摘要
共享单车系统（Bike Sharing System, BSS）自诞生起，通过分时租赁的运行模式，已逐渐成为当下最为绿色、健康的交通出行方式之一，其不仅可以解决用户“最后一公里”的出行问题，还能有效缓解城市公共交通的巨大承载压力。共享单车系统的运营优化也成为了交通领域的研究热点之一，其研究主要关注在如何解决由流量不对称造成的共享单车系统的单车供给与用户需求之间的供需不匹配问题，其本质是再平衡调度问题。在传统的研究中，此类问题被定义为车辆路径问题（Vehicle Routing Problem, VRP），即给定一组调度需求和一队调度车辆，以尽可能低的调度成本满足所有调度需求为目标，确定每辆调度车处理每个调度需求的具体顺序，其本质可以看作旅行商问题（Traveling Salesman Problem, TSP）的推广。本文考虑了共享单车系统运营中的实际情况，基于常见的无桩共享单车，对共享单车系统的供需再平衡问题、选址问题、再平衡求解问题进行了分析与研究。 本文的具体研究工作如下： （1）混合车队的共享单车系统再平衡调度方法。通过对共享单车系统站点间的分析与比较，将不同的站点由不同性质的车辆进行分别调度，有助于减少共享单车系统的调度成本与污染排放。首先通过对不同站点需求、容量等指标的分析，将一个系统中的所有站点划分为大型站点与小型站点，再由动力方式、运载量、运行成本不同的运载车辆分别对两种车站进行单独调度，并在虚拟网络与实际网络算例中进行求解验证。求解结果表明，此类调度模式在降低成本、污染排放等方面优于传统同质车辆调度。此外，本文提出的调度模式也为共享单车公司经营者提供了新的参考。 （2）考虑地理特征的站点选址。使用层次分析法，结合相关地理特征，分析出不同地理因素对用户的重要度，为每个区域类型分配权重，将每个样本数据根据所处区域类型增加了地理权重的特征向量。再使用改进的层次聚类算法生成初始聚类中心，最后使用改进的KMeans聚类算法，找到最优聚类数，生成了11个带有地理特征的单车站点网络。以往的研究中，人们对于站点选址问题往往都关注在成本与用户需求上，本文添加了地理特征因素对选址的影响，为企业的实际操作提供了方案。 （3）改进的启发式算法设计。对基本蚁群算法的相关原理、基本模型、算法步骤、相关参数等进行阐述，在相关研究基础上，使用了第4章的选址方法生成的站点数据，对蚁群算法的信息素浓度、启发函数等关键步骤进行了合理改进，订制了适合本文研究主题的改进蚁群系统对第3章模型进行求解，并对本文选择的改进算法与基本蚁群算法的求解性能进行了对比分析，结果表明本文的改进蚁群系统相较基本蚁群算法有更好的求最优解性能。 本文针对共享单车系统，在再平衡调度、选址、算法求解三个角度进行了深入分析，为企业经营活动与优化问题的算法求解方案提供了相关参考。
NETL