基于軌道交通接駁的共享單車投放與調度研究

周傳鈺

摘 要：“公共交通+公共自行車”的綠色交通出行模式，在端末梢交通和站點接駁中發揮著重要作用。共享單車是一種新興的公共自行車發展形勢，具有更強的靈活性、更高的分布密度等優勢，也存在軌道交通站點共享單車停放問題以及高峰客流潮汐不均衡等問題。本文以共享單車接駁軌道交通站點問題為研究對象，探討了共享單車高峰期調度方法，旨在為共享單車科學調度提供理論及實踐應用基礎。

關鍵詞：軌道交通;共享單車;調度

1 概述

隨著互聯網的快速發展和移動支付手段的普及使用，共享單車于2016年下半年大規模爆發式增長，是新型公共自行車形式，以其獨特的優勢吸引著出行者，隨著共享單車種類增多、車輛優化和用戶使用改善，共享單車已成為日常短途出行和公共交通接駁的重要選擇，為“最后一公里”提供了較好的解決思路。

然而共享單車也帶來了一系列挑戰，特別是軌道交通站點周圍的停放問題以及高峰客流潮汐現象帶來的不均衡問題，都亟待解決。本文討論了軌道站點的高峰期共享單車不均衡現象，研究車輛調度問題。以最大化調度單車車輛數為目標函數，建立高峰期調度模型，并選擇武漢市軌道交通站點做了研究實例分析。

2 軌道交通站點特征

針對不同類型站點的高峰期居民出行需求特性，研究了共享單車使用需求在時間、空間特征，分析站點及周邊區域調度需求。共享單車分布基于如下假設：

（1）以軌道交通站點為中心，站點小區內的自行車到達和離開都是軌道交通接駁出行;（2）車輛數一定條件下，自行車需求熱區是潛在調度需求最大區域;（3）按照小區性質和早晚高峰進出客流變化，分為：居住小區和就業小區，居住小區以居住為主，呈現早出晚歸特征，就業小區以就業為主，客流呈現早進晚出特征。在此假設下，總結了5種典型站點的客流方向和共享單車調度方向。

居住導向型站點客流特征為小區居民早高峰離開小區，到達地鐵站，小區內停放點車輛數減少，地鐵站點車輛數增加。該時段內分布不均衡，從小區到地鐵站點的需求旺盛;晚高峰內則反之，居民從地鐵站點回到居住小區，地鐵站點車輛數減少，小區停放點車輛數增加，地鐵站點需求旺盛。

就業導向型站點客流特征為用戶在早高峰從地鐵站點到就業區上班，車輛向就業區轉移，地鐵站點需求旺盛;到下班高峰期，下班返程用戶向地鐵站點流動，共享單車向地鐵站點轉移，車輛分布不均衡，就業區內車輛需求旺盛。

以武漢地鐵2019年3月客流為樣本，選取10個早晚高峰客流較為靠前的地鐵站點進行特征分析，統計其早晚高峰進出站客流分布如圖2所示。

根據兩類站點的客流特征，居住導向型站點早高峰進站與晚高峰出站客流多，早高峰出站與晚高峰進站客流少，柱狀比例圖特點為“中間小兩頭大”。圖中具有較明顯居住型導向站點的有建安街、興業路等;就業導向型站點與之相反，柱狀比例圖特點為“中間大兩頭小”，明顯站點有：香港路、黃浦路等。調度需要較為集中，可能會出現用車短缺、局部扎堆同時并存的問題，合理有效的共享單車調度很有必要。

3 共享單車調度模型

在特定高峰時段，出行量和到達量的差異導致租車速率和還車速率存在差異，兩者的不均衡程度決定了調度需求。接駁區域調度問題可描述為在特定高峰時段，存在有調度需求的小區，從調度中心出發的調度車在已知的各小區位置、高峰時段單車租還速率、小區初始車輛密度、調度車容量、各個小區的高峰出行時段，在一定約束條件下，完成區域內調度，生成調度點車輛數、調度時間以及車輛調度路線。

目標函數：在固定高峰時段內實際調度總量最大化。

約束條件：1）從調度中心出發，調度中心無調度需求：初始條件：;2）一次調度過程只能選擇一個小區：;3）第次調度實際調度小區編號確定：;4）第次調度過程開始的時刻=第次調度時刻+第次調度服務時間+小區到小區的最短時間距離：;5）第次調度過程開始的時刻小區的調度需求量：;6）第次調度實際調度量：;第次調度過程開始的時刻調度車上的自行車數量 ;7）在高峰結束時刻終止調度：當時，。

算法求解：共享單車調度問題類似1-TSPPD（one-commodity pickup-and-delivery traveling salesman problem）問題，其中1-TSPPD問題是以單一性質的商品為送貨和取貨對象的旅行商問題，考慮到兩問題的相似性，將蟻群算法改進用于共享單車調度問題求解。

4 調度問題實例分析

選擇武漢地鐵建安街站點及其周邊區域為研究實例，以最大化調度單車車輛數為目標對檢算調度需求和調度方案。

建安街站屬于典型居住導向型站點，是武漢市地鐵7號線客流較大站點之一，具備明顯進站早高峰（7：00-10：00）和出站晚高峰（17：00-20：00），占高峰期客流比例分別為87.89%、78.08%。周邊主要為居住小區，如華錦花園、寶安花園、虹頂家園、東方萊茵等。將街道區域分為6個客流吸引分區，根據手機基站出行信息估計各分區高峰出行量，以街道與居民樓折算出行量單位。

由建安街站點接駁區域共享單車停放區分布、早高峰車輛數潮汐不均衡程度，將建安街6個分區內共10個主要共享單車停放區納入調度范圍，結合出行量估算各單車停放區調度任務。

其中：停放區的高峰時段為，調度開始時間為，初始車輛數為，高峰時段總的出行量為，總的到達量為，停放區調度需求，停放區最優車輛數。確定調度車容量后，采用蟻群算法計算得到目標函數。

蟻群算法經過近25次整體迭代，最終獲得穩定的調度方案。蟻群算法能夠獲得相對更優的解，將高峰期調度總量提高了5.34%。

5 結論

實行合理投放和有效調度既能提高用戶滿意度和系統運營服務水平，又能解決高峰期車輛積聚問題，有利于公共自行車系統的整體發展和高效有序運營。

參考文獻：

[1]米文勇.大城市自行車與軌道交通換乘系統研究[D].成都：西南交通大學，2007.

[2]梅麗.城市軌道交通接駁方式選擇研究[D].成都：西南交通大學，2013.

[3]吳志周，范宇杰，陶佳，等.城市軌道交通公共自行車換乘需求預測方法研究[J].武漢理工大學學報（交通科學與工程版），2013，37（5）：919-923.

[4]González F，Melo-Riquelme C，Grange L D.A combined destination and route choice model for a bicycle sharing system[J].Transportation，2016，43（3）：407-423.