大型共享单车网络中动态再平衡的综合框架
物理与社会
2018-06-11 v1 应用统计
摘要
共享单车是现代多模式交通系统的重要组成部分。然而，由于时空需求的波动，其实施可能导致单车供需失衡。本研究提出了一个综合框架，用于在大型共享单车网络中制定最优的动态单车再平衡策略。该框架由三个部分组成，包括站点级借取/归还预测模型、站点聚类模型以及带容量限制的位置-路径优化模型。对于第一个部分，我们提出了一种称为带数据驱动图滤波器（DDGF）的图卷积神经网络模型（GCNN）的强大深度学习模型，它能够自动学习站点间隐藏的时空相关性以提供更准确的预测；对于第二个部分，我们应用一种称为社区发现算法的图聚类算法，对地理位置相近且净需求缺口较小的站点进行聚类；最后，求解带容量限制的位置-路径问题（CLRP），以处理两类决策变量的组合：单车配送中心的位置以及各簇的配送路线设计。
引用
@article{arxiv.1806.02890,
title = {A Comprehensive Framework for Dynamic Bike Rebalancing in a Large Bike Sharing Network},
author = {Lei Lin},
journal= {arXiv preprint arXiv:1806.02890},
year = {2018}
}
备注
Accepted by THE 7TH INTERNATIONAL SYMPOSIUM ON DYNAMIC TRAFFIC ASSIGNMENT, Hongkong, 2018