基于自回歸求和算法的共享單車調度分配研究

韓晶 廖明浩 劉婷婷

【摘 要】本文基于自回歸求和算法分析共享單車在調度和分配方面存在的不合理情況，重點在于分析單車的使用特征及人們的出行選擇。

【關鍵詞】自回歸求和；共享單車；調度分配

共享經濟給人們的工作和生活帶來了前所未有的便利，極大提升消費體驗和資源使用率。但目前，我國城市共享單車資源配置還存在一定的不合理性，故本文在此建立合理的指標，分析不同時空共享單車資源的需求量。

一、前言

本文基于時間特征和空間特征兩方面數據進行分析不同時空共享單車資源的需求量的改變并建立合理的指標：對于時間特征，搜集到的數據按每60分鐘劃分為24個時間段，統計出每個時間段內的租車數量，繪制圖表觀察需求量與時間序列的相關性；對于空間特征，將預處理過的坐標數據導入地圖，通過ArcGIS分析平臺對地理信息進行分析處理。

二、模型建立及求解

研究數據來源于2017年摩拜杯算法挑戰賽中提供的共享單車用戶使用數據。數據樣本涵蓋北京市48.55萬輛摩拜單車和34.96萬摩拜單車用戶在2017年5月10日至5月16日內的使用情況，具體包含用戶編號、單車編號、單車類型、單車使用起始時間、騎行起點和騎行終點等。

按以下步驟建模求解：

步驟一：我們從時間上班高峰和空間人流密度兩個角度考慮建立共享單車資源的需求量指標。

步驟二：建立時間序列模型對共享單車資源的需求量進行時間特征分析。

步驟三：利用ArcGIS分析平臺將數據預處理后的位置坐標導入地圖，繪制出需求量熱力圖和聚類分析圖，分析其空間特征。

步驟四：不同時刻同一區域或同一區域不同時刻，分析需求量，得到合理的共享單車需求量定量指標。

移動平均法的定義：觀測序列為，移動平均項數：，最終確定一次移動平均值、二次移動平均值以及最近N段序列之的平均值計算公式。

1.時間特征分析

在處理完數據之后，我們使用了一次簡單移動平均法預測為了更直觀的看出時間分布與共享單車需求量的關系，我們取，每60分鐘為一個時間分段，統計出每個時間段內共享單車的訂單數。

曲線擬合結果如下圖1，圖2：

由以上結果可以看出，工作日內{7：00-8：00}，{8：00-9：00}，{12：00-13：00}，{17：00-18：00}，{18：00-19：00}這5個時間段為共享單車用車高峰，根據人們的出行規律，8：00-9：00通常為人們上學或上班的出行早高峰時間，因此對共享單車的需求量較大；12：00-13：00為午餐時間，18：00-19：00為人們放學或下班的出行晚高峰時間。而非工作日8：00-22：00時間段內共享單車的需求量變化不大，浮動頻率較小，所以共享單車資源的需求量和人們的出行規律密切相關。

2.空間特征分析

初步選取了工作日早高峰出行時間段8：00-9：00，將該時間段內所有訂單起始坐標位置導入地圖進行觀察。

根據高德地圖測算，今年一、二季度，北京、上海5公里內的駕車導航比例有所降低，反映出私家車短距離出行數量在減少，這部分短距離出行正是自行車騎行的適宜范圍，與共享單車呈正關聯。

因此，假設影響共享單車資源的需求量的空間指標為交通樞紐位置分布（如公交車站，地鐵站）和人口流量密度。

通過ArcGIS分析平臺，繪制出共享單車訂單密度熱力圖，同時添加北京市地鐵站坐標圖層，為了更加直觀的觀察結果，將兩個圖層疊加如下圖：

由圖可知，共享單車的訂單熱力圖高亮部分和代表地鐵站點的黑色圓點有明顯重合分布，說明北京市區共享單車的投放點或需求量較大的點與交通樞紐站點聯系密切。

此外，根據用途類型可將城市劃分為住宅區，學校，商圈，公交樞紐站等，通過對數據計算統計得到以各地鐵站點為輻射中心的輻射圈。

隨著合理距離范圍內輻射半徑的增加可看出，地鐵周圍的單車總數訂單占比大幅增長。當輻射半徑為1500米時，相較于城市其他功能用途區域如學校，商圈等，地鐵站的共享單車的訂單數占比達到了62%，極大程度地說明了共享單車資源的空間特征指標與地鐵站位置坐標緊密相關。

同時，我們通過需求量表分析得出在兩個相鄰區域之間的共享單車的需求量較大，分析原因可能是兩個區域的中心距離很小，使用共享單車的便捷程度大于其他交通工具。但是如果在其他兩個區域之間進行行駛時，由于兩個區域的中心距離過大從而導致人們更偏向于選擇其他交通工具（如公共汽車和私家車），從而導致共享單車的使用量較小。共享單車在一定程度上減緩了地鐵周邊和城市的擁堵狀況。故地鐵站點的位置分布是評估共享單車資源的需求量的一個重要指標。

三、結論

從時間特征和空間特征兩方面進行數據挖掘和研究：對于時間特征，我們建立自回歸求和移動平均模型，將搜集到的數據按每60分鐘劃分為24個時間段，統計出每個時間段內的租車數量，繪制圖表觀察需求量與時間序列的相關性，發現存在早、午、晚用車高峰；對于空間特征，將預處理過的坐標數據導入地圖，通過分析平臺對地理信息進行分析處理，利用聚類分析對訂單起始坐標聚類得到以地鐵站點為中心的共享單車租賃中心，得到地鐵樞紐位置是影響單車資源需求量的重要指標之一，共享單車占比總數的62%。

【參考文獻】

[1] 周思萌. 共享單車使用者滿意度的影響因素研究_以昆明市為例.

[2] 張澤葦. 淺析共享單車領域.