《城市公共自行车服务系统运行状况和效率的综合分析》由会员分享，可在线阅读，更多相关《城市公共自行车服务系统运行状况和效率的综合分析（27页珍藏版）》请在金锄头文库上搜索。
1、城市公共自行车服务系统运行状况和效率分析基于温州市鹿城区公共自行车系统运营实践的研究摘 要本文基于温州市鹿城区公共自行车系统的20天内借车和还车原始数据，构建模型对公共自行车的使用频次分布、供求状况和自行车租赁的站点位置特征进行了分析，进而探讨了公共自行车系统的有效性，挖掘其背后的系统运行规律和机理，并分析了这一系统的其他特征，如潮汐现象等，最终建立在长期可持续发展的基础上提出解决方案。针对累计借还车频次、各日借车卡数量和累计借车次数分布的计算，我们主要采用MATLAB遍历过所有数据并进行统计运算，得到累积分布结果的二维直方图，采用拟合的方法得到其近似分布。我们还构建了自行车用户群体的效用函数
2、模型，探讨高于某一保留效用阈值的城市居民采用公共自行车出行偏好程度。发现用户选择公共自行车出行的效用函数关于出行时间的变化近似为一个矩形脉冲函数，其拐点约为28分钟。当出行时间少于28分钟时，用户更倾向于选择公共自行车出行；在28分钟之后，用户倾向于选择其他的交通工具，仅在随机因素的作用下选择公共自行车。在公共自行车服务系统站点设置和锁桩数量的配置的分析中，我们在鹿城区公共自行车管理中心网站上找到每个自行车站点的位置，在电子地图服务提供商网站上查询出该站点位置的坐标。对于距离的界定，我们采用欧氏距离、直角距离和地图实际距离三种方法度量站点间距。第三种方法较为精确，我们采用颜色替换，形态学处理，
3、道路生长细化的方法客服了第三种方法的度量困难，最终获得城市道路信息，用于两地之间的实际道路路径求取。我们将一天中的24小时划分成以0.2小时为间隔的若干时段，分别统计落入每个时段的借还车频次，即可用来反映借还车频次时刻分布，我们发现许多站点都存在较明显的早晚高峰现象，反推出的效用函数具有稳定性和可靠性，表明我们的研究是可信的。在峰值的搜寻中，我们借助MATLAB使用均值滤波的方法减弱随机因素造成的影响, 对站点的借还车高峰时刻进行统计。通过计算等效时间峰值统一不同站点的时间峰值维数，然后采用K-means算法进行聚类分析，从而根据借还车高峰时刻对站点进行了归类。基于上述初步结果，我们提取了数据
4、中蕴含的信息，进而对鹿城区的公共自行车系统配置效率和运营状况进行分析和评价。我们发现，公共自行车系统存在明显的“潮汐现象”，在高峰时段可能有供不应求的问题，亟需建立良好的调度系统已平衡供求关系。我们拓展了前面的研究，从站点选址的社会福利优化问题以及合理的配套调度机制设计几个角度进一步分析了公共自行车服务系统的运行规律，并提出了相应的改进建议。关键词：公共自行车 效用函数 分布估计 统计分析 聚类分析一 问题提出1.1 题目背景与研究意义在倡导健康、节能、环保的生活理念的今天，公共自行车得到了越来越多城市居民的青睐，在国内掀起了一场“绿色革命”1。作为同城短区间非机动载人设备，公共自行车是具有可
5、持续发展性的重要代步手段，日益成为人们生活中不可或缺和替代的主要交通工具之一。作为公共交通末端交通工具的公共自行车不仅弥补了公共交通线网密度不足的缺陷，而且向公共交通提供客源，如图1所示。我国现已有众多城市主动将自行车纳入公共交通领域，意图让公共自行车交通与公共交通实现无缝对接，破解交通末端“最后一公里“难题，实现低碳出行，美化城市。随着公共自行车的普及使用， 如何构建合理、高效的公共自行车服务系统是一个非常关键的问题。自行车租赁的站点位置及各站点自行车锁桩和自行车数量的配置，对系统的运行效率与用户的满意度有重要的影响。浙江省温州市鹿城区公共自行车系统的数据能够为我们的机制设计提供参考。根据温
6、州市鹿城区公共自行车管理中心网站（http:/）提供的数据，鹿城公共自行车的投放量约为5000辆，设立180个服务网点。启动当天，首先在五马街区和新城街区推出80个服务网点，其余100个服务网点计划在10月设立。服务网点主要位于机关、企事业单位、商业楼宇、公共场所、住宅小区等人员密集地区，间距一般在300米至500米2。本文试图基于温州市的地形环境和公共自行车站点建设的现有情况，构建数学模型探讨温州市市民公共自行车的使用水平和分布规律，并对城市自行车服务系统进行评价。目前，我国公共自行车的系统建设尚处于初步阶段，我们的研究不仅针对特定城市的公共自行车系统进行了系统性分析，而且能够为全国其他城市
7、的公共自行车系统优化建设提供参考。服务点服务点出发点目的地服务点公交车站公交车站图1：城市公共自行车系统1.2 问题重述借助鹿城区公共自行车客流数据和站点分布图，本文试图解决以下几个问题：首先，分析公共自行车的使用频度和每次使用的时长：我们统计各站点20天中每天及累计的借车频次和还车频次,并对所有站点按累计的借车频次和还车频次分别给出它们的排序，并统计分析每次用车时长的分布情况。其次，基于借车卡数据对使用主体区分，统计20天中各天使用公共自行车的不同借车卡（即借车人）数量，并统计数据中出现过的每张借车卡累计借车次数的分布情况。然后，我们试图寻找所有已给站点合计使用公共自行车次数最多的一天，并按
8、照以下几个角度探讨站点客流量特点和规律：1) 我们合理界定两站点之间的距离，在此基础上找出自行车用车的借还车站点之间（非零）最短距离与最长距离，对借还车是同一站点且使用时间在1分钟以上的借还车情况进行统计。2) 我们选择借车频次最高和还车频次最高的站点，分别统计分析其借、还车时刻的分布及用车时长的分布。3) 寻找各站点的借车高峰时段和还车高峰时段，在给出的温州市鹿城区地图上标注或列表给出高峰时段各站点的借车频次和还车频次，并对具有共同借车高峰时段和还车高峰时段的站点分别进行归类。进而建立在前面分析的基础上，我们探讨上述统计结果携带了哪些有用的信息，并由此对目前公共自行车服务系统站点设置和锁桩数
9、量的配置做出评价。最后，我们试图找出公共自行车服务系统的其他运行规律，提出改进建议。二 问题分析城市公共自行车系统是一个复杂的系统，“牵一发而动全身”，其机制的设计和模式的优化是城市公共基础设施建设服务的核心。在这一部分中，我们对要解决的问题进行梳理整合，为后文的研究构建逻辑架构。2.1 基本思路针对本文的几个关键问题点，我们首先从数据出发，通过对公共自行车使用频率和时长的数据观察统计，分析其中规律，进而采用效用函数合理刻画用户需求和选择模式，合理预测出行时间，建立模型刻画用户偏好。然后我们采用题目中给定的地图，借助电子地图寻找借还车频次高峰，并基于数据和初步结论探索最后的开放式问题公共自行车
10、系统的运行规律和政策建议。2.2 具体分析我们首先进行数据的预处理，利用Matlab导入数据，对数据进行整合，剔除异常值和缺漏值，得到用于分析的样本数据。我们分以下几个步骤解决：1) 针对问题一，即计算公共自行车的使用频度和每次使用的时长，我们遍历过所有数据之后，即可以得到各站点每天的借车还车频次的统计数据。对每个站点的全部20天的借车与还车数据分别求和，既可以得到每个站点的累计借车与还车频次。用还车时间减去借车时间可以得到用户的用车时间，精确到秒。2) 利用用户效用函数来刻画用户的选择行为，建立自行车出行时间分布的效用函数模型。求解效用函数模型的具体形式，对用户群体的偏好特征进行分析。3)
11、针对问题二，我们按照借车卡区分不同用户个体，对用户群体的需求模式进行探索，方法类同问题一。通过累计各个借车人在20日中累计借车次数，我们做出频率分布图，拟合得到借车频次的近似分布特征。4) 针对问题三，共有三种方法界定站点距离欧式距离，直角距离和实际地图距离，我们可以分别用三种方法求解。第三种方法最为精确，但实现难度较大，我们尝试采用MATLAB画图的方法，利用题目给出的地图计算实际距离。在此基础上，寻找借还车频次高峰，并对站点位置、锁桩数量的优劣进行评价。5) 第四、第五问要求我们发散思维，寻找数据背后的运行规律，我们建立在数据特征的基础上，进一步挖掘公共自行车系统的运行特点，并回顾和借鉴了
12、一些现有研究的方法，最终提出政策建议。三 基本假设H3.1：假设该城区所有的用户都是同质的，即有相同的效用函数。由于生活地理位置和风俗人情接近，影响出行状况的外界不可抗因素相近，这一假设比较合理，并可以简化我们的分析。当用户同质时，我们可以采用代表性用户的效用函数完成推导过程。H3.2：不同用户出行需求不同，我们假设用户需要出行的时长（）近似服从指数分布。H3.3：假设公共自行车站点设置在研究时间区间内没有明显变更，借车站点序号没有较大的变化，我们可以在一个相对静态的公共自行车硬件系统环境下进行分析。四 符号说明符号意义第个站点第天的借车次数第个站点第天的还车次数站点数目的最大值天数的最大值第
13、个站点的累计借车频次第个站点的累计还车频次用户需要出行的时长用户自行车出行的效用 标准正态分布的累计分布函数五 数据预处理分析发现公共自行车系统的数据记录中存在错误的数据记录。因此，在对系统使用情况进行统计分析之前，首先要对数据进行预处理，以去除这些错误数据。分析发现，数据记录错误的形式包括以下几种：1) 借车站点序号错误，例如2012年11月8日的序号为No.16548的记录，借车站点为“调试站1”，站点序号为1000；2) 还车站点序号错误，例如2012年11月8日的序号为No.30983的记录，还车站点名称为空白，站点序号为29999；3) 借还车时间错误，例如2012年11月8日的序号
14、为No.30983的记录，借车时间为“2012/11/5 17:50:07”，还车时间为“2012/11/5”，还车时间只有日期没有时刻；4) 用车时间间隔错误，例如2012年11月5日的序号为No.19436的记录，借车时间为“2012/11/5 14:24:43”，还车时间“2012/11/5 14:31:23”，实际用车时间为6分40秒，记录用车时间为0分钟。综上所述，制定筛选条件对错误数据进行滤除。正确的数据需要满足的条件为:1) 借车站点序号小于1000；2) 还车站点序号小于1000；3) 借还车时间格式正确，且还车时间晚于借车时间；4) 还车时间减去借车时间所得到的时间间隔（精确
15、到秒）与记录中的时间间隔的误差小于2分钟。我们使用MATLAB导入数据，并编写程序根据上述条件对全部20天的数据记录进行筛选，最终得到一共637336条记录，其中借车时间范围为2012/11/1 5:59:38至2012/11/20 21:33:57，还车时间范围为2012/11/1 6:02:12至2012/11/21 7:37:20。数据一共有180个借车站点，站点序号分别为；180个还车站点，序号范围和借车站点相同。六 公共自行车总体使用情况统计分析6.1借车还车频次统计针对导入的数据，使用MATLAB编写程序对各站点每天的借车还车频次进行统计，并分别使用矩阵来表示借车频次和还车频次的统计结果。其中表示第个站点第天的借车次数，表示第个站点第天的还车次数。和分别表示站点数目的最大值和天数的最大值，根据数据记录的范围，分别取。程序初始化后建立和两个矩阵并把它们置为零矩阵。程序遍历所有数据记录，读取每一条数据记录之后，都对该条数据记录中借车日期、借车站点、还车日期、还车站点所对应的矩阵中的元素加1。遍历过所有数据，即得到各站点每天的借车还车频次的统计数据。对每个站点的全部20天的借车与还车数据分别求和，可得每个站点的累计与还车频次，第个站点的累计借车与还车频次分别用和来表示，显然有： (6
