[논문 리뷰] Simulating and Evaluating Rebalancing Strategies for Dockless Bike-Sharing Systems

Damian Barabonkov, Samantha D'Alonzo외 4명|arXiv (Cornell University)|2020. 04. 24.

Urban Transport and Accessibility인용 수 6

한 줄 요약

이 논문은 도킹이 없는 자전거 공유 시스템에서의 재배치 전략을 시뮬레이션하고 최적화하기 위해, 여정 데이터에서 유도된 추상화된 정류장을 사용하는 혼합정수계획법(MIP) 프레임워크를 제안한다. 싱가포르의 2017년 도킹이 없는 시스템에서 수요와 재배치를 모델링함으로써, 재배치 용량을 늘려도 항상 실수된 수요를 줄이지 못하며, 허브 크기가 동적 전략에 비해 정적 전략에 더 큰 영향을 미친다는 것이 드러났다.

ABSTRACT

Following the growth of dock-based bike sharing systems as an eco-friendly solution for transportation in urban areas, Dockless systems are revolutionizing the market for the increased flexibility they offer to users. Bike redistribution is a common approach to improve service, and there exists extensive research considering static and dynamic rebalancing strategies for dock-based systems. We approach the dockless problem by defining abstract stations from trip start and end location frequency. This paper offers an optimizing Mixed Integer Program framework to model the effects of various bike repositioning strategies for dockless systems. We process 30 days worth of Singapore-based dockless bike data from September 2017 to extract trips. Pairing our mixed integer program with a demand model built from the processed data, we unveil trends between fleet size, lost demand, and magnitude of repositioning proper to the repositioning strategy employed. We also show that increasing repositioning potential does not always improve service performance.

연구 동기 및 목표

• 고정된 정류장이 없고 운영 복잡도가 높은 도킹이 없는 자전거 공유 시스템에 대한 최적화 모델의 부족을 해결한다.
• 여행 시작/종료 빈도 데이터에서 유도된 추상화된 정류장을 사용하여 도킹이 없는 시스템의 수요와 재배치를 모델링한다.
• 데이터 기반 혼합정수계획법을 사용하여 허브 크기와 재배치 용량이 실수된 수요에 미치는 영향을 평가한다.
• 다양한 허브 크기에서 정적 및 동적 재배치 전략을 비교하여 성능 상충 관계를 규명한다.
• 전기 스쿠터와 같은 다른 공유 이동 수단 시스템에 적용 가능한 유연한 시뮬레이션 프레임워크를 제공한다.

제안 방법

• 싱가포르 도킹이 없는 자전거 데이터(2017년 9월 30일 간)에서 고빈도의 여정 시작 및 종료 위치를 군집화하여 추상화된 정류장을 정의한다.
• 과거 여정 빈도를 기반으로 수요 모델을 구축하여 공급이 부족할 경우 실수된 수요를 추정한다.
• 허브 및 재배치 용량 제약 조건 하에 실수된 수요를 최소화하는 데 목적이 있는 혼합정수계획법(MIP)을 제안한다.
• 수정된 정적 전략(야간 재배치)과 동적 전략(피크 시간대 재배치)의 두 가지 재배치 전략을 구현한다.
• 추상화된 정류장에 걸쳐 초기 자전거 분포를 선형적으로 스케일링하여 다양한 허브 크기를 생성하고 비율을 유지한다.
• MIP를 사용하여 재배치 결과를 시뮬레이션하고 다양한 허브 크기 및 재배치 용량에서 실수된 수요를 측정한다.

실험 결과

연구 질문

• RQ1 재배치에 사용 가능한 차량 수를 늘릴수록 도킹이 없는 자전거 공유 시스템에서 실수된 수요는 어떻게 영향을 받는가?
• RQ2 정적 및 동적 전략 하에서 허브 크기와 필요로 하는 재배치 이동 수 사이의 관계는 어떠한가?
• RQ3 더 높은 재배치 용량이 실수된 수요 감소라는 측면에서 항상 시스템 성능 향상으로 이어지는가?
• RQ4 다양한 허브 크기 및 수요 조건에서 정적 및 동적 재배치 전략의 성능은 어떻게 비교되는가?
• RQ5 초기 자전거 분포 패턴과 허브 스케일링은 시스템 효율성과 실수된 수요에 얼마나 큰 영향을 미치는가?

주요 결과

• 재배치에 사용 가능한 차량 수를 늘려도 실수된 수요가 항상 감소하지는 않으며, 특히 특정 허브 크기 범위에서는 비단조화적인 관계가 있음을 시사한다.
• 동적 재배치 전략은 정적 전략에 비해 허브 크기가 증가할수록 훨씬 더 많은 재배치 이동 수가 필요하다.
• 허브 크기가 동적 전략에서 필요로 하는 재배치 이동 수에 더 큰 영향을 미치며, 정적 전략보다 그 영향이 더 크다.
• 재배치 용량을 일정 수준 이상으로 늘릴 경우 실수된 수요 감소에 대해 수익 감소 현상이 나타나며, 이는 운영 비효율성을 시사한다.
• 추상화된 정류장에 걸쳐 초기 선형 스케일링이 최적은 아닐 수 있으며, 더 스마트한 초기화 방식이 성능 향상에 기여할 수 있다.
• MIP 프레임워크는 허브 크기, 재배치 용량, 실수된 수요 간의 복잡한 상충 관계를 성공적으로 포착하여 운영 의사결정에 실용성을 입증했다.