数据驱动环境下考虑多重干扰情境的共享单车重置优化研究

doi:10.16381/j.cnki.issn1003-207x.2021.1531

摘要/Abstract

摘要：

无桩特性给共享单车重置调度带来了全新的问题和挑战，决策者面对的是随机分布在整个区域面上的单车如何调度，这与传统有桩公共自行车的重置有着显著区别。基于此，本文以某品牌共享单车为研究对象，通过分析其运行轨迹数据，界定出共享单车的活跃点（放车点）与非活跃点（收车点）。由于收车点的重置需求会因用户行为影响而不断发生变化，本文结合干扰管理的思想，综合考虑收车点的单车数变化、收车点消失以及新增收车点等干扰情境，建立考虑多重干扰情境的共享单车重置调度多目标优化模型，并设计带精英策略的非支配排序遗传算法对其求解。测试结果表明，本文所构建的模型和求解算法能够快速寻找到问题的帕累托最优解集，可为共享单车的重置调度提供有效的策略建议和决策支持。

关键词: 共享单车, 数据驱动, 干扰管理, 多目标优化, NSGA-II算法

Abstract:

The dock-less feature brings a new and challenging problem to reallocate the dock-less sharing bikes. Decision-makers need to consider how to reallocate these bikes， which are randomly parked over the entire area. This is significantly different from the traditional public bikes reallocating problem. Taking a brand bicycle as the research background， the active point （delivery point） and the inactive point （pick-up point） are defined by analyzing mass trajectory data of dock-less sharing bikes in this paper. Due to the status of pick-up points will be constantly changed， three scenarios are proposed to depict it， which include changing the number of bikes， disappearing the pick-up points， and pop-up new pick-up points. Based on the theory of disruption management， a multi-objective optimization model is proposed for reallocating the dock-less sharing bikes and a non-dominated sorting genetic algorithm II is present to solve it. The test result demonstrates that the proposed algorithm can quickly converge to the Pareto solution set of the problem， and thus it can provide effective suggestions and decision support for reallocating the dock-less sharing bikes.

Key words: dock-less sharing bike, data-driven, disruption management, multi-objective optimization, NSGA-II.

中图分类号:

C935

刘明, 徐锡芬, 曹杰. 数据驱动环境下考虑多重干扰情境的共享单车重置优化研究[J]. 中国管理科学, 2023, 31(9): 148-158.

Ming LIU, Xi-fen XU, Jie CAO. A Data-driven Optimization Model for Reallocating Dock-less Sharing Bikes with Considering Multiple Disruption Scenarios[J]. Chinese Journal of Management Science, 2023, 31(9): 148-158.

图/表 10

图1

图2

图3

图4

表1

图5

图6

图7

图9

表2

参考文献 20

1	陈传红，李雪燕.市民共享单车使用意愿的影响因素研究［J］. 管理学报， 2018，15（11）：1601-1610.
	Chen Chuanhong， Li Xueyan. Research on the effect factors of customer use intention of shared bicycles ［J］. Chinese Journal of Management， 2018， 15（11）： 1601-1610.
2	前瞻产业研究院. 2023-2028 中国共享单车行业市场前瞻与投资规划分析报告［EB/OL］. （2023-3-1）［2023-05-15］..
	Prospective Industry Research Institute： market outlook and investment planning analysis report on China's shared bicycle industry from 2023 to 2028［EB/OL］.（2023-3-1）［2023-05-15］. .
3	董红召，章丽萍，刘冬旭，等.公共自行车系统服务点布设的有限元估算方法［J］. 浙江大学学报（工学版）， 2017，51（6）：1097-1103.
	Dong Hongzhao， Zhang Liping， Liu Dongxu， et al. Finite-element estimation model for service station planning layout of public bicycle system［J］. Journal of Zhejiang University （Engineering Science）， 2017， 51（6）： 1097-1103.
4	林燕平，窦万峰.基于网络模型的城市公共自行车需求量预测研究［J］. 计算机应用研究， 2017，34（9）：2692-2695.
	Lin Yanping， Dou Wanfeng. Research on demand prediction of urban bicycle sharing based on network model［J］. Application Research of Computers， 2017，34（9）：2692-2695.
5	解小平，邱建东，汤旻安.基于Elman神经网络的公共自行车单站点需求预测［J］. 计算机工程与应用， 2017，53（16）：221-224+236.
	Xie Xiaoping， Qiu Jiandong， Tang Minan. Demand prediction of public bicycle rental station based on Elman neural network ［J］. Computer Engineering and Applications， 2017， 53（16）： 221-224+236.
6	Shu Jia， Chou Mabel C， Liu Qizhang， et al. Models for effective deployment and redistribution of bicycles within public bicycle-sharing systems［J］. Operations Research， 2013， 61（6）： 1346-1359.
7	徐国勋，李妍峰，金大祥，等.“红包车”机制下的共享单车调度问题［J］. 系统工程理论与实践， 2020， 40（2）： 426-436.
	Xu Guoxun， Li Yanfeng， Jin Daxiang， et al. A user-based method for the static bike repositioning problem［J］. Systems Engineering Theory & Practice， 2020， 40（2）： 426-436.
8	郝雅立，温志强.共建共治共享：大数据支持下共享单车智能化治理路径［J］. 管理评论， 2019，31（1）：249-254.
	Hao Yali， Wen Zhiqiang. Common construction， governing and sharing： intelligent management path of sharing bike by big data supporting［J］. Management Review， 2019，31（1）：249-254.
9	徐国勋，李妍峰，李军，等.多类型公共自行车调运问题［J］. 运筹与管理， 2019，28（1）：116-124.
	Xu Guoxun， Li Yanfeng， Li Jun， et al. A multi-type bike repositioning problem［J］. Operations Research and Management Science， 2019， 28（1）： 116-124.
10	白雪，周支立，钱桂生，等.考虑维修车辆的公共自行车系统再平衡问题［J］. 系统工程理论与实践， 2018，38（9）：2326-2334.
	Bai Xue， Zhou Zhili， Qian Guisheng， et al. Bike rebalancing problem considering broken bike collection［J］. System Engineering-Theory & Practice， 2018， 38（9）： 2326-2334.
11	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）：177-182.
	Liu Dongxu， Dong Hongzhao. Algorithm of dynamic rebalance time ranges for bicycle sharing system［J］. Journal of Transportation Systems Engineering and Information Technology， 2018，18（2）：177-182.
12	鄢章华，刘蕾.考虑服务水平与动态转移规律的共享单车投放策略研究［J］.中国管理科学，2019，27（9）：195-204.
	Yan Zhanghua， Liu Lei. Supply optimization for bicycle sharing system considering service level and dynamic transfer［J］. Chinese Journal of Management Science， 2019，27（9）：195-204.
13	赵菊，邱菊，侯春波.准公共产品：基于政府监管机制的共享单车投放管理研究［J］.中国管理科学， 2021， 29（1）： 149-157.
	Zhao Ju， Qiu Ju， Hou Chunbo. Quasi-public products： research on volume management of sharing bike considering government regulatory mechanism ［J］. Chinese Journal of Management Science， 2021，29（1）： 149-157.
14	刘明，徐锡芬，宁静，等.基于订单数据分析的共享单车重置调度优化研究［J］.中国管理科学， 2022， 30（4）： 275-286.
	Liu Ming， Xu Xifen， Ning Jing， et al. Modeling and optimization method for rebalancing the dockless bicycles based on order data analysis［J］. Chinese Journal of Management Science， 2022， 30（4）： 275-286.
15	Shen Yu， Zhang Xiaohu， Zhao Jinhua. Understanding the usage of dockless bike sharing in Singapore［J］. International Journal of Sustainable Transportation， 2018， 12（9）： 686-700.
16	Pan Ling， Cai Qingpeng， Fang Zhixuan， et al. A deep reinforcement-learning framework for rebalancing dockless bike sharing systems［C］// Proceedings of the 33rd AAAI Conference on Artificial Intelligence （AAAI）， Honolulu， Hawaii， January 27-February 1， 2019.
17	Svenja Reiss， Klaus Bogenberger. A relocation strategy for Munich's bike sharing system： combining an operator-based and a user-based scheme［J］. Transportation Research Procedia， 2017， 22： 105-114.
18	Aritra Pal， Zhang Yu. Free-floating bike sharing： solving real-life large-scale static rebalancing problems［J］. Transportation Research Part C： Emerging Technologies， 2017， 80： 92-116.
19	Leonardo Caggiani， Rosalia Camporeale， Michele Ottomanelli， et al. A modeling framework for the dynamic management of free-floating bike-sharing systems［J］. Transportation Research Part C： Emerging Technologies， 2018， 87： 159-182.
20	Liu Ying， Szeto Wai Yuen， Sin C. Ho. A static free-floating bike repositioning problem with multiple heterogeneous vehicles， multiple depots， and multiple visits［J］. Transportation Research Part C： Emerging Technologies， 2018， 92： 208-242.

类型	节点	横坐标	纵坐标	单车数	类型	节点	横坐标	纵坐标	单车数
收车点	1	215	181	6	收车点	11	304	146	8
	2	113	307	10		12	696	392	5
	3	113	387	5		13	574	146	2
	4	183	388	3		14	117	164	9
	5	642	429	8		15	367	546	8
	6	529	539	10	放车点	16	159	228	20
	7	665	153	4		17	302	428	22
	8	701	204	3		18	571	479	22
	9	643	272	6		19	280	494	28
	10	370	147	1		20	590	335	24

重置车容量	新增收益	运输成本	扰动成本	节线变化
30	811	541.4	770.7	24
40	815	548.0	777.3	24
50	813	538.4	767.6	24
60	814	571.1	680.4	20

[1]	李铁克,苏艺璇,张文新,王柏琳. 加工时间不确定的炼钢-连铸区间多目标优化调度[J]. 中国管理科学, 2024, 32(8): 95-106.
[2]	汪和平,赵登宇,陈梦凯,李艳. 基于MO-CGJaya/D算法的PC构件混流生产作业指派优化研究[J]. 中国管理科学, 2024, 32(7): 95-105.
[3]	王付宇,谢昊轩,林钟高,王骏. 突发事件下高铁站应急疏散多目标优化模型与自适应量子蚁群算法[J]. 中国管理科学, 2024, 32(3): 188-197.
[4]	项寅. 疫情爆发初期应急采购最优启动时间点选择[J]. 中国管理科学, 2024, 32(2): 210-220.
[5]	都牧. 数据驱动的疫情检测和医疗资源动态分配的联合决策方法[J]. 中国管理科学, 2024, 32(11): 168-179.
[6]	李惠,王熙,左治亚. 多目标下航天产品生产车间柔性资源配置与调度集成优化[J]. 中国管理科学, 2024, 32(10): 146-155.
[7]	王海宇. 基于简单检测方法的动态 $n p x$ 控制图的经济统计优化设计[J]. 中国管理科学, 2023, 31(9): 205-213.
[8]	单汩源, 王建江, 别黎. 基于自适应大邻域搜索的鲁棒多项目调度方法[J]. 中国管理科学, 2022, 30(9): 217-231.
[9]	刘明, 徐锡芬, 宁静, 曹杰. 基于订单数据分析的共享单车重置调度优化研究[J]. 中国管理科学, 2022, 30(4): 275-286.
[10]	孙月, 邱若臻. 交叉销售下基于支持向量聚类的数据驱动多产品库存鲁棒优化模型[J]. 中国管理科学, 2022, 30(2): 156-168.
[11]	牛奔, 郭晨, 唐恒. 基于多目标多元学习细菌觅食优化算法的混合数据聚类[J]. 中国管理科学, 2022, 30(12): 131-140.
[12]	王勇, 张杰, 刘永, 许茂增. 基于资源共享和温度控制的生鲜商品多中心车辆路径优化问题[J]. 中国管理科学, 2022, 30(11): 272-285.
[13]	徐小峰, 林姿汝, 周鹏. 多油品供给受限下多油库被动配送车辆路径问题研究[J]. 中国管理科学, 2021, 29(5): 157-165.
[14]	彭武良, 马小菁. 一种策略层项目计划的双目标优化方法[J]. 中国管理科学, 2021, 29(2): 69-77.
[15]	赵菊, 邱菊, 侯春波. 准公共产品:基于政府监管机制的共享单车投放管理研究[J]. 中国管理科学, 2021, 29(1): 149-157.