[论文解读] Simulating and Evaluating Rebalancing Strategies for Dockless Bike-Sharing Systems

Damian Barabonkov, Samantha D'Alonzo+4 more|arXiv (Cornell University)|Apr 24, 2020

Urban Transport and Accessibility被引用 6

一句话总结

本文提出一种混合整数规划（MIP）框架，通过从行程数据中抽象出的站点，模拟并优化无桩自行车共享系统中的再平衡策略。基于2017年新加坡无桩系统的供需建模，研究发现增加再分配运力并不总能减少流失需求，且车队规模对动态再平衡策略的影响强于静态再平衡策略。

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.

研究动机与目标

• 解决无桩自行车共享系统中缺乏再平衡优化模型的问题，此类系统无固定站点，运营复杂度更高。
• 利用从行程起终点频率数据中提取的抽象站点，对无桩系统中的需求与再平衡进行建模。
• 通过数据驱动的混合整数规划，评估车队规模与再分配运力对流失需求的影响。
• 在不同车队规模下比较静态与动态再平衡策略，识别性能权衡。
• 提供一个灵活的仿真框架，可适配其他共享出行系统（如电动滑板车）

提出的方法

• 通过聚类30天新加坡无桩自行车数据（2017年9月）中高频率的行程起点与终点位置，定义抽象站点。
• 基于历史行程频率构建需求模型，以估算供给不足时的流失需求。
• 制定一个混合整数规划（MIP）模型，以优化自行车再分配任务，最小化流失需求，同时满足车队与再分配运力约束。
• 实施两种再平衡策略：改进的静态策略（夜间再分配）与动态策略（高峰时段再分配）。
• 通过在抽象站点间线性缩放初始自行车分布，生成不同车队规模，保持比例一致。
• 使用MIP模拟再平衡结果，并在不同车队规模与再分配运力下测量流失需求。

实验结果

研究问题

• RQ1 增加可用于再分配的车辆数量如何影响无桩自行车共享系统中的流失需求？
• RQ2 在静态与动态策略下，车队规模与所需再分配行程数之间存在何种关系？
• RQ3 更高的再分配运力是否总能通过减少流失需求来提升系统性能？
• RQ4 在不同车队规模与需求条件下，静态与动态再平衡策略的性能如何比较？
• RQ5 初始自行车分布模式与车队规模的调整在多大程度上影响系统效率与流失需求？

主要发现

• 增加再分配车辆数量并不总能减少流失需求，尤其在某些车队规模区间内，表明二者关系非单调。
• 随着车队规模增加，动态再平衡策略所需的再分配行程数显著多于静态策略。
• 与静态策略相比，车队规模对动态策略中所需再分配行程数的影响更大。
• 当再分配运力超过某一阈值后，流失需求减少的边际效益递减，表明存在运营低效性。
• 初始自行车在抽象站点间的线性分布可能并非最优，更智能的初始化方式或可提升性能。
• MIP框架成功捕捉了车队规模、再分配运力与流失需求之间的复杂权衡，展示了其在运营决策中的实用性。