城市公共自行車站點需求預測及調度優(yōu)化方法研究.pdf

1、城市公共自行車兼具承擔公共交通“最后一公里”，服務短距離出行和服務旅游景區(qū)及校園三大主要功能，是新時代人文、科技、綠色交通的產(chǎn)物。面對目前諸多城市出現(xiàn)的自行車站點無車可借，無位可還的現(xiàn)象，究其主要原因，是調度的不及時所致。因此，如何提前準確預知各站點出行需求及安排合理的調度路徑方案對于解決調度的滯后性具有重要意義。
　　由于國內(nèi)城市可獲取的PBS(public bicycle system)運營數(shù)據(jù)較少，因此本文選取美國紐約市的出

2、行數(shù)據(jù)進行PBS出行需求及調度優(yōu)化的研究。在對紐約市的公共自行車出行需求分析時，發(fā)現(xiàn)其出行規(guī)律和國內(nèi)城市相似——工作日均存在早晚高峰的現(xiàn)象。另外，加上數(shù)據(jù)樣本較大，可靠性強，因此基于紐約市出行數(shù)據(jù)的預測方法同樣適用于國內(nèi)城市。本文具體的研究工作包含以下幾個方面:
　　(1)對公共自行車的系統(tǒng)功能定位進行了闡述，并結合美國紐約市2016年6月份146萬條公共自行車出行數(shù)據(jù)對出行需求進行了主客觀因素分析，發(fā)現(xiàn)周末與工作日出行規(guī)律明顯不

3、同。
　　(2)簡單介紹了BP神經(jīng)網(wǎng)絡理論，提出一種新的考慮日期屬性的站點租還車需求預測方法。在利用BP神經(jīng)網(wǎng)絡預測時，輸入變量的日期屬性應與輸出變量保持一致，即同為工作日或同為周末。使用SQL Server數(shù)據(jù)庫和Matlab軟件對實例進行了預測，效果較好，預測相對誤差均較低，最低預測相對誤差可達到1％。
　　(3)概述了車輛調度問題的定義、分類及常用的優(yōu)化算法，并將城市公共自行車的調度問題分為調度分區(qū)和區(qū)域內(nèi)調度兩步。首

4、先對整個城市的自行車站點進行了調度區(qū)域的劃分，在此提出了一種新的將關聯(lián)規(guī)則與聚類分析相結合的劃分方法，通過三次聚類，將城市所有站點劃分成不同的靜態(tài)調度區(qū)域。其次，對于每個靜態(tài)區(qū)域內(nèi)有調度需求的站點建立調度模型，目標是使調度車數(shù)量最少和總調度時間最短。并介紹了帶2-opt局部搜索的蟻群算法求解模型的步驟與方法。
　　(4)以美國紐約市21個站點數(shù)據(jù)為例，進行調度路徑的優(yōu)化仿真。通過MapGIS軟件轉換坐標和Matlab編程求解，發(fā)現(xiàn)