共享单车系统中租用单车的智能推荐

近年来，车辆共享系统——如共享单车、共享汽车或共享摩托车系统——在大城市中日益普及。一方面，它们提供了比私家车更便宜、更环保的交通方式；另一方面，它们比传统公共交通系统更好地满足了市民的个人出行需求。其优势之一在于其可用性，例如，几乎可以在城市的任何地方取用（或归还）车辆。这种可用性显然取决于不同的战略和运营管理决策与政策，例如车队规模或车辆的（再）分配。在此类系统中，聚集问题——即由于使用模式，可用车辆集中在某些区域，而其他区域则无车可用——相当常见，需要加以解决。已有研究致力于此问题，提出了不同的技术来减少不平衡状况。在本文中，我们提出并比较了为希望在基于站点的共享单车系统中租用或归还单车的用户推荐站点的策略。我们的第一个贡献是基于排队论的新型推荐策略，该策略根据站点对用户的效用（即更短的距离和更高的找到单车或空桩的概率）来推荐站点。然后，我们更进一步，定义了一种策略，该策略将特定用户的效用与全局系统的效用相结合，后者以单车和空桩分布相对于预期未来需求的改善程度来衡量，旨在隐式地避免或缓解平衡问题。我们利用马德里共享单车系统 BiciMAD 的真实数据进行了多项实验，以评估我们的方案。