何涛 张健 徐鹤

摘  要： 自行车共享系统成功的关键之一是重新平衡运营的效率，每个区域的自行车数量必须通过卡车运送以恢复到需求值。不同的时间区间用户的用车需求波动较大，体现出“潮汐现象”的特征动态。为了有效地解决“潮汐现象”，减少区域之间车辆的调配以及满足用户的需求，通过深度学习提取区域分布特征以及强化学习自适应学习环境的结合，提出一种自适应的共享单车动态分布，旨在通过外部环境确定每个区域内不同时间点的不同状态的需求值。仿真结果表明，所提出的算法可以快速平稳、实时满足区域内的单车需求并减少区域之间的单车调配数量。

关键词： 共享单车; 动态平衡; 深度学习; 强化学习; 区域分布; 单车调配

中图分类号： TN915?34; TP301.6                     文献标识码： A                  文章编号： 1004?373X（2019）16?0169?05

0  引  言

由于共享经济的兴起以及日益增长的环境、能源和经济问题，近年来共享交通发展迅猛。在各种形式的共享使用手机中，公共自行车共享系统（Bicycle Sharing Systems）[1?2]越来越受欢迎，数据表明，2015年有超过500个自行车共享计划在至少49个国家运行，共有100万辆自行车。随着数量的增加，共享单车系统通常会出现“供不应求”和“供过于求”的不均衡现象，在一定的时间段内租车量持续高于或者低于还车辆，并且会根据节假日或者天气因素，以一定时间为循环周期重复出现，严重影响了系统的运行效率，“潮汐現象”是共享单车系统的设计和运行中普遍存在的规律。城市边远地带的一些用地功能复合低的区域，用户出行的需求趋势相同，出行时间集中，短时间内对车辆的需求量大而波动频繁是潮汐现象形成的主要原因。……