一种考虑租赁点车位数量和车辆调度的联合优化方法

技术领域

本发明涉及共享汽车租赁系统企业的管理决策，特别涉及考虑设置虚拟 车位和鼓励用户将车位停放在同区域其他租赁点空余车位的灵活还车策略， 以辅助解决共享汽车租赁系统中常见的“无车可借，无位可还”问题。

背景技术

共享汽车的出现，降低了车辆拥有量，一定程度上缓解了交通拥堵，并 为节能减排做出了巨大贡献。但随着共享汽车租赁系统的不断发展，尤其是 单向共享汽车租赁系统，用户使用结束不必将车辆还至取车租赁点，这种还 车服务在为用户提供灵活性的同时，也导致系统中车辆的分布变得不均衡， 用户更容易出现借不到车或者没车位还车的情况。

为了解决用户“无车可借，无位可还”的问题，目前共享汽车企业常用 的方法是人工调度，尽可能保证用户有空余车位可停。这种调度需要耗费大 量的人力物力，运营成本较高。如果人工调度无法满足用户的停车或者借车 需求时，这部分需求会被系统拒绝。如果能合理利用用户在系统中的出行， 让用户遵循一定的规则将车辆还在合理的租赁点，将能大大降低企业的运营 成本，并能满足更多用户的出行需求。

因此，在车辆调度过程中考虑租赁点车位的配置(包括虚拟车位的配置) 能让共享汽车企业获得更大的收益，同时更多的用户可以被服务到。本文的 重点是在于提出两种灵活的还车策略，并同时考虑虚拟车位的设置、对应惩 罚费用的变化对用户和企业的影响。

基于此，本发明提出了一种考虑租赁点车位数量和车辆调度的联合优化 方法，该方法基于已有的共享汽车租赁系统，每个站点可以设置不同数量的 虚拟车位以满足更多用户的还车需求。考虑不同供需条件的影响(供需关系 通过租赁系统车位数和用户出行需求总数确定。当研究时段内，用户出行需 求总数大于、等于和小于租赁系统车位数，分别对应供大于求，供需平衡和 供小于求三种供需条件)，建立了非线性混合整数规划模型，并利用大M法 将非线性约束转为线性约束。经过数据验证，本发明可以得到合理的车辆、 车位配置以及调度方案，为提高企业利润和用户需求满足率提供科学依据。

发明内容

合理的车位配置是解决单向共享汽车租赁系统还车难的重要环节。车位 的合理设置既能够为更多的用户提供服务，又能够提高共享汽车企业的综合 效益。本发明提供了一种考虑租赁点车位数量和车辆调度的联合优化方法， 并且引入两种还车策略(就近停放，相邻区域停放)，在三种供需关系(供 大于求，供等于求，供小于求)下，分析两种不同策略的作用，为共享汽车 企业的运营调度、车位配置提供理论支持。

为达到以上目的，本发明采取的技术方案是：

一种考虑租赁点车位数量和车辆调度的联合优化方法，包括以下步骤：

步骤1：将研究区域的共享汽车站点根据一定规则聚类成若干小区域；

步骤2：为了解决“无车可借，无位可还”的出行难题，提出了两种灵 活的还车策略；

步骤3：分析两种还车策略下用户可能出现的多种出行模式，并依据出 行模式将用户分为不同类型，同时给出共享汽车企业可以安排的调度操作类 型；

步骤4：以最大化运营商的总利润为目标函数，建立考虑租赁点车位数 量和车辆调度的非线性混合整数联合优化模型；

步骤5：将模型中的非线性约束，利用大M法转化为线性约束；

步骤6：确定参数，代入已知数据，采用线性规划方法求解模型，得到 不同情形下的用户出行结果。

步骤1中的规则为：

利用基于密度的聚类算法，以数据集在空间分布上的稠密程度为依据进 行聚类，即只要一个区域中的样本密度大于某个阈值，就把它划入与之相近 的簇中。

步骤2中的还车策略为：

策略1(就近停放策略)：如果租赁点无空余车位可供用户还车，企业允 许用户将车辆停放在租赁点附近的道路停车(前提是不影响租赁点正常运营 和城市交通，称之为虚拟车位，企业需要支付一定的费用才能使用虚拟车 位)，但是用户需要向企业缴纳一定的惩罚成本；

策略2(相邻区域停放策略)：用户可以将车辆还至同区域其他租赁点的 空余车位上，用户需要负担一定的时间成本，此过程中的车辆能耗费用需要 企业负担。

步骤3中的用户出行模式和类型为：

用户的出行模式分别为以下三种，从实际车位出发到实际车位， 也可以从实际车位出发到虚拟车位，还可以从实际车位出发到同区域 其他站点的实际车位；为了更加直观的展示用户的多种出行模式，图 1利用两个区域，展示了用户在共享汽车租赁系统中可能会遇到的三 种还车情况，分别记为Pattern Ⅰ、Ⅱ、Ⅲ；其中，实线矩形表示租 赁点的实际车位，虚线矩形表示租赁点的虚拟车位，同一种颜色表示 的租赁点属于同一个区域，以浅色矩形表示的租赁点i,k同属于m区域， 以深色矩形表示的租赁点j,l同属于n区域，还车模式含义分别如下：

Pattern I表示用户从m区域i租赁点t时刻借车出发，t′时刻(

Pattern II表示用户到达同区域k租赁点或n区域l租赁点后，发现无空余 车位，将车辆还至虚拟车位，同理区域m和n可以是同一个区域也可以是不 同的区域，该模式下的用户为第二类用户，记做

Pattern III表示用户从m区域i租赁点出发，在n区域j租赁点无空余车位还 车的情况下，将车辆还至与j同区域的l租赁点，该模式下的用户为第三类用 户，记做

图2展示了用户需求与调度操作的所有可能情况，

步骤4具体为：

共享汽车企业的总利润包括所有用户支付的租车费用、车辆维护与折旧 费用、实际车位的运营费用、虚拟车位的运营费用、调度人员费用、车辆在 调度过程中产生的能耗费用、使用还车模式Pattern II的用户缴纳的惩罚费用、 使用还车模式Pattern III的用户额外造成的能耗成本，考虑流量守恒、初始和 结束时刻虚拟车位可用车辆数约束、站点的基本约束以及不同类型用户出行 的优先级。联合优化模型表示如下：

其中，Π

步骤5具体为：

约束条件(12)为非线性约束，求解时需要转化为线性约束，大M法可以 利用0-1变量u将非线性约束z(q+Qz)＝0转化为z＜＝Mu和q+Qz≤M(1- u)两个线性约束，其中M为一个非常大的正整数，因此引入0-1变量

步骤6具体为：

每个虚拟车位的运营费用设置为

本发明的有益效果：本发明基于共享汽车需求情况，设置了两种不同 灵活的还车策略，将租赁点车位数量和车辆调度联合起来进行优化决策。 考虑到虚拟车位的设置会影响用户的取车还车决策，将其作为模型约束的 重要部分，并以共享汽车企业总利润最大为目标构建优化模型。本模型属 于非线性混合整数规划模型，利用大M法将约束中的非线性约束转化为线 性约束后，模型转化为线性混合整数规划模型，可以直接用各种线性规划求解软件(如Xpress，CPLEX等)进行精确求解。

附图说明

本发明有如下附图：

图1用户的还车模式示意图；

图2用户需求与调度操作示意图；

具体实施方式

以下结合附图对本发明作进一步详细说明。

本发明所述的考虑租赁点车位数量和车辆调度的联合优化方法，包括如 下步骤：

步骤1：站点分区；

将研究区域的共享汽车站点根据一定规则聚类成若干小区域。利用基于 密度的聚类算法，以数据集在空间分布上的稠密程度为依据进行聚类，即只 要一个区域中的样本密度大于某个阈值，就把它划入与之相近的簇中。

步骤2：为了解决“无车可借，无位可还”的出行难题，提出了两种灵 活的还车策略；

策略1(就近停放策略)：如果租赁点无空余车位可供用户还车，企业允 许用户将车辆停放在租赁点附近的道路停车(前提是不影响租赁点正常运营 和城市交通，称之为虚拟车位，企业需要支付一定的费用才能使用虚拟车 位)，但是用户需要向企业缴纳一定的惩罚成本；

策略2(邻近区域停放策略)：用户可以将车辆还至同区域其他租赁点的 空余车位上，用户需要负担一定的时间成本，此过程中的车辆能耗费用需要 企业负担。

步骤3：确定两种还车策略下用户可能出现的多种出行模式，根据不同 的出行模式，将用户分为不同类型，并给出共享汽车企业可能安排的调度操 作；

用户的出行模式分别为以下三种，从实际车位出发到实际车位， 也可以从实际车位出发到虚拟车位，还可以从实际车位出发到同区域 其他站点的实际车位；为了更加直观的展示用户的多种出行模式，图 1利用两个区域，展示了用户在共享汽车租赁系统中可能会遇到的三 种还车情况，分别记为Pattern Ⅰ、Ⅱ、Ⅲ；其中，实线矩形表示租 赁点的实际车位，虚线矩形表示租赁点的虚拟车位，同一种颜色表示 的租赁点属于同一个区域，以浅色矩形表示的租赁点i,k同属于m区域， 以深色矩形表示的租赁点j,l同属于n区域，还车模式含义分别如下：

Pattern I表示用户从m区域i租赁点t时刻借车出发，t′时刻(

Pattern II表示用户到达同区域k租赁点或n区域l租赁点后，发现无空余 车位，将车辆还至虚拟车位，同理区域m和n可以是同一个区域也可以是不 同的区域，该模式下的用户为第二类用户，记做

Pattern III表示用户从m区域i租赁点出发，在n区域j租赁点无空余车位还 车的情况下，将车辆还至与j同区域的l租赁点，该模式下的用户为第三类用 户，记做

图2展示了用户需求与调度操作的所有可能情况，

步骤4：以最大化共享汽车企业的总利润为目标函数，建立考虑租赁点 车位数量和车辆调度的联合优化模型；

共享汽车企业的总利润包括所有用户支付的租车费用、车辆维护与折旧 费用、实际车位的运营费用、虚拟车位的运营费用、调度人员费用、车辆在 调度过程中产生的能耗费用、使用还车模式Pattern II的用户缴纳的惩罚费用、 使用还车模式Pattern III的用户额外造成的能耗成本，考虑流量守恒、初始和 结束时刻虚拟车位可用车辆数约束、站点的基本约束以及不同类型用户出行 的优先级。联合优化模型表示如下：

其中，Π

步骤5：将模型中的非线性约束，利用大M法转化为线性约束；

约束条件(12)为非线性约束，求解时需要转化为线性约束，大M法可以 利用0-1变量u将非线性约束z(q+Qz)＝0转化为z＜＝Mu和q+Qz≤M(1- u)两个线性约束，其中M为一个非常大的正整数，因此引入0-1变量

最终联合优化模型变为目标函数(1)，约束(2)-(11)，(13)-(18)以及(19)-(21)。

步骤6：确定参数，代入已知数据，采用线性规划求解软件Xpress进行 模型求解，得到不同情形下的用户出行结果：

参数主要指的是每个虚拟车位的运营费用和用户将车停在虚拟车位的惩 罚成本，每个虚拟车位的运营费用设置为

不同的情形指的是在多种供需情况和参数设置下，共享汽车租赁系统中 参与主体不同对应的7种情形，例如只有用户参与的情形中，可以只有 Pattern I的用户(对应实际中用户只能将车还在实际车位上)，也可以有 Pattern I和II(对应用户无车位可停时，可以缴纳一定的惩罚费用停在虚拟 车位处)，或者Pattern I和III(对应用户无车位可停时，可以将车停在同区 域的实际车位处)，当企业参与运营管理后，参与的主体在前三个情形的前 提下分别增加了调度，最后一个情形中Pattern I、II、III和调度均存在(即 用户无车位可停时，可以根据需要支付的成本灵活选择还车策略)。

设置不同的参数，求解以上7种情形下的联合优化模型，结果表明不同 情形下的用户出行以及共享汽车企业收益差异较大，通过不同情形之间的对 比证实该模型能够得到合理有效的车位配置和调度决策结果。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领 域的普通技术人员，在不脱离本发明的实质和范围的情况下，还可以做出各 种变化和变型，因此所有等同的技术方案也属于本发明的保护范围。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技 术。