大数据驱动的大型自行车共享系统及其站点车辆再平衡研究

近年来,大数据、云计算与物联网为复杂系统的组织与管理提供了有力的新型信息化技术,并引起了企业的组织架构与运营机制的多方面变化.基于此,本文首先针对大数据驱动的大型自行车共享系统构建了一个新的随机模型,既表达了大数据的重要作用,又描述了大型自行车共享系统的运营过程,特别是使用卡车对各个站点自行车的再平衡.其次,本文提出了一种研究大数据驱动的大型自行车共享系统的平均场极限理论,包括利用平均场理论建立非时齐的排队系统,由非时齐的排队系统建立系统的平均场方程组;给出了经验测度过程(empirical measure process)的非线性生灭过程,提出了分段结构下生灭过程的固定点的有效算法,由此能够计算每个站点稳态平均自行车数;用数值算例分析了每个站点稳态平均自行车数是如何依赖于自行车共享系统中的一些关键参数的.基于此,本文对大数据在大型自行车共享系统中所引起的物理效应进行了建模分析,从而为大型自行车共享系统的随机分析提供了一个极有研究潜力的重要发展方向.

大型自行车共享系统的平均场极限理论与排队模型研究

人口的快速增长与空间的高度城市化带来了汽车尾气污染等环境污染问题,这已成为影响社会可持续发展的主要制约因素。基于此,近十年来自行车共享系统在世界多个国家的许多重要城市获得了高度重视并取得了迅速发展。然而,相比于自行车共享系统的快速发展,其相关研究却并未取得较大进展,主要原因在于它是一个大型的复杂系统,涉及密集的城市交通、异构的运营环境、多重的顾客偏好选择以及多渠道的收益管理等多种关联因素。在这种背景下,本文建立了一个通用的大型自行车共享系统,并提出了一种基于平均场极限理论与非时齐排队模型相结合的有效随机模型分析方法,包括利用平均场理论建立了非时齐排队系统、构建了经验测度过程(Empirical measure process)的非线性生灭过程、给出了分段结构下生灭过程的固定点的"几何之和"算法以及提供了问题站点稳态概率的数值计算等等。本文为研究大型自行车共享系统的随机模型提供了一个重要的发展途径,并有望能够用于分析更加一般的大型自行车共享系统。