城市公共自行车租借行为的时空分布特征及其调度策略研究——以Citi Bike为例
【摘要】:城市公共自行车在一定程度上解决了交通拥堵问题,但是站点周围环境的差异引起车辆供求不匹配以及高频率的人工调度成本高成为公共自行车经营方的重大难题。本文基于2016年纽约市Citi Bike公共自行车系统数据研究了用户租借行为的时空特征,建立BP神经网络预测模型,在考虑节假日、季节、天气状况等因素的基础上对处于不同功能区公共自行车站点的日租借量以及一天中不同时间段的租借量进行了预测,根据预测结果为自行车经营方对不同站点的调度频率和强度提出了建议。通过对279号办公区代表站点、3132号商贸区代表站点、146号居民区代表站点2016年1月至12月用户租借行为分析发现,处于不同功能区的站点其租还量的时间分布特征具有明显的差异,地处繁华商贸区和办公区站点的公共自行车使用频率明显较高,且一天内租借量具有集中于特定时间段的规律性;居民区站点一天内租借量在各个时间段均处于波动时期,不受工作出行早晚高峰的影响,随机性较强;此外,风速、温度、天气的恶劣程度对自行车租借量有显著影响。通过建立BP神经网络模型,以节假日、季节、天气状况数据为输入向量,对不同功能区的早晚高峰及平峰时段自行车借还量进行预测。以279、3132、146号站点2017年1月的预测数据为例,训练后的神经网络模型预测结果拟合优度分别处于0.8325-0.9107、0.8054-0.9105、0.7965-0.9103之间,模型精确度良好。在实际运营中,公共自行车公司可基于租借历史数据,利用R/S分析法和DF检验,分析站点公共自行车供需自动调节能力,以此确定调度频率。同时,考虑节假日、天气状况、季节等因素,根据BP神经网络模型预测站点在某日某时间段的自行车需求量,确定站点需求缺口或盈余量,进而确定人工调度的数量。综上,运营方可以据此策略实现运营成本的最小化以及用户体验的最优化。