上海市共享汽车停泊地布局优化研究

来源:用户上传      作者:

　　摘 要：共享汽车是时下共享经济的一大组成部分。共享汽车的发展，一方面满足了人们日益增长的出行需要，另一方面也有利于保护环境、减轻城市交通拥堵。上海市作为共享经济的桥头堡之一，其共享汽车的发展处于前沿。在其发展过程中，共享汽车停放问题随之而来。针对上海市土地利用紧张的现状，以上海市现有的停车位作为共享汽车停泊点，基于遗传算法构建优化模型，以部分站点的布局车位为例进行优化，希望能够给上海市共享汽车停泊点的优化提供一些有用的建议。
　　关键词：共享汽车;上海地区;遗传算法;停泊点;优化
　　中图分类号：F294      文献标志码：A      文章编号：1673-291X（2020）02-0049-03
　　引言
　　共享经济目前成为了一个社会持续关注的网红领域，国家科技和经济常年的快中速发展则为互联网和传统产业的深度交融提供了强大的推动力。共享汽车的概念由来已久，早在20世纪80年代该模式便在欧洲国家普遍兴起，发展至今，仅欧洲便有超过200家汽车共享商家、近400个城市有共享汽车的市场，使用人数超过10万人。而在中国，共享汽车的发展有着属于中国特色的时代背景。国内共享汽车服务在2009年开始步入快速发展的阶段，目前已有近千万规模的用户、数十万辆车的规模。随之而来的，就是共享汽车发展网点的布局问题以及相应的车辆调度问题。
　　但是相较于调度问题，共享汽车的选址因为受城市发展用地问题的制约，国内对其的研究并没有研究调度问题那么多，基本的研究模式也只是根据相关算法提出模型，随后以城市或区域为单位进行模拟仿真。Robyn[1]等针对资源共享实践中对象的动员方式研究，提出了共享经济的批判性分析，支撑了共享汽车对汽车重构的影响。王新原等分析了共享经济活动和商业模型的高速发展，讨论了共享汽车运营的可行性，并提出了创新性运营策略，最后提出通过与公共汽车公司、汽车租赁公司的合作，整合或改建已有的停车场站增加共享汽车停放点[2]。王丽敏和杨帆等分别通过定性和定量的手段研究了影响站点选址的因素、方法和原则，并确定各评价指标的权重。运用模糊综合评价法建立了相应站点选址方案评价模型[3，4]。
　　目前的上海市作为共享汽车发展的一个桥头堡，以EVCARD为例，截至2019年9月，其已在全国60多座城市投放了超5万辆车，并建立了13 000多网点以及拥有了600多万用户。作为它核心运营区域的上海市，截至目前已有3 673个网点，为全国之最。上海市作为全国经济中心，在不大的土地上居住着两千万以上的人口，势必导致人地矛盾、土地资源紧张、土地价格居高，如果选买地建立停车位成本过于高昂。同时，3 000多的网点也出现了扎堆或者地理位置不合理的情况。因此，利用现有的停车场，运用科学的方法合理布局车位数便成为了一个极为重要的考量。
　　一、模型设计
　　（一）参数说明
　　事实上，站点的优化问题可以描述为：“在满足相关的约束条件下，把相关候选站点的车位数重新增减变动，使得总体的变动量最少，而供需差距最小。”[5]因此，基于NSGAⅡ遗传算法的共享汽车优化模型[4]，提出了如下假设：
　　假设1：站点的建设成本只考虑充电桩的数量和面积，且站点的车位数与充电桩数量和建设面积成正比关系。
　　假设2：站点的人口密度和污染数值在调查时期内保持不变。
　　假设3：站点的车位数在调查阶段保持不变。
　　定义变量如下：
　　xi：为第i个站点的车位变动量，正数表示增加，负数表示减少;
　　δi：为第i个站点的原有车位数;
　　θi：为第i个站点的共享汽车流出量;
　　Ci：为第i个站点的共享汽车流入量;
　　Z：指整数集;
　　f1：站点的变动车位数;
　　f2：变动i个车位后的C差值。
　　优化模型如下：
　　（二）算法步骤
　　Step1初始化设计：设置代数计数器，初始代数t=0，设置最大进化代数T，随机生成个体作为父代群体。
　　Step2个体评价：计算初始父代群体中个体的目标函数，即它的适应度值。
　　Step3选择运算：将选择算子作用于群体。选择的目的在于把最佳的个体直接遗传到下一代。
　　Step4交叉运算：将交叉算子作用于群体。通过配对交叉产生新的个体再遗传到下一代，用于生成新子代个体。
　　Step5变异运算：将变异算子作用于群体。对群体中个体的某些基因座上的基因值作变异，生成新子代。
　　群体经过选择、交叉、变异运算之后得到下一代新群体。
　　Step6终止条件判断：当遗传代数t为最大进化迭代数，即t=T时，进化过程中所得到的拥有最大适应度的个体作为最优解输出，并终止计算。此时停泊点布置方案即认为是该综合优化的Pareto最优解。
　　二、案例求解
　　通过实地调研、网络查阅，选取了EVCARD在本市的21个特征站点进行模拟，剔除异常数据17号停车位，共得样本数量20。利用Matlab R2014a软件编程实现NSGAⅡ遗传算法程序，算法设定种群规模N=100，遗传代数T=200，交叉概率p1=0.8，变异概率p2=0.1。
　　经过计算，得到的Pareto解如下列图表所示：
　　目標函数的两个适应度值分别为：minf1=76和minf2=25，即总变动值为76，供需差为25。网点车位变动值为xi=（0 1 2 3 0 0-3 2-3 0 0 0 5 0 1 0 0 1 2-3）。优化后的网点车位为：5，11，5，18，7，14，1，44，0，3，4，3，17，6，11，10，8，34，6，1。 　　三、結论
　　综合分析可以发现，杨浦区的共享汽车停车位的布局基本上涵盖了整个区域，此时最大的问题就在于车位数量，有些网点车位上一辆车都没有，有点网点还能多出不少空余车位。通过NSGAⅡ遗传算法20次的计算结果，在确保总变动和供需差最小的情况下，得出了最优车位的布局。该结果对杨浦地区的停车位优化有着一定的启发意义。
　　在城市中大力推行共享汽车，离不开城市配套的基础设施。上海地区的共享汽车发展较为成熟，数千网点的覆盖量已经实时上覆盖基本上所有拥有出行需求的客户。因此，在布局点基本上都覆盖的情况下合理规划车位，有利于提升整体共享服务水平，减少共享资源的浪费，优化城市交通出行和资源协调。本文采用遗传算法对站点车位进行优化，通过实地考察本地区各个站点一天的客流量，综合考虑站点出行平衡等因素，建立了一个多目标的优化模型，得到了多个Pareto解，再通过对比选出最优方案。然而，在实践生活中，影响车位变化的因素较多，也更为复杂，因此本文结果的准确性尚待进一步的验证。未来将针对目前的模型进一步考虑引入改进型遗传算法以及动态定价自适应调度策略[6]来综合改良模型，同时，在大规模城市的优化模型应用上，还有待进一步的学习和研究。
　　参考文献：
　　[1]  ROBYN D，SOPHIA M，JENNIF-ERL K.Sharing as social material practice：Car sharing and the material reconstitution of auto mobility[J].Geoforum，2019，（1）：10-16.
　　[2]  王新源.北京市发展共享汽车服务的运营策略研究[J].时代金融，2014，（2）：123-124.
　　[3]  Edourad Serot，杨帆.电动汽车共享服务选址方法研究[J].上海汽车，2019，（7）：32-35，39.
　　[4]  王丽敏.基于AHP和模糊综合评价法在共享汽车站点选址的研究[J].江苏科技信息，2013，（7）：60-62.
　　[5]  陈镇东，秦坤，刘凯勋.基于遗传算法的共享汽车站点选址布局及优化设计[J].江苏科技信息，2019，（14）：39-41.
　　[6]  王宁，舒雅静，唐林浩，张文剑.基于动态定价的共享汽车自适应调度策略[J].交通运输系统工程与信息，2018，（5）：12-17.
　　Research on Optimal Layout of Shared Car Parking in Shanghai
　　LIAO Yu-hao，DAI Meng，DING Chen-lu，ZHANG Guo-fan，ZHANG Jia-yi
　　（School of Management，Shanghai science and technology University，Shanghai 200093，China）
　　Abstract：Shared cars are a big part of the current sharing economy.The development of shared cars，on the one hand，meets the growing travel needs of people，on the other hand，it is also conducive to protecting the environment and reducing urban traffic congestion.As one of the bridgeheads of shared economy，the development of shared automobile in Shanghai is at the forefront.In the process of its development，the problem of shared car parking follows.In view of the current situation of land use tension in shanghai，the existing parking space in shanghai is used as the parking point of shared car，the optimization model is constructed based on genetic algorithm，and the layout parking space of some stations is optimized as an example，hoping to provide some useful suggestions for the optimization of parking point of shared car in shanghai.
　　Key words：Shared Automotive;Shanghai Area;Genetic Algorithm;Parking Point;Optimization
转载注明来源:https://www.xzbu.com/2/view-15152395.htm