基于BP神经网络的公共自行车单站点调度需求量研究

城市公共自行车租赁系统的合理调度对提高公共自行车使用率至关重要,其关键在于对未 来自行车使用情况进行合理预测,确定每个站点调度需求量。通过对站点历史借还车数据与运行 特性进行归纳分析,利用BP 神经网络模型对单站点借（还） 车频次随时间分布的规律进行预 测,预测值和真实值平均相差约3 辆车,曲线拟合良好,证明模型可实践性较高。在此基础上, 按照调度时间窗内站点饱和度动态平衡的原则确定单站点最佳调度需求量。对浙江温州鹿城区街 心公园站点的实例分析表明,实行按需调度能使早晚高峰单站点“无位可还”的时间缩短约0.5h 以上,从而有效提升站点服务质量和满意度。     

基于多目标优化模型的城市公共自行车调度研究

为提高城市公共自行车站点使用率,需要对租赁系统进行合理调度。文章在预测站点借还车频次随时间分布、确定单站点调度需求量、划分好调度区域等前提下,针对第二天早高峰需求,建立了综合考虑用户满意度和调度成本的多目标优化调度模型,并设计出带模拟退火的遗传算法进行求解。通过对浙江省温州市鹿城区某调度区域86个站点的实例分析,证明了该方法的有效性。