让共享单车发挥作用

摘要 它们无处不在,从柏林到北京,色彩鲜艳的自行车,你可以借来在没有汽车的情况下在城市中穿行。这些系统以及电动滑板车为人们提供了一种快速...

它们无处不在,从柏林到北京,色彩鲜艳的自行车,你可以借来在没有汽车的情况下在城市中穿行。这些系统以及电动滑板车为人们提供了一种快速便捷的方式在城市地区旅行。在城市争先恐后地寻找实现气候目标的方法之际,它们是城市规划者的一个受欢迎的工具。

NTNU 工业经济和技术管理系研究交通运输方法的研究员 Steffen Bakker 表示,确保自行车和电动滑板车在手边可能是一个挑战,但这也是提供成功的关键。更环保、更高效。

“如果这样的系统要成功,那么我们需要让用户满意,”巴克说。“人们希望自行车在他们想使用的时候就在那里,而且他们只会在服务良好的情况下才想使用这个系统。”

Bakker 是最近一篇论文的合著者,该论文描述了一种优化模型,可帮助城市和公司更好地保持共享单车客户的满意度。

就像射击一个移动的目标

考虑在人们需要的时间和地点提供自行车或踏板车所面临的挑战。

巴克说,研究人员将这个问题描述为动态的,因为它总是在变化,而且是随机的,因为它以随机且通常难以预测的方式变化。

“共享单车系统的用户在一个地方拿起自行车,然后把它移到另一个地方。然后系统的状态发生了变化,因为突然之间,自行车不在他们开始的地方,这是动态的部分,”他说说。“但最重要的是,你不知道客户何时会拿起自行车以及他们会将它们放在哪里。这是随机的部分。所以如果你想在一天开始时计划,你不会知道会发生什么。”

Bakker 和他的同事可以利用自行车和电动滑板车在使用时收集的大量数据进行预测。但他说,例如,不能保证上周二使用自行车的方式会在下周二保持不变。

“你必须适应白天发生的事情,”他说。“也许突然之间,有事件发生或天气变化,然后人们不使用服务,需求模式发生变化,这会影响规​​划。”

把碎片放在一起

Bakker 和他的同事开发的是一种优化模型,可以就服务运营商应该做什么提供建议。

这包括服务车辆应该在他们目前所在的车站做什么——是否应该下车或取车,或者为电动自行车和踏板车更换电池——以及下一步要去哪里。基本计算基于当天迄今为止发生的事情以及预计在不久的将来会发生的事情。

该小组的研究是由挪威研究委员会资助的 1000 万挪威克朗项目的一部分资助的,该项目名为“微型移动的未来”(FOMO),Urban Sharing AS 公司是该赠款的牵头企业。

“通过 Pilot-T,我们计划使用现有的城市自行车系统作为测试基地,并通过开发新的决策支持工具,旨在将再平衡团队的效率提高 30%,将自行车的使用寿命提高 20%, ” Urban Sharing 的项目经理 Jasmina Vele 说。“这可以通过与再平衡和预防性维护相关的更好决策来实现,这将对应于现有城市自行车系统的大量成本降低。”

作为一个大学城,挪威特隆赫姆非常适合自行车共享项目。Trondheim Bysykkel/Trondheim City Bike 在大特隆赫姆地区有 60 多个站点,居民和游客可以在那里租用自行车。学分:南希 Bazilchuk/NTNU

以最有效的方式移动自行车

将自行车从一个自行车停放站收集和移动到另一个停放站的过程称为“再平衡”。使用仍处于开发阶段的优化模型,可以让司机在每次到达自行车站时收到新的计划。

“你不会在一天开始时只制定一个计划,但我们所做的是每次车辆到达自行车站时都会制定一个新计划,”他说。“当汽车到达车站时,我们会告诉他们,‘好吧,拿起这么多自行车,或者放下这么多自行车’。”

但这就是棘手的部分。重要的是不要过于短视,只关注系统的当前状态,巴克说,特别是如果预计某些站点在接下来的一个小时左右会有更多的需求。

“它非常复杂,因为它是一个大系统,”他说。“也许一小时内车站会有很多需求。所以你已经想带一些自行车去那里。但同时,现在可能有一些车站几乎是空的,他们需要一些自行车。所以你需要弄清楚这种权衡。”

他说,协调为共享单车网络服务的不同车辆之间的接送服务也很重要。

数字孪生与计算时间

Bakker 和他的同事正在与 NTNU 的计算机科学系合作,为他们正在建模的系统创建一个“数字双胞胎”或计算机模拟,这样他们就可以尝试不同的方法,而无需在现实世界中进行实际测试。

初步测试表明,与不进行任何重新平衡相比,该小组生成的模型可以减少 41% 的问题数量(意味着用户想要的自行车数量不足,或者自行车数量过多,用户无法停放自行车)一点也不。

与同为 NFR 赠款合作者的 Oslo City Bikes 目前的再平衡实践相比,问题数量减少了 24%。Bakker 表示,较新版本的模型显示出更大的潜力。

更简单的方法也是可能的

毫不奇怪,使模型工作所需的计算种类很复杂,研究人员需要微调影响模型性能的不同参数。

Bakker 和他的同事还研究了优化模型的一个组成部分,称为临界分数,它稍微简单一些,可以独立于更大的优化模型使用。

关键性分数基本上是根据当前包含或需要的自行车数量对不同的自行车共享停车区进行评分。这些分数计算起来相对简单,可以在司机在城市周围旅行时提供给他们,以重新平衡每个车站的自行车数量。

“这是一个分数,它告诉司机哪个车站是最关键的,”巴克说。“如果你可以向驾驶汽车的人展示这些站点,并说这些站点是关键得分最高的站点,我们可以提供一些不是最好的,但它可能是好的,并且比自行车共享公司现在所做的要好得多。”

Urban Sharing 的 Vele 表示,使用这些优化模型可以帮助共享单车成为城市交通的重要组成部分。

“Urban Sharing 对未来移动性的愿景是一个响应性和自适应性的交通系统。通过使用数据和机器学习/优化算法,我们可以结合传统和现代交通系统的优点,并创建一个资源高效的系统来响应需求并适应用户的个性化需求,”她说。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。