数据驱动环境下考虑多重干扰情境的共享单车重置优化研究

无桩特性给共享单车重置调度带来了全新的问题和挑战，决策者面对的是随机分布在整个区域面上的单车如何调度，这与传统有桩公共自行车的重置有着显著区别。基于此，本文以某品牌共享单车为研究对象，通过分析其运行轨迹数据，界定出共享单车的活跃点（放车点）与非活跃点（收车点）。由于收车点的重置需求会因用户行为影响而不断发生变化，本文结合干扰管理的思想，综合考虑收车点的单车数变化、收车点消失以及新增收车点等干扰情境，建立考虑多重干扰情境的共享单车重置调度多目标优化模型，并设计带精英策略的非支配排序遗传算法对其求解。测试结果表明，本文所构建的模型和求解算法能够快速寻找到问题的帕累托最优解集，可为共享单车的重置调度提供有效的策略建议和决策支持。     

基于订单数据分析的共享单车重置调度优化研究

无桩共享单车打破了传统公共自行车基于固定桩点提供骑行服务的限制，但如何重置调度随机分布于整个区域面上的共享单车则成为决策者面临的一大难题，而数据驱动的优化方法则为解决这一问题提供了可能。本文首先通过对居民使用共享单车的订单数据进行深入分析，挖掘用户出行规律，继而界定出区域内共享单车的收车点与放车点；进一步地，借鉴报童模型思想构建放车点单车投放的收益函数，在此基础上建立带取送货的共享单车重置路径规划模型并设计算法进行求解。通过算例测试，本文从重置车辆的最大载重量、单位距离成本、重置车辆里程限制、收车点个数以及收车点所拥有的共享单车数等多角度，为共享单车的重置调度提供有效的决策建议。