CN106909987B - 一种基于使用负载均衡及寿命优化的混合自行车分配方法 - Google Patents

一种基于使用负载均衡及寿命优化的混合自行车分配方法 Download PDF

Info

Publication number
CN106909987B
CN106909987B CN201710058523.5A CN201710058523A CN106909987B CN 106909987 B CN106909987 B CN 106909987B CN 201710058523 A CN201710058523 A CN 201710058523A CN 106909987 B CN106909987 B CN 106909987B
Authority
CN
China
Prior art keywords
bicycle
time
model
public
usage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710058523.5A
Other languages
English (en)
Other versions
CN106909987A (zh
Inventor
姚霞文
尚昱林
申兴发
王兰迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201710058523.5A priority Critical patent/CN106909987B/zh
Publication of CN106909987A publication Critical patent/CN106909987A/zh
Application granted granted Critical
Publication of CN106909987B publication Critical patent/CN106909987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • G06Q50/40—

Abstract

本发明公开了一种基于使用负载均衡及寿命优化的混合自行车分配。本发明步骤如下：实验数据集的获取，通过公共自行车系统官网获取公共自行车用户使用历史记录；对获取的公共自行车使用历史记录数据集合进行预处理；受到Cache替换算法的启发，得出混合自行车分配模型；选取方法有效性的评价标准；对混合自行车分配模型有效性的验证；以公共自行车寿命模型为前提，结合混合自行车分配模型，对公共自行车的使用寿命进行优化，进而验证混合自行车分配模型在公共自行车系统中对自行车寿命优化的有效性。本发明能够有效地缓解系统中公共自行车使用负载不均衡的现象和降低系统中公共自行车的损耗率，从而降低系统的维修成本和替换自行车的比例。

Description

一种基于使用负载均衡及寿命优化的混合自行车分配方法
技术领域
本发明属于公共交通系统中公共自行车系统优化领域，尤其涉及一种基于使用负载均衡及寿命优化的混合自行车分配方法。
背景技术
近年来，随着人口的剧烈增长，这带来了一系列危害城市的问题：交通拥堵、温室气体排放日益增多、噪声污染等。公共交通部门应当去开展不同的城市交通政策去满足乘客的日常出行并且减少这些移动需求所带来的负面影响，一种可采取的办法是推广骑行的交通方式，它们不仅经济友好，利于健康、减少污染，更重要的是更加快捷、便利。公共自行车系统的实现是一种城市的流动性措施，全世界各地的许多城市都把其作为公共交通系统设施的额外的可持续发展措施，它可以配合地铁、公交车等完成居民的日常出行，解决出行“最后一公里”难题。
公共自行车提供的便捷同时也给公共自行车运营者带来一系列的挑战，它存在着很多问题和不足，其中常见的一个问题是：用户经常在租借自行车时遇到损坏的自行车需要再重新更换另一辆；并且由于投放过多的自行车，管理者很难及时去找到这些毁坏的自行车，维修自行车的费用是非常高昂的。这是因为公共自行车作为一种公共资源，人们时常会本着一种自我方便以及掺杂个人喜好的想法去任意选择自己中意的车辆，这会导致一些看上去崭新的，好骑的自行车会被频繁地使用而极快地缩短使用寿命，公共自行车的使用呈现一个很不均衡的状态，这样会加剧公共自行车的损坏程度，增加公共自行车系统的管理费用。
因此针对公共自行车系统出现的这一问题，需要提出一种方法使自行车的使用率达到均衡状态，本发明所提出的系统自行车使用负载均衡和其寿命优化方法，具体地来讲是：当用户使用卡片刷卡时，通过本发明提出一种基于使用负载均衡及寿命优化的方法去寻找“最优”自行车分配给用户使用，如果用户使用系统的推荐的自行车，那么系统可给用户某种激励措施(例如：延长免费时长或往账户增加余额)，这样可以减少公共自行车的损坏程度，进一步减少对公共自行车进行维修所产生的费用，从而提高公共自行车系统的用户满意度与系统效率。
区别于其它文献的公共自行车系统优化方法，本发明首次基于分析公共自行车系统用户历史行程数据提出自行车存在使用不均衡现象，这也是导致自行车损耗率和系统维修费用增高的原因；受到Cache替换算法的启发，本发明提出的方法包含两个模型：LRU(Least Frequently Used)和LTU(Least Time Used)，这两个模型分别从自行车使用频次和使用时长来解决公共自行车损耗率高的问题。
发明内容
为了解决公共自行车系统出现的自行车使用不均衡现象，本发明提出一种基于使用负载均衡及寿命优化的混合自行车分配方法。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤1、实验数据集的获取；
通过公共自行车系统官网获取公共自行车用户使用历史记录，一条公共自行车使用历史记录的数据trip＝(So,to,Sd,td,bk,Dt)，数据包括6个部分：出发地So、出发时间to、目的地Sd、归还时间td、自行车标识bk和借用时间Dt，其中借用时间Dt就是出发时间to和归还时间td两者之间的时间差；
步骤2、对步骤1获取的公共自行车使用历史记录数据集合进行预处理；
2-1.初始化历史记录数据集合，以便获得每个时刻所有自行车bk所在的站点
Figure BDA0001217540760000021
选取用户当前借车时刻至前9个月的历史记录数据；对于自行车bk，按照逆时间的顺序遍历搜索所有历史记录数据来寻找自行车bk最后停靠的站点，即可得到当前时刻自行车bk所在的站点
Figure BDA0001217540760000022
步骤3、基于Cache替换算法，得出混合自行车分配模型，具体如下：
LFU模型：将最近一段时间Twin内使用量(使用次数)最少的自行车推荐给用户，以此来增加低频率使用的自行车的使用量，并降低高频率使用的自行车的使用量。具体步骤如下：
3-1.针对用户的出发时间to及到达的出发地So，统计出to时刻在站点So所拥有的自行车集合
Figure BDA0001217540760000031
3-2.针对自行车集合
Figure BDA0001217540760000032
中的自行车，统计出每辆自行车最近一段时间Twin内的使用量
Figure BDA0001217540760000033
寻找出使用量最少的自行车bk *，将其推荐给用户。LFU模型为：
Figure BDA0001217540760000034
Figure BDA0001217540760000035
其中：参数
Figure BDA0001217540760000036
表示在时间to时自行车bj所在的站点；
Figure BDA0001217540760000037
表示在时间to时自行车bk在最近一段时间Twin内的使用历史记录数据集合。
LTU模型：将最近一段时间Twin内累积使用时长最少的自行车推荐给用户，以此来增加低频率使用的自行车的累积使用时长和降低高频率使用的自行车的累积使用时长。具体步骤如下：
3-3.针对用户的出发时间to及到达的出发地So，统计出to时刻在站点So所拥有的自行车集合
Figure BDA0001217540760000038
3-4.针对自行车集合
Figure BDA0001217540760000039
中的自行车，统计出每辆自行车最近一段时间Twin内的累积使用时长
Figure BDA00012175407600000310
寻找出累积使用时长最少的自行车
Figure BDA00012175407600000311
将其推荐给用户。LTU模型为：
Figure BDA00012175407600000312
Figure BDA0001217540760000041
除了提出的这两个模型之外，本发明使用FIFO模型和Random模型作为对照组去评价上述所提出的模型有效性。
FIFO模型：为将最近一段时间内最先被归还到站点的自行车推荐给用户使用，延长自行车被使用的时间间隔，以此来降低高频率使用的自行车的使用频次；
Random模型：为用户在某个时间点到达某个站点借车，随机地选择一辆自行车推荐给用户，以此降低用户主观意识选车对公共自行车使用不均衡现状的影响。
步骤3所提出的模型的参数选择有两个时间参数需要进行选择：一个是进行模型模拟的时间，将之称为test(测试)时间，将test(测试)时间定为7天，即一周；另一个是LFU、LTU和FIFO模型里需要考虑的时间参数，在选择推荐的自行车时，需要统计一段时间内的自行车使用量和归还时间，将这个时间称之为train(训练)时间，将train(训练)时间定为72小时。
步骤4、选取方法有效性的评价标准；
选取自行车最大使用量maxU和最大累积使用时长maxT作为判断实验模型有效性的标准，为了更进一步说明系统资源是否达到均衡使用，根据负载均衡度的定义，同样引入了自行车使用量均衡度eU和累积使用时长均衡度eT，均衡度越接近1，说明公共自行车的使用越均衡。其中：
Figure BDA0001217540760000042
Figure BDA0001217540760000043
Figure BDA0001217540760000044
Figure BDA0001217540760000051
其中，参数averU表示自行车平均使用量；averT表示自行车平均累积使用时长。
步骤5、对混合自行车分配模型有效性的验证；
为了验证本发明所提出方法的有效性，应该把该方法应用到真实生活中，然而在对用户进行自行车使用分配的时候需要用到实时的自行车记录集，这部分数据在现有条件是无法获取。因此当用户去某个租赁点借自行车时，按照本发明提出的模型分配自行车给用户使用，然后通过交换自行车历史使用数据来实现使用本发明模型获取数据：只改变公共自行车的编号，而不改变它的借车站点和还车站点以及使用自行车时长。
所以本发明通过自行车历史使用数据来完成模型的有效性验证，具体实现结果如下：
针对某地区A中某一个星期时间内的自行车使用历史记录数据集合，当使用LFU模型时，其自行车的使用情况相较于实际情况不使用LFU模型时，maxU的值减少了36％，maxT的值减少了27％，eU和eT分别增加了0.16和0.08；当使用LTU模型时，其自行车的使用情况相较于实际情况不使用LTU模型时，maxU的值减少了21％，maxT的值减少了36％，eU和eT分别增加了0.06和0.14；当使用FIFO模型时，其自行车的使用情况相较于实际情况不使用FIFO模型时，maxU的值减少了18％，maxT的值减少了5％，eU和eT分别增加了0.02和0.02；当使用Random模型时，其自行车的使用情况相较于实际情况不使用Random模型时，maxU的值减少了5％，maxT的值减少了8％，eU的值减少了0.02以及eT的值不变；
步骤6、以公共自行车寿命模型为前提，结合步骤3提出的混合自行车分配模型，对公共自行车的使用寿命进行优化，进而验证混合自行车分配模型在公共自行车系统中对自行车寿命优化的有效性。
自行车的寿命与骑行路程呈正相关，骑行路程又与累积使用时长呈正相关，因此假设公共自行车的寿命对于累积使用时长呈正相关，是符合威布尔分布(Weibulldistribution)。由于本发明中模拟的自行车使用时间过短，并不会真正出现自行车寿命已到，不能再使用的情况，因此将模型中的变量累积使用时长缩小1000倍，这并不会影响模型本身的分布趋势，本发明使用威布尔分布来表示公共自行车的寿命分布。
由于各种环境、人为因素，公共自行车的寿命要比普通自行车寿命短，假设普通自行车当损耗率达到100％便不可使用，那么公共自行车需要替换时它的损耗率要低于100％，由于并不知道当公共自行车的损耗率为多少时，就不再适合作为公共资源被使用了，因此以自行车需要替换时达到的最大损耗率为变量，研究在不同的最大损耗率替换标准下，应用步骤3提出的模型后的公共自行车系统中需要被替换的自行车比例。
本方法的优点在于：
基于公共自行车系统用户历史数据分析得出自行车的使用存在不均衡现象，这样会导致自行车损耗率和系统维修费用增加。本发明受到Cache替换算法的启发，提出了一种基于使用负载均衡及寿命优化的混合自行车分配方法去解决这一问题，该发明可以有效地缓解系统中公共自行车使用负载不均衡的现象和降低系统中公共自行车的损耗率，从而降低系统的维修成本和替换自行车的比例。
具体的实施效果表现为：对比实际情况不适用混合自行车分配模型时，LFU模型可以减少36％maxU和增加0.16eU，LTU可以减少36％maxT和增加0.14eT；同时基于使用负载均衡及寿命优化的自行车分配上，当自行车的损耗率为70％或者更高需要替换时，LTU模型仅有10％或者更低比例的自行车需要被替换。
附图说明
图1为本发明流程图；
图2为本发明提出的模型。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步说明。
如图1所示，一种基于使用负载均衡及寿命优化的混合自行车分配方法，具体实现步骤如下：
步骤1、实验数据集的获取；
通过公共自行车系统官网获取公共自行车用户使用历史记录，一条公共自行车使用历史记录的数据trip＝(So,to,Sd,td,bk,Dt)，数据包括6个部分：出发地So、出发时间to、目的地Sd、归还时间td、自行车标识bk和借用时间Dt，其中借用时间Dt就是出发时间to和归还时间td两者之间的时间差；
步骤2、对步骤1获取的公共自行车使用历史记录数据集合进行预处理；
2-1.初始化历史记录数据集合，以便获得每个时刻所有自行车bk所在的站点
Figure BDA0001217540760000071
选取用户当前借车时刻至前9个月的历史记录数据；对于自行车bk，按照逆时间的顺序遍历搜索所有历史记录数据来寻找自行车bk最后停靠的站点，即可得到当前时刻自行车bk所在的站点
Figure BDA0001217540760000072
步骤3、基于Cache替换算法，得出混合自行车分配模型，具体的模型如图2所示：
LFU模型：将最近一段时间Twin内使用量(使用次数)最少的自行车推荐给用户，以此来增加低频率使用的自行车的使用量，并降低高频率使用的自行车的使用量。具体步骤如下：
3-1.针对用户的出发时间to及到达的出发地So，统计出to时刻在站点So所拥有的自行车集合
Figure BDA0001217540760000073
3-2.针对自行车集合
Figure BDA0001217540760000074
中的自行车，统计出每辆自行车最近一段时间Twin内的使用量
Figure BDA0001217540760000075
寻找出使用量最少的自行车bk *，将其推荐给用户。LFU模型为：
Figure BDA0001217540760000076
Figure BDA0001217540760000081
其中：参数
Figure BDA0001217540760000082
表示在时间to时自行车bj所在的站点；
Figure BDA0001217540760000083
表示在时间to时自行车bk在最近一段时间Twin内的使用历史记录数据集合。
LTU模型：将最近一段时间Twin内累积使用时长最少的自行车推荐给用户，以此来增加低频率使用的自行车的累积使用时长和降低高频率使用的自行车的累积使用时长。具体步骤如下：
3-3.针对用户的出发时间to及到达的出发地So，统计出to时刻在站点So所拥有的自行车集合
Figure BDA0001217540760000084
3-4.针对自行车集合
Figure BDA0001217540760000085
中的自行车，统计出每辆自行车最近一段时间Twin内的累积使用时长
Figure BDA0001217540760000086
寻找出累积使用时长最少的自行车
Figure BDA0001217540760000087
将其推荐给用户。LTU模型为：
Figure BDA0001217540760000088
Figure BDA0001217540760000089
除了提出的这两个模型之外，本发明使用FIFO模型和Random模型作为对照组去评价上述所提出的模型有效性。
FIFO模型：为将最近一段时间内最先被归还到站点的自行车推荐给用户使用，延长自行车被使用的时间间隔，以此来降低高频率使用的自行车的使用频次；
Random模型：为用户在某个时间点到达某个站点借车，随机地选择一辆自行车推荐给用户，以此降低用户主观意识选车对公共自行车使用不均衡现状的影响。
步骤3所提出的模型的参数选择有两个时间参数需要进行选择：一个是进行模型模拟的时间，将之称为test(测试)时间，将test(测试)时间定为7天，即一周；另一个是LFU、LTU和FIFO模型里需要考虑的时间参数，在选择推荐的自行车时，需要统计一段时间内的自行车使用量和归还时间，将这个时间称之为train(训练)时间，将train(训练)时间定为72小时。
步骤4、选取方法有效性的评价标准；
选取自行车最大使用量maxU和最大累积使用时长maxT作为判断实验模型有效性的标准，为了更进一步说明系统资源是否达到均衡使用，根据负载均衡度的定义，同样引入了自行车使用量均衡度eU和累积使用时长均衡度eT，均衡度越接近1，说明公共自行车的使用越均衡。其中：
Figure BDA0001217540760000091
Figure BDA0001217540760000092
Figure BDA0001217540760000093
Figure BDA0001217540760000094
其中，参数averU表示自行车平均使用量；averT表示自行车平均累积使用时长。
步骤5、对混合自行车分配模型有效性的验证；
为了验证本发明所提出方法的有效性，应该把该方法应用到真实生活中，然而在对用户进行自行车使用分配的时候需要用到实时的自行车记录集，这部分数据在现有条件是无法获取。因此当用户去某个租赁点借自行车时，按照本发明提出的模型分配自行车给用户使用，然后通过交换自行车历史使用数据实现使用本发明模型获取数据：只改变公共自行车的编号，而不改变它的借车站点和还车站点以及使用自行车时长。
所以本发明通过自行车历史使用数据来完成模型的有效性验证，具体实现结果如下：
针对某地区A中某一个星期时间内的自行车使用历史记录数据集合，当使用LFU模型时，其自行车的使用情况相较于实际情况不使用LFU模型时时，maxU的值减少了36％，maxT的值减少了27％，eU和eT分别增加了0.16和0.08；当使用LTU模型时，其自行车的使用情况相较于实际情况不使用LTU模型时，maxU的值减少了21％，maxT的值减少了36％，eU和eT分别增加了0.06和0.14；当使用FIFO模型时，其自行车的使用情况相较于实际情况不使用FIFO模型时，maxU的值减少了18％，maxT的值减少了5％，eU和eT分别增加了0.02和0.02；当使用Random模型时，其自行车的使用情况相较于实际情况不使用Random模型时，maxU的值减少了5％，maxT的值减少了8％，eU的值减少了0.02以及eT的值不变；
步骤6、以公共自行车寿命模型为前提，结合步骤3提出的混合自行车分配模型，对自行车的使用寿命进行优化，进而验证混合自行车分配模型在公共自行车系统中对自行车寿命优化的有效性。
自行车的寿命与骑行路程呈正相关，骑行路程又与累积使用时长呈正相关，因此假设公共自行车的寿命对于累积使用时长呈正相关，是符合威布尔分布(Weibulldistribution)。由于本发明中模拟的自行车使用时间过短，并不会真正出现自行车寿命已到，不能再使用的情况，因此将模型中的变量累积使用时长缩小1000倍，这并不会影响模型本身的分布趋势，本发明使用威布尔分布来表示公共自行车的寿命分布。
由于各种环境、人为因素，公共自行车的寿命要比普通自行车寿命短，假设普通自行车当损耗率达到100％便不可使用，那么公共自行车需要替换时它的损耗率要低于100％，由于并不知道当公共自行车的损耗率为多少时，就不再适合作为公共资源被使用了，因此以自行车需要替换时达到的最大损耗率为变量，研究在不同的最大损耗率替换标准下，应用步骤3提出的模型后的公共自行车系统中需要被替换的自行车比例。

Claims (4)

1.一种基于使用负载均衡及寿命优化的混合自行车分配方法，其特征在于包括以下步骤：
步骤1、实验数据集的获取；
通过公共自行车系统官网获取公共自行车用户使用历史记录，一条公共自行车使用历史记录的数据trip＝(So,to,Sd,td,bk,Dt)，数据包括6个部分：出发地So、出发时间to、目的地Sd、归还时间td、自行车标识bk和借用时间Dt，其中借用时间Dt就是出发时间to和归还时间td两者之间的时间差；
步骤2、对步骤1获取的公共自行车使用历史记录数据集合进行预处理；
2-1.初始化历史记录数据集合，以便获得每个时刻所有自行车bk所在的站点
Figure FDA0002449298070000011
选取用户当前借车时刻至前9个月的历史记录数据；对于自行车bk，按照逆时间的顺序遍历搜索所有历史记录数据来寻找自行车bk最后停靠的站点，即可得到当前时刻自行车bk所在的站点
Figure FDA0002449298070000012
步骤3、基于Cache替换算法，得出混合自行车分配模型，具体如下：
LFU模型：将最近一段时间Twin内使用量最少的自行车推荐给用户，以此来增加低频率使用的自行车的使用量，并降低高频率使用的自行车的使用量；具体步骤如下：
3-1.针对用户的出发时间to及到达的出发地So，统计出to时刻在站点So所拥有的自行车集合
Figure FDA0002449298070000013
3-2.针对自行车集合
Figure FDA0002449298070000014
中的自行车，统计出每辆自行车最近一段时间Twin内的使用量
Figure FDA0002449298070000015
寻找出使用量最少的自行车bk *，将其推荐给用户；LFU模型为：
Figure FDA0002449298070000016
Figure FDA0002449298070000021
其中：参数
Figure FDA0002449298070000022
表示在时间to时自行车bj所在的站点；
Figure FDA0002449298070000023
表示在时间to时自行车bk在最近一段时间Twin内的使用历史记录数据集合；
LTU模型：将最近一段时间Twin内累积使用时长最少的自行车推荐给用户，以此来增加低频率使用的自行车的累积使用时长和降低高频率使用的自行车的累积使用时长；具体步骤如下：
3-3.针对用户的出发时间to及到达的出发地So，统计出to时刻在站点So所拥有的自行车集合
Figure FDA0002449298070000024
3-4.针对自行车集合
Figure FDA0002449298070000025
中的自行车，统计出每辆自行车最近一段时间Twin内的累积使用时长
Figure FDA0002449298070000026
寻找出累积使用时长最少的自行车
Figure FDA0002449298070000027
将其推荐给用户；LTU模型为：
Figure FDA0002449298070000028
Figure FDA0002449298070000029
FIFO模型：将最近一段时间内最先被归还到站点的自行车推荐给用户使用，延长自行车被使用的时间间隔，以此来降低高频率使用的自行车的使用频次；
Random模型：用户在某个时间点到达某个站点借车，随机地选择一辆自行车推荐给用户，以此降低用户主观意识选车对公共自行车使用不均衡现状的影响；
步骤4、选取方法有效性的评价标准；
选取自行车最大使用量maxU和最大累积使用时长maxT作为判断实验模型有效性的标准，为了更进一步说明系统资源是否达到均衡使用，根据负载均衡度的定义，同样引入了自行车使用量均衡度eU和累积使用时长均衡度eT，均衡度越接近1，说明公共自行车的使用越均衡；其中：
Figure FDA0002449298070000031
Figure FDA0002449298070000032
Figure FDA0002449298070000033
Figure FDA0002449298070000034
其中，参数averU表示自行车平均使用量；averT表示自行车平均累积使用时长；
步骤5、对混合自行车分配模型有效性的验证；
为了验证所提出方法的有效性，应该把该方法应用到真实生活中，然而在对用户进行自行车使用分配的时候需要用到实时的自行车记录集，这部分数据在现有条件是无法获取；因此当用户去某个租赁点借自行车时，按照混合自行车分配模型分配自行车给用户使用，然后通过交换自行车历史使用数据实现使用混合自行车分配模型获取数据：只改变公共自行车的编号，而不改变它的借车站点和还车站点以及使用自行车时长；
步骤6、以公共自行车寿命模型为前提，结合步骤3提出的混合自行车分配模型，对公共自行车的使用寿命进行优化，进而验证混合自行车分配模型在公共自行车系统中对自行车寿命优化的有效性。
2.根据权利要求1所述的一种基于使用负载均衡及寿命优化的混合自行车分配方法，其特征在于步骤3所提出的模型的参数选择有两个时间参数需要进行选择：一个是进行模型模拟的时间，将之称为测试时间，将测试时间定为7天，即一周；另一个是LFU、LTU和FIFO模型里需要考虑的时间参数，在选择推荐的自行车时，需要统计一段时间内的自行车使用量和归还时间，将这个时间称之为训练时间，将训练时间定为72小时。
3.根据权利要求1所述的一种基于使用负载均衡及寿命优化的混合自行车分配方法，其特征在于步骤5所述的对混合自行车分配模型的有效性验证通过自行车历史使用数据来完成，具体实现结果如下：
针对某地区A中某一个星期时间内的自行车使用历史记录数据集合，当使用LFU模型时，其自行车的使用情况相较于实际情况不使用LFU模型时，maxU的值减少了36％，maxT的值减少了27％，eU和eT分别增加了0.16和0.08；当使用LTU模型时，其自行车的使用情况相较于实际情况不使用LTU模型时，maxU的值减少了21％，maxT的值减少了36％，eU和eT分别增加了0.06和0.14；当使用FIFO模型时，其自行车的使用情况相较于实际情况不使用FIFO模型时，maxU的值减少了18％，maxT的值减少了5％，eU和eT分别增加了0.02和0.02；当使用Random模型时，其自行车的使用情况相较于实际情况不使用Random模型时，maxU的值减少了5％，maxT的值减少了8％，eU的值减少了0.02以及eT的值不变。
4.根据权利要求1所述的一种基于使用负载均衡及寿命优化的混合自行车分配方法，其特征在于步骤6中自行车的寿命与骑行路程呈正相关，骑行路程又与累积使用时长呈正相关，因此假设公共自行车的寿命对于累积使用时长呈正相关，是符合威布尔分布；因此以自行车需要替换时达到的最大损耗率为变量，研究在不同的最大损耗率替换标准下，应用步骤3提出的模型后的公共自行车系统中需要被替换的自行车比例。
CN201710058523.5A 2017-01-23 2017-01-23 一种基于使用负载均衡及寿命优化的混合自行车分配方法 Active CN106909987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710058523.5A CN106909987B (zh) 2017-01-23 2017-01-23 一种基于使用负载均衡及寿命优化的混合自行车分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710058523.5A CN106909987B (zh) 2017-01-23 2017-01-23 一种基于使用负载均衡及寿命优化的混合自行车分配方法

Publications (2)

Publication Number Publication Date
CN106909987A CN106909987A (zh) 2017-06-30
CN106909987B true CN106909987B (zh) 2020-08-11

Family

ID=59207528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710058523.5A Active CN106909987B (zh) 2017-01-23 2017-01-23 一种基于使用负载均衡及寿命优化的混合自行车分配方法

Country Status (1)

Country Link
CN (1) CN106909987B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862483A (zh) * 2020-07-08 2020-10-30 递易（上海）智能科技有限公司 用于智能投放柜的均衡开箱方法以及存储设备、处理设备
CN114619463B (zh) * 2022-02-28 2024-03-08 上海甄徽网络科技发展有限公司 一种异构移动机器人控制系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799538A (zh) * 2012-08-03 2012-11-28 中国人民解放军国防科学技术大学 一种基于分组LRU的Cache替换算法
CN103092766A (zh) * 2012-12-28 2013-05-08 北京时代民芯科技有限公司 一种用于nand flash的均衡损耗实现方法
CN103729724A (zh) * 2013-12-06 2014-04-16 浙江工业大学 公共自行车系统的自然混合调度方法
CN105096183A (zh) * 2015-08-16 2015-11-25 郭今戈 基于物联网的任务触发的公共自行车自调度方法及系统
WO2016197943A1 (zh) * 2015-06-11 2016-12-15 北京摩拜科技有限公司 自行车管理系统及其控制方法和装置
CN106296350A (zh) * 2016-08-04 2017-01-04 杭州电子科技大学 一种可视化分析城市公共自行车系统借还模式的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799538A (zh) * 2012-08-03 2012-11-28 中国人民解放军国防科学技术大学 一种基于分组LRU的Cache替换算法
CN103092766A (zh) * 2012-12-28 2013-05-08 北京时代民芯科技有限公司 一种用于nand flash的均衡损耗实现方法
CN103729724A (zh) * 2013-12-06 2014-04-16 浙江工业大学 公共自行车系统的自然混合调度方法
WO2016197943A1 (zh) * 2015-06-11 2016-12-15 北京摩拜科技有限公司 自行车管理系统及其控制方法和装置
CN105096183A (zh) * 2015-08-16 2015-11-25 郭今戈 基于物联网的任务触发的公共自行车自调度方法及系统
CN106296350A (zh) * 2016-08-04 2017-01-04 杭州电子科技大学 一种可视化分析城市公共自行车系统借还模式的方法

Also Published As

Publication number Publication date
CN106909987A (zh) 2017-06-30

Similar Documents

Publication Publication Date Title
Yang et al. Understanding the determinants of travel mode choice of residents and its carbon mitigation potential
Wang et al. Determinants of CO2 emissions from household daily travel in Beijing, China: Individual travel characteristic perspectives
CN104157139B (zh) 一种交通拥堵预测方法及可视化方法
Li et al. Modeling private car ownership in China: investigation of urban form impact across megacities
Wang et al. Neighborhood socio-demographic characteristics and bike share member patterns of use
Fierek et al. Planning of an integrated urban transportation system based on macro–simulation and MCDM/A methods
Rodier et al. Dynamic ridesharing: Exploration of potential for reduction in vehicle miles traveled
Zhang et al. Modeling real-world fuel consumption and carbon dioxide emissions with high resolution for light-duty passenger vehicles in a traffic populated city
CN106909987B (zh) 一种基于使用负载均衡及寿命优化的混合自行车分配方法
Li et al. Empirical analysis of factors influencing potential demand of customized buses in Shanghai, China
Li et al. Factors affecting bike-sharing behaviour in Beijing: price, traffic congestion, and supply chain
Ye et al. Characteristics of the electric bicycle: A comparative analysis with bicycles and public transit
Piccioni et al. On-street parking management: bridging the gap between theory and practice
Wan et al. Same-day mode choice modeling with household vehicle usage simulation in developing countries
Zhuang et al. Bus travel time reliability incorporating stop waiting time and in-vehicle travel time with AVL data
Pyra Bicycle transport infrastructure and the challenge of decarbonizing road transport in Polish urban centers
Liu et al. Optimizing fares and transfer discounts for a bus-subway corridor
CN107368916A (zh) 基于贝叶斯概率模型的公共自行车用户出行目的预测方法
Suchanek et al. The relations between the bikesharing systems and public expenditures. Cluster analysis of the Polish bikesharing systems
Broos et al. Interregional policy learning sourcebook of good practices
CN109658000B (zh) 一种计算静态交通指数的方法
Yu et al. Exploring the spatial and temporal performance of bike sharing: a case study of Ningbo, China
Li et al. The Integration of Public Bicycle and Metro Transit: A Case Study in Suzhou, China
Zhang et al. Influences on Fuel Consumption: The Impact of Driver’s Socio-Demographic Characteristics
Rajaeian Austin, Texas parkland active transportation accessibility: a GIS network analyst based approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Yao Xiawen

Inventor after: Shang Yulin

Inventor after: Shen Xingfa

Inventor after: Wang Landi

Inventor before: Yao Xiawen

Inventor before: Shen Xingfa

Inventor before: Wang Landi

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant