汽车分时租赁站点投放车辆规模模型研究

谢昳辰, 胡郁葱,2

(1.华南理工大学 土木与交通学院，广东 广州 510641；2.现代城市交通技术江苏高校协同创新中心，江苏 南京 210000)

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。

表1 典型汽车分时租赁企业运营模式的对比Table 1 Contrast of business operation modes of typical car sharing companies

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时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1 d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

分时租赁用户中不拥有私家车与拥有私家车的用户比例大约为2∶1；分时租赁用户中大部分用户的家庭住址在郊区，只有小部分用户的家庭住址在市区；另外，分时租赁用户使用车辆的地点在家和工作单位的需求最为明显，尤其是居民区附近的分时租赁需求最大。

1.3.2 汽车分时租赁用户需求特征分析

1) 分时租赁用户使用分时租赁车辆的原因多种多样，其中：摇不到号、分时租赁车辆不受限、使用方便及环保等原因的所占比例十分接近。

2) 分时租赁用户使用分时租赁的目的最多的为周末外出郊游，其次为生活出行和旅游，而用于上、下班通行的不到1/5。

3) 大部分的分时租赁用户使用分时租赁车辆的次数为1～5次/月，并用于6～50 km的中短距离出行，出行时间大多为小于1 h。

4) 分时租赁用户到达车辆租赁站点的方式以步行为主，其次为自行车、地铁和公交，换乘车辆的占比较低。大多数分时租赁用户可接受分时租赁站点的距离为500～1 500 m。

5) 在分时租赁的使用价格方面，大多数用户希望分时租赁定价控制在出租车价格的一半以内。当分时租赁价格为出租车价格的60%时，只有接近1/3的用户认为可以接受。

2 汽车分时租赁站点投放车辆规模模型分类

2.1 战略计划决策模型

汽车分时租赁模式的战略计划决策模型是指运营企业在规划建设期，根据乘客可能产生的相关出行需求，对分时租赁模式的拟建设站点进行初步的规划布局，包括对交通小区内租赁站点数目的确定、租赁站点位置的网络布局、不同租赁站点内车辆数目的确定以及新能源分时租赁中各租赁站点内充电桩数目的确定等规划决策。因此，分时租赁站点投放车辆规模的战略计划决策模型即在战略层面对分时租赁各站点的投放车辆规模进行确定的模型。但该模型从战略决策层面出发，没有考虑到分时租赁企业运营过程中可能会遇到的车辆需求的日常变化而导致的部分站点车辆短缺和另一部分站点车辆剩余的情况，即没有考虑运营层面上的车辆调度问题，容易导致供需不均而产生的各种问题以及与用户之间的矛盾。

2.2 运营决策模型

2.2.1 基于员工的运营模式

基于员工的运营模式有2种：①最短时间型，将汽车从某个站点运到所需站点的时间来决定；②平衡库存型，从库存过剩的站点运输车辆到库存紧缺的站点。

基于员工的运营决策模式旨在通过实时产生的站点车辆短缺来通知员工进行车辆的调度。该模式在一定程度上对各车辆短缺和车辆剩余站点之间的车辆平衡起到了控制作用，但实时通知有一定的滞后性，在分时租赁企业的实际运营中,其操作效果不会很理想。

2.2.2 基于用户的运营模式

基于用户的运营模式分2种：①旅行绑定，是指两个或两个以上的用户有同样的用车需求(即他们的起始地点相同)并且起始站点的车辆库存紧张时，用户会被要求共同使用同一辆车；②旅行拆分，是指当有团队的用户有用车需求时，如果起始站点车辆有剩余而终止站点库存紧张，那么他们会被要求分开驾驶多辆汽车去往目的地。

基于用户的运营模式并不发生站点间的车辆调度行为，只是单纯地通过控制用户的车辆使用行为，略微缓解车辆短缺的问题。因此，该方法不适合使用于希望长期发展下去的分时租赁企业。

2.3 基于调度的战略计划模型

现有的分时租赁站点投放车辆规模模型优、缺点见表2。从表2中可以看出，车辆调度问题在分时租赁企业的实际运营过程中是一个至关重要的问题，各站点的车辆需求在1 d中随时间而产生不小的变化，因而造成的站点车辆短缺和站点车辆剩余的问题需要通过这些站点之间的车辆调度来平衡，这样才可以在考虑企业初始投放成本的情况下尽可能地增加用户的满意度。此外，以往的研究都是将战略计划决策模型和运营决策模型分离开来研究，导致战略决策不能融入到运营过程中，同样运营决策也只限于具体的调配行为并且假设站点的选址和数量以及车辆数都是外生的。为了尽量减少这种问题的产生，作者提出一种新的模型，旨在建设初期就根据用户需求来预测可能产生的调度需求，从而确定各站点的优化方案。该模型是一种考虑运营决策影响的战略战术决策模型。

将该模型定义为：能够实现各站点间的车辆调度并满足用户1 d中使用需求变化的分时租赁站点投放车辆规模模型。该模型可以用于分时租赁企业在战略决策阶段根据调查所得的可能产生的用户需求来对拟建设的站点的车辆投放规模进行布设，也可以用于分时租赁企业根据现状用户需求对已经建设好的站点的车辆投放规模进行修正优化。

表2 现有的分时租赁站点投放车辆规模模型优、缺点Table 2 The advantages and disadvantages of current vehicle scale model of car sharing sites

3 模型的构建及算例

3.1 模型的基本思路

已知某个区域内有一家分时租赁企业，现该区域内已经布设了n个分时租赁的站点，已知每个站点的具体布设位置及它们之间的距离。在尽可能实现租赁车辆的利用率最大化的前提条件下，为了能够满足每个站点周围存在的可能的用户使用需求，应对各个站点的投放车辆规模数目进行分站点情况的确定。其中，当某个站点的车辆数不能满足即时的车辆需求时，可以考虑从周边若干个有较多车辆空闲的站点进行调度。

3.2 模型的构建

拟研究的时间段为早上8点至晚上8点。在其他条件均为理想情况下建立模型。

1) 目标函数

车辆利用率最大化：用研究范围内所有时间中产生车辆需求总和与系统内全部租赁车辆数的比例来表示车辆的利用率。

(1)

式中：λ为分时租赁系统内车辆利用率；Oit为第i个分时租赁站点在t时刻的车辆需求数；Pi0为第i个分时租赁站点的投放车辆规模。

2) 约束条件

①第一类为需要调度车辆进来的站点。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不能满足这个时间段内所有时刻的车辆需求，且车辆在该时刻有减少的趋势，该站点在该时刻时，需要调度进来车辆。即：

Ni(z-1)

(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。

表3 各站点需求函数Table 3 Demand function of each site

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。

表4 模型求解结果与站点最大需求的对比Table 4 The contrast of model solution results and the maximum site requirements

从表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。

参考文献(References)：

[1] Glotz-richter M.Reclaim street space!-exploit the European potential of car sharing[J].Transportation Research Procedia,2016,14:1296-1304.

[2] Fanti M P,Mangini A M,Pedroncelli G,et al.A petri net model for fleet sizing of electric car sharing systems[A].Proceedings of the 13thInternational Workshop on Discrete Event Systems(wodes 2016)[C].Xi’an:[s.n.],2016:51-56.

[3] Cao G,Wang L,Jin Y,et al.Determination of the vehicle relocation triggering threshold in electric car-sharing system[A].Proceedings of 2016 Chinese Intelligent Systems Conference[C].[s.l.]:Springer,2016:11-22.

[4] 孙欢欢.车辆分时租赁模式下的用户预约分配优化模型的研究[D].北京:北京交通大学,2016.(SUN Huan-huan.Research on reservation assignment models for carsharing[D].Beijing:Beijing Jiaotong University,2016.(in Chinese))

[5] 王丽敏.基于AHP和模糊综合评价法在共享汽车站点选址的研究[J].江苏科技信息,2013(7):60-62.(WANG Li-ming.Research on site selection of shared vehicles based on AHP and fuzzy comprehensive evaluation[J].Jiangsu Science and Technology Information,2013(7):60-62.(in Chinese))

[6] Nourinejad M,Roorda M J.Carsharing operations policies: a comparison between one-way and two-way systems[J].Transportation,2015,42(3):497-518.

[7] 咸文文.电动汽车分时租赁运营模式研究[D].北京:北方工业大学,2016.(XIAN Wen-wen.The electric vehicle sharing operation research[D].Beijing:North China University of Technology,2016.(in Chinese))

[8] 陈蓓,马万经.基于APP的电动汽车分时租赁激励调度系统研究[A].第十一届中国智能交通年会大会论文集[C].北京:中国智能交通协会,2016:416-425.(CHEN Bei,MA Wan-jing.Car-sharing incentive scheduling system of electric vehicles based on smartphone APP[A].Proceedings of the 11thChina Intelligent Transportation Annual Conference[C].Beijing:China Intelligent Transportation Systems Association,2016:416-425.(in Chinese))

[9] Prettenthaler F,Steininger K.From ownership to service use lifestyle:The potential of car sharing[J].Ecological Economics,1999,28:443-453.

[10] 陈希光.PD集团新能源汽车分时租赁业务模式研究[D].沈阳:沈阳大学,2017.(CHEN Xi-guang.Study on the new energy car timeshare rental business model of PD group[D].Shenyang:Shenyang University,2017.(in Chinese))