[论文解读] Incentives and redistribution in bike-sharing systems with stations of finite capacity

Christine Fricker, Nicolas Gast|arXiv (Cornell University)|Jan 5, 2012

Urban Transport and Accessibility被引用 11

一句话总结

本文提出一种随机模型，用于分析具有有限容量站点的自行车共享系统，表明即使在同质城市中，由于用户随机性，至少存在与站点容量倒数相当的问题站点。研究证明，简单的激励措施（如引导用户前往两个站点中负载最低的一个）可使问题站点数量呈指数级减少，并计算出最优车队规模和卡车再分配速率与站点容量的关系。

ABSTRACT

Abstract. Bike-sharing systems are becoming an urban mode of transporta-tion. In such systems, users arrive at a station, take a bike and use it for a while, then return it to another station of their choice. Each station has a fi-nite capacity: it cannot host more bikes than its capacity. A stochastic model is proposed to study the effect of users random choices on the number of prob-lematic stations, i.e., stations that host zero bikes or that have no available spots at which a bike can be returned. The influence of the stations ’ capacities is quantified and the fleet size that minimizes the proportion of problematic stations is computed. Even in a homogeneous city, the system exhibits a poor performance: the minimal proportion of problematic stations is to the order of (but not lower than) the inverse of the capacity. We show that simple incen-tives, such as suggesting users to return to the least loaded station among two stations, improve the situation by an exponential factor. We also compute the rate at which bike has to be redistributed by trucks to insure a given quality of service. This rate is to the order of the inverse of the stations capacity. For all cases considered, the optimally reliable fleet size is a little more than half of the station capacity, the value of the little more depends on the system parameters. Bike-sharing systems; stochastic model; incentives; redistribution mechanisms; mean-field approximation 1.

研究动机与目标

• 建立模型以分析用户随机选择对有限容量自行车共享系统中问题站点（无自行车或无还车位置）的影响。
• 量化站点容量在用户随机行为下对问题站点比例的影响。
• 确定在同质城市环境中使问题站点比例最小化的最优车队规模。
• 评估简单激励机制在减少系统低效性方面的有效性。
• 计算为维持目标服务质量所需的卡车再分配速率。

提出的方法

• 开发随机模型以表示具有有限容量的站点之间的用户到达、自行车使用及随机还车选择行为。
• 应用均场近似方法分析大规模同质网络中的系统行为。
• 将激励机制建模为概率性引导策略——例如，建议用户将自行车还至两个站点中负载最低的一个。
• 通过随机过程的稳态分析，解析推导出问题站点的比例。
• 通过最小化长期问题站点比例，计算出最优车队规模。
• 推导出所需卡车再分配速率作为站点容量和系统参数的函数。

实验结果

研究问题

• RQ1 在具有有限容量站点的同质自行车共享系统中，问题站点的最小可实现比例是多少？
• RQ2 增加站点容量如何影响系统的可靠性及问题站点的比例？
• RQ3 简单的用户激励措施（如建议用户前往负载最低的站点）能在多大程度上改善系统性能？
• RQ4 为维持给定的服务质量，所需的卡车再分配速率是多少？
• RQ5 为实现最大系统可靠性，最优车队规模相对于站点容量应为多少？

主要发现

• 在同质城市中，问题站点的最小比例约为（但不低于）站点容量的倒数。
• 简单的激励措施（如引导用户前往两个站点中负载最低的一个）可使问题站点数量呈指数级减少，从而显著改善系统性能。
• 最优车队规模略大于站点容量的一半，具体数值取决于系统参数。
• 所需卡车再分配速率与站点容量成反比，表明容量越小，越需要更高的再分配频率。
• 即使采用最优车队规模和激励措施，由于用户行为的固有随机性，系统仍无法完全消除问题站点。