论文部分内容阅读
摘 要 本文针对共享单车建立了单调度中心调度模型和动态调度优化模型。首先，根据相关数据计算出现有单车情况下各个地区的单车需求量，确定不同地区单车的需求时间和可接受时间，建立单调度中心调度模型并利用MATLAB软件和遗传算法求解得出初始调度方案。其次，以单调度中心软时间窗调度模型为基础建立动态需求调度优化模型，向初始静态优化解中不断插入新的调度需求，应用“初始静态优化+实时动态优化”的方法对多个连续静态调度问题进行求解不断优化调度路线，最后，得到合理的共享单车优化调度方案。
关键词 单调度中心调度模型；动态调度优化模型；遗传算法；共享单车
中图分类号 TP2 文献标识码 A 文章编号 2095-6363（2017）16-0124-02
随着共享单车的出现和普及，共享单车系统在城市公共交通中的地位越来越重要，由于其快捷、方便、环保的特点，共享单车已成为居民解决出行“最后一公里”问题的重要选择。很多共享单车公司的单车都有GPS定位，能够实现动态化地监测车辆数据、骑行分布数据，进而对单车做出全天候供需预测，为车辆投
放、调度和运维提供指引。
1 单调度中心调度模型
单调度中心调度优化模型以调度路径长度最短和乘客等待时间最短为优化目标，所有调度车辆均必须从调度中心出发，完成自身调度任务后还必须返回调度
中心。
以乘客等待时间最短为目标函数建立模型如下公式所示：
如上式，其中为目标函数权重系数，此即为单调度中心软时间窗调度模型。
2 动态需求调度优化模型
在动态需求调度优化模型中，以调度路径长度最短为目标函数建立模型时要将参与本次调度任务的调度车辆分两类分析。
2.1 已完成调度任务的调度车辆
对于己完成调度任务的调度车辆，以調度路径长度最短为目标函数建立模型如式：
2.2 仍在进行调度任务的调度车辆
假设在时刻系统对调度需求进行变更，此时调度车辆正在或己经完成地点h的调度任务，以调度路径长度最短为目标函数建立模型如式：
其中，第一项表示调度车辆在时刻已经行驶的里程，第二项表示调度路径优化后调度车辆对剩下地点进行服务并返回调度中心的行驶里程。
以上两相加即为动态需求调度优化模型中，调度路径长度最短的目标函数模型，模型约束条件与单调度中心软时间窗调度模型相同。
3 模型求解
单调度中心模型调度方案。首先根据相关地区的共享单车数据，统计得到第840min到第900min需要调度的地区有2、4、5、6、7、8、9。得到表1。
对数据统计得出需要调度的地点在工作日早高峰第600min到660min的实需调度数量。现对调度需求的确定方法进行说明，将不同时间段的需求比例与需求差相乘，得到需求数量。对需求数取平均，得到平均数为7人次，需求数量大于平均需求数的地区符合调度。
利用本文建立的单调度中心软时间窗调度模型及模型求解方法对以上案例进行分析，利用MATLAB软件得到5组局部最优解。此时，系统普遍需要4～5辆调度车才能完成调度任务，根据初始调度需求求解得出初始调度方案如表2所示。
4 结论
本文应用的模型及其算法能够快速的找出局部最优解，在共享单车调度路径长度最短的基础上使乘客等待时间大大降低，为公共自行车调度问题的研究提供了可靠的依据。同时以遗传算法为基础，以MATLAB软件为工具，结合公共自行车调度优化问题特点，应用“初始静态优化+实时动态优化”的方法对多个连续静态调度问题进行求解，最终实现对动态需求调度模型的准确求解。
参考文献
[1]刘亚楠.共享单车发展研究分析[J].时代金融，2017（8）：251，254.
[2]李敏莲.共享单车市场调研与分析[J].财经界（学术版），2017（5）：121-123.
[3]徐鑫垚.共享单车App后台管理系统的优化[J].电子技术与软件工程，2017（4）：80-81.
关键词 单调度中心调度模型；动态调度优化模型；遗传算法；共享单车
中图分类号 TP2 文献标识码 A 文章编号 2095-6363（2017）16-0124-02
随着共享单车的出现和普及，共享单车系统在城市公共交通中的地位越来越重要，由于其快捷、方便、环保的特点，共享单车已成为居民解决出行“最后一公里”问题的重要选择。很多共享单车公司的单车都有GPS定位，能够实现动态化地监测车辆数据、骑行分布数据，进而对单车做出全天候供需预测，为车辆投
放、调度和运维提供指引。
1 单调度中心调度模型
单调度中心调度优化模型以调度路径长度最短和乘客等待时间最短为优化目标，所有调度车辆均必须从调度中心出发，完成自身调度任务后还必须返回调度
中心。
以乘客等待时间最短为目标函数建立模型如下公式所示：
如上式，其中为目标函数权重系数，此即为单调度中心软时间窗调度模型。
2 动态需求调度优化模型
在动态需求调度优化模型中，以调度路径长度最短为目标函数建立模型时要将参与本次调度任务的调度车辆分两类分析。
2.1 已完成调度任务的调度车辆
对于己完成调度任务的调度车辆，以調度路径长度最短为目标函数建立模型如式：
2.2 仍在进行调度任务的调度车辆
假设在时刻系统对调度需求进行变更，此时调度车辆正在或己经完成地点h的调度任务，以调度路径长度最短为目标函数建立模型如式：
其中，第一项表示调度车辆在时刻已经行驶的里程，第二项表示调度路径优化后调度车辆对剩下地点进行服务并返回调度中心的行驶里程。
以上两相加即为动态需求调度优化模型中，调度路径长度最短的目标函数模型，模型约束条件与单调度中心软时间窗调度模型相同。
3 模型求解
单调度中心模型调度方案。首先根据相关地区的共享单车数据，统计得到第840min到第900min需要调度的地区有2、4、5、6、7、8、9。得到表1。
对数据统计得出需要调度的地点在工作日早高峰第600min到660min的实需调度数量。现对调度需求的确定方法进行说明，将不同时间段的需求比例与需求差相乘，得到需求数量。对需求数取平均，得到平均数为7人次，需求数量大于平均需求数的地区符合调度。
利用本文建立的单调度中心软时间窗调度模型及模型求解方法对以上案例进行分析，利用MATLAB软件得到5组局部最优解。此时，系统普遍需要4～5辆调度车才能完成调度任务，根据初始调度需求求解得出初始调度方案如表2所示。
4 结论
本文应用的模型及其算法能够快速的找出局部最优解，在共享单车调度路径长度最短的基础上使乘客等待时间大大降低，为公共自行车调度问题的研究提供了可靠的依据。同时以遗传算法为基础，以MATLAB软件为工具，结合公共自行车调度优化问题特点，应用“初始静态优化+实时动态优化”的方法对多个连续静态调度问题进行求解，最终实现对动态需求调度模型的准确求解。
参考文献
[1]刘亚楠.共享单车发展研究分析[J].时代金融，2017（8）：251，254.
[2]李敏莲.共享单车市场调研与分析[J].财经界（学术版），2017（5）：121-123.
[3]徐鑫垚.共享单车App后台管理系统的优化[J].电子技术与软件工程，2017（4）：80-81.