摘要
共享单车，作为一种新型绿色交通出行模式，主要服务于居民短距离出行以及城市“最后一公里”接驳问题。随着近年来共享单车的快速发展，使用需求迅速增加，城市单车投放量显著上升，运营模式从有桩转换成了无桩。因此，共享单车在提升出行便利性同时，也给运营管控也加大了难度。在数据不断完善与膨胀的背景下，针对共享单车资源配置与停车管控问题，数据驱动的模型算法已然成为领域中的研究热点，而深度挖掘用户使用特征、精确预测单车使用需求以及与新型智能技术的结合则是研究的关键。基于此，本文提出了一种从区域差异性出发的共享单车停车需求预测与动态电子围栏设置方法，通过图构建与社区发现挖掘同质性社区，采用StemGCN模型对社区层面共享单车停车需求进行预测，最后基于模型实时预测结果设置动态电子围栏并进行仿真验证。本文主要工作如下: （1）提出一种基于共享单车区域潜在共享利用程度的图构建方法，采用社区发现算法挖掘不同区域间共享性的差异。将研究区域以500m×500m规格划分为城市单元，将经过数据清洗后的共享单车订单起讫点信息集记于对应单元格中。在此基础上以订单OD链为节点，以周转量为联系边，实现共享单车使用特征的图构建。再Fast Unfolding社区发现算法支持下，将研究区域划分为了 33个子区，算法模块度指数达到0.856,说明各子区内部连接紧密，社区划分效果理想。此外,通过图密度、区内外出行比、CCDF函数等指标，分析了各子区共享单车出行特征，进一步证明了方法的有效性。该结果为后续单车停车需求预测与电子围栏设置研究提供支撑。 （2）引入StemGCN图卷积神经网络模型对共享单车停车需求进行预测。在数据时序特征提取的基础上，预测模型考虑了共享单车使用的空间联系，基于社区发现结果，模型能更聚焦于联系紧密的空间单元，排除了联系微弱单元之间的影响。同时，模型引入了自注意力机制，实现了数据驱动的邻接矩阵自学习，避免了定义先验值对预测精度的影响。本研究取前12个子区，通过将图数据转化到谱域实现对共享单车停车需求的卷积预测，最终结果显示，各子区预测误差MAPE维持在6％～7％,预测精度理想。同时，研究通过邻接矩阵与同类模型的对比实验进一步验证了模型的有效性与优越性。 （3）提出了动态电子围栏设置方法与基于智能体模型的仿真算法。基于社区划分结果，以社区1为例进行动态电子围栏设置方法实证。在500m×500m的城市空间单元内，进一步分划为20m×20m的栅格单元以定位电子围栏位置。在StemGCN模型的预测结果支持下，考虑微观层面的供需平衡，以共享单车平均周转时间确定时间窗生成实时的电子围栏方案，日间各窗口时段平均电子围栏数为1178。同时，研究构建智能体模型算法对其进行仿真验证。结果显示，动态电子围栏可节省约23.33％的单车需求总量，空间熵约从3.2下降至1.5,同时用户额外步行距离为239.39m。该结果说明动态电子围栏能在保证可接受服务水平的前提下，对规范停车秩序、缓解局部停车压力以及提升城市整洁度有着积极作用。
NETL