄄floatingbike鄄sharingschedulingstrategies.Tostudythewillingnessofuserstoparticipateandexploretheimpactofusers爷participationonschedulingcosts,auserselectionmodelwasfirstestablishedbyusingquestionnairedataincentivecostasanoptimizationobjective,afree鄄floatingbike鄄sharingschedulingmodelconsideringusers爷participationwasestablished.Resultsshowthatwalkingdistance,incentivequota,whethertherewhethertobuymonthlycardshavesignificanteffectsonusers蒺willingnesstoparticipateinscheduling.pointsandtheproposedselectionmodelcanguidetheestablishmentofincentivequota.scheduling;willingnesstoparticipate;incentivequota摇摇共享单车作为一个时代的象征,以其环保、经济、方便等优点在我国得到了快速的发展.最新

Theusers爷participationinschedulingcansignificantlysavethetotalcostofschedulingattemporaryKeywords:free鄄floatingbike鄄sharing;users爷participation;operator鄄basedscheduling;user鄄based

toanalyzetheusers爷willingnesstoparticipate.Then,takingtheincentivequotagivenbytheuserselectionmodelasaninputvariableandtakingthesumofoperator鄄basedschedulingcostanduser鄄basedisabicycleatstartingpoint,age,purposeofriding,timespentsearchingforbicycleinpeacetimeand

数据显示,共享单车用户规模超过2郾3亿人[1],单车累计投放量超过2300万辆[2].这种快速的发展

收稿日期:2019鄄04鄄01

基金项目:国家自然科学基金资助项目(51338008,51378036);青海省重大科技专项(2015鄄SF鄄A5)

作者简介:关宏志(1959—),男,教授,博士生导师,主要从事交通规划、交通、停车以及物流方面的研究,E鄄mail:hguan

@bjut.edu.cn

摇第11期关宏志,等:考虑用户参与的共享单车调度模型1051

在给人们的出行带来方便的同时,也产生了诸多问题,比如车辆乱停乱放、高故障率、时空分布与需求不匹配等问题困扰着城市管理者和单车经营者,也影响了共享单车的使用和健康发展.加强运营调度被认为是缓解这些问题的必要措施之一[3],而提高调度效率、减小调度成本是调度工作所需面对的问题.

一直以来,人们对城市公共自行车的调度问题进行了多方面的研究,从调度策略来看,共享单车和公共自行车调度问题的研究可以分为2类:基于运1摇用户参与意愿分析

1郾1摇基本场景

本文研究场景如图1所示,假设有用户希望从O点去往D点,但是,P点存在一些低使用率状态的单车,运营方试图通过设置一定奖励措施,引导用户将P点的单车骑行至D点,从而完成调度任务.在此过程中,用户从出发点O点到P点需要付出一定的步行距离.在实践中,用户在利用智能手机的App搜索可利用单车时,系统可根据其步行距离、用营方的调度和基于用户的调度.其中,基于运营方的调度,是指运营方通过运输工具搬运单车,通过改变单车的供给分布促进供需在空间上的平衡.人们根据调度过程中需求的变化情况将其分为静态调度问题[4鄄6]和动态调度问题[7鄄9]运营方调度无论效率多高,都会增加成本和碳排放.有学者指出,完全的,

与自行车产业发展的初衷相悖[10]一定的激励手段改变用户原有的取,、因此停车行为,提出通过,促进共享单车在空间上的供需平衡,即所谓的基于用户的调度方法.Li等[11]考虑双向激励运营方和,给予逆峰骑行者一定奖励,从而减少高峰期的供需矛盾,并建立了相关分析模型;Singla等[12]和Haider等[13]为了引导用户改变取车和停车的站点,减少人工调度的工作量,分别基于最小后悔值法和双层优化模型制定激励价格;Pfrommer等[14]基于系统运行状态,以实时价格激励手段引导用户将自行车归还至较空的站点;Reiss等[15]通过对慕尼黑共享单车定位数据的分析,建议将基于价格折扣的用户调度策略与人工调度策略结合使用,以减少调度过程中的碳排放和运营成本.上述文献从激励机制、价格制定等角度进行了研究.

然而,用户的参与程度决定了的成败,这就需要在分析用户参与意愿的基础上,评价用户参与调度的效果,上述文献并未对此做出回答,因此,有必要进行相应研究.此外,共享单车的调度不可能完全建立在用户调度的基础之上,结合运营方和用户双方的调度模式才是现实可行的策略.

为此,本文构建了一个两阶段模型.首先基于问卷调查建立了用户参与调度的选择模型,并对相关影响因素进行了分析.然后建立了一个考虑用户参与的共享单车调度模型———混合调度模型,其中以第一阶段模型的选择结果和用户选择模型所给出的奖励额度为输入变量,最后通过案例,对比分析了有无用户参与2种情况下的总调度成本.

户特性等情况,给出P点单车的奖励额度,并提示给用户,供用户选择.

图1摇用户调度场景

摇

Fig.1摇Sceneofuser鄄basedscheduling

1郾2摇问卷调查与分析

通过网络问卷对用户参与调度的意愿进行调查分析(,调查对象为共享单车使用者preference,SP)revealedpreference,RP)调查和,调查分为行为意向(stated特征((性别、年龄调查两部分、学历、职业.RP调查包含用户个人时间最近一周内骑行次数、平时寻车花费时间、使用单车的目的、月收入)和骑行特征、是否购买骑行月卡、单程骑行),SP调查包含不同奖励额度(免费骑行天数)、O点有无

单车情况下的用户最大可接受步行距离.

通过问卷调查,共搜集有效问卷188份,每份问卷包含了多个相互的场景,总计有3384条记录信息.初步集计结果如图2所示,用户接受度即乐于参与调度的用户占被邀请参与调度的用户图2摇用户接受度与步行距离的关系

Fig.2摇Relationshipwalkingdistance

betweenusers爷acceptanceand

1052

北摇京摇工摇业摇大摇学摇学摇报2019年

的比例.接受度随着步行距离的增大而逐渐下降,当步行距离超过300~400m时,接受度大幅度降低;O点无车时的接受度普遍大于O点有车时;在O点无车以及奖励额度越大时,接受度的下降速率越慢.

与集计模型相比,非集计模型可以用较少的样本量包含更多的变量和信息,并且模型包含了个人属性,可以更好地评价影响,因此,本文建立了二项logit(binarylogit,BL)模型[16].选择肢为步行至P点取车、在O点取车或采用其他交通方式,其中选择肢一的概率为

eV1n

p1n=V1n

e+eV2n

(1)

式中:pin为用户n选择选择肢i(i=1,2)的概率;Vin为用户n选择选择肢i(i=1,2)的效用函数的确定项.经过因素初筛后,待估参数包含3类,共计8个,分别为固有哑元(常数项)、方案特性(步行距离、P点奖励额度、O点是否有车)、用户特性(年龄、1郾3摇标定结果分析

使用单车目的、平时寻车时间、是否购买月卡).

利用上述数据,对模型进行标定,标定结果如表

1所示,各影响因素t检验的绝对值均大于1郾96,说明在95%的置信水平上,影响因素对选择概率产生显著影响.在实践中,当优度比籽2为0郾2~0郾4时,表明模型精度较高[16鄄17].

表1摇BL模型标定结果

Table1摇CalibrationresultsofBLmodel

变量常数项步行距离P点奖励额度O点是否有车年龄

使用单车的目的平时寻车时间是否购买月卡

参数兹1兹2兹3兹4兹5兹6兹7兹8

(估计值-1郾470淤-0郾009淤0郾430淤1郾210淤0郾245淤0郾323淤0郾307淤

(标准差0郾1630000郾0003150郾0282000郾0902000郾1830000郾0951000郾0915000郾095500

t检验值-27郾5915郾2613郾422郾583郾533郾53-9郾04

-0郾363于-1郾98

N=3384摇L(0)=-2345郾610摇L(兹)=-1632郾150摇

摇摇淤于分别表示相关性通过了置信度为99%、95%的显著性检验.

-2[L(0)-L(兹)]=1426郾920摇籽2=0郾304摇籽2=0郾301

摇摇对标定结果的参数进行分析,可以发现:

间距离增加,用户去P点取车的效用降低;当P点奖励越大、骑行目的为非通勤目的时,用户更易接受去P点取车的方案.

2)当O点无车时,用户去P点取车的意愿比O

1)步行距离的系数为负,意味着随着OP两点

也乐于付出一定的步行距离.

以下选取年龄为12~40岁、骑行目的为非通勤、寻车时间小于5min、购买骑行月卡的用户进行奖励敏感性分析,得到的结果如图3所示.

由图3可以看出,在相同步行距离下,O点有无可选车辆对用户的选择行为的影响较大,当步行距离为300m、奖励额度为2d时,选择概率从18%提升到42%;当步行距离(100m)较小时,随着奖励额度的提升,O点在无车与有车情况下选择概率的差值逐渐减小,而当步行距离(300m)较大时,随着奖励额度的提升,两者的差值呈扩大之势.

点有车时更高,从各参数的数值可以看出,“起点有无车辆冶对用户的影响最大.

3)年龄段“12~40岁冶比“>40岁冶的人更容

易参与调度活动;已购买月卡的用户比未购买月卡的用户参与意愿更低,这是因为其对奖励骑行天数不够敏感(即使对其月卡进行延长).

P点取车,因为这类用户对共享单车出行的黏性更高,能够容忍较长的寻车时间,因此,在用户调度中

4)平时寻车时间越长的用户越倾向于步行至

2摇混合调度模型

2郾1摇调度策略

在现实当中,共享单车的集散点可以归结为2

摇第11期关宏志,等:考虑用户参与的共享单车调度模型

1053

图3摇不同情况下的用户选择概率Fig.3摇Users爷selectionprobabilityunderdifferent

摇

conditions

种状态:相对集中和分散.本文将它们分为2类调度集散点:一类是以地铁站、公交站等为代表的需求相对集中的点,称之为固定点;另一类是位于城市地块内部、需求相对零散的点,称之为临时点,参见图4.

图4摇调度策略

摇

Fig.4摇Schedulingstrategy

需求均由运营方完成1)此外在完全没有用户参与的情况下,考虑以下2种调度情况:

.针对固定点的调度采用大型,所有的调度

调度车以调度场站为起讫点(a,b,…,f)的调度,采用小型调度车以固定点为起

;针对图4中的临时点讫点.具体调度策略如表2所示.

用户帮助完成部分调度工作2)在用户参与的情况下.,考虑用奖励引导

给予某些临时点(如b、c)的单车一定奖励,鼓励用户根据自身的行程需求将其骑到周边的某个固定点,其余的临时点(a、d、e、f)仍采用运营方调度模式,从而希望通过这种混合的调度策略降低总调度成本(运营方调度成本和奖励成本之和).

本文针对以上2种情况的调度成本进行了对比分析.

表2摇运营方调度策略特点

Table2摇Characteristicsoftheoperator鄄based

schedulingstrategy

调度调度车调度调度车调度节点容量起讫点特点任务

固定点>50辆

调度容量大、单车投放场站

速度快与回收临时点

<20辆固定点

体积小、行走灵活

单车回收

2郾2摇混合调度模型

在上述场景下,本文提出了一个包含用户参与和运营方调度的共享单车调度模型———混合调度模型.

为方便表述,本部分引入以下符号:N={1,2,…,n}为调度点的集合;N方调度的调度点集合1为用户参与调度的调度点集合,N,N=N2为运营K={1,2,…,k}为运营方调度的车次集合1胰N2;

;

Ck为车次k点分别为车次的最大装载容量k调度的起点和终点;

两者可表示同一地理点0点、n+1;,网络G=(V,A),V=N集合;

2胰{0,n+1},A为弧的cijk为车次k经过弧(i,j)的时间;gdis为装卸每辆共享单车的时间;proi为用户步行至调度点i的距离;

c为运营方调度的单位时间费用i为用户选择去i点取车的概率;,包含调度车动力费、折旧费及人工费等;

pi为调度点i的调度需求量,pi回收的单车数量为逸0代表该点需L;pi数量为-p,pi<0代表该点需投放的单车iik为车次k完成调度点i任务后的装载量(;

xijk为二元变量,xijk否则x=1为车次k经过弧i,j),ijk在用户参与调度的过程中=0.

,给予临时点每辆单车的奖励为MonMoni,则

i奖励额度根据用户选择模型进行制定=f(disi,proi,O点特性,用户特性,则付出的用)

(2)

户调度成本CostCostuser为

user=

移i沂N

1

Monipi(3)

在运营方调度部分,根据调度车行驶时间、单车装卸时间及单位时间费用计算得到运营方调度成本

1054

北摇京摇工摇业摇大摇学摇学摇报2019年

表3摇调度需求

Table3摇Schedulingdemands

Costoperator为

Costoperator=

(移移移x

k沂Ki沂Vj沂V

ijkijk

c+g移|pi|c

i沂N2

)

因此,考虑用户参与下的总调度成本优化目标为

(4)G1G5

G2G7

-15GG3G4G6

G5G4

G6a5

G7a-8

G8a8

G9a5

G10a4

其他约束条件如下

minZ=Costuser+Costoperator

(5)s.t.移摇

移k沂K移j沂Vxijk=1,坌i沂N2,i屹j(6)k沂K移i移沂V

xijk=1,坌j沂N2,j屹i(7)移j沂N

x2

0jk=1,坌k沂K

(8)i沂N

x2

i,n+1,k=1,坌k沂K(9)

i沂xijkL=x移N2

胰{0}

i沂N2

移胰{n+1}

xjik,坌k沂K,j沂N2(10)

ijk(ik0臆+pjL-Ljk)=0,坌k沂K,(i,j)沂A(11)

xik臆Ck,坌k沂K,i沂V

(12)ijk在上述模型中沂{0,1},坌,去除式k沂(2)K,((3)i,j)沂且集合AN(13)

时,便是没有用户参与情况下的调度模型.

1为空

3摇案例分析

3郾1摇案例背景

以某城市区域为例(如图5所示),确定固定点

G若干个小区域1~G15共15个,G,在此仅以0为调度场站.临时点被划分为a1~a10进行分析,调度起讫点为kmh,容量为/h,容量为G1和60辆15G6.;每辆单车的装卸时间为辆假设小型调度车行驶速度为;大型调度车行驶速度为30km20/调度点调度需求如表3所示.

0郾2min;各

图5摇调度区域

摇摇

Fig.5摇Schedulingregion

的最短路径距离进行设定摇算例中所需的距离矩阵根据各点在实际路网上

,由于篇幅的关系,这里就

-1110-121013-1410-15a15

24156aa5

a213

2231173a4210不再给出具体数值.

3郾3郾2摇2郾1摇结果及分析

在不考虑用户参与的情况下不考虑用户参与

,经模型计算得到

临时点的最优调度方案共需2个车次(车次一:Ga1鄄合并后的调度顺序如图1鄄a3鄄a6鄄a7鄄a8鄄a9鄄a10鄄G6,6车所示次二,以:GG1鄄a2鄄a4鄄a5鄄G6.对G6和G1为起讫),点,总耗时17郾9min,得到固定点的最优调度顺序如图1和G6的调度需求进行更新后6所示,以调度场站G0为起讫点,总耗时63郾6min.

图6摇无用户参与下的调度顺序

Fig.6摇Schedulingsequenceswithoutusers爷participation

3郾摇

2郾2摇在考虑用户参与的情况下考虑用户参与

,给予某些临时点一

定奖励措施,鼓励用户骑往周边的固定点.在备选的临时点a1~a10中,考虑到位置的差异性,并保证4用户接受度达到所示.

40%以上,拟给出的奖励额度如表

表4摇奖励额度Table4摇Rewardamount

调度点a1a2a3a4a5a6a7a8a9a10免费骑行天数摇摇

1

1

1

2

2

1

1

1

1

1

摇第11期关宏志,等:考虑用户参与的共享单车调度模型1055

摇摇由于共享单车骑行月卡为20元,则奖励一天免费骑行的等值现金价值约为0郾67元.假设小型调度车运营成本为500元/d,每天工作时长按8h计,则临时点调度的时间费用c为1郾04元/min.经过模型计算,考虑用户参与的总调度成本优化结果如表5所

示.给予奖励的调度点为a2、a4、a5、a7,此时临时点运营方调度顺序如图7所示.对G1和G6的调度需求进行更新,并假设临时点a2、a4、a5、a7的单车分别被用户骑往周边固定点G2、G6、G6、G7,计算得到固定点的最优调度顺序不变,总耗时为63郾2min.

表5摇有无用户参与下临时点调度费用对比

Table5摇Comparisonoftemporarypoint蒺sschedulingcostwithorwithoutusers蒺participation情况无用户参与摇考虑用户参与

运营方调度

耗时/min17郾99郾4

成本/元18郾629郾78

a2、a4、a5、a7

6郾70

用户调度

给予奖励的调度点

奖励费用

调度总成本/元18郾6216郾48

当步行距离超过300~400m后,用户的参与意愿显著降低.

2)建立的用户行为模型可以用于制定在不同3)案例分析表明,在用户参与的情况下,临时4)在进一步的研究中,可以考虑更多类型的套

步行距离、用户接受度、起点特性、用户特性情况下的奖励额度.

点运营方调度耗时节省了47郾5%,临时点调度总成本减少了11郾5%.

餐式奖励措施,探讨用户面对不同奖励措施时的调

Fig.7摇Schedulingsequenceswithusers爷participation

图7摇用户参与下的调度顺序

度意愿.另外,用户参与固定点的调度工作是否也能降低调度成本值得进一步讨论.参考文献:

[1]艾媒咨询郾2018中国共享单车发展现状专题研究[EB/

OL].[2018鄄12鄄25].http:椅www.iimedia.cn/63243.html.

[2]国家信息中心.中国共享经济发展年度报告(2018)

[EB/OL].[2018鄄03鄄02].http:椅www.sic.gov.cn/News/79/8860.htm.

[3]交通运输部.关于鼓励和规范互联网租赁自行车发展

的指导意见[EB/OL].[2017鄄08鄄03].http:椅www.gov.cn/xinwen/2017鄄08/03/content_52150.htm.[4]PALA,ZHANGY.Free鄄floatingbikesharing:solving

real鄄lifelarge鄄scalestaticrebalancingproblems[J].2017,80:92鄄116.(1):212鄄219.

TransportationResearchPartC:EmergingTechnologies,

3郾2郾3摇对比分析

摇

通过对比有无用户参与情况下临时点的调度总

成本和固定点的调度总耗时,可以发现:在考虑用户参与情况下,临时点运营方调度耗时由17郾9min降1郾4min,调度车行驶耗时节省7郾1min;临时点调度至9郾4min,节省了约47郾5%,其中装卸耗时节省总成本由18郾62元下降至16郾48元,节省约11郾5%;固定点调度总耗时仅由63郾6min下降至63郾2min,对固定点的影响较小.

用户在参与调度的同时完成部分或全部出行需求,可能会使运营方损失部分骑行收入,但在增加新用户、提升用户黏性等方面发挥着积极作用,在一定程度上也充当了平台推广的角色.

4摇结论

点有无单车、年龄、骑行目的、平时寻车时长、是否购买月卡等因素对用户参与调度的意愿有显著影响,

1)通过问卷调查发现步行距离、奖励额度、起

[5]徐建闽,秦筱然,马莹莹.公共自行车多层次分区调度

方法研究[J].交通运输系统工程与信息,2017,17XUJM,QINXR,MAYY.Publicbicyclemultilevel

partitionschedulingmethod[J].JournalofTransportation

SystemsEngineeringandInformationTechnology,2017,

1056

17(1):212鄄219.(inChinese)

北摇京摇工摇业摇大摇学摇学摇报2019年

[6]KADRIAA,KACEMI,LABADIK.Abranch鄄and鄄

boundalgorithmforsolvingthestaticrebalancingprobleminbicycle鄄sharingsystems[J].Computers&Industrial[7]CAGGIANIL,CAMPOREALER,OTTOMANELLIM,et

al.Amodelingframeworkforthedynamicmanagementoffree鄄floatingbike鄄sharingsystems[J].182.

ResearchPartC:EmergingTechnologies,2018,87:159鄄

Transportation

Engineering,2016,95:41鄄52.

[12]SINGLAA,SANTONIM,BARTOKG,etal.

Incentivizingusersforbalancingbikesharingsystems[C/

OL]椅ProceedingsoftheNationalConferenceonJanuary25鄄30,2015:723鄄729[2019鄄03鄄20].https:椅www.aaai.org/ocs/index.php/AAAI/AAAI15/paper/view/9942/9319.

ArtificialIntelligence,Austin,TX,UnitedStates,

[13]HAIDERZ,NIKOLAEVA,KANGJE,etal.Inventory

rebalancingthroughpricinginpublicbikesharingsystems

270(1):103鄄117.

[J].EuropeanJournalofOperationalResearch,2018,[8]刘冬旭,董红召.共享自行车系统动态调度时间域的

获取方法[J].交通运输系统工程与信息,2018,18(2):LIUtimeD177鄄182.rangesX,DONGforHZ.AlgorithmofdynamicrebalanceTransportation

Systems

bicyclesharingEngineering

system[J].Information

JournalofTechnology,ZHANG2018,18(2):177鄄182.(inand

Chinese)

networkflowD,YUapproachCH,toDESAIdynamicJ,repositioningetal.Atime鄄space

inbicycleMethodological,sharingsystems2017,[J].103:Transportation188鄄207.

ResearchPartB:GHOSHbikeS,VARAKANTHAMP.IncentivizingtheusesystemstrailersAutomated[C/OLfor]dynamic椅27threpositioningInternationalinConferencebikesharing

of

on20].UnitedStates,PlanningJuneand18鄄23,Scheduling,2017:373鄄381Pittsburgh,[2019鄄03鄄

PA,ICAPS17https:LI/paper椅/www.view/aaai.org/ocs/index.php/ICAPS/bicycleLF,15752/15127.

redistributionSHANMY.ofBidirectionalabicycleincentivemodelfor

rushhour[J].Sustainability,2016,sharing8(12):system1鄄15.

during

[14]DynamicPFROMMERvehicleJ,

insharedmobilityredistributionSCHILDBACH

systems[J].andIEEEonlineG,

TransactionspriceMORARI

incentives

M.

on[15]1578.

IntelligentTransportationSystems,2014,15(4):1567鄄Munich蒺sREISSS,BOGENBERGERK.Arelocationstrategyfor

Researchbasedandbike关宏志.非集计模型Procedia,auser鄄basedsharingsystem:2017,———22:schemecombining交通行为分析的工具105鄄114.[J].Transportation

anoperator鄄[16]北京:人民交通出版社,2004:26鄄49.[M].[17]韩艳出行态度转变分析,关宏志,李丹洋[J]..北京工业大学学报基于海德平衡理论的老年人

,2015,41(6):HANadjustmentY,906鄄911.

GUANofpublicHZ,transitLIDY.ofAnalysistheelderlyoftripbasedattitudeherder蒺son

ofTechnology,balance2015,theory[J].41(6):Journal(906鄄911.ofBeijing责任编辑(inUniversity摇Chinese)

梁摇洁)

[9][10][11]