共享單車需求評估及調度方案設計

夏蕓,玉琦彤,林子立

(暨南大學 國際商學院，廣東 珠海 519000)

最近幾年，共享經濟快速發展，滲透進我們生活的各個領域，而共享出行是當下最為流行、也最為大眾所熟知的一種共享經濟模式。相較于定位在中遠距離出行的共享汽車，人們迫切需要一種更便捷、更低成本的短距離出行方式，于是共享單車應運而生。共享單車在“開車太近，打車太貴，走路太遠”的矛盾中找到了一個平衡點，極大地解決了人們出行“最后一公里”的問題[1]。

比達咨詢在《2016中國共享單車市場研究報告》中提出，中國共享單車的發展一共經歷3個階段，第一階段是由政府主導的分城市管理、有樁停放的公共自行車時期；第二階段是以永安行為代表的企業承包共享單車運營模式時期，此時的共享單車仍是以有樁單車為主；第三階段是在移動互聯網快速發展的時代背景下以ofo為首的互聯網共享單車階段，此時無樁單車開始取代有樁單車成為主流模式[2]。本文的研究對象是第三階段的以互聯網支付為依托的無樁共享單車。

自2015年以來，共享單車行業經歷了不斷的并購、出局與擴張。時至今日，共享單車洗牌基本結束，兩大領頭平臺ofo和摩拜已經形成。據艾媒咨詢數據顯示，2017年夏季中國共享單車品牌活躍用戶占比中，ofo小黃車以53.9%共享單車活躍用戶占比領先，摩拜居于次位，活躍用戶占比34.0%。同時，2017年中國共享單車市場用戶規模預計將達2.09億人，到2018年預計將達2.98億人[3]。

可以看出，共享單車依靠海量資本快速擴張的時期已經基本結束，預計到2018年，共享單車用戶規模將低速增長，市場接近飽和狀態，各平臺之間不再盲目擴大和搶占市場份額，更加重視對現有客戶關系的維系和社會形象的營造。在資本博弈的上半場，由于企業忽視對投放共享單車的管理，導致過度投放、無序停放等亂象橫生，造成公共秩序的嚴重混亂[4]。針對這些現狀，各地方部門紛紛出臺了有關規范共享單車管理、引導行業有序發展的規章制度。 “社會人”假設認為，企業的行為不僅僅是受利益的驅使，還有相當部分原因是受其身份、權利、行動的社會空間和制度等要素所影響[5-6]，因此，為了給用戶更好的體驗，也為了響應社會各界對共享單車有效投放、有序管理的需求以樹立良好的企業形象，企業應重新調整戰略，借助大數據模式合理規劃共享單車的投放運營，推進共享單車精細化管理。

本文以西安市13個縣區為例*西安市13個縣區為：新城區、碑林區、蓮湖區、雁塔區、未央區、灞橋區、閻良區、臨潼區、長安區、高陵區、鄠邑區、周至縣、藍田縣等。2017年劃歸西安市的西咸新區未列入本研究范圍。，以人口密度、人均可支配收入和公交車站的密度為指標，運用熵值法評估各個區域對共享單車的需求，并基于遺傳算法設計共享單車的調度方案，為企業合理投放車輛、實現供給與需求的動態平衡提供參考方案，也為相關部門進行城市交通秩序的管理提供有益建議。

一、共享單車研究現狀

共享單車是共享經濟浪潮中誕生在中國的新商業模式，目前國內外學者對其研究較少，而與其相似的是起源于歐洲的公共自行車，兩者均融合了綠色、共享的理念，而共享單車是由企業主導的，具有無固定鎖樁的特點，是對公共自行車的繼承與發展。對于公共自行車的需求投放和調度問題，國外學者已經進行了相關探究。

Raviv等指出公共自行車取得成功的關鍵因素是各個租賃點有足夠的自行車來滿足用戶波動性的出行需求，當出現“無車可用”和“無樁可還”的情況時，公共自行車的發展將受到限制[7]。Krykewycz等通過GIS系統采用兩階段方法分析了公共自行車出行的用戶特征并估算了日均公共自行車的使用率，預測得出費城公共自行車系統的需求量，并且作者發現有關公共自行車的研究存在普遍缺乏數據的現象[8]。García等在考慮了地理空間結構對需求的影響后，提出了基于GIS技術來估計潛在的自行車出行需求量及其空間分布情況[9]。Chemla等在租賃點借還需求量不變的假設下，采用局部優化的嵌入式禁忌搜索方法，以實現最優平衡為目標，研究車輛調度問題[10]。Raviv等在Chemla的基礎上進行拓展，將一輛調度車的研究轉化為對多輛調度車的研究，將目標函數定義為調度總距離和被租賃點拒絕的使用者數量加權函數，并在限定的總調度時間內實現區域內車輛的總調度最短路徑[11]。

國內具有代表性的研究也產生較多。柳祖鵬等以武漢市為例，在一定容量約束和相鄰站點補給量約束的基礎上，建立公共自行車路徑調度模型，通過蟻群算法求出車輛調度路徑的最優解，解決了共享單從系統中供需不平衡的問題[12]。董紅召等以車輛的區域調度問題為出發點，利用關聯規則將城市共享單車系統的OD數據劃分為不同的集合，并對租賃站點進行了空間聚類劃分，在兼顧租賃站點的空間屬性和非空間屬性的前提下，求出區域劃分下的實時調度方案[13]。張建國等通過分析不同時段公共自行車的需求情況,以成本最小化和用戶滿意度最大化為目標函數，在平峰時段和高峰時間段分別建立不帶時間窗的和基于滾動時域的車輛調配路徑優化模型,并運用蟻群算法對不同時段車輛調配路徑進行求解[14]。張冰琦等對北京市進行區域劃分，以社會總成本最小化為目標函數，在公共自行車出行量預測的基礎上,運用排隊論構建了公共自行車租賃點配車量優化模型，得到優化后的配車量隨公共自行車需求量增加而增加的結論[15]。徐建閩等提出以上層調度區域、調度小區和站點為主的多層次分區調度方法，結合虛擬小區與有時間窗的多目標優化調度模型解決區間調度問題,建立了小區內調度的最優路徑模型，形成區間靈活調度、區內路徑固定的半確定調度體系[16]。文蝶斐等對某市的數據進行區域信息提取,分析出當前共享單車的時空分布,平均使用次數,閑置率等特征,再結合需求分析建立初始配置優化模型和調度優化模型,最終得到該系統共享單車的最優初始配置和調度方案[17]。

通過梳理文獻發現，影響共享單車需求量的指標多樣，存在著設置不合理、難以量化、對需求量解釋能力較差等問題，且大多數文章僅僅構建了需求量評價體系，而沒有將地區的實際需求量測算出來。在研究自行車的調度問題上，部分學者采用的算法存在限制條件較少、易陷入局部最優解、過于依賴初始解等缺點[18]，據此，我們選擇人口密度、人均可支配收入和公交車站的密度為指標，通過模糊綜合評價模型計算出各地區共享單車需求量的評估分值。對于路徑調配問題，我們應用具有全局搜索能力和自學習能力的遺傳算法，綜合考慮調度車的容量、最大行駛距離、調度的車輛數等約束條件，以路徑最短為目標函數，設計區域共享單車最優調度方案。

二、建立模型

基于共享單車行業的現狀，本文將從以下幾個方面建立共享單車的數學模型，并根據結論給出合理建議：第一，建立指標并分析不同時空共享單車資源的需求量；第二，建立數學模型，設計共享單車的調度方案。

(一)基本假設

為將現實中的具體問題抽象為數學模型,作出以下假設：第一，在一個區域內只有一家共享單車調度中心對多個租賃點進行車輛的調度；第二，不考慮網絡物流對調度中心調配車輛的影響；第三，調度時，調度車輛從調度中心出發，對租賃點進行共享單車的調度后，返回調度中心。第四，共享單車的停放點與政府公共自行車停放點一致。

(二)需求評價體系

對共享單車的需求分析需要找出影響共享單車需求量的因素，并用這些因素構建在不同時間段和不同空間范圍內共享單車需求量的指標體系，以指標體系的綜合得分反映共享單車的需求情況。

1.評價指標的確定

對于不同時空共享單車資源的需求量的問題，部分學者已對其進行相應的研究探討。Dell’Olio等認為人群集中的地方往往需求量較大，因此共享單車的租賃點應該分布在交通樞紐、商業區等地[19]。王懿則結合人口密度、平均年齡及平均收入等指標,建立迭代回歸模型,求出公共自行車的需求量和停車樁位需求量[20]。因此，本文選擇了人口密集程度、人均可支配收入、公交站點密集度作為評價指標，將西安市13個縣區進行對比，從而建立共享單車需求量的定量評價模型，評估西安市各區共享單車資源需求量的差異。數據主要來源于《西安統計年鑒(2017版)》，數據處理與模型建立主要通過MATLAB軟件實現。

各指標網絡搜集的資料見下表：

表1 需求評估模型指標數據

2.模型的建立

要實現對共享單車資源的需求量中各項指標的綜合評價，需要確定各項指標的權重，這里使用熵值法計算樣本指標的權重。熵值法是一種客觀賦權方法，它通過計算指標的信息熵，根據指標的相對變化程度對系統整體的影響來決定指標的權重，相對變化程度大的指標具有較大的權重，可以較為客觀地對影響共享單車需求的各項指標進行評價[21]。

(1)原始數據的整理

這個綜合評價體系由影響共享單車需求量的m個樣本組成，用n個指標做綜合評價的問題，可以形成評價系統的初始數據矩陣

X=xijmn

(1)

式中:X表示初始指標矩陣，xij表示第i個樣本第j項指標的數值。

(2)數據處理

在使用熵值法之前，由于各指標的量綱、數量級均有差異，所以為消除因量綱不同對評價結果的影響，需要對各指標進行無量綱化處理，這里采用隸屬度函數的方法將各指標的數據進行無量綱化處理。如果該數列的絕對值存在極限|N|，那么將該數列中每個元素除以這個極限值n/|N|，得到的是一個正負百分比序列n%，所有取值都在1范圍內。建立需求量評價體系時所用的指標中人口密度和人均可支配收入是同向變量，而公交站的密集程度是反向函數，即公交車站越密集，居民對共享單車的需求就隨之減少，因此要對反向指標進行同向處理，處理公式為

(2)

人口密集程度的隸屬度函數

(3)

人均可支配收入的隸屬度函數

(4)

公交站點密集度的隸屬度函數

(5)

(6)

Y=yijm×n

(7)

式中:Y表示權重矩陣。

(3)計算指標信息熵值和信息效用值

計算第j項指標的信息熵值的公式為

(8)

式中:ej為第j項指標的熵值，K為波爾茲曼常數，

某項指標的信息效用價值取決于該指標的信息熵ej與1之間的差值，它的值直接影響權重的大小。信息效用值的計算公式為

dj=1-ej,j=1,2,…,n

(9)

式中:dj表示信息效用值，信息效用值越大，對評價的重要性就越大，權重也就越大。

(4)計算評價指標權重

利用熵值法估算各指標的權重，其本質是利用該指標信息的價值系數來計算，其價值系數越高，對評價的重要性就越大，權重計算公式為

(10)

式中:wj表示第j項指標的權重，權重越大，對評價結果的貢獻越大。

3.模型的解決

以西安市13個縣區為例，根據表1中各具體指標值，通過隸屬度處理，得到模糊評價矩陣w，并根據熵權賦值法，求解出3個的指標的權重系數w

w= (0.2 604,0.4 559,0.2 837)

求解后，最終綜合評價P為

P= (0.650 3,0.721 1,0.642 4,0.463 9,0.477 0,0.535 7,0.436 2,0.384 8,0.348 2,0.451 5,0.488 3,0.296 2,0.455 0)

從計算結果可知，人均可支配收入的信息價值系數w最大，即人均可支配收入對共享單車的需求評估結果的貢獻程度最大。我們根據熵值法計算得到的西安市13個縣區的綜合評價結果P，繪制了共享單車的需求評估分布圖，如圖2所示。

從圖2中可以看出，城區的差異性造成共享單車需求密度的相應變化，離市中心越近，共享單車的需求密度越大；離市中心越遠，單車的需求密度越小，甚至有些地區的單車密度幾乎為零。根據以上得出的結論，可以設置一個同心圓的計算模型，根據不同地區的單車密度計算整個城市的共享單車需求量。

(11)

式中:M是依據城區面積計算的單車數量，Si是不同區域的面積，ρi是城區單車密度，ri是比例系數。

圖3是西安市同心圓模型，西安市面積為10 108 km2，近似為一個半徑為 60km的圓，共分為4個圓環區域，半徑分別為 10km、20km、40km和 60km。單車的密度設置為300輛/km(結合了上海等相關城市的數據)，比例系數從里到外依次為 1、1/2、1/4、1/6。

將西安市的實際數據帶入公式(11)進行計算，得到單車需求量的預測值為 82.89。

(三)基于遺傳算法的共享單車調度模型

1.模型建立

由于居民出行的波動性，使得一部分停放點的單車數量不足，而另一部分的單車數量趨于飽和，這就需要人為的將停放點多余的車輛調運到車輛不足的停放點，以達到各個停放點共享單車供求平衡的最佳狀態。共享單車的調度問題可以理解為調度路徑的優化問題，就是根據各個停放點的需求調入調出共享單車，并且安排合理調度路徑的順序。

遺傳算法的基本原理是根據生物進化和遺傳機理,按照優勝劣汰、適者生存法則，不斷地通過復制、交叉變異產生新的種群，經過反復迭代，最后得到最適應環境的個體，從而得到最優解[22]。考慮到遺傳算法簡單可行，全局搜索能力強，并且適用于求解非線性復雜優化問題，本文選取遺傳算法求解共享單車調度模型。

共享單車調度模型需要解決的問題是：確定適當的調度車行駛路徑，使其在滿足一定約束條件下，從調度中心出發(或共享單車車廠、維修點)，有序通過共享單車停放點(本文為了簡化模型，將一定區域內的相對分散分布的共享單車通過指定停放點統一表示)，最后返回調度中心。考慮到調度成本問題，本文的核心優化目標為調度路徑最短，需要滿足的約束條件包括：(1)調度車輛的行駛距離不能超過最大行駛距離(從調度的及時性方面考慮)；(2)每個停放點只能由一輛調度車獨立完成調度服務；(3)調度車輛存在最大載重量限制，可運載的共享單車存在上限。

根據優化目標及約束條件，本文建立了以下共享單車調度模型[23]。

定義決策變量

(12)

(13)

式中:cki和xkij均表示決策變量。由此建立共享單車調度模型為

(14)

s.t.?i,0C0

(15)

(16)

(17)

(18)

?k1≠k2,Rki∩Rk2=?

(19)

式中:drkirkj表示第k輛車在調度路徑r由租賃點i駛向租賃點j的距離，drkmrk0表示第k輛車在調度路徑r由最后一個租賃點m駛向調度中心0的距離，q0表示某租賃點初始車輛數，qrki表示租賃點i需要調出時的供應量，由行駛在路徑r的第k輛調度車負責調出，Xkij表示決策變量，當第K輛車由i駛向j時，Xkij為1，否則為0。prki表示租賃點i需要調入時的需求量，由行駛在路徑r的第k輛調度車負責調入，C0表示每輛調度車的最大容量，D0示調度車的最大行駛路徑，Cki表示決策變量，當租貨點;由第K輛車進行調度時，Cki為1，否則為0，K表示調度車的總數量，Rki表示第k輛車調度路徑的集合，Rki={rki|k=1,2,…,K;i=1,2,…,N}。

圖1 西安市某日凌晨共享單車需求分布

圖2 同心圓模型

上述模型中，式(14)為目標函數，要求各條調度路徑的總里程最短；式(12)為決策變量，若租賃點i由第k臺車輛進行調度服務則取1，否則取0；式(13)為第k條路徑的決策變量，若第k臺車輛對租賃點i進行調度任務后再對租賃點j進行調度服務，決策變量取1，若不是這個順序則取0；式(15)表示各條路徑上任意時刻的自行車需求量不大于調度車輛的容量；式(16)確保每條調度路徑的總長度不超過調度車輛的最大行駛距離；式(18)表示參加調度的車輛數不超過K，式(17)表示調度車輛均從調度中心出發并返回調度中心；式(19)表明每個租賃點僅能由一臺調度車輛進行調度服務。

2.數值計算與結果分析

遺傳算法中的模型參數取值是已知的。包括調配中心與各停放點、停放點之間的距離，每個停放點的最大容量，每個停放點的需求量，各個站點的時間窗，調度車輛的平均速度，調度車輛的總量數，以及調度車輛的最大行駛距離。為了簡化計算，不考慮停放點距離的路徑問題。調配中心與各停放點、停放點之間的距離如表2所示，站點之間的距離數據由筆者根據谷歌地圖手動測算得到，各個站點的容量通過網絡數據整理得到。

表2 調配中心與停放點各放點之間的距離 km

表3 各停放站點最大容量及需求量數據

其余模型參數取值如表4所示。

表4 模型參數

算法的參數取值如表5所示。

表5 算法參數

隨機生成[-30,+30]之間的數作為各站點的需求量，并給各個停放點增加需求時間窗和允許時間窗，如表3所示。

表6 共享單車調度路徑的5次計算結果

通過隨機生成調度車的初始路徑，并賦予相應的模型參數和算法參數，運用MATLAB求解，得到每次調配的最短路徑、所需的調配車數量以及路徑分布情況。

表6中我們列出了運用遺傳算法求解的5次結果：在5次的模擬結果中，發現每次最短調配路徑在20～30km之間，而所需要的調配車輛為2～3輛，實際情況中出于節省開支的考慮，在長安區內使用2輛調度車可以滿足一般情況下的調度需求。出于現實路徑的考量，以及節假日可能存在的用車高峰期，在相關片區內保有3～4輛調度車較為保險。

三、研究建議

(一)評估需求，合理投放

本文綜合眾多學者的觀點，以人口密度、人均可支配收入和公交車站的密度為指標，構建共享單車的需求評估模型，為企業合理安排車輛投放提供了理論參考。在現實生活中，共享單車企業具有人力資源和信息獲取的優勢，可以通過對智能服務平臺、手機APP等的運用進行大數據的搜集和挖掘，合理預測和評估各地區對共享單車的潛在需求，而并非簡單的依據經驗和直覺判斷，并基于評估的結果合理安排各地區共享單車投放計劃，避免資源浪費和造成不必要的公共秩序混亂。

(二)設置電子圍欄，合理規劃停放點

共享單車行業正在處于蓬勃發展期，但卻忽視了企業發展和份額擴大對城市規劃和交通秩序造成的影響，僅僅依靠公眾的道德約束是難以消除共享單車亂停放給城市形象造成的不利影響的。本文對共享單車的調度路徑優化問題選取的是政府公共自行車的停放點，原因之一便是共享單車沒有固定樁位，使得對其建立數學模型造成了一定的困難。共享單車企業應連同交通管理運輸部門或其他有關部門設置電子圍欄，合理規劃單車停放點，用戶可以根據電子地圖搜尋區域附近的規劃停放點，合理安排單車的停放，避免侵占公共資源和對市民出行造成不必要的影響。

(三)基于大數據和空間要素的車輛調度

在信息化浪潮和互聯網經濟蓬勃發展的背景下，企業應更多地基于客觀的用戶數據，如市民騎行的時間特征和空間特征、各個站點的距離以及各站點和調度中心的距離，給每個區域安排適當數量的調配車，并設置共享單車的最短調度路徑，避免出現單車供給與需求的時間性失衡和空間性失衡[24]。同時，企業也應該承擔大部分的社會責任，設計的方案要綜合考慮城市交通系統的承載力，以及車道、停車設施的空間布局進行車輛調配，避免給城市交通系統造成壓力，實現資源的空間優化配置。

(四)簡政放權，引入混合管理模式

一方面，政府部門缺乏對共享單車行業的管理經驗，許多相關法律法規也還未健全，潛在的法律風險未能得到很好的保障。另一方面，通過本文的研究可以發現基于企業單方面的對用戶需求進行評估、合理設計調度路徑能較好的解決車輛過度投放和供需不均衡的問題，因此，相關監管部門應交與企業更大的自主權和運營權，監督管理的職能則交給市場，而政府部門可以通過為共享單車行業訂立規范、構建適于共享單車發展的道路交通環境等措施[25]，鼓勵并引導共享單車企業合理規劃發展戰略、遵守公共秩序并積極參與到交通秩序的維護工作中，形成企業主導、市場監督、政府引導的混合管理模式，在這過程中，政府應積極扮演引導者和服務者的角色而非管理者角色，避免由于政府過度干預而對新生事物的發展與壯大產生抑制作用。

四、結語

本文以西安市13個縣區為例，著眼于解決共享單車的不合理投放以及各個站點供需使用不均衡的問題。在文章中，我們以人口密度、人均可支配收入和公交車站的密度為指標，構建共享單車需求評估模型，運用熵值法賦予相應的權重，得到各個區域對共享單車需求的估計值，發現越接近市中心區的地方共享單車的需求量越大。在路徑優化問題中，我們以路徑最短為目標函數，以調度車的容量、最大行駛距離、調度的車輛數等作為模型的約束條件，運用遺傳算法進行求解，得到共享單車的調度路徑和所需的調配車輛。

參考文獻：

[1] 楊樹燕,單云慧,李洲. 共享單車的交通影響與完善路徑分析[J].現代經濟信息,2017(13): 484-485.

[2] 北京比達信息咨詢有限公司. 2016中國共享單車市場研究報告[EB/OL].(2017-02-08)[2017-12-11].http://www.bigdata-research.cn.

[3] 艾媒咨詢集團.2017年中國共享單車夏季市場專題報告[EB/OL].(2017-10-24)[2017-12-01].http://www.iimedia.cn/59210.html.

[4] 王光榮.共享單車發展問題系統探究[J].長安大學學報：社會科學版,2017，19(2): 30-35.

[5] 臧得順.從波蘭尼到格蘭諾維特:“社會人”對“經濟人”假設的反撥與超越——兼議新經濟社會學的最新進展[J].甘肅行政學院學報,2009(6):11-20，125.

[6] 鐘貞山,詹世友.社會生態人:人性內涵的新維度——基于馬克思主義人與自然關系理論的考察[J].江西社會科學,2010(10):48-52.

[7] Raviv T, Tzur M, Forma I A. Static epositioning in a bike-sharing system: models and solution approaches[J]. Euro Journal on Transportation & Logistics,2013,2(3):187-229.

[8] Krykewycz G R, Puchalsky C M, Rocks J，et al.Defining a primary market and estimating demand for major bicycle-sharing program in philadelphia,pennsylvania[J].Transportation Research Record Journal of the Transportation Research Board, 2010, 2143 (1):117-124.

[9] García-Palomares J C,Gutiérrez J,Latorre M.Optimizing the location of stations in bike-sharing programs:a GIS approach[J].Applied Geography,2012,35(1-2):235-246.

[10] Chenmla D,Meunier F,Calvo R W.Bike sharing systems:solving the static rebalancing problem[J].Discrete Optimization,2013,10(2):120-146.

[11] Raviv T, Kolka O. Optimal inventory management of a bike-sharing station[J].HE Transactions,2013,45(10):1077-1093.

[12] 柳袓鵬,李克平,朱曉宏.基于蟻群算法的公共自行車站間調度優化[J].交通信息與安全,2012，30(4):71-74.

[13] 董紅召,史彩霞,陳寧.基于關聯規則的公共自行車調度區域聚類劃分[J].科技通報，2013(9):209-212.

[14] 張建國,吳婷,蔣陽升.基于蟻群算法的公共自行車系統調度算法研究[J].西華大學學報:自然科學版,2014,33(3):70-76.

[15] 張冰琦,周楊,李強,等.城市公共自行車租賃點配車量優化模型研究[J].北京師范大學學報:自然科學版,2016,52(4):506-511.

[16] 徐建閩,秦筱然,馬瑩瑩.公共自行車多層次分區調度方法研究[J].交通運輸系統工程與信息,2017,17(1):212-219.

[17] 文蝶斐,戴亞蘭,鄭瑩,等.共享單車的配置與調度優化[J].中國科技信息,2018(6):84-86.

[18] 王連山.關于遺傳、蟻群、禁忌搜索算法的比較[J].電腦編程技巧與維護,2009(24):18-21.

[19] Dell’Olio L, Ibeas A, Moura J L. Implementing bike-sharing systems[J].Municipal Engineer, 2011,16(4):89-101.

[20] 王懿.小城市公共自行車選址及需求優化設計[J].交通科學與工程,2016,32(1):96-100.

[21] 黃亞駒,陳福集.基于熵值法的網絡輿情組合預測研究[J].情報科學,2018,36(3):70-74.

[22] 李續揚.公共自行車系統車輛調配優化問題[D].蘭州:蘭州交通大學,2016.

[23] 管娜娜.公共自行車調度路徑優化問題研究[D].成都:西南交通大學,2012.

[24] 鄧力凡,謝永紅,黃鼎曦. 基于騎行時空數據的共享單車設施規劃研究[J].規劃師, 2017(10):82-88.

[25] 丁諾舟.日本共享單車的歷史、現狀與啟示[J].長安大學學報:社會科學版,2017,19(2):36-43.