基于IC卡数据的公共自行车使用特性与动态调度优化研究

摘要

随着城市交通问题日益突出，发展公共交通系统已成为共识，为解决制约公共交通服务发展的“最后一公里”问题，不少城市引进了公共自行车系统。然而实际运营中，站点公共自行车租还车次的不均衡问题制约着系统的健康发展。为提高系统的运营效率，本文依托于国家重点基础研究发展计划(973计划子课题)“公交主导型多方式交通网络的协同机理与耦合理论”，基于公共自行车IC卡的数据支撑，探究公共自行车系统的交通特性和站点需求变化规律，进而深入研究站点短时需求预测和动态调度优化方法。
　　首先，本文在对IC卡数据进行了格式优化和数据清洗的基础上，从时间和空间的角度统计分析并归纳公共自行车的租还车特点，利用聚类分析方法，将公共自行车站点划分为5类，探讨不同类型站点的需求变化规律。
　　其次，根据预测方法的适用性和站点需求变化特点，选用BP神经网络时间序列预测方法对公共自行车站点需求进行预测，利用站点需求变化时间上的相关性，对5类站点实例分别进行短时需求预测。
　　进而，探讨了公共自行车动态调度优化方法，确定公共自行车调度需求的求解思路，并以调度车辆运输成本最低和用户满意度最大为目标，构建多目标约束调度路径优化模型，并建立了乘客满意度与时间延误惩罚之间的函数关系。针对模型特点，设计通过遗传算法来对模型进行求解。
　　最后，以宁波市公共自行车系统为例，对公共自行车动态调度问题进行应用研究，结果证明，本文所研究的模型和算法适用于公共自行车动态调度优化，且较好的均衡了调度成本和用户满意度间的矛盾，提高了公共自行车的调度效率。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 公共自行车特性研究

1．2．2 公共自行车需求预测

1．2．3 公共自行车调度优化模型

1．2．4 国内外研究现状综述

1．3 研究内容

1．3．1 研究目标与研究内容

1．3．2 研究方法与技术路线

第二章 基于IC卡数据的公共自行车使用特性分析

2．1 IC卡数据分析与预处理

2．1．1 IC卡数据结构

2．1．2 IC卡数据预处理

2．2 使用特性分析

2．2．1 时间分布

2．2．2 站点相似性

2．2．3 潮汐性

2．2．4 周期性

2．2．5 区域流动性

2．3 本章小结

第三章 公共自行车站点短时需求预测方法

3．1 预测方法概述

3．2 BP神经网络原理

3．2．1 BP神经网络结构

3．2．2 BP神经网络算法

3．2．3 BP神经网络参数选择

3．3 预测实例

3．3．1 数据样本分析

3．3．2 网络训练

3．3．3 预测结果分析

3．4 本章小结

第四章 公共自行车动态调度优化模型

4．1 公共自行车动态调度问题分析

4．1．1 动态调度问题描述

4．1．2 动态调度影响因素分析

4．1．3 动态事件类型

4．1．4 动态调度主要内容

4．2 公共自行车动态调度优化模型

4．2．1 调度需求确定思路

4．2．2 调度车辆路径优化模型

4．3 模型求解

4．3．1 算法概述

4．3．2 求解思路

4．3．3 算法实现

4．4 本章小结

第五章 公共自行车动态调度实例分析

5．1 调度区域概况

5．2 参数设定

5．3 求解结果

5．3．1 滚动时域设置

5．3．2 初始方案生成

5．3．3 调度方案优化

5．3．4 结果分析

5．4 本章小结

第六章 总结与展望

6．1 研究成果和主要结论

6．2 主要创新点

6．3 研究展望

致谢

参考文献

附录

作者简介