城市轨道交通接驳视角下的共享单车时空资源配置优化文献综述

 2022-10-22 17:03:01
  1. 文献综述（或调研报告）：

城市公共交通具有集约高效、节能环保等优点，优先发展公共交通是缓解交通拥堵、转变城市交通发展方式的必然要求。为实施城市公共交通优先发展战略，2012年国务院办公厅提出《国务院关于城市优先发展公共交通的指导意见》。轨道交通因其运量大、速度快、可靠性高等优点，成为居住在轨道沿线附近居民通勤出行的主要选择。然而，与轨道交通的高机动性水平相对应的是轨道交通的低可达性，即使用轨道交通出行时不可避免“最后一公里”问题。高德地图发布的《2017年中国主要城市公共交通大数据分析报告》中指出，居住地距最近轨道交通站3km以上通勤乘客中，29.9%的通勤乘客没有直达的轨道交通接驳线路。2016年年底，共享单车出现，为解决“最后一公里”问题提供了全新的视角。共享单车以其方便、快捷、随停随用等特点，成为许多原本使用步行、自行车、电动车等方式接驳轨道交通的居民，甚至使用小汽车、滴滴的通勤者的选择，使用共享单车作为替代的接驳方式，“骑-乘-骑”的交通方式迅速成为主流。北京市城市规划设计院《共享单车与电动自行车停放》课题研究的阶段性研究报告指出，约有20%~30%的轨道交通接驳出行依靠共享单车来完成。使用共享单车，不仅符合倡导绿色交通的理念，而且对提升公共交通的吸引力有不可忽视的作用。

因此，共享单车作为一种新兴的出行方式，其接驳轨道交通的特性亟需研究，以方便轨道交通和共享单车运营管理部门为出行提供更好的平衡供需、管理运营，吸引更多的人选择公共交通，提高轨道交通的分担率。然而，现有研究主要以共享单车为主体，研究其时空分布、骑行距离、骑行距离等主要特征；或者以轨道交通为主体，将轨道交通站点进行分类，分别分析各类站点的客流时变特征。共享单车作为一个非常重要的接驳轨道交通的交通工具，对其接驳特性的相关研究较少，站在轨道交通的视角下，对共享单车的需求特征、时空资源配置等方面的研究相对不足。

共享单车这一概念对于学术界来说较为新颖，已有研究大多从经济的角度探究其发展模式，国内外对于共享单车作为一种交通运输工具本身的研究较为缺乏。因此，考虑到研究更为完善的公共自行车与共享单车有一定的相似性，在对已有研究进行归纳时，将公共自行车的相关研究也考虑在内，将借鉴共享单车和公共自行车的共通之处。

  1. 共享单车接驳轨道交通的时空接驳特性研究

S Erdoğan[1]等人认为自行车共享对轨道交通客流有正向影响，因此，研究共享单车的接驳对提高轨道交通的影响力有重大意义。在共享单车出现以前，人们往往通过步行、私有自行车、电动自行车等方式进行轨道接驳或者直接由公交车、小汽车代替轨道出行，而在共享单车出现后，许多人选择由这些方式向共享单车接驳轨道交通的方式进行转移，目前由于共享单车对于交通界来说是一个较新的名词，目前针对共享单车转移行为的研究比较局限，因此参考了部分研究针对公共自行车或普通自行车的转移行为进行了分析。在公共自行车方面，曹雪柠等人[2]从出行个体和土地利用两个角度出发，基于在南京轨道交通站点实地调查的数据，构建多项logit 模型，深入剖析各影响因素发生变化时引起出行者选择公共自行车换乘轨道交通概率的变化情况。研究发现，通勤出行者更愿意使用公共自行车完成出行，他们最主要考察因素主要是出行时间，出行费用等。陈超[3]展开了对公共自行车接驳轨道交通出行模式行为机理研究，使用RPamp;SP联合调查的方法，筛选出了影响公共自行车接驳轨道交通这种出行模式的关键因素，如个人特性，出行特性和轨道周边用地等。周强[4]等以苏州公共自行车为研究对象，对其作为轨道交通接驳手段进行了使用特性分析，发现接驳时间和个人属性对接驳方式的选择有较大影响。在共享单车方面，周进[5]从资源利用效率的角度出发，结合2017年4月组织的成都市古城区互联网共享单车问卷调查结果，分析互联网共享单车出行特征，并量化计算其发展后居民出行方式选择的变化，得到使用共享单车的用户中，由私人自行车和步行转移而来的比例高达39%，且有效减少了小汽车出行次数，缓解了交通拥堵。在私人自行车换乘轨道交通等方面，刘红业在其硕士学位论文《自行车换乘轨道交通行为机理与模型研究》[6]中，分析了相关的因素主要有个人特征、出行特征以及交通方式特征三个方面，其中，个人属性主要包括性别、年龄、收入水平和职业等；出行特征主要包括出行目的、交通工具拥有及使用频率等；交通方式特性主要包括速度、经济、安全及舒适等方面。作者仅根据现有资料进行了总结与归纳，没有建立相关模型，也没有相关实例验证。

  1. 共享单车时空资源配置优化研究

公共自行车在时空资源配置优化方面获得了丰富的研究成果。公共自行车的资源配置优化主要包括运营商被动的车辆横向调度和用价格政策激励使用者主动调动车辆，其中，运营商的车辆横向调度主要有两种：静态调度和动态调度。

公共自行车的静态调度主要是指在夜间进行的车辆调度，夜间的使用量极小，可以看作为0，因此，其影响可以忽略不计。在静态调度方面，相关研究已经趋近成熟，研究成果比较丰富。Forma[7]等人提出了一种需要进行三步的启发式算法来解决静态调度的问题：1、根据公共自行车租赁站的地理位置和自行车的数量，使用指定的启发式算法对站点进行聚类；2、使用混合整数线性规划来确定每一个站点需要调入或调出自行车数量；3、使用混合整数线性规划对调度货车的路径进行选择。Schuijbroeka[8]等人提出了先对站点进行聚类然后再选择路径的启发式算法，其中，在聚类时，将站点的服务水平和调度的成本等指标作为聚类的依据。实际应用表明，该方法比混合整数规划方法效果要好。

公共自行车的动态调度更为复杂，需要考虑站点需求的实时变化，除了静态调度的一般步骤外，还需要进行短时的需求预测，相关的研究尚少。Shui等人采用滚动视界方法，将动态调度问题分解为一系列的阶段，每个阶段就变成了静态调度的问题，接下来采用增强型人工蜂群算法和路径截断启发式算法，两者结合，来优化各个阶段的调度货车的路径选择；使用加载和卸载的启发式算法来解决各个阶段的货车加载和货车卸载自行车数量的问题。

关于共享单车的车辆时空资源配置优化相关的研究较少，主要是相关的主要理论研究，适用于小范围的案例分析或是仿真实验。Pal[10]等人提出了一种大邻域搜索与可变邻域下降的混合嵌套算法用以解决共享单车的静态调度问题，并通过实际案例分析，得出此算法效果比传统的禁忌搜索算法要好。Caggiani[11]等人通过仿真实验探究，构建了一个针对共享单车的动态调度的模型框架：通过对共享单车的出行订单数据进行时间和空间的双层聚类，形成虚拟的共享单车租赁点，然后根据近时段内共享单车的历史数据使用非线性自回归神经网络进行短时的客流预测，以满足使用者的需求和节省运输费用为目标，建立车辆动态调度的决策方案。

  1. 参考文献
  2. Erdoğan S, Liu C, Ma T. Bicycle Sharing and Transit: Does Capital Bikeshare Affect Metrorail Ridership in Washington, D.C[J]. Transportation Research Record Journal of the Transportation Research Board, 2015, 2534
  3. 曹雪柠,王炜,季彦婕,等.公共自行车换乘轨道交通行为影响因素分析[J].交通运输工程与信息学报,2015,13(4):96-101.
  4. 陈超. 公共自行车接驳轨道交通出行模式行为机理研究[D].东南大学,2017.
  5. 周强, 吴戈, 孙瀚. 作为地铁接驳手段的公共自行车使用特性分析[J]. 交通运输系统工程与信息, 2015, 15(3):179-184.
  6. 周进. 互联网共享单车对出行方式选择及交通运行的影响[C]// 2017城市发展与规划论文集. 2017.
  7. 刘红业. 自行车换乘轨道交通行为机理与模型研究[D]. 吉林大学, 2014.
  8. Forma I A , Raviv T , Tzur M . A 3-step math heuristic for the static repositioning problem in bike-sharing systems[J]. Transportation Research Part B: Methodological, 2015, 71:230-247.
  9. J. Schuijbroeka, R.C. Hampshireb, W.-J. van Hoevec. Inventory Rebalancing and Vehicle Routing in Bike Sharing Systems[J]. European Journal of Operational Research, 2016, 257(3):992-1004
  10. Shui C S , Szeto W Y . Dynamic green bike repositioning problem – A hybrid rolling horizon artificial bee colony algorithm approach[J]. Transportation Research Part D: Transport and Environment, 2017:S136192091730500X.
  11. Pal Aritra, Zhang Yu. Free-floating bike sharing: Solving real-life large-scale static rebalancing problems[J]. Transportation Research Part C Emerging Technologies, 2017, 80:92-116.
  12. Caggiani L , Camporeale R , Ottomanelli M , et al. A modeling framework for the dynamic management of free-floating bike-sharing systems[J]. Transportation Research Part C: Emerging Technologies, 2018, 87:159-182.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章