未来不确定性下最小化共享单车车队规模与改善车辆调配
其他统计学
2022-04-20 v1
摘要
作为一种快速扩张的服务，共享单车在中国许多城市面临严重的车辆过度投放与需求波动问题。本研究基于南京数百万次出行的共享单车数据，开发了一种大规模方法以确定不确定性下的最小车队规模。研究发现，在不完全信息情景下最小化车队规模的算法能有效应对未来不确定性。对于无桩共享单车系统，投放原始车队的 14.5% 即可满足 96.8% 的出行需求。同时，结果表明提供整合多家公司的统一服务平台可使总车队规模显著减少 44.6%。此外，鉴于 COVID-19 疫情，本研究提出了一种保持合适使用间隔的社交距离政策。这些发现为提升共享单车的资源效率与运营服务以及共享出行提供了有益见解。
引用
@article{arxiv.2204.08603,
title = {Minimizing Fleet Size and Improving Bike Allocation of Bike Sharing under Future Uncertainty},
author = {Mingzhuang Hua and Xuewu Chen and Jingxu Chen and Yu Jiang},
journal= {arXiv preprint arXiv:2204.08603},
year = {2022}
}
备注
31 pages,10 figures