共享汽车运营管理的数据可视化平台研究
来源:用户上传
作者:段红秀 邢艳芳 周灵 秦军
摘要：共享汽车是基于“互联网+”共享经济背景下城市新的出行模式。论文研究基于大数据技术对分时租赁共享汽车的数据采集、共享和可视化平台，采集分时租赁共享汽车运营的实时数据和非实时数据进行分析处理，挖掘数据价值，提供数据可视化展示方案，综合实现从数据源到数据服务平台再到应用端数据展示与应用的“平台+应用”全流程解决方案，为共享汽车数据的综合、集中、一体化展示提供了一种高效、可靠的新方法。
关键词：共享汽车;大数据分析;数据采集;可视化
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2020）08-0012-04
共享汽车作为新兴的“互联网+交通”的出行方式，缓解了城市的噪音污染和交通拥堵，而分时租赁共享汽车让用户按需出行也成为城市交通出行的一种新模式。分时租赁共享汽车大多采用小型电动汽车和共享出行方式，可有效降低非再生能源依赖和污染，系统运行优化调度更为灵活、高效和安全。国外对共享汽车的研究较早，文献[1]通过调查数据分析，得出电动汽车的投入使用减少了居民的购买汽车的意愿。文献[2]从成本一收益角度分析发现，很多私家车使用率并不高，通过汽车共享就可以减少家庭汽车购置的固定费用。用户接受汽车共享服务的主要动机是从经济角度考虑。因此，分时租赁共享汽车恰恰迎合了人们对于汽车的使用需求。由于车辆和出行需求数量较大，时空分布特性动态变化，且受公共交通、车辆停泊站点及续航能力等限制[3]，这些特征给用户和运营商带来了许多问题，例如共享汽车网点设置是否合理、各网点汽车投放量是否合理、高峰时段各区域车辆供需是否平衡、网点间车辆调度是否及时等，因此分时租赁共享汽车运维系统面临动态任务分配及车辆调度、运行优化与再平衡等难题[4]。解决这些问题的关键在于通过数据分析建立直观地可视化平台，用可视化平台直观展示数据分析结果，彻底打破数据壁垒，形成数据闭环，提升数据处理能力，让每一项运营决策均有数据依据，充分发挥现有数据价值，实现智能化运营管理。
1 共享汽车运营中存在主要问题
目前各大城市共享汽车投放量越来越大，随之而来的问题也越来越多，特别是在人口密集及共享汽车需求量大的城市，均会在有限的资源和庞大的出行需求出现运输供应的失衡，新模式下的分时租赁共享汽车系统主要面临如下问题：
（1）由于运营商对各区域的用户租车需求量把握不准确，导致共享汽车投放网点的位置选定和布局不尽合理，有需求量的区域无法合理停放车辆，造成部分汽车流失;有些区域车辆短缺，有些区域却车辆过剩，需求量与投放量不平衡，造成资源浪费;
（2）汽车调度效率低。目前共享汽车的调度人员可能对各区域的租车需求无法实时把握，导致没有准确的调度策略，往往各区域之间调度不及时，耗费较大的调度成本;
（3）对于一些特殊时间，比如上班期间的早高峰和晚高峰，用户的租车需求一般会明显高于其他时段，若汽车投放不合理则用户无车可借，另一些用户可能扎堆停车，造成“租车难，还车难”的状况。
以上种种问题将会使用户借还车体验差，最直接的后果则是用户流失，因此如不解决以上问题，共享汽车运营商经营将面临极大的生存危机。文献[5]以停放点吸引范围、汽车行驶距离等作为约束条件，建立了共享汽车停放点位置布局的优化模型。文献[6]考虑空间和时间两重因素计算轨迹相似性，并以此为基础提出一种时空轨迹聚类方法，用于发现热门旅游区之间的热点路径，也可作为网点设置的依据。此外大多数针对共享汽车的研究都仅考虑共享汽车模式对车辆使用总量的增减效应，文献[7]从更精细化的角度分析共享汽车模式对交通状况的影响，从时间、空间、运营模式以及用户4个维度分析某共享公司的出行需求对交通的影响。
2 研究目标
随着城市共享汽车推广运营.每天都会产生大量用户数据信息，怎样从这些各种各样的数据中挖掘出有效信息，对运营商来说极为重要。大数据时代下的数据挖掘技术能对数据进行实时分析，提高实时性，保证共享汽车调度的有效实施。利用大数据技术对数据进行采集、分析和预测，对分时租赁共享汽车的车辆调度和运营商的运营管理有着十分重要的意义。利用可视化技术能将数据更加直观的进行展示，使运营商准确掌握用户的租车行为规律。通过对共享汽车运营数据进行数据挖掘，可以找出数据背后的潜在价值，为运营商做出各种决策提供可靠的保障，这些都对新模式下的共享汽车分时租赁系统的发展意义重大。
本文研究的主要内容是研究采集共享汽车运营的实时数据和非实时数据，对数据进行整理分析，建立多维度、多渠道数据库，对数据进行汇聚、清洗、处理、融合、分类管理，结合商用地图接口，对数据进行挖掘分析，并使用可视化平台展示，最后对可视化分析结果进行特征构造，采用时间和空间因子对租车量进行直观展示，图1为该平台技术流程。本文所研究的成果，可以為共享汽车合理设置网点、合理规划投放量以及汽车智能调度提供可靠有价值的参考依据，在一定程度上促进共享经济模式下共享汽车系统的健康发展。
3 共享汽车管理的基础数据采集
根据分时租赁共享汽车运维业务的需求分析，共享汽车管理系统包含四个主要的实体，分别为车辆信息、网点信息、会员信息和订单信息等。
（1）车辆信息：显示车辆运营状态、车辆流向和车辆构成、营收占比;通过车辆流向数据监控，及时平衡区域车辆配置并通过价格杠杆调节车辆流向，如某区域在夜间车辆大量流入，日均差较大，则通过数据系统的分析，可及时设置热门网点取还车服务费等措施。因此需要及时获取每辆汽车的相关运营数据。汽车数据主要包含车牌号、发动机号、维修记录等非实时数据，还包括车辆状态、车辆实时位置和运营状态等实时数据。因此对车辆信息采集的主要数据包括：车牌号、车架号、车型、发动机号、业务状态、车辆状态、车辆运营状态、GPS定位时间、当前经纬度、续航公里数、最后一次订单信息、最近网点信息等内容。 （2）网点信息：显示网点类型构成和各城区网点数量、各城区网点营收能力（位效比），对网点信息采集的主要数据包括：网点名称、网点状态、网点详细地址、网点专用车位数、GPS经纬度坐标、导航地址、位置描述、网点照片等信息，结合百度商用地图接口，可记录百度经纬度坐标等信息，结合网点订单信息，可记录网点排名信息。对订单密集度较高的网点，可通过网点分裂或增加车辆投放来及时优化网点布局。通过网点营收数据分析，进一步优化网点布局，重点开发位效比较高的区域网点，及时采用增开引流、关停止损等优化措施，提高网点平均位效。
（3）会员信息：显示会员数量、年龄分布、用户的特征画像。对会员信息采集的主要数据包括：会员号、会员姓名、联系方式、注册时间、驾驶证号、用户类型、用户等级等非实时信息，以及实时记录会员产生的订单信息。根据会员订单的出行场景、订单时段、订单金额、年龄结构等数据分析，对用户进行了初步画像，根据初步画像调整营销策略。
（4）订单信息：订单信息是在共享汽车运营过程中实时采集，每个订单中均包含了用户信息及汽车信息詳情。对订单信息采集的主要数据包括：订单号、订单时间及时长、车辆相关信息、会员相关信息、订单创建时间、取车时间、取车网点信息、还车时间、还车网点信息、取车续航数据、还车续航数据等信息。在对分时租赁订单分析中，需要记录显示热门网点、订单趋势、每车日均订单量等;通过订单和网点数据筛选，可以分别查看订单排名和网点排名;通过订单分析，直接为车辆投放、车辆调度提供依据。根据订单发生时段和场景，提高调度效率，对热门网点排名前十网点，取还高峰时段提前做好运维人员配备，加强车辆爆点调离和无车补给，缩短车辆调拨时长，调高订单增长及收入增长，并让用户体验及时智能调度服务。
4 数据可视化研究
分时租赁共享汽车数据具有不同的实时性响应需求。例如，订单详情及车辆状态和行驶轨迹情况与调度策略密切相关，则需要实时关注，同时又要对非实时的信息进行关联性分析展示。此外，车辆的年检、违章、网点的位效比等非实时数据也是运营商关注的内容。对上述数据进行可视化展示模型设计时，要具体分析各类接口的响应时间与数据的读取周期。同时，对分时租赁共享汽车数据可视化需求进行简单归类，按照关注点、使用人群、应用场景分类见表1。
运维监测人员需要及时发现问题，更关注实时数据，也就是运维监测类数据，包括网点爆点监测、网点无车监测、车辆与状态监测等数据。分析调查人员比较关注非实时的历史数据，专注分析挖掘数据直接的关联关系，可通过逐级下钻的可视化方式满足这类用户的需求。指挥决策人员关心宏观指标与综合概览，可将上述实时与非实时数据可视化后的图表组合成驾驶舱页面，满足这类用户需求。通过ECharts图表库工具实现运维系统的可视化平台，实时下载数据，实时分析并直观显示，运营商管理效率和车辆调度人员工作效率大幅提升。
4.1 网点分布及实时车辆可视化
系统可采用可视化与自动化模式对当前已产生订单的车辆的运行轨迹、各网点实时信息等内容进行分析和显示，使用直观的数据呈现，并采用多维的空间维度展示，从而提升了业务自动化的程度，并对车辆的实施管理和调度进行了最精准的分析和直观的可视化展示。如图2为可视化展示平台中对某区域各网点及车辆分布信息的可视化展示效果图。调用商用地图借口，实时显示每个分时租赁网点信息，并能监测各网点实时的车辆流动。对借还车辆密集或订单量较大的网点，可再次将网点裂变或增加网点的车辆投放量。
4.2 车辆流向动态监测可视化
实时分析不同时间段内的订单数据，根据订单的起始点和终止点，对该时间段内所有车辆的动态流向进行监测，并生成车辆流向监测可视图。根据该监测图，可以分析每个网点的车辆流向，并能及时调拨某时间段内热门网点的调度人员，为车辆的智能调度提供实时数据依据。如对每天的车辆动态流向进行分析，则可直观地找到不同时间段借还车网点频发的区域，经过大量数据积淀，对一周或一个月的车辆流向动态检测数据进行分析，可完成基于出行需求预测的网点布局。
4.3 不同时刻出行需求热力图
根据不同时间段各网点的车辆借还数据，可生成出行需求热力图，显示某区域的出行热力变化，方格颜色显示共享汽车的出行需求量，颜色越浅，出行需求越多，颜色越深，出行需求则越少。根据该热力图完成基于出行需求预测的智能调度。通过不同时段、不同区域订单数据更直观的动态监控，车辆调拨从依靠经验判断向数据化精准调拨转变，进一步提高可运维管理效率和有效性，车辆资源分配更合理。
5 数据赋能的共享汽车运营策略研究
人工智能赋能的数据管理技术，主要指将机器学习为代表的人工智能技术中统计、学习、推理和规划等能力应用到数据库系统和数据管理中，实现减少人力开销和提高性能的目的。人工智能赋能的数据管理技术通过对查询负载、数据分布、数据库硬件特性、历史查询性能表现等进行特征抽取和建模，结合机器学习等技术，有效利用历史数据和习得模型，对数据库进行有针对性的优化[8]。
建立大数据可视化平台的意义在于，根据共享汽车运维的实时数据和积淀数据来建立大数据展示及分析平台系统，彻底打破数据壁垒，形成数据闭环，大幅提升数据处理能力，让每一项决策均有数据依据，充分发挥现有数据价值，实现智能化运营管理。该大数据可视化平台采用可视化与自动化模式，采用多维的空间维度展示，对车辆的实时监控和调度进行了最精准分析和直观的可视化展示。该系统旨在挖掘数据价值，让数据为运营角色赋能。
6 总结展望
该论文研究了当前热门的分时租赁共享汽车出行模式的可视化平台，该平台采集分时租赁汽车在运营时产生的实时数据和非实时数据，具体包括车辆、会员、网点和订单等信息，对这些信息进行汇聚分析，并将分析结果进行可视化展示。该系统可以在极大程度上挖掘了共享汽车运行时产生的数据价值。分时租赁共享汽车的网点布局和智能调度问题是受到各界广泛关注的热点问题，本文以大数据可视化展示平台为基础，根据数据挖掘、分析和可视化结果，为网点布局和智能调度提供了有力的数据支撑，让运营商的每项决策都有数据可依。目前分时租赁共享汽车有多家运营商，后续将结合共享汽车平台数据进一步研发，优化基于大数据可视平台的网点布局和智能调度策略。 参考文献：
[1] Firnkorn， MartinMuller. Free-floating electric carsharing-fleet-sin smart cities： The dawning of a post-private car era in ur-banenvironments[J].Science Direct，2015（45）：30-40.
[2]R G Meijkamp.Changing consumer behavior through Eco-effi-cientServices： An empirical study on Car Sharing in the Neth-erlands[M]. PhD dissertation Delft University of Technology，2000：61-62.
[3]郭戈，许阳光，徐涛，等.网联共享车路协同智能交通系统综述[J].控制与决策，2019，34（11）：2375-2389.
[4]夏琪.基于用户出行轨迹的共享汽车调度研究[D]，武汉理工大学，2018.
[5]陈皓，李雪芹，申泰岜.共享汽车停放区域优化布局仿真[J].计 算机仿真，2018，35（9）：125-130.
[6] Zheng L'XiaD，ZhaoX.Spatial-temporal travel pattem miningusmg massive taxi trajectory data[J].Physica A Statistical Me-chanics&Its Applications.2018.
[7]陳小鸿，成嘉琪，叶建红，等.共享汽车用户及出行时空特征[J].同济大学学报：自然科学版，2018，46（6）：798-803.
[8]张路明，张少敏，姬涛，等.人工智能附能的数据管理新技术研究[J].软件学报，2019（12）：1-20.
【通联编辑：王力】
作者简介：江苏省高校自然科学研究面上项目（18KJD520006）;教育部产学合作协同育人项目（201802057010）;本研究成果得到江苏高校“青蓝工程”资助
作者简介：段红秀（1981-），女，山西洪洞人，讲师，硕士，研究方向为计算机应用技术;邢艳芳，副教授，硕士;周灵，副教授，博士;秦军，教授，硕士生导师。
转载注明来源:https://www.xzbu.com/8/view-15208433.htm
