[论文解读] Incentives and Redistribution in Homogeneous Bike-Sharing Systems with Stations of Finite Capacity

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

Urban Transport and Accessibility参考文献 9被引用 6

一句话总结

本文提出了一种用于具有有限容量站点的同质自行车共享系统的随机平均场模型，以分析存在问题的站点（无自行车或无空位）的比例。结果表明，随机用户选择会严重降低系统性能，但通过激励措施（如引导用户前往两个站点中负载较低的一个）可将存在问题的站点数量减少一个指数因子，且最优车队规模约为总站点容量的一半加上一个微小修正项。

ABSTRACT

Bike-sharing systems are becoming important for urban transportation. 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 finite capacity: it cannot host more bikes than its capacity. We propose a stochastic model of an homogeneous bike-sharing system and study the effect of users random choices on the number of problematic stations, i.e., stations that, at a given time, have no bikes available or no available spots for bikes to be returned to. We quantify the influence of the station capacities, and we compute the fleet size that is optimal in terms of minimizing the proportion of problematic stations. Even in a homogeneous city, the system exhibits a poor performance: the minimal proportion of problematic stations is of the order of (but not lower than) the inverse of the capacity. We show that simple incentives, 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 bikes have to be redistributed by trucks to insure a given quality of service. This rate is of the order of the inverse of the station capacity. For all cases considered, the fleet size that corresponds to the best performance is half of the total number of spots plus a few more, the value of the few more can be computed in closed-form as a function of the system parameters. It corresponds to the average number of bikes in circulation.

研究动机与目标

• 建立同质自行车共享系统在有限站点容量下的稳态性能模型。
• 量化随机用户选择对存在问题站点（无自行车或无空位）比例的影响。
• 评估用户激励措施（如建议用户返回负载较低的站点）对系统性能的影响。
• 确定使存在问题站点比例最小化的最优车队规模。
• 分析通过卡车进行再分配所需的再分配速率，以维持系统的服务质量。

提出的方法

• 使用随机平均场近似方法，对具有对称性和有限容量站点的大规模自行车共享系统进行建模。
• 将‘存在问题的站点’定义为在某一时刻可用自行车数为零或空位数为零的站点。
• 引入一种双选择激励机制，即引导用户前往两个站点中负载较低的一个，以减少系统失衡。
• 通过流体模型和固定点近似方法，推导存在问题站点比例的解析表达式。
• 将基于卡车的再分配建模为速率为 γ 的随机过程，其中卡车在最满和最空的站点之间移动自行车。
• 对卡车容量 C 进行缩放，并分析其对再分配效率和系统性能的影响。

实验结果

研究问题

• RQ1 在具有有限站点容量的同质自行车共享系统中，随机用户行为如何影响存在问题站点的比例？
• RQ2 在该系统中，使存在问题站点比例最小化的最优车队规模是多少？
• RQ3 简单的用户激励措施（如在两个站点中选择负载较低的一个）能在多大程度上改善系统性能？
• RQ4 通过卡车进行再分配的速率如何影响系统性能？对于给定的站点容量，最优再分配速率是多少？
• RQ5 在具有局部相互作用的几何空间结构系统中，激励措施带来的性能提升是否依然有效？

主要发现

• 在无激励措施的情况下，存在问题站点的最小比例约为 $ 2/(K+1) $，其中 $ K $ 为站点容量。
• 在采用双选择激励机制（即返回两个站点中负载较低的一个）时，存在问题站点的比例降至 $ \sqrt{K} \cdot 2^{-K/2} $，实现了指数级的性能提升。
• 最优车队规模约为 $ K/2 + \lambda/\mu $，其中 $ \lambda/\mu $ 为系统中自行车的平均数量。
• 通过卡车进行再分配的最优速率是 $ \gamma^* = 1/(K-1) $，且当卡车容量 $ C $ 较大时性能会下降，因为更大的批量会降低系统平衡性。
• 即使在站点容量有限的情况下，随机用户选择仍会显著降低系统性能，凸显了激励措施的必要性。
• 模拟结果证实理论预测与实际结果高度吻合，尤其是在卡车容量较小（如 $ C=1 $）时，验证了流体近似的有效性。