基于灰色关联度理论的自行车系统分布研究.docVIP

基于灰色关联度理论的自行车系统分布研究 摘要 公共自行车管理系统是我国近年来迅速推广和普及的公共系统。在公共自行车管理系统中，自行车租赁的站点位置及站点自行车锁桩数量的配置和借还频数的分布，对系统的运行效率与用户满意度有着重要的影响。 由于个别数据不符合实际，所以我们先对给出的数据进行筛选然后得到有效的数据。然后对得到的有效数据进行统计，比如每日每站的借还频次，借还车频次接近锁桩数时累计产生的“溢出数”，自行车用车时长的分布，利用用车时长的均值而定义的各站点的“距离”，人们使用自行车的时间分布，等等。 首先我们明确一个宗旨：系统运行的目的，是为了服务市民，而非营利。所以，我们建立的评价体系，应该是包含了站点分布，每日综合借还车频次，锁桩利用率，溢出数等因素，以运行效率和市民满意度为目标的评价体系。 我们发现整个系统的机理非常复杂，所以无法用机理分析的方法发现系统运行的规律，所以我们采用灰色关联度理论的有关知识来建立数学模型，通过分析系统中各个因素和整体的关系，给出各个因素的关联指数，它们的大小代表了系统评价整个系统好坏的权重。 关键词 运行效率：运行效率受诸多因素影响，比如站点分布，锁桩配置等，是我们追求的目标。 用户满意度：用户满意度可以由借还车频次，锁桩利用率等体现，也是我们的追求目标。 灰色关联度：我们只可以发现系统的部分运行规律，所以我们选择通过灰色关联度分析的方法来评价整个系统。 站点设置：直接影响了系统的运行效率和用户的满意度。 锁桩利用率：锁桩利用率是影响系统的运行效率的重要因素，也从侧面反应出了用户的满意程度。 溢出数：我们定义当某日某站点借还频次最高值非常接近锁桩数的情况为“溢出”情况。如果一个站点发生了溢出情况，则当天的溢出数+1。 站点间距离：题目给出的数据并没有站点间距这一项，所以，我们使用两站点间自行车的有效使用时间的均值作为对站点的“距离”的估计。由于数据很多，我们将距离看作是一个在一定范围内呈正态分布的值，并将两站点的有效用车时间的最小值和最大值作为“距离”的最大值和最小值。 问题重述 公共自行车管理系统是我国近年来引进的一项缓解城市交通拥堵，降低汽车尾气排放，改善空气质量的一个项目。对于这样的公共自行车管理系统，合理设置站点，安排锁桩数以影响锁桩利用率等等会影响系统的运行效率和市民对该系统的满意度。我们据此对现有的系统机制做出一个评价。 现考虑浙江温州市鹿城区的公共自行车管理系统。该系统有大约200来个站点，几千辆自行车，对于每一个站点，都配有一定的锁桩。 当一个人借车失败时，系统也会读入数据，可是显示的借车时长却是0；当一个人没有及时归还借来的车辆时，显示的借车时长也是错误值。所以我们在处理数据前要先将这些坏的数据剔除掉。 对于某一天某个站点它的借还高峰期十分接近锁桩数，我们就认为发生了“溢出”情况。对于每辆自行车，同一个时段只能由同一个人来使用。我们通过两站之间有效用车时长的均值来定义两站点间的距离。 这种情况下，我们可能会遇到每个站点锁桩利用率过高，站点分配不合理等问题，因而需要从提高整个系统运行效率和提升用户满意度出发，考虑和建立适当的数学模型和评价体系，对鹿城区现有的自行车管理系统进行分析和评估。 问题分析 条件和数据分析： 我们现在得到的，是20天鹿城区的公共自行车的借还情况表。很容易发现，这些数据的数据量非常庞大，如果我们想从中得到有用信息，并探索自行车系统运行的规律，就需要对数据进行整理和统计。 无效数据剔除： 在这些数据中，有的数据并不符合事实，所以是无效数据。这些无效数据会误导我们对系统的分析，为了得到系统的合理评价，我们要剔除这些无效数据。 借还频次统计： 对于每个站点，我们需要得到各个站点每一天的借车频次和还车频次，以及各个站点累计的借车频次和还车频次。然后我们就可以找到哪个站点的累计借还车频次是最高的，或是说使用最频繁的。对于使用频次最高的几个站点，我们要增加其维护的频次。 对于每一天，我们可以通过简单的将每日的借还频次相加得到每一天的公共自行车使用次数，并由此找到自行车使用次数最大的一天。这个信息可以显示出自行车管理系统运行的某些规律。 各站点所占有的权重： 对于所有的站点，我们以累计的借还车频次作为依据，分若干个等级，对其进行赋权。累计借还频次越高，权值就越大。 自行车使用时长： 统计所有有效有效情况下自行车的使用时间，并给出20天自行车使用时长的分布。我们找到使用时长的数据集中点，将这个时间范围作为人们出行的一般规律。 对于每一天，我们统计每个站点使用自行车次数最多的时段作为高峰时段，并给出每一天各站高峰时段的分布情况，为接下来计算锁桩利用率做好准备。 锁桩利用率： 寻找一个合适的时刻分段数值，使得的最高峰的最大值都接近20。接下来，对于当天所有的站点，每个站点的