汽車分時租賃站點投放車輛規模模型研究

楊晗 張澤仁

摘 要：為了研究合理的汽車分時租賃站點投放車輛規模，首先分析了汽車分時租賃站點投放車輛規模的影響因素;然后分析了現有的2種汽車分時租賃站點投放車輛規模模型——戰略計劃決策模型和運營決策模型的優、缺點，并結合汽車分時租賃企業的實際需求，提出基于調度的戰略計劃模型;再整合汽車分時租賃站點需要滿足的調度時間約束建立模型。該模型不僅能在調度的基礎上滿足用戶需求，而且盡可能地減少了閑置車輛的浪費。最后，通過一個算例數據對該模型進行了求解，計算結果證明該模型具有較高的效率和有效性。

關鍵詞：汽車分時租賃;站點投放;車輛規模模型

隨著信息化時代進程的不斷加速，互聯網專車、社區共享汽車及分時租賃等新型的汽車使用模式應運而生。以共享經濟的形式來提升車輛使用效率，在一定程度上緩解了汽車的閑置和低載客率等問題。為了實現分時租賃模式在中國的推廣，使其在實際生活中能夠滿足居民出行需求，僅借鑒國外已有的經驗不夠，需要對中國不同城市的不同分時租賃站點布設和投放車輛規模進行研究，在滿足用戶需求的同時又盡可能地減少閑置車輛的浪費。

Michael[1]給出了分時租賃的定義和具體分類情況，并對歐洲的分時租賃模式發展現狀和未來潛力進行了詳細的論述。Maria[2]等人利用時間佩特里網，建立電動汽車的分時租賃模式的最佳車輛規模和充電樁數量的優化模型。Cao[3]等人通過2個階段來確定分時租賃站點車輛數上、下閾值的模型，實例研究表明：該模型可以得到更好的服務率和更少的移動時間。孫歡歡[4]建立了1個用戶預約分配模型，并在此基礎上，分別增加時間優先權和車輛資源優化這 2 個因素，建立了另外2個用戶預約分配模型。王麗敏[5]使用層次分析法（AHP），建立了一個分時租賃站點選址評價的指標體系。并通過模糊綜合評價法，建立了響應站點選址方案的評價模型。國外已有少量針對汽車分時租賃站點投放車輛規模的模型，都是傳統的優化模型，而中國還停留在對站點選址的研究上。作者通過分析汽車分時租賃站點投放車輛規模的影響因素，擬提出符合實際需求的站點投放車輛規模模型。Nourinejad[6]等人在滿足所有用戶需求的前提下，建立了最優車輛規模配置模型;然后，在車輛規模配置保持不變的基礎上，以分時租賃系統收益最大化為目標函數，建立了分時租賃站點調度模型，并假設調度在網上完成。國內、外有關汽車分時租賃系統建設以及站點位置優化的研究已經較為成熟，盡管國外已有少量針對 汽 車 分 時 租 賃 站 點 投 放 車 輛 規 模 的 模型，但所涉及到的均為車輛的集中調度。為此，作者擬提出的分時租賃站點車輛規模模型，并考慮到各站點之間的實時車輛調度，以期彌補該研究內容上的空白。

1 汽車分時租賃站點投放車輛規模的影響因素

汽車分時租賃站點投放車輛規模受分時租賃運營模式、分時租賃的調度及分時租賃用戶需求3個因素的影響。

1.1 汽車分時租賃的運營模式

1.1.1 典型汽車分時租賃運營模式的對比

汽車分時租賃最先在歐洲開始發展 壯大，其運營模式分為2大類：①自由流動模式，最典型的企業是德國的 Car2Go;② 基于站點 模式，其代表性企業是法國的 Autolib。中國的分時 租賃 模式起步較晚，最先引入分時租賃模式的是北京、上海及杭州3 個 城 市，分時租賃企業的代表為易卡、EVCARD及微公交。5種典型分時租賃企業運營模式的對比見表1。

1.2 汽車分時租賃的調度模式

1）基于用戶隨機使用的車輛調度

這種車輛調度完全依靠用戶的使用行為來進行，由于出行需要而導致的部分用戶的異地還車，使車輛調度被動地完成。基于用戶隨機使用的車輛調度過于依賴于用戶，且具有很大的隨機偶然性，一旦用戶的使用需求趨于穩定后，該種模式只會導致供需矛盾越來越劇烈。

2）基于用戶的激勵調度系統

基于用戶的激勵調度系統旨在通過激勵模式來引導用戶在某些指定站點進行取車和還車。該系統通過適當的獎勵或者罰金來誘導用戶對其原本的出行路徑和形式進行合理的調整，將其使用分時租賃車輛的行為轉化為對企業所需要完成的有效的車輛調度，從而在滿足用戶使用需求的同時又能夠使有限的車輛資源能夠得到充分利用。

3）實時響應調度模式

實時響應調度模式的運作依賴于一個實時響應的系統中心。該系統中心負責收集和觀察各租賃站點的實時車輛數，當發現有實時車輛數目高于最大上限車輛數或者低于最小下限車輛數的站點出現時，即對該站點的車輛進行統籌調度。

4）需求預測下的實時響應調度模式

需求預測下的實時響應調度模式是對實時響應調度模式的優化。在實時響應調度模式的基礎上，加入用戶對租賃車輛使用需求的預測。通過對歷史用戶需求的數據收集和總結，對1d中各個站點的實時車輛需求進行預測，系統中心再根據需求預測變化的趨勢并結合實時車輛數，對調度方案進行預判，并通知工作人員做好執行車輛調度工作的準備。

在4 種不同的調度模式中，需求預測下的實時響應的調度模式不僅能通過減少閑置車輛來提高車輛的使用效率，還能最大限度地減少用戶的等待時間，是最適合分時租賃企業長期運營的調度模式。

1.3 汽車分時租賃的用戶需求

1.3.1 汽車分時租賃用戶特征分析

1）個人屬性

分時租賃用戶男性比女性多一些;處于30～44歲年齡段內的用戶占比最高，使用分時租賃車輛頻率最高的為有穩定工作的上班族;針對教育程度而言，分時租賃用戶有一個明顯趨于高學歷的走向，其中，擁有大學教育經歷的分時租賃使用者占據了接近一半的比例，其次為碩士/MBA;而在月收入方面，分時租賃用戶中占比最大的為月收入在中等水平的用戶，其次為月收入在較高水平的用戶。

2）社會屬性

Ni（z-1）

和 Ni（z-1）′（t）≤0。 （2）

式中：Ni（z-1）為 站 點i 在z-1 時刻剩余的車輛數。

②第二類為可以調度車輛出去的站點。這類站點的特征為：當某個時間段開始時，該站點剩余的車輛數能滿足這個時間段內所有時刻的車輛需求，且車輛在該時刻有增加的趨勢，該站點在該時刻時，可以調度出去車輛。即：

Ni（z-1）≥max（Oik）-Oi（z-1）（k∈（z，z+1））

和 Ni（z-1）′（t）≥0。 （3）

該模型的核心在于：從可以調度車輛出去 的站點中，選擇最近能夠滿足調度需求的站點，將車輛調度給需要調度車輛進來的站點，最后使所有站點都可以滿足用戶需求。因此，對于某個需要調度車輛進來的站點存在時間約束，即在該站點到達最大車輛需求時間之前，調度的車輛要到達。當i站點在z-1時刻需要從j 站點調度車輛時，其應滿足的約束條件為：tz-1′-（z-1）≥tij。 （4）式中：tz-1′為站點i在z 時間段內達到最大需求的時刻;tij為站點i與站點j 之間的行駛時間。對于某個系統，存在若干個站點中有若干個時刻需要調度車輛進去的情況，因此，該時間約束條件的個數需由具體的用戶需求情況決定。

3.3 算例求解

選取5個分時租賃站點，結合實際情況，分別預設該5個分時租賃站點在理想狀態下的需求函數（見 表 3），并 預 設 各 站 點 間 調 度 車 輛 的 行 駛時間。

將研究對象5個分時租賃站點作為粒子群優化算法的5個維度，這些站點的投放車輛規模的集合即表示為各粒子群的位置向量，輸入各站點需求函數和站點間車輛調度時間作為已知條件，對該模型利用粒子群優化算法進行編程求解。

對比分析各站點的最大車輛需求和模型 求解，其結果見表4。

從表4 中可以看出，前4 個站點模型求解的結果都小于該站點的最大需求，只有第 5 個站點模型求解的結果大于該站點需求。表明：在實際汽車分時租賃企業運營過程中，如果能夠在用戶使用中綜合實時調度，則可以通過較少的車輛就達到完全滿足用戶需求的目的，以此能夠減少企業初期投入，并減少閑置車輛的浪費。

4 結論

本研究分析了汽車分時租賃站點投放車輛規模的影響因素后，發現汽車分時租賃的運營模式、調度模式及用戶需求都對其站點投放規模有明顯影響。為了實現分時租賃企業的實際需求，綜合現有的汽車分時租賃站點投放車輛規模模型———戰略計劃決策模型和運營決策模型的優、缺點，作者提出了一種新的汽車分時租賃站點投放車輛規模模型，即基于調度的戰略計劃模型。該模型不僅能在調度的基礎上滿足用戶需求，而且盡可能地減少了閑置車輛的浪費。算例求解證明了該模型具有較高的效率和有效性，并能為分時租賃企業各站點投放車輛規模提供指導和建議。

作者簡介：楊晗（1983.08—），男，漢族，江蘇南京人，本科，工程師，研究方向：新能源汽車共享出行研究。