[论文解读] Balancing bike sharing systems (BBSS): instance generation from the CitiBike NYC data

Tommaso Urli|arXiv (Cornell University)|Dec 13, 2013

Urban Transport and Accessibility参考文献 2被引用 5

一句话总结

本文提出一种方法，利用真实的纽约市CitiBike数据生成逼真且静态的平衡自行车共享系统（BBSS）基准实例。通过分析2013年9月的午夜快照，作者获取了各站点的自行车数量、目标水平以及通过Google地图计算的站点间距离，进而生成了180个多样化实例，实例规模从40个到240个站点逐步增加，且源站点与汇站点保持平衡，从而支持可复现的优化测试。

ABSTRACT

Bike sharing systems are a very popular means to provide bikes to citizens in a simple and cheap way. The idea is to install bike stations at various points in the city, from which a registered user can easily loan a bike by removing it from a specialized rack. After the ride, the user may return the bike at any station (if there is a free rack). Services of this kind are mainly public or semi-public, often aimed at increasing the attractiveness of non-motorized means of transportation, and are usually free, or almost free, of charge for the users. Depending on their location, bike stations have specific patterns regarding when they are empty or full. For instance, in cities where most jobs are located near the city centre, the commuters cause certain peaks in the morning: the central bike stations are filled, while the stations in the outskirts are emptied. Furthermore, stations located on top of a hill are more likely to be empty, since users are less keen on cycling uphill to return the bike, and often leave their bike at a more reachable station. These issues result in substantial user dissatisfaction which may eventually cause the users to abandon the service. This is why nowadays most bike sharing system providers take measures to rebalance them. Over the last few years, balancing bike sharing systems (BBSS) has become increasingly studied in optimization. As such, generating meaningful instance to serve as a benchmark for the proposed approaches is an important task. In this technical report we describe the procedure we used to generate BBSS problem instances from data of the CitiBike NYC bike sharing system.

研究动机与目标

• 为平衡自行车共享系统（BBSS）创建逼真且可复现的基准实例，以支持优化研究。
• 解决缺乏标准化、公开可用的基于真实世界数据的BBSS实例的问题。
• 确保生成的实例能够反映现实世界中的动态特征，如高峰使用模式和空间失衡。
• 通过提供一致且基于数据的问题实例，实现优化算法之间的公平比较。
• 通过可扩展的开源实例生成器，支持高效再平衡策略的开发。

提出的方法

• 从2013年5月至11月，每10分钟收集25,000个纽约市CitiBike的快照，重点关注工作日数据。
• 计算各站点每小时的自行车数量分布，利用第一四分位数和第三四分位数识别源站点（流出）和汇站点（流入）。
• 定义位移值 $ disp_s = ig floor C_s - (C_s - (max_s - min_s))/2 ig floor - max_s $，以最小化站点变为空或满的风险。
• 选择2013年9月的午夜快照作为实例生成的起点，假设再平衡操作在夜间完成。
• 由于位置居中，选择站点ID 294作为枢纽，并在其他实例的站点选择中排除该站点。
• 通过从源站点组和汇站点组中随机选择站点来生成实例，以平衡目标函数范围并确保多样性。

实验结果

研究问题

• RQ1 如何从真实世界的自行车共享数据中生成逼真且静态的BBSS问题实例？
• RQ2 在像CitiBike NYC这样的大型城市自行车共享系统中，自行车失衡的时空模式是什么？
• RQ3 如何从历史使用数据中推导出站点级别的自行车数量和目标水平，以反映现实世界中的失衡情况？
• RQ4 枢纽选择和站点采样策略对生成实例的多样性与真实感有何影响？
• RQ5 如何准确建模站点间距离，以反映城市环境中真实的行驶时间和路线？

主要发现

• 作者成功利用真实纽约市CitiBike数据，生成了180个规模从40到240个站点逐步增加的静态BBSS实例。
• 以2013年9月的午夜快照作为基准，确定初始自行车数量（$b_s$）和目标水平（$\hat{b}_s$），确保时间上的真实性。
• 生成器采用平衡采样策略，从源站点组和汇站点组中选择站点，以确保更宽广的目标函数范围。
• 站点间距离通过Google Maps API以米和分钟为单位计算，提供准确的行驶成本输入。
• 该生成器以MIT许可证开源，公开发布于 https://bitbucket.org/tunnuz/citibike-nyc-generator。
• 与标准BBSS实例不同，本数据集未在行驶时间中包含装载/卸载时间，从而允许灵活建模不同的运营策略。