城市公共自行車站點(diǎn)需求預(yù)測及調(diào)度優(yōu)化方法研究.pdf

1、城市公共自行車兼具承擔(dān)公共交通“最后一公里”，服務(wù)短距離出行和服務(wù)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(diǎn)無車可借，無位可還的現(xiàn)象，究其主要原因，是調(diào)度的不及時所致。因此，如何提前準(zhǔn)確預(yù)知各站點(diǎn)出行需求及安排合理的調(diào)度路徑方案對于解決調(diào)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(yùn)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(jìn)行PBS出行需求及調(diào)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(qiáng)，因此基于紐約市出行數(shù)據(jù)的預(yù)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(jìn)行了闡述，并結(jié)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(jìn)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(luò)理論，提出一種新的考慮日期屬性的站點(diǎn)租還車需求預(yù)測方法。在利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測時，輸入變量的日期屬性應(yīng)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(shí)例進(jìn)行了預(yù)測，效果較好，預(yù)測相對誤差均較低，最低預(yù)測相對誤差可達(dá)到1％。
　　(3)概述了車輛調(diào)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(diào)度問題分為調(diào)度分區(qū)和區(qū)域內(nèi)調(diào)度兩步。首

4、先對整個城市的自行車站點(diǎn)進(jìn)行了調(diào)度區(qū)域的劃分，在此提出了一種新的將關(guān)聯(lián)規(guī)則與聚類分析相結(jié)合的劃分方法，通過三次聚類，將城市所有站點(diǎn)劃分成不同的靜態(tài)調(diào)度區(qū)域。其次，對于每個靜態(tài)區(qū)域內(nèi)有調(diào)度需求的站點(diǎn)建立調(diào)度模型，目標(biāo)是使調(diào)度車數(shù)量最少和總調(diào)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(diǎn)數(shù)據(jù)為例，進(jìn)行調(diào)度路徑的優(yōu)化仿真。通過MapGIS軟件轉(zhuǎn)換坐標(biāo)和Matlab編程求解，發(fā)現(xiàn)