杨晗 张泽仁

摘 要：为了研究合理的汽车分时租赁站点投放车辆规模，首先分析了汽车分时租赁站点投放车辆规模的影响因素;然后分析了现有的2种汽车分时租赁站点投放车辆规模模型——战略计划决策模型和运营决策模型的优、缺点，并结合汽车分时租赁企业的实际需求，提出基于调度的战略计划模型;再整合汽车分时租赁站点需要满足的调度时间约束建立模型。该模型不仅能在调度的基础上满足用户需求，而且尽可能地减少了闲置车辆的浪费。最后，通过一个算例数据对该模型进行了求解，计算结果证明该模型具有较高的效率和有效性。

关键词：汽车分时租赁;站点投放;车辆规模模型

随着信息化时代进程的不断加速，互联网专车、社区共享汽车及分时租赁等新型的汽车使用模式应运而生。以共享经济的形式来提升车辆使用效率，在一定程度上缓解了汽车的闲置和低载客率等问题。为了实现分时租赁模式在中国的推广，使其在实际生活中能够满足居民出行需求，仅借鉴国外已有的经验不够，需要对中国不同城市的不同分时租赁站点布设和投放车辆规模进行研究，在满足用户需求的同时又尽可能地减少闲置车辆的浪费。

Michael[1]给出了分时租赁的定义和具体分类情况，并对欧洲的分时租赁模式发展现状和未来潜力进行了详细的论述。Maria[2]等人利用时间佩特里网，建立电动汽车的分时租赁模式的最佳车辆规模和充电桩数量的优化模型。Cao[3]等人通过2个阶段来确定分时租赁站点车辆数上、下阈值的模型，实例研究表明：该模型可以得到更好的服务率和更少的移动时间。孙欢欢[4]建立了1个用户预约分配模型，并在此基础上，分别增加时间优先权和车辆资源优化这 2 个因素，建立了另外2个用户预约分配模型。王丽敏[5]使用层次分析法（AHP），建立了一个分时租赁站点选址评价的指标体系。并通过模糊综合评价法，建立了响应站点选址方案的评价模型。国外已有少量针对汽车分时租赁站点投放车辆规模的模型，都是传统的优化模型，而中国还停留在对站点选址的研究上。作者通过分析汽车分时租赁站点投放车辆规模的影响因素，拟提出符合实际需求的站点投放车辆规模模型。Nourinejad[6]等人在满足所有用户需求的前提下，建立了最优车辆规模配置模型;然后，在车辆规模配置保持不变的基础上，以分时租赁系统收益最大化为目标函数，建立了分时租赁站点调度模型，并假设调度在网上完成。国内、外有关汽车分时租赁系统建设以及站点位置优化的研究已经较为成熟，尽管国外已有少量针对 汽 车 分 时 租 赁 站 点 投 放 车 辆 规 模 的 模型，但所涉及到的均为车辆的集中调度。为此，作者拟提出的分时租赁站点车辆规模模型，并考虑到各站点之间的实时车辆调度，以期弥补该研究内容上的空白。

1 汽车分时租赁站点投放车辆规模的影响因素

汽车分时租赁站点投放车辆规模受分时租赁运营模式、分时租赁的调度及分时租赁用户需求3个因素的影响。

1.1 汽车分时租赁的运营模式

1.1.1 典型汽车分时租赁运营模式的对比

汽车分时租赁最先在欧洲开始发展 壮大，其运营模式分为2大类：①自由流动模式，最典型的企业是德国的 Car2Go;② 基于站点 模式，其代表性企业是法国的 Autolib。中国的分时 租赁 模式起步较晚，最先引入分时租赁模式的是北京、上海及杭州3 个 城 市，分时租赁企业的代表为易卡、EVCARD及微公交。5种典型分时租赁企业运营模式的对比见表1。

1.2 汽车分时租赁的调度模式

1）基于用户随机使用的车辆调度

这种车辆调度完全依靠用户的使用行为来进行，由于出行需要而导致的部分用户的异地还车，使车辆调度被动地完成。基于用户随机使用的车辆调度过于依赖于用户，且具有很大的随机偶然性，一旦用户的使用需求趋于稳定后，该种模式只会导致供需矛盾越来越剧烈。

2）基于用户的激励调度系统

基于用户的激励调度系统旨在通过激励模式来引导用户在某些指定站点进行取车和还车。该系统通过适当的奖励或者罚金来诱导用户对其原本的出行路径和形式进行合理的调整，将其使用分时租赁车辆的行为转化为对企业所需要完成的有效的车辆调度，从而在满足用户使用需求的同時又能够使有限的车辆资源能够得到充分利用。

3）实时响应调度模式

实时响应调度模式的运作依赖于一个实时响应的系统中心。该系统中心负责收集和观察各租赁站点的实时车辆数，当发现有实时车辆数目高于最大上限车辆数或者低于最小下限车辆数的站点出现时，即对该站点的车辆进行统筹调度。

4）需求预测下的实时响应调度模式

需求预测下的实时响应调度模式是对实时响应调度模式的优化。在实时响应调度模式的基础上，加入用户对租赁车辆使用需求的预测。通过对历史用户需求的数据收集和总结，对1d中各个站点的实时车辆需求进行预测，系统中心再根据需求预测变化的趋势并结合实时车辆数，对调度方案进行预判，并通知工作人员做好执行车辆调度工作的准备。

在4 种不同的调度模式中，需求预测下的实时响应的调度模式不仅能通过减少闲置车辆来提高车辆的使用效率，还能最大限度地减少用户的等待时间，是最适合分时租赁企业长期运营的调度模式。

1.3 汽车分时租赁的用户需求

1.3.1 汽车分时租赁用户特征分析

1）个人属性

分时租赁用户男性比女性多一些;处于30～44岁年龄段内的用户占比最高，使用分时租赁车辆频率最高的为有稳定工作的上班族;针对教育程度而言，分时租赁用户有一个明显趋于高学历的走向，其中，拥有大学教育经历的分时租赁使用者占据了接近一半的比例，其次为硕士/MBA;而在月收入方面，分时租赁用户中占比最大的为月收入在中等水平的用户，其次为月收入在较高水平的用户。

2）社会属性

Ni（z-1）

和 Ni（z-1）′（t）≤0。 （2）

式中：Ni（z-1）为 站 点i 在z-1 时刻剩余的车辆数。

②第二类为可以调度车辆出去的站点。这类站点的特征为：当某个时间段开始时，该站点剩余的车辆数能满足这个时间段内所有时刻的车辆需求，且车辆在该时刻有增加的趋势，该站点在该时刻时，可以调度出去车辆。即：

Ni（z-1）≥max（Oik）-Oi（z-1）（k∈（z，z+1））

和 Ni（z-1）′（t）≥0。 （3）

该模型的核心在于：从可以调度车辆出去 的站点中，选择最近能够满足调度需求的站点，将车辆调度给需要调度车辆进来的站点，最后使所有站点都可以满足用户需求。因此，对于某个需要调度车辆进来的站点存在时间约束，即在该站点到达最大车辆需求时间之前，调度的车辆要到达。当i站点在z-1时刻需要从j 站点调度车辆时，其应满足的约束条件为：tz-1′-（z-1）≥tij。 （4）式中：tz-1′为站点i在z 时间段内达到最大需求的时刻;tij为站点i与站点j 之间的行驶时间。对于某个系统，存在若干个站点中有若干个时刻需要调度车辆进去的情况，因此，该时间约束条件的个数需由具体的用户需求情况决定。

3.3 算例求解

选取5个分时租赁站点，结合实际情况，分别预设该5个分时租赁站点在理想状态下的需求函数（见 表 3），并 预 设 各 站 点 间 调 度 车 辆 的 行 驶时间。

将研究对象5个分时租赁站点作为粒子群优化算法的5个维度，这些站点的投放车辆规模的集合即表示为各粒子群的位置向量，输入各站点需求函数和站点间车辆调度时间作为已知条件，对该模型利用粒子群优化算法进行编程求解。

对比分析各站点的最大车辆需求和模型 求解，其结果见表4。

從表4 中可以看出，前4 个站点模型求解的结果都小于该站点的最大需求，只有第 5 个站点模型求解的结果大于该站点需求。表明：在实际汽车分时租赁企业运营过程中，如果能够在用户使用中综合实时调度，则可以通过较少的车辆就达到完全满足用户需求的目的，以此能够减少企业初期投入，并减少闲置车辆的浪费。

4 结论

本研究分析了汽车分时租赁站点投放车辆规模的影响因素后，发现汽车分时租赁的运营模式、调度模式及用户需求都对其站点投放规模有明显影响。为了实现分时租赁企业的实际需求，综合现有的汽车分时租赁站点投放车辆规模模型———战略计划决策模型和运营决策模型的优、缺点，作者提出了一种新的汽车分时租赁站点投放车辆规模模型，即基于调度的战略计划模型。该模型不仅能在调度的基础上满足用户需求，而且尽可能地减少了闲置车辆的浪费。算例求解证明了该模型具有较高的效率和有效性，并能为分时租赁企业各站点投放车辆规模提供指导和建议。

作者简介：杨晗（1983.08—），男，汉族，江苏南京人，本科，工程师，研究方向：新能源汽车共享出行研究。