許 可 胡日昊 李瑋曄 黃素珍 劉桂蘭
(鹽城工學(xué)院,江蘇鹽城 224051)
共享經(jīng)濟(jì)[1]的不斷發(fā)展,改變了人們的生活方式,共享單車的出現(xiàn)為人們的出行提供了極大的便利。大學(xué)校園里的共享單車的特點(diǎn)是單車的停放和使用都只能在校園內(nèi)部,不可以將其騎行出校外并停放在校外。學(xué)生可以騎著共享單車穿梭在教室、宿舍、食堂和圖書館之間。但是不同地點(diǎn)所停放單車的數(shù)量,有時并不能夠滿足學(xué)生的需求。解決這一問題最直接的方法就是在學(xué)生常去和常在的地方大量投放單車,但過多投放會造成有些停車點(diǎn)單車閑置。科學(xué)預(yù)測每個停車點(diǎn)的單車投放量可以為制定合理的單車投放策略提供依據(jù)。
本文以鹽城工學(xué)院希望大道校區(qū)為例,采集了不同時刻不同停車點(diǎn)的單車停放數(shù)據(jù),基于時間序列分析方法,利用ARIMA算法和AR算法,對每個停車點(diǎn)的投放數(shù)目進(jìn)行預(yù)測。以預(yù)測數(shù)目為依據(jù),考慮損壞率,制定未來一周校園內(nèi)各個停車點(diǎn)的投放策略。
為了充分體現(xiàn)大學(xué)生日常出行的特點(diǎn),本文借助手機(jī)軟件“哈啰出行”獲取鹽城工學(xué)院希望大道校區(qū)八周內(nèi)幾個關(guān)鍵時刻,主要不同停車地點(diǎn)處的停放數(shù)目,如圖1所示。

圖1 “哈啰單車”單車停放數(shù)目界面
采集的數(shù)據(jù)包含四種屬性:停車地點(diǎn)、停車數(shù)目、時間段、星期數(shù)。學(xué)生常去的地方主要有教室、宿舍、食堂、圖書館、操場等。因此,選取:一期宿舍群、二期宿舍群、博學(xué)樓、一期食堂、二期食堂、圖書館、操場、東大門、北大門以及兩大二級學(xué)院樓群,共11個主要停放點(diǎn)。不同時間段學(xué)生使用單車量不同,一般上課前10 min和下課后10 min是單車使用的高峰期。因此選取:7:40、8:00、9:40、10:00、11:40、12:00、13:40、14:00、15:40、16:00、17:40、18:00、19:00、20:00共14個時刻。
設(shè)Xi(k)為停放數(shù)目,其中變量i表示停車地點(diǎn)的代號,共計11個,即i=1,2,…,11;變量k表示時刻標(biāo)號,選取了共計14個典型的時刻,即k=1,2,…,14。其中地點(diǎn)名稱對應(yīng)的ID 如表1所示。

表1 停車地點(diǎn)名稱及其ID
由于大學(xué)生使用共享單車的頻率既存在規(guī)律性,也存在著無規(guī)律性,所以搜集到的共享單車數(shù)據(jù)主要為白噪聲序列與非平穩(wěn)序列兩種。例如周末為假期,老師和學(xué)生的活動并不確定,所以周末共享單車的使用就是一個白噪聲序列,存在隨機(jī)性,是無法使用時間序列來預(yù)測的;又如線下上課改為線上上課,也會大幅影響共享單車的使用。因此做如下假設(shè):
(1)假設(shè)學(xué)生使用完共享單車后,都停放在常用停車點(diǎn);(2)假設(shè)校園內(nèi)共享單車不因損壞等因素而數(shù)目變少;(3)假設(shè)每天上課出行的學(xué)生人數(shù)不變;(4)假設(shè)周末學(xué)生不使用共享單車;(5)假設(shè)學(xué)生不將單車停放校門口外的“灰色地帶”,始終將車停放在校園內(nèi)部。
剔除不符合上述假設(shè)的數(shù)據(jù),將符合上述假設(shè)的數(shù)據(jù)稱為常規(guī)數(shù)據(jù)。在正常的情況下,共享單車的使用大部分為有規(guī)律的,與大部分學(xué)生的生活和作息相關(guān),所以常規(guī)數(shù)據(jù)主要為非平穩(wěn)序列。但由于個體的差異性,存在其他需求,所以常規(guī)數(shù)據(jù)中仍然會存在少量的白噪聲序列。
數(shù)據(jù)的穩(wěn)定性是時間序列預(yù)測的關(guān)鍵,一組數(shù)據(jù)的平穩(wěn)性在于它在一段時間內(nèi)圍繞一個范圍上下浮動,達(dá)到平穩(wěn)要具備以下三個條件:
(1)數(shù)據(jù)的均值為常數(shù):

(2)方差為常數(shù):

(3)任意相隔h個時刻的數(shù)據(jù)的協(xié)方差相同:

通過已知數(shù)據(jù)繪制折線圖,可以看出大部分時間段,大部分地點(diǎn),單車使用數(shù)據(jù)趨于平穩(wěn)。對于已知數(shù)據(jù)中的非平穩(wěn)的序列,采用差分進(jìn)行預(yù)處理。
記?為差分算子[2],則一階差分為:

二階差分為:

通常情況下進(jìn)行一階差分,如果一階差分之后數(shù)據(jù)仍不平穩(wěn),可以再進(jìn)行二階差分。大多數(shù)情況下,數(shù)據(jù)在進(jìn)行二階差分下就平穩(wěn)了。
時間序列預(yù)測是一種回歸預(yù)測的方法,利用歷史的數(shù)據(jù),推測未來的數(shù)據(jù)發(fā)展趨勢。有關(guān)時間序列預(yù)測的模型常見的有以下4種[3]:
(1)自回歸(AR)模型:

(2)滑動平均(MA)模型:

(3)自回歸滑動平均(ARMA)模型:

(4)差分自回歸滑動平均(ARIMA)模型:

式中:Xt——時間序列值;εt——現(xiàn)在和過去的誤差或沖擊值;ai(i=1,2,…,p)——自回歸系數(shù);bi(i=1,2,…,q)——移動平均系數(shù)。
ACF是自相關(guān)系數(shù)序列函數(shù),在時間序列內(nèi)反映了Xt與Xt-k的相關(guān)程度,PACF是偏自相關(guān)函數(shù),反映的是滯后值的相關(guān)性。通常情況下,平穩(wěn)的序列自相關(guān)圖有拖尾和截尾兩種,拖尾有一個衰減的趨勢,但不全為0,截尾指在某階后,系數(shù)都為0。當(dāng)自相關(guān)是拖尾、偏相關(guān)是截尾時,使用AR算法。當(dāng)自相關(guān)是截尾、偏相關(guān)是拖尾時,使用MA算法,自相關(guān)和偏相關(guān)都是拖尾,則使用ARIMA算法。利用Matlab軟件,分別畫出11個地點(diǎn)的自相關(guān)圖和偏自相關(guān)圖,其中停車點(diǎn)1的自相關(guān)圖如圖2所示,停車點(diǎn)1的偏自相關(guān)圖如圖3所示。

圖2 停車點(diǎn)1自相關(guān)圖

圖3 停車點(diǎn)1偏自相關(guān)圖
從各個停車點(diǎn)的自相關(guān)圖和偏自相關(guān)圖可見,11個停車點(diǎn)ACF均為拖尾,PACF為拖尾的有:1、3、4、5、6,PACF為截尾的地點(diǎn)有:2、7、8、9,其中10、11雖然為拖尾,但隨著系數(shù)趨于0,可以近似為截尾。共享單車使用受時間相關(guān)性影響較大的還是教學(xué)樓、食堂、宿舍,而其余地點(diǎn)受時間相關(guān)影響相對較小,主要是受其他因素影響,具有隨機(jī)性,也可以理解為白噪聲擾動。
根據(jù)ACF與PACF的結(jié)果,可以確定使用時間序列模型。對地點(diǎn)ID 為:1、3、4、5、6,使用ARIMA算法。對地點(diǎn)ID為:2、7、8、9、10、11,采用AR算法。各停車點(diǎn)各關(guān)鍵時刻的單車停放數(shù)目預(yù)測結(jié)果如圖4所示。

圖4 未來一周各停車點(diǎn)各關(guān)鍵時刻共享單車數(shù)目預(yù)測
從圖4可知,每個停車點(diǎn)不同關(guān)鍵時刻停車數(shù)目不同,在制定投放策略時,既要盡可能滿足大學(xué)生騎行需求,也要考慮單車的損壞率。

根據(jù)經(jīng)驗,取s=0.20,計算得到未來一周各個停車點(diǎn)的單車投放數(shù)目,具體初始投放數(shù)目策略如表2所示。

表2 各停車點(diǎn)單車初始投放數(shù)目 單位:輛
從表2可知,博學(xué)樓投放量最大,達(dá)174輛,這是因為博學(xué)樓是全校的絕大部分課程的教學(xué)場所,其次是一期宿舍和二期宿舍,學(xué)生每天都要從宿舍出去,又要回到宿舍,投放量大是合理的。投放量最小的是兩個校門,只有不到40輛,因校內(nèi)生活配套齊全,無須頻繁出校門。
本文基于時間序列預(yù)測了校園共享單車停車數(shù)目,實(shí)際的校園共享單車使用情況較為復(fù)雜,很難滿足上述全部假設(shè),特別是停車點(diǎn)的不規(guī)律性以及單車損壞的隨機(jī)性。因此,本文最終所給出的投放策略刻意加大了初始投放數(shù)目,盡可能滿足學(xué)生的騎行需求。共享單車在大學(xué)校園的投放離不開學(xué)校的資金投入和相關(guān)政策的實(shí)施,共享單車的停車點(diǎn)選址有待進(jìn)一步深入研究。