CN113408942B - 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法 - Google Patents

一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法 Download PDF

Info

Publication number
CN113408942B
CN113408942B CN202110786331.2A CN202110786331A CN113408942B CN 113408942 B CN113408942 B CN 113408942B CN 202110786331 A CN202110786331 A CN 202110786331A CN 113408942 B CN113408942 B CN 113408942B
Authority
CN
China
Prior art keywords
time
shared
vehicle
station
vehicles
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
CN202110786331.2A
Other languages
English (en)
Other versions
CN113408942A (zh
Inventor
王万元
吴巍炜
吴格
王丰辰
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202110786331.2A priority Critical patent/CN113408942B/zh
Publication of CN113408942A publication Critical patent/CN113408942A/zh
Application granted granted Critical
Publication of CN113408942B publication Critical patent/CN113408942B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法，首先从历史数据中进行采样，预测未来一定时间内的共享单车骑行订单需求，同时考虑到实时共享单车分布信息，进而能够兼顾实时确定的共享单车分布信息和未来不确定的共享单车请求信息，优化运输车路径规划和共享单车重部署的长期收益。为了满足在线VRBR的实时性要求，采用混合整数线性规划(Mixed Integer LinearProgramming,MILP)模型，迭代优化相互关联的运输车路径规划和共享单车重部署两个子问题。本发明不仅能够为共享单车运营公司提高经营收入，同时能够降低共享单车使用不规范带来的额外成本及运维所需要的人力成本。

Description

一种兼顾实时确定和未来不确定信息的共享单车动态重部署 方法
技术领域
本发明属于信息技术领域，尤其涉及一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法。
背景技术
共享单车动态重部署的目标是希望每天任何时刻、任何站点的共享单车数量都能满足骑行订单需求。如果任何时刻、任何站点的骑行订单需求确定并且已知，那么传统的运筹优化算法能够很好的解决共享单车动态重部署问题。然而未来时刻不确定的共享单车请求信息给共享单车动态重部署问题带来新的挑战。如何兼顾实时确定的共享单车分布信息的短期收益和未来不确定的共享单车请求信息的长期收益是共享单车动态重部署问题的核心。
现有解决方案及其缺陷：现有解决方案包括两种思路：基于离线模式的共享单车动态重部署方案和基于实时分布信息的共享单车动态重部署方案。
(1)基于离线模式的共享单车动态重部署方案
·工作原理：通过历史数据，预测不同站点、不同时刻的共享单车骑行需求，设计离线运输车路径规划和共享单车重部署方法，优化共享单车服务满足率。
·存在问题：由于存在预测偏差，该方案无法满足共享单车动态分布场景，导致离线共享单车重部署方案不可行。譬如离线方案要求运输车在上午9:00，从站点A转移5辆共享单车到站点B，以满足站点B的高订单需求。但是，在真实情况下，在上午9：00时间，站点A上的共享单车数量不足5辆，使得离线算法失效。
(2)基于实时共享单车分布信息的动态重部署方案
·工作原理：只关注当前时刻共享单车分布信息，利用运输车转移共享单车，平衡当前时刻不同站点的共享单车分布，譬如将拥有较多共享单车站点的共享单车转移大附件拥有较少共享单车的站点。
·存在问题：由于没有考虑到未来订单需求信息，导致频繁的共享单车转移，提高了运维成本。譬如在当前时刻，虽然站点A上拥有较多的共享单车，站点B拥有较少的车辆，但是没必要将A上的共享单车转移到站点B上，因为下一时刻，站点A上的订单需求远远高于站点B上的订单需求。
发明内容
技术问题：为了解决现有技术存在的问题，本发明给定当前时刻的实时共享单车分布和运输车分布信息，采样多个共享单车骑行请求和骑行结束样本案例，估计未来Q时间段内的共享单车请求和骑行结束的分布信息，设计运输车路径规划-共享单车重部署解决方案，最大化长期共享单车请求数量。Online_VRBR中使用的所有的模型变量都可以从历史数据中获取，其中Q和Δ可以通过经验人工设定和调节。
技术方案：一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法，其特征在于：包括以下步骤：
(1)通过采样历史数据，估计未来不确定信息。通过对历史共享单车订单数据进行深入分析，发现在平常工作日期间，每天相同时刻、相同站点的订单请求服从相似的分布，考虑从历史数据采样不同日期的订单样本。
(2)构建离线预测、在线规划的共享单车重调度模型(Online_VRBR)，能够兼顾共享单车分布的实时信息和未来订单请求的不确定信息，共享单车重调度模型(Online_VRBR)可以用如下元组正式表示：
Figure BDA0003158936000000021
各符号解释如下：
·
Figure BDA0003158936000000031
表示站点集合，其中
Figure BDA0003158936000000032
表示共享单车停放站点s；
·
Figure BDA0003158936000000033
表示能够用来平衡各站点共享单车的运输车辆集合，其中
Figure BDA0003158936000000034
表示运输车v；
·将早晚高峰期时间离散化为时间片
Figure BDA0003158936000000035
其中每个时间片Δ可以表示为以分钟为单位的固定时间长度，譬如10分钟。本文中所有的时间片都是以Δ为单位；
·Q表示预测未来不确定信息的时间段，Q×Δ表示预测未来不确定信息的时间长度。预测的时间较短影响长期优化效率，预测的时间较长影响预测准确度。因此，Q的大小需要合理设置；
·
Figure BDA0003158936000000036
表示不同站点之间的行驶距离，其中dS，S′表示从站点s行驶到站点s’需要的时间，其中对于任意的站点s，运输车在站点内部的移动时间距离为1，即
Figure BDA0003158936000000037
由于站点之间距离较短，在本文中，我们假设在任何时刻，站点与站点之间的行驶距离是固定的；
·C#表示不同站点容量(即能够停放的最大数量的共享单车数量)的集合，其中
Figure BDA0003158936000000038
表示站点
Figure BDA0003158936000000039
的容量；
·C*表示不同运输车辆的容量(即能够装载的最大数量的共享单车数量)的集合，其中
Figure BDA00031589360000000310
表示运输车
Figure BDA00031589360000000311
的容量；
·在当前时刻，即t＝0，共享单车的初始分布为
Figure BDA00031589360000000312
确定并且已知。在样本k中(我们以某一天的订单数据案例为一个样本)，在任意时间t＞0，位于站点s的共享单车数量为
Figure BDA00031589360000000313
·在当前时刻，即t＝0，位于运输车辆v上的共享单车数量为
Figure BDA00031589360000000314
在样本k中，在任意时间t＞0，位于运输车辆v上的共享单车数量为
Figure BDA00031589360000000315
·
Figure BDA00031589360000000316
表示运输车在站点的分布，如果
Figure BDA00031589360000000317
表示运输车v在t时刻是否在站点s，否则，
Figure BDA0003158936000000041
·F表示关于共享单车骑行请求和骑行结束分布的样本(即工作日案例)数量，其中|F|＝K表示样本规模。
Figure BDA0003158936000000042
表示在样本k中，t时间片，站点s上由用户骑入的共享单车供应数量，
Figure BDA0003158936000000043
表示在样本k中，t时间片，站点s上用户单车骑行请求的数量；
·PS，S′表示一个运输车从站点s到站点s′需要的耗费，包括人力成本、运输成本等。
进一步，根据给定的模型
Figure BDA0003158936000000044
针对当前时刻t，可以利用混合整数规划(IntegerProgramming，IP)模型优化多个历史样本的平均值：
在线多阶段随机优化(OnlineMSS)
Figure BDA0003158936000000045
针对当前时刻t＝0，表2形式化描述OnlineMSS框架，其中各公式解释如下：
·公式(1)表示OnlineMSS的目标，即尽可能多的满足长期的用户骑行订单请求，Q表示未来时间长度，K表示样本数量，满足多个样本用户订单请求的平均值，也就是满足不确定共享单车请求场景下的订单服务率的期望。
·约束(2)保证了在样本k中，在时刻t，如果运输车v没有经过站点s，该运输车v将不会在该站点装载或者卸载共享单车。
·约束(3)为站点的骑行订单服务约束，保证了在样本k中，每个站点的共享单车订单服务数量
Figure BDA0003158936000000051
不超过需求数量
Figure BDA0003158936000000052
·约束(5)-(18)分别针对共享单车重部署(Bike Repositioning，BP)和运输车辆路由(Vehicle Routing)进行约束。
进一步，需要考虑到当前共享单车的分布、未来共享单车的到达分布、共享单车站点的容量、运输车的容量等，建立共享单车重部署约束(Bike Repositioning，BP)，具体模型如下：
共享单车重部署(Bike Repositioning，BP)约束
Figure BDA0003158936000000053
各约束公式解释如下：
·约束(5-6)保证成功服务的订单数量
Figure BDA00031589360000000617
不能多于t时刻站点s上可用的共享单车数量；
·约束(7-8)保证每个站点共享单车数量的平衡，在t时刻站点s的共享单车的数量等于上一个t-1时刻停放在站点s的共享单车
Figure BDA0003158936000000061
用户骑行结束和开始的净停车数量
Figure BDA0003158936000000062
所有运输车净卸下的共享单车数量
Figure BDA0003158936000000063
之和。
·约束(9-10)满足站点的容量约束，在站点s卸下的共享单车数量
Figure BDA0003158936000000064
与已有的共享单车数量
Figure BDA0003158936000000065
之和不能超过共享单车容量
Figure BDA0003158936000000066
同时保证在在站点s装载的共享单车数量
Figure BDA0003158936000000067
不能超过当前站点上的共享单车数量
Figure BDA0003158936000000068
·约束(11-12)保证运输车辆上的共享单车的数量平衡，在t时刻运输车v上的共享单车的数量
Figure BDA0003158936000000069
等于上一个t-1时刻运输车v上的共享单车
Figure BDA00031589360000000610
与运输车净装载的共享单车数量
Figure BDA00031589360000000611
之和；
·约束(13-14)满足运输车容量约束，即运输车上的装载共享单车数量
Figure BDA00031589360000000612
不能超过该运输车容量
Figure BDA00031589360000000613
约束(14)保证在初始时刻满足运输车容量约束。
进一步，建立运输车路由(Vehicle Routing，VR)约束，首先根据当前时刻路由方案，更新
Figure BDA00031589360000000614
即当前时刻运输车的分布，以及
Figure BDA00031589360000000615
即存在车辆v，当前时刻处于运输途中，存在未来时刻t＞0，车辆v到达站点s。具体规划模型如下：
运输车路由(Vehicle Routing，VR)约束
Figure BDA00031589360000000616
Figure BDA0003158936000000071
各公式解释如下：
·约束(15-16)保证了每一辆运输车在一个站点进入，便会在下一个时刻从该站点出去，。约束(16)保证了从t时候从站点s出去的运输车v(即
Figure BDA0003158936000000072
)，必定等于在之前某时候t-dS，S′从站点s′流入(即
Figure BDA0003158936000000073
)。对于t＝0，由于
Figure BDA0003158936000000074
有初始位置决定，该约束能够保证运输车的正确流动。
·约束(17)保证在任意样本实例k中，所有的运输车移动重配置单车分布带来的运维成本在预算Bτ范围之内，在算法最开始时刻Bτ＝B0，然后每次动态重调度更新预算。
·预算(18)保证运输车v移动的连续性，如果v分别在时刻t和t′(＞t)在两个站点s和s’进行运维，那么t和t′之间的时间间隔必须足够长能够满足运输车v的转移，其中M表示很大的数。
有益效果：
(1)联合政府相关部门在城市自行车共享基础设施服务中进行应用示范，提高居民生活体验。同时为政府相关部门在减少机动车拥堵、降低城市尾气排放提供新的思路；
(2)从政府部门角度，良好的自行车共享系统的运行能够提高政府部门在新基建投入的汇报；从商业公司角度，良好的共享单车系统，不仅能够提高经营收入，同时能够降低共享单车使用不规范带来的额外成本及运维所需要的人力成本。
附图说明
图1为一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法实现框架图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细说明：
本发明一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法。如图1所示，本发明的输入为当前时刻模型
Figure BDA0003158936000000081
输出是运输车路由策略
Figure BDA0003158936000000082
和每辆运输车的装载(即
Figure BDA0003158936000000083
)和卸载(即
Figure BDA0003158936000000084
)共享单车的数量。因此，需要开发个共享单车重调度系统，用于执行方案的输出。具体系统框架包括后端输入、共享单车重调度算法、前端策略可视化输出。
根据给定的模型
Figure BDA0003158936000000085
我们提出一个混合整数规划(Integer Programming，IP)模型来描述Online_VRBR问题。MILP中所涉及到的变量如表1所示。
表1变量说明
Figure BDA0003158936000000086
Figure BDA0003158936000000091
表2：在线多阶段随机优化(OnlineMSS)
Figure BDA0003158936000000092
针对当前时刻t＝0，表2形式化描述OnlineMSS框架，其中各公式解释如下：
·公式(1)表示OnlineMSS的目标，即尽可能多的满足长期的用户骑行订单请求，Q表示未来时间长度，K表示样本数量，满足多个样本用户订单请求的平均值，也就是满足不确定共享单车请求场景下的订单服务率的期望。
·约束(2)保证了在样本k中，在时刻t，如果运输车v没有经过站点s，该运输车v将不会在该站点装载或者卸载共享单车。
·约束(3)为站点的骑行订单服务约束，保证了在样本k中，每个站点的共享单车订单服务数量
Figure BDA0003158936000000101
不超过需求数量
Figure BDA0003158936000000102
·约束(5)-(18)分别针对共享单车重部署(Bike Repositioning，BP)和运输车辆路由(Vehicle Routing)进行约束。
共享单车动态重部署子问题
表3形式化描述了共享单车重部署约束(Bike Repositioning，BP)，其中各公式解释如下；
Figure BDA0003158936000000103
Figure BDA0003158936000000111
·约束(5-6)保证成功服务的订单数量
Figure BDA0003158936000000112
不能多于t时刻站点s上可用的共享单车数量；
·约束(7-8)保证每个站点共享单车数量的平衡，在t时刻站点s的共享单车的数量等于上一个t-1时刻停放在站点s的共享单车
Figure BDA0003158936000000113
用户骑行结束和开始的净停车数量
Figure BDA0003158936000000114
所有运输车净卸下的共享单车数量
Figure BDA0003158936000000115
之和。
·约束(9-10)满足站点的容量约束，在站点s卸下的共享单车数量
Figure BDA0003158936000000116
与已有的共享单车数量
Figure BDA0003158936000000117
之和不能超过共享单车容量
Figure BDA0003158936000000118
同时保证在在站点s装载的共享单车数量
Figure BDA0003158936000000119
不能超过当前站点上的共享单车数量
Figure BDA00031589360000001110
·约束(11-12)保证运输车辆上的共享单车的数量平衡，在t时刻运输车v上的共享单车的数量
Figure BDA00031589360000001111
等于上一个t-1时刻运输车v上的共享单车
Figure BDA00031589360000001112
与运输车净装载的共享单车数量
Figure BDA00031589360000001113
之和。
·约束(13-14)满足运输车容量约束，即运输车上的装载共享单车数量
Figure BDA00031589360000001114
不能超过该运输车容量
Figure BDA00031589360000001115
约束(14)保证在初始时刻满足运输车容量约束。
运输车路由问题
表4描述运输车路由(Vehicle Routing，VR)子问题。首先根据当前时刻路由方案，更新
Figure BDA00031589360000001116
即当前时刻运输车的分布，以及
Figure BDA00031589360000001117
即存在车辆v，当前时刻处于运输途中，存在未来时刻t＞0，车辆v到达站点s。具体各公式解释如下；
Figure BDA0003158936000000121
·约束(15-16)保证了每一辆运输车在一个站点进入，便会在下一个时刻从该站点出去，。约束(16)保证了从t时候从站点s出去的运输车v(即
Figure BDA0003158936000000122
必定等于在之前某时候t-dS，S′从站点s′流入(即
Figure BDA0003158936000000123
)。对于t＝0，由于
Figure BDA0003158936000000124
有初始位置决定，该约束能够保证运输车的正确流动。
·约束(17)保证在任意样本实例k中，所有的运输车移动重配置单车分布带来的运维成本在预算Bτ范围之内，在算法最开始时刻Bτ＝B0，然后每次动态重调度更新预算。
·预算(18)保证运输车v移动的连续性，如果v分别在时刻t和t′(＞t)在两个站点s和s进行运维，那么t和t′之间的时间间隔必须足够长能够满足运输车v的转移，其中M表示很大的数。

Claims (4)

1.一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法，其特征在于：包括以下步骤：
(1)通过采样历史数据，估计未来不确定信息。通过对历史共享单车订单数据进行深入分析，发现在平常工作日期间，每天相同时刻、相同站点的订单请求服从相似的分布，考虑从历史数据采样不同日期的订单样本。
(2)构建离线预测、在线规划的共享单车重调度模型(Online_VRBR)，能够兼顾共享单车分布的实时信息和未来订单请求的不确定信息，共享单车重调度模型(Online_VRBR)可以用如下元组正式表示：
Figure FDA0003158935990000011
各符号解释如下：
·
Figure FDA0003158935990000012
表示站点集合，其中
Figure FDA0003158935990000013
表示共享单车停放站点s；
·
Figure FDA0003158935990000014
表示能够用来平衡各站点共享单车的运输车辆集合，其中
Figure FDA0003158935990000015
表示运输车v；
·将早晚高峰期时间离散化为时间片
Figure FDA0003158935990000016
其中每个时间片Δ可以表示为以分钟为单位的固定时间长度，譬如10分钟。本文中所有的时间片都是以Δ为单位；
·Q表示预测未来不确定信息的时间段，Q×Δ表示预测未来不确定信息的时间长度。预测的时间较短影响长期优化效率，预测的时间较长影响预测准确度。因此，Q的大小需要合理设置；
·
Figure FDA0003158935990000017
表示不同站点之间的行驶距离，其中ds,s'表示从站点s行驶到站点s’需要的时间，其中对于任意的站点s，运输车在站点内部的移动时间距离为1，即
Figure FDA0003158935990000018
由于站点之间距离较短，在本文中，我们假设在任何时刻，站点与站点之间的行驶距离是固定的；
·C#表示不同站点容量(即能够停放的最大数量的共享单车数量)的集合，其中
Figure FDA0003158935990000021
表示站点
Figure FDA0003158935990000022
的容量；
·C*表示不同运输车辆的容量(即能够装载的最大数量的共享单车数量)的集合，其中
Figure FDA0003158935990000023
表示运输车
Figure FDA0003158935990000024
的容量；
·在当前时刻，即t＝0，共享单车的初始分布为
Figure FDA0003158935990000025
确定并且已知。在样本k中(我们以某一天的订单数据案例为一个样本)，在任意时间t>0，位于站点s的共享单车数量为
Figure FDA0003158935990000026
·在当前时刻，即t＝0，位于运输车辆v上的共享单车数量为
Figure FDA0003158935990000027
在样本k中，在任意时间t>0，位于运输车辆v上的共享单车数量为
Figure FDA0003158935990000028
·
Figure FDA0003158935990000029
表示运输车在站点的分布，如果
Figure FDA00031589359900000210
表示运输车v在t时刻是否在站点s，否则，
Figure FDA00031589359900000211
·F表示关于共享单车骑行请求和骑行结束分布的样本(即工作日案例)数量，其中|F|＝K表示样本规模。
Figure FDA00031589359900000212
表示在样本k中，t时间片，站点s上由用户骑入的共享单车供应数量，
Figure FDA00031589359900000213
表示在样本k中，t时间片，站点s上用户单车骑行请求的数量；
·Ps,s'表示一个运输车从站点s到站点s'需要的耗费，包括人力成本、运输成本等。
2.根据权利要求1所述的兼顾实时确定和未来不确定信息的共享单车动态重部署方法，其特征在于：根据给定的模型
Figure FDA00031589359900000214
针对当前时刻t,可以利用混合整数规划(IntegerProgramming,IP)模型优化多个历史样本的平均值：
在线多阶段随机优化(OnlineMSS)
Figure FDA00031589359900000215
Figure FDA0003158935990000031
针对当前时刻t＝0,表2形式化描述OnlineMSS框架，其中各公式解释如下：
·公式(1)表示OnlineMSS的目标，即尽可能多的满足长期的用户骑行订单请求，Q表示未来时间长度，K表示样本数量，满足多个样本用户订单请求的平均值，也就是满足不确定共享单车请求场景下的订单服务率的期望。
·约束(2)保证了在样本k中，在时刻t，如果运输车v没有经过站点s，该运输车v将不会在该站点装载或者卸载共享单车。
·约束(3)为站点的骑行订单服务约束，保证了在样本k中，每个站点的共享单车订单服务数量
Figure FDA0003158935990000032
不超过需求数量
Figure FDA0003158935990000033
·约束(5)-(18)分别针对共享单车重部署(Bike Repositioning,BP)和运输车辆路由(Vehicle Routing)进行约束。
3.根据权利要求1所述的兼顾实时确定和未来不确定信息的共享单车动态重部署方法，其特征在于：需要考虑到当前共享单车的分布、未来共享单车的到达分布、共享单车站点的容量、运输车的容量等，建立共享单车重部署约束(Bike Repositioning,BP)，具体模型如下：
共享单车重部署(Bike Repositioning,BP)约束
Figure FDA0003158935990000041
各约束公式解释如下：
·约束(5-6)保证成功服务的订单数量
Figure FDA0003158935990000042
不能多于t时刻站点s上可用的共享单车数量；
·约束(7-8)保证每个站点共享单车数量的平衡，在t时刻站点s的共享单车的数量等于上一个t-1时刻停放在站点s的共享单车
Figure FDA0003158935990000043
用户骑行结束和开始的净停车数量
Figure FDA0003158935990000044
所有运输车净卸下的共享单车数量
Figure FDA0003158935990000045
之和。
·约束(9-10)满足站点的容量约束，在站点s卸下的共享单车数量
Figure FDA0003158935990000051
与已有的共享单车数量
Figure FDA0003158935990000052
之和不能超过共享单车容量
Figure FDA0003158935990000053
同时保证在在站点s装载的共享单车数量
Figure FDA0003158935990000054
不能超过当前站点上的共享单车数量
Figure FDA0003158935990000055
·约束(11-12)保证运输车辆上的共享单车的数量平衡，在t时刻运输车v上的共享单车的数量
Figure FDA0003158935990000056
等于上一个t-1时刻运输车v上的共享单车
Figure FDA0003158935990000057
与运输车净装载的共享单车数量
Figure FDA0003158935990000058
之和；
·约束(13-14)满足运输车容量约束，即运输车上的装载共享单车数量
Figure FDA0003158935990000059
不能超过该运输车容量
Figure FDA00031589359900000510
约束(14)保证在初始时刻满足运输车容量约束。
4.根据权利要求1所述的兼顾实时确定和未来不确定信息的共享单车动态重部署方法，其特征在于：建立运输车路由(Vehicle Routing,VR)约束，首先根据当前时刻路由方案，更新
Figure FDA00031589359900000511
即当前时刻运输车的分布，以及
Figure FDA00031589359900000512
即存在车辆v，当前时刻处于运输途中，存在未来时刻t>0，车辆v到达站点s。具体规划模型如下：
运输车路由(Vehicle Routing,VR)约束
Figure FDA00031589359900000513
各公式解释如下：
·约束(15-16)保证了每一辆运输车在一个站点进入，便会在下一个时刻从该站点出去，。约束(16)保证了从t时候从站点s出去的运输车v(即
Figure FDA00031589359900000514
)，必定等于在之前某时候t-ds，s'从站点s'流入(即
Figure FDA0003158935990000061
)。对于t＝0,由于
Figure FDA0003158935990000062
有初始位置决定，该约束能够保证运输车的正确流动。
·约束(17)保证在任意样本实例k中，所有的运输车移动重配置单车分布带来的运维成本在预算Bτ范围之内，在算法最开始时刻Bτ＝B0，然后每次动态重调度更新预算。
·预算(18)保证运输车v移动的连续性，如果v分别在时刻t和t'(>t)在两个站点s和s’进行运维，那么t和t'之间的时间间隔必须足够长能够满足运输车v的转移，其中M表示很大的数。
CN202110786331.2A 2021-07-12 2021-07-12 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法 Active CN113408942B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110786331.2A CN113408942B (zh) 2021-07-12 2021-07-12 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110786331.2A CN113408942B (zh) 2021-07-12 2021-07-12 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法

Publications (2)

Publication Number Publication Date
CN113408942A CN113408942A (zh) 2021-09-17
CN113408942B true CN113408942B (zh) 2022-11-18

Family

ID=77686229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110786331.2A Active CN113408942B (zh) 2021-07-12 2021-07-12 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法

Country Status (1)

Country Link
CN (1) CN113408942B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116911575B (zh) * 2023-09-13 2024-01-26 亿雅捷交通系统(北京)有限公司 一种共享单车全时段调度方法、系统及设备
CN116993138B (zh) * 2023-09-28 2024-02-20 浙江小遛信息科技有限公司 共享车辆的调度方法和服务器

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111080116A (zh) * 2019-12-11 2020-04-28 东南大学 一种共享单车和公共自行车的协同调度方法
CN111127936A (zh) * 2019-12-25 2020-05-08 大连理工大学 一种共享巴士的动态车辆调度和线路规划方法
CN111612358A (zh) * 2020-05-25 2020-09-01 北京交通大学 共享汽车车辆调度及调度员路径优化方法
CN112907103A (zh) * 2021-03-09 2021-06-04 北京邮电大学 一种共享单车动态供需平衡的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111080116A (zh) * 2019-12-11 2020-04-28 东南大学 一种共享单车和公共自行车的协同调度方法
CN111127936A (zh) * 2019-12-25 2020-05-08 大连理工大学 一种共享巴士的动态车辆调度和线路规划方法
CN111612358A (zh) * 2020-05-25 2020-09-01 北京交通大学 共享汽车车辆调度及调度员路径优化方法
CN112907103A (zh) * 2021-03-09 2021-06-04 北京邮电大学 一种共享单车动态供需平衡的方法

Also Published As

Publication number Publication date
CN113408942A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
Iglesias et al. Data-driven model predictive control of autonomous mobility-on-demand systems
CN113408942B (zh) 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
Liu et al. Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems
CN109255972B (zh) 一种基于大数据的地面公交固定线路时刻表的优化方法
Riley et al. Real-time dispatching of large-scale ride-sharing systems: Integrating optimization, machine learning, and model predictive control
CN111768149A (zh) 一种快递物流网络规划优化方法及系统
JP5974716B2 (ja) カーシェアリングシステムの運用計画システム、運用計画方法
CN111882156B (zh) 面向随机动态客流和节能运行的列车时刻表鲁棒优化方法
Boewing et al. A vehicle coordination and charge scheduling algorithm for electric autonomous mobility-on-demand systems
CN110444008B (zh) 一种车辆调度方法及装置
CN112561249B (zh) 面向实时需求的城市定制公交调度方法
KR101586974B1 (ko) 공유형 자율주행자동차의 편도서비스 제공 방법
CN112085271B (zh) 一种基于众包模式的传统产业集群集货路径优化方法
CN108764800B (zh) 一种基于众包公共交通系统实现包裹快速递送的方法
CN103366224A (zh) 一种基于公交网络的乘客需求预测系统和方法
CN114971135A (zh) 基于5g物联网的智能充电站电力设备管理系统及调度方法
CN113935595A (zh) 一种城市轨道交通路网高峰大客流疏导系统
CN111582527A (zh) 行程时间的预估方法、装置、电子设备和存储介质
CN106682759B (zh) 针对电动出租车的电池供应系统及网络优化方法
CN115983568A (zh) 一种考虑电池健康状态差异的电动公交线路车辆调度方法
CN116151538A (zh) 一种应用于智能公交需求均衡式调度的仿真系统及方法
CN112906926B (zh) 一种铁路运输流向的预测方法、装置、设备及存储介质
CN111832882B (zh) 一种交通运输的控制方法、装置、存储介质和电子设备
Li et al. A two-stage stochastic programming model for car-sharing problem using kernel density estimation

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
GR01 Patent grant
GR01 Patent grant