基于Logit模型共享單車管理的研究

摘要：本文通過簡化鄭州高新區的地理位置信息和已有的高新區交通發展規劃，選取能夠衡量區域交通狀況的交通效率指標，研究單車有無前后的出行方式的變化。分別考慮人口使用因素，商業區集中因素，地鐵接駁因素，結合共享單車在不同位置的占比分布情況，計算出綜合飽和度，并與現有的單車數量作比較。基于logit模型的單車需求上的較為合理的單車規劃數量和布置位置，調整單車布置的數量和位置。研究得出：共享單車能夠有效提高交通效率，并較少同時間段內高峰期使用私家車的比例，對節能減排有積極的促進效果。但是目前單車的使用需求量大于已有的投放量，仍需加大投放力度。

關鍵詞：logit模型；飽和度；交通效率

共享單車既能保護環境，又能鍛煉身體，因此它在近幾年里迅速崛起，成為一種健康、綠色的出行方式，有效管理和使用共享單車以滿足人民群眾日益增加的出行要求，是本文多探討研究的主題。

一、模型分析

本文選擇幾個典型路段，選取早晚高峰期間車流集中呈現飽和流狀態的時候，比較有、無機非物理隔離設施路段下的最大交流效率，并以最大交通效率最高路段的交通組織形式進行道路規劃設計。

機非共同行駛在無機非物理隔離設施路段上，二者會產生摩擦干擾，致使安全性降低，通行能力和車輛運行速度下降，但同時，這種形式又節省了道路空間，充分利用了道路資源，最大交通效率用公式（1）表示：

（1）

其中：

N1—無機非隔離路段的最大交通效率；

Nc1—無機非隔離路段的機動車道通行能力；

Nb1—無機非隔離路段的自行車道通行能力；

d1—無機非隔離路段的機動車道數量；

wbe1—無機非隔離路段的自行車道有效寬度；

wd—整幅道路寬度。

有機非隔離路段的最大交通效率用公式（2）表示：

（2）

其中：

N2—有機非隔離路段的最大交通效率；

Nc2—有機非隔離路段的機動車道通行能力；

Nb2—有機非隔離路段的自行車道通行能力；

d2—有機非隔離路段的機動車道數量；

wbe2—半幅道路有機非隔離路段的自行車道有效寬度；

用下式（3）表示有機非隔離路段與無機非隔離路段最大交通效率的差值：

（3）

當R1=0時，對應臨界道路寬度w'。當道路寬度大于w'時，R1>0，即有機非物理隔離路段的最大交通效率高；同理，當道路寬度小于w'時，R1<0，即無機非物理隔離路段的最大交通效率。

可以看出，相比較于步行、公交車，自行車具有明確的使用范圍。在地勢平坦的城市，自行車的出行距離通常在2-7km出行時間通常在15-30分鐘，一般不超過40分鐘。假設最長出行時間按50分鐘，自行車車速按10km/h計算，最大出行距離為8km，但即使在5km范圍內，自行車的出行比例都很低。實施運營共享系統的城市，自行車在短距離出行范圍內出行比例高于未實施運營共享系統的城市。共享單車在市域內景區及休閑商務區內部將很好解決區域內部短距出行問題。

二、飽和度分析

隨著共享單車的興起與發展，鄭州共享單車的投放總量已超過39萬輛，目前共享單車投放量取預估值為B。

由于共享單車使用用戶的不自覺性，會導致共享單車被破壞和被盜竊，那么這類單車就不能作為有效的供給，所以必須對其進行修正，乘以一個調節因子a，用來彌補最初時間的基數較小問題。調節因子的具體取值設定為1.02，因此最終得到修正的共享單車投放量為：

B'=B×Pl×a （4）

根據一些相關資料顯示，鄭州高新區共享單車用戶規模不斷增大，但通過分析，必須保持和市場投放量的時間一致，因此必須剔除“僵尸戶”，借助某些數據，修正共享單車用戶量熟悉模型為：

（5）

其中：

BD'表示修正之后共享單車用戶量；

vi表示某品牌的共享單車MAU數；

mi表示某品牌的市場份額數；

Ci表示同時注冊某APP和其APP的概率數；

b表示調整因子（其他未考慮因素導致的重復計算）。

查找相關資料可知，同時注冊兩個APP的概率為23.13%，調整因子假設為98%。根據摩拜單車和ofo官方公布的數據，摩拜單車每輛車的使用人數為12.74，ofo每輛車的使用人數為6.55人，其他品牌的平均為7 人，因此根據加權算術平均數的公式：

（6）

市場上每輛共享單車的平均使用人數為x，市場上的共享單車市場飽和度系數為：

（7）

所以，飽和度系數大于1說明市場上的共享單車投放量已經超過了共享單車的有效用戶量，出現了飽和狀態。

四、多項式Logit模型建立

在該模型中出行者對于各種交通方式的選擇概率在[0，1]之間，且各種交通方式的總合為1。根據隨機效用理論，在出行方式有很多種的情況下，出行者會權衡各種出行方式帶來的方便與否，來選擇最適合的出行方式。假設現有An種出行方式可供第n個出行者選擇，選擇其中第i種出行方式的效用函數為：

（8）

其中：

Vin—表示第n個出行者選擇第i種出行方式，可以通過對現有數據以及計算得出的固定項，具有一定的規律性，可根據特征變量求出。

εin—表示第n個出行者選擇第i種出行方式，不可以通過現有數據的計算得出的部分，是隨機變量，無法得出其確切的數值。

在確定各種交通出行方式的效用函數時，由于考慮的影響因素的不同，一般有多種函數表達方式，本文為了后期計算的方便程度，因此認為Vin與特征向量Xink之間的變化是呈線性關系，

（9）

其中：

Xink為出行者n選擇第i種出行方式的第k個變量值；

θk為未知參數。

五、結果分析

自行車的出行特征是可以滿足一般的短途出行，而且對于路況要求較低，可以在崎嶇的小路和比較狹窄的道路中自由騎行，這一點是其它公共交通很難辦到的。根據這些特點，可以在道路狹窄的老城區以及內部出行較為頻繁的行政商務區配備一定數量共享單車租賃點，可以滿足其區域內部的短途出行需求。而且最好安排自行車專用道和自行車交通出臺相關的法律，從法律上維護騎行者的權利與提升自行車出行安全保障。

參考文獻：

[1]馮天軍.公共自行車交通系統效果分析[D].吉林大學，2016.

[2]劉彬.基于模糊綜合評價法的公共自行車滿意度評價研究[D].長安大學，2016.

[3]溫有棟，黃婷.BP算法建模在共享單車出行博弈中的運用[J]. 科技廣場，2017，（04）：25-29.[2017-09-02].DOI：10.13838/j.cnki.kjgc.2017.04.005

[4]楊曌照.基于軌道交通換乘的公共自行車租賃點選址與需求研究[D].華南理工大學，2014.

作者簡介：李鑫鑫（1997.10.30-）女，漢族，河南省許昌市，身份證號：411023199710303026，本科生，研究方向：水文與水資源工程