戴丽

摘要：针对城市共享单车优化分布问题，以昆明市ofo小黄车为例，对共享单车停放地区数量分配问题构建模型，为共享单车资源优化配置提供理论依据。采用细菌菌落优化算法，即一种基于群集智能优化算法的仿生随机优化算法，用于解决城市共享单车停放地区数量分布问题。该算法为解决共享单车数量分布问题提供了一种新途径。

关键词：群集智能优化算法；细菌菌落优化算法；共享单车；分布研究

中图分类号：F572；F724.6 文献标识码：A 文章编号：1007-9416（2018）08-0117-02

随着科技的不断进步，经济的多元发展，人类的生活需要，绿色、环保、便捷和安全出行的共享单车融入了人们的日常生活，既是机遇也是挑战。共享单车是一种“互联网+”的产物，是一种新型共享经济，是一种新型的交通工具租赁业务-自行车租赁业务。随着共享单车数量的增长，无论是用户或城市管理者，都对共享单车的运维水平提出了更高的要求，这也推动着共享单车企业要持续打造更加智能化、精细化的运营管理。ofo小黄车拥有全球最大的共享出行大数据平台——ofo“奇点”大数据系统。用大数据平台共同打造更智慧的城市出行运营体系，推动智慧城市出行变革。共享单车管理的症结在于重点区域车辆的实时停放和流转速度，因此共享单车停车设施规划主要从停车设施空间布局及容量调配两方面进行考虑[1]。细菌菌落优化算法[2]是一种模拟细菌菌落进化过程的群集智能优化算法，该算法具有良好的搜索能力，较好的稳定性以及鲁棒性，收敛速度快等优点，特别是，该算法提供了一种自然结束准则。本文根据细菌菌落优化算法的优点，用于解决停放地区数量配置的问题。

1 模型建立

根据共享单车使用时间的时段情况，采用动态调度方式[3]建模。目标是能够使成本最小，在此情况下使整个城市共享单车的数量分布尽量达到最优分布状态。将城市共享单车停放的地方划分为各个地区。

某地区共享单车的供给量为：

上式中，Ai为i地区提供共享单车的供给量（Ai<0时，存在需求），Pi为i地区的借车量，Ii为i地区的还车量，m为地区总量，Tik为i地区向k地区的调度共享单车数量，Fki为k地区向i地区的调度共享单车数量，cik为i地区向k地区调度的费用，Cki为k地区向i地区调度的费用。约束条件为（4）。

2 基于细菌菌落优化算法的可行性分析

细菌菌落优化算法的特点是具有仿生的进化机制，除了可以采用算法中的精度、迭代次数等作为结束准则，还可以在无外界条件的前提下，算法自然结束，即自然结束准则。该算法的主要思想是：在解空间中初始放置单个或少量个数的细菌个体在培养基上，模拟细菌菌落的演化过程，设计前进和停留两种运动方式，制定细菌个体死亡和繁殖的进化机制，细菌菌落数量是动态发展的，算法在细菌菌落消失后自然结束。

文[4]采用常用的基准测试函数作为优化对象，验证了细菌菌落优化算法的有效性，算法通过改进可达全局最优。文[5]提出一种混合的离散细菌菌落优化算法，该算法具有平衡全局寻优以及局部精确搜索的能力。文[6]将细菌菌落优化算法用于电力系统无功优化问题，实验结果表明，该算法较其它算法具有较强的全局寻优能力，收敛速度快，鲁棒性好。因此，可以用该算法解决共享单车停放地区数量配置问题。

3 基于细菌菌落优化算法的模型求解

根据骑行行为的日特征[1，7]，城市各个地区的共享单车使用会出现早高峰和晚高峰的时段特征，即早高峰为7点到10点，晚高峰为17点到20点。根据居民骑行需求的峰值，确定小黄车ofo的最大投放量，重点分析峰值时间段特征，解决骑行设施供需承压时间段问题。

求解城市各地区共享单车数量分布问题的细菌菌落优化算法步骤如下：

Step1：初始化。初始细菌位置，即高峰时间段城市各地区的共享单车数量，设定初始种群N，最大种群规模S，个体最长寿命NL，繁殖条件NP，各个系数。

Step2：评价适应度值，即计算目标函数值，记录细菌个体的最优位置，群体当前的全局最优解值及位置。

Step3：基于细菌目标函数值的优劣，计算细菌年龄并进行分类操作。

Step4：對正常细菌，执行进化机制操作，更新细菌位置，评价每个细菌的适应度值，更新个体最优值及位置；淘汰达到死亡条件的细菌个体。

Step5：达到繁殖条件的细菌，执行繁殖操作，评价适应度值，更新群体全局最优值及位置。

Step6：对群体当前全局最优位置执行随机搜索策略，更新群体全局最优值及位置。

Step7：若细菌菌落数量为零，则算法结束，否则转Step2。

4 结语

本文根据共享单车使用时间段特征，采用动态调度方式建模，确定目标函数。基于细菌菌落优化算法具有收敛速度快，鲁棒性好，具有较强的全局搜索能力，能平衡该算法的局部搜索和全局寻优能力，算法收敛后自然结束，可以用于该模型问题的求解。将智能优化算法用于解决共享单车优化分布问题是一种新途径。

参考文献

[1]邓力凡，谢永红，黄鼎曦.基于骑行时空数据的共享单车设施规划研究[J].规划师，2017，33（10）：82-88.

[2]李明，杨成梧.细菌菌落优化算法[J].控制理论与应用，2011，28（2）：223-228.

[3]郭海富，喻永生，罗瑜.基于共享单车时间分布优化调度模型[J].科技视界，2018，（7）：101+129.

[4]李明.模拟细菌菌落进化过程的群体智能算法[J].系统仿真学报，2013，25（2）：251-255.

[5]宋德逻，孔德福，李明.一种混合的离散细菌菌落优化算法[J].计算机应用研究，2014，31（2）：358-360.

[6]简献忠，李莹，周海，等.基于细菌菌落算法的电力系统无功优化[J].控制工程，2014，21（6）：935-938.

[7]段文欣.基于BP神经网络的共享单车时空分布模型[J].中国战略新兴产业，2018，（4）：23.