1、第 42 卷第 3 期2023 年 6 月兰州交通大学学报Journal of Lanzhou Jiaotong UniversityVol 42 No 3Jun 2023收稿日期:2022-07-23学报网址:https:/lztx cbpt cnki net基金项目:国家铁路局项目(TYFK201917)第一作者:杨凯(1996 )，男，甘肃张掖人，硕士研究生，主要研究方向为道路交通运营管理与控制。E-mail:862495819 qq com通信作者:吴芳(1966 )，女，甘肃天水人，教授，主要研究方向为道路交通运营管理与控制。E-mail:273798991 qq com文章编号:1
2、001-4373(2023)03-0032-07DOI:10 3969/j issn 1001-4373 2023 03 005基于共享电动汽车时空分布规律的高峰时段车辆调度研究杨凯，吴芳*，罗维壮(兰州交通大学 交通运输学院，兰州730070)摘要:研究综合考虑了目前共享电动汽车运营公司在车辆调度方面不能很好的满足用户用车的动态需求的情况和忽略用户还车随机性造成的站点间“有车无位”“有位无车”的现象。因此为了满足用户用车需求的动态性，提出了基于共享电动汽车时空分布规律的高峰时段车辆调度数量预测模型，运用基于历史数据的用户需求预测模型和基于残差平方和的线性组合模型，对未来高峰时段内用户车辆使用
3、数和用户订单使用结束时的区域还车数量进行组合预测。最后以青岛市崂山、李沧、市南和市北四区的共享电动汽车使用数据进行预测。模型求解得出预测车辆调度量比当天实际调度量减少了 19 6%，有效减少了站点间车辆无效调度，一定程度上为运营公司节省了运营成本。关键词:高峰时段车辆调度;组合预测;共享电动汽车中图分类号:U491 1+7文献标志码:Aesearch on Peak Hour Vehicle Scheduling Based on the Temporaland Spatial Distribution Law of Shared Electric VehiclesYANG Kai，WU Fa
4、ng*，LUO Wei-zhuang(School of Traffic and Transportation，Lanzhou Jiaotong University，Lanzhou 730070，China)Abstract:The research comprehensively considers the current situation where shared electric vehicle op-erating companies cannot effectively meet the dynamic needs of users in terms of vehicle sch
5、eduling andthe phenomenon of vehicles without available spots and spots without vehicles between stationscaused by ignoring the randomness of users returning vehicles In order to meet the dynamics of user cardemand，a prediction model of the number of vehicle dispatches during peak hours based on the
6、 spatialand temporal distribution law of shared electric vehicles is proposed，and a linear combination modelbased on the sum of squares of residuals is used to comprehensively predict the number of vehicles occu-pied during peak hours and the number of regional returns at the end of order Finally，th
7、e shared electricvehicle usage data of Laoshan，Licang，Shinan and Shibei districts of Qingdao City was used for predic-tion Through the model solution，the predicted vehicle scheduling volume is reduced by 19 6%comparedwith the actual scheduling volume on the same day，which effectively reduces the inv
8、alid scheduling of ve-hicles between stations and saves the operating costs for the operating company to a certain extentKey words:vehicle dispatch during peak hours;combination prediction;shared electric vehicles第 3 期杨凯等:基于共享电动汽车时空分布规律的高峰时段车辆调度研究近年来环境污染问题越来越严重，因此全世界对于发展新能源技术越来越重视，政策上的支持使得电动汽车产业飞速发展
9、。全新的创新移动概念1 共享电动汽车(electric car sharing，EC)也应用而生，考虑到维护成本和运营的便利性等因素目前运营公司大多采用单向共享电动汽车的运营模式，但是随着用户数量的日益增多以及受到用户用车的随机性和潮汐性影响，导致出现“有车无位”、“有位无车”等问题的出现，这些问题对运营公司在车辆调度方面提出了新挑战。对于此类问题如何解决，国内外的专家学者做了大量的研究，归纳为以下三种:1)基于最大化运营公司利润方面的策略，运营公司作为主要的车辆调度负责人，不考虑自然调度，主要由运营公司提出相应调度模型，安排工作人员参与调度，为的是让参与调度的人员和调度车辆数最小，使利润最大
10、化2-5，此类方案实用性强，是目前车辆运营公司采用最多的调度方式，虽然实用性比较强但是对于算法和模型的要求都比较高。2)基于共享汽车调度系统方面，通过投放和部署最合适的车站数、车队规模、位置及容量来解决系统当中车站间供需不平衡的问题6，但此种方法仅适用于系统的长期规划与设计，不能很好的解决现有的车辆调度问题。3)基于用户参与的车辆调度7，此种方式通过一定的政策引导用户(如给予用户一定的用车折扣或者红包返现)，让用户自己选择是否在出发地取车时前往临近共享汽车车辆充足的站点，并且在到达目的地还车时将车辆归还于目的地临近的共享汽车车辆需求量相对较大的站点，但是这种调度方式影响力较小，不能从根本上解决
11、车辆站点间供需不平衡的问题。目前的主流研究，都是假设获取了用户的用车需求的前提下进行的车辆调度方案研究，忽视了用户用车的随机性，不能保证用户用车的及时性，针对此问题，本文提出一种预测用户的用车需求，结合订单历史数据对车辆站点高峰时段车辆调度数进行合理预测，进而满足用户用车需求的调度方法。本文用被预测高峰时段前一天相同时段的车辆订单使用数据和用户参与调度车辆数据，结合被预测高峰时段调度开始时的区域现有车辆数，预测该高峰时段的车辆调度量。研究发现共享电动汽车周一到周五的车辆使用率8 曲线有着相同的峰谷规律如图 1 所示，说明用户用车的潮汐性和随机性在周内各天是相似的，而周六周天的曲线相比周内较为平
12、缓，表明周六周天的共享电动汽车车辆需求不高，所以周六周天按历史调度经验进行车辆调度，本文提出的预测模型只针对周一至周五的共享电动汽车高峰时段调度数量预测，本文流程图如图 2 所示。图 1周一到周天全天区域内车辆使用率Fig 1Vehicle utilization rate in the area from Mondayto Sunday图 2流程图Fig 2Flow chart1需求预测模型的建立1 1车辆需求指标为了分析不同时空下的共享电动汽车需求情况，我们将被预测区域划分为若干等面积子区域，并定义一个数字指标来将各区域的车辆需求情况进行具体量化。用户需求量的大小是可直接由订单数量的多少来
13、反映的，但是订单情况往往会因为地区和时间段的不同而存在差异，所以将某一子区域某一时间段内顾客用车的总订单量与整个被预测区域内全天的订单总量的比值作为该子区域的需求指标，33兰州交通大学学报第 42 卷这样就有了一个相对统一的量化用户需求的指标，能够直观的用来对比在某一时间段内各子区域的需求情况，具体计算公式如下:P=ni=1Eini=1mj=1Eij(1)式中:P 为区域的需求指标;E 为订单数的和;n 为被预测时间段被划分的子时间段的数量;m 为被预测区域被划分的子区域的数量。1 2车辆使用率通过某一子区域单位车辆在单位时间内被租用的次数与初始时刻该子区域所拥有的车辆总数做比值叫做车辆使用率
14、，车辆使用率能够直观反映该子区域的车辆使用情况，模型当中引入该变量也能较为合理的预测单个子区域的需求量，具体计算公式如下:L=CT0(2)式中:L 为车辆使用率;C 为在单位时间段内该区域的车辆平均被租用的次数;T0为该子区域在预测时间段的初始时刻的车辆数。1 3需求量的求解根据车辆的使用率，就可以计算出某一子区域在被预测时间段初始时刻应该配置的电动汽车的数量:Sjk=MjkLjkSj=maxSjk(3)式中:Sjk为时间段k初始时刻子区域j配置的共享汽车数量;Mjk为时间段 k 初始时刻在子区域 j 的用户借车需求量;Ljk为时间段k初始时刻子区域j的共享汽车车辆使用率;Sj为子区域 j 配
15、置的电动汽车数量。进而可以将地区的需求量表示为:Mj=maxMjk(4)式中:Mjk为时间段 k 初始时刻子区域 j 的用户的借车需求量;Mj为子区域 j 为满足用户用车的共享电动汽车应该配置数量的最小值。1 4基于残差平方和的线性组合预测模型实际生活当中，在调度时段内存在一定的用户在还车时参与车辆调度的情况，为了更加符合实际，基于历史订单数据对用户在时间段内向各个子区域还车数量进行预测。在此，选取 3 个指标作为影响用户还车的因素如表 1 所列。选取三种单项预测模型9 分别为多元线性回归法、二次指数平滑法和灰色预测法来组合预测用户在高峰时段参与调度的车辆数。表 1指标说明Tab 1Descr
16、iption of indicators符号符号说明X1区域内用户参与调度历史数据X2区域内高峰时段订单历史数据X3区域内现有规划停车位数量设 Wi为线性组合模型当中每个单项预测模型的权系数，Wi的确定则是依据组合预测误差的方差最小原则加以确定。则yj0k=W1yj1k+Wnyjnk(5)式中:yj0k为子区域 j 第 k 时段的用户还车的组合预测值;yj1k，yjnk为不同单项预测模型在子区域 j 第k 时段的用户还车数量的预测值;W1，Wn为各模型的组合权数10。当 n 2 时，Qi为第 i 种单项预测模型的残差平方和。Wi=1Q/ni=11QMj，i=1，2，3(6)1 5子区域调度量与全区域调度量的求解基于上文的需求量求解模型可以列出调度量的计算公式:Uj=Mj(Soj+yj0k)(7)式中:Uj为 j 区域的调度量;Soj为调度开始时刻区域j 的初始车辆数。Uj 0，说明区域 j 的用户需求量大于该区域现有的车辆数，因此该区域需要补充车辆，Uj 0，说明区域 j 用户需求量小于该区域现有的车辆数，因此需要适当将车辆调往其他区域。U=mj=1Mj(Soj+yjok)(8)式中: