[发明专利]一种公共自行车站点车辆优化配置的方法及装置

权利要求书

1.一种公共自行车站点车辆优化配置的方法，其特征在于，所述方法包括：

根据站点的租车历史数据和还车历史数据，确定所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布；

根据所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布以及在租车需求和还车需求发生时站点车辆数量的变化规则，确定所述站点在当前配置周期中各个时段的车辆数量的状态转移概率矩阵；

根据所述站点在当前配置周期中各个时段的车辆数量的状态转移概率矩阵，确定在当前配置周期中各个时段进行不同车辆数量的配置下的损失服务成本；

根据所述在当前配置周期中各个时段进行不同车辆数量的配置的损失服务成本以及在当前配置周期中在各个时段进行车辆配置的单次成本，确定在当前配置周期的最优配置成本，以及最优车辆配置时段和最优配置数量；

所述根据在租车需求和还车需求发生时站点车辆数量的变化规则以及所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布，建立所述站点在当前配置周期中各个时段的车辆数量的状态转移概率矩阵，包括：

根据所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布，确定在当前配置周期中的时段t的租车概率分布的期望λ_t以及还车概率分布的期望μ_t；其中，t∈[1，T]，T为当前配置周期中划分的总时段数；

建立所述站点在当前配置周期中的时段t中车辆数量的状态转移概率矩阵Q_t，Q_t表为：

其中，

p_t为时段t中一个需求事件发生，此事件为还车的概率，有

q_t＝1-p_t为时段t中一个需求事件发生，此事件为租车的概率，有

所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布均为泊松分布，所述租车概率分布的期望λ_t为租车概率的泊松分布的泊松参数，所述还车概率分布的期望μ_t为还车概率的泊松分布的泊松参数；

所述根据所述站点在当前配置周期中各个时段的车辆数量的状态转移概率矩阵，确定在当前配置周期中各个时段进行不同车辆数量的配置下的损失服务成本，包括：

通过以下公式表示当前配置周期中在时段s配置车辆数量为i时，从s时段到t时段结束期间的损失服务成本U_s，t+1，i，i∈[0，N]，s∈[1，T]，t∈[s，T]，t+1表示t时段结束，且s≤t；N为所述站点的车桩数量：

U_s，t+1，i＝U_{s，t+1，i，0}+U_{s，t+1，i，N}；

其中，表示当前配置周期中在时段s配置车辆数量为i时，从s时段到t时段结束期间的租车损失服务成本，从s＝1..T、t＝s..T依次迭代计算出从s时段到t时段结束时的租车需求损失成本U_{s，t+1，i，0}，且有U_{s，s，i，0}＝0；

表示当前配置周期中在时段s配置车辆数量为i时，从s时段到t时段结束期间的还车损失服务成本，从s＝1..T、t＝s..T依次迭代计算出从s时段到t时段结束时的还车需求损失成本U_{s，t+1，i，N}，且有U_{s，s，i，N}＝0；其中，

表示当前配置周期中在时段s配置车辆数量为i时，到t时段结束时车辆数量为j的期望转移概率，从s＝1..T、t＝s..T依次迭代计算出从s时段到其后每一时段的转移概率，j∈[0，N]，当j＝0时，当j＝N时，

t∈[1，T]，为矩阵的元素，是Q_t矩阵的n次方，表示租车和还车需求共发生n次时的转移概率矩阵；P{X_t＝n}是租车还车需求总数X_t为n的概率，

α_t表示时段t租车的单位损失服务成本；

β_t表示时段t还车的单位损失服务成本；

所述根据所述在当前配置周期中各个时段进行不同车辆数量的配置的损失服务成本以及在当前配置周期中在各个时段进行车辆配置的单次成本，确定在当前配置周期的最优配置成本，以及最优车辆配置时段和最优配置数量，包括：

通过下式确定在当前配置周期的从时段1到时段t结束时的最优配置成本V_1，t+1：

V_1，t+1＝min_i，s{V_1，s+C_s+U_s，t+1，i：i＝0..N，s∈[1，t]}，

从t＝1..T依次计算，直到t＝T结束，此时V_1，T+1即为当前配置周期的最优成本，其中V_1，1＝0，C_s为在当前配置周期中在时段s进行车辆配置的单次成本；

获取在当前配置周期的最优成本V_1，T+1确定时，每一次迭代计算中s和i的取值；

将每一次迭代计算中s和i的取值确定为当前配置周期内的车辆配置时段和数量。

2.一种公共自行车站点车辆优化配置的装置，其特征在于，所述装置包括：

概率分布确定单元，用于根据站点的租车历史数据和还车历史数据，确定所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布；

状态转移概率矩阵建立单元，用于根据所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布以及在租车需求和还车需求发生时站点车辆数量的变化规则，建立所述站点在当前配置周期中各个时段的车辆数量的状态转移概率矩阵；

损失服务成本单元，用于根据所述站点在当前配置周期中各个时段的车辆数量的状态转移概率矩阵，确定在当前配置周期中各个时段进行不同车辆数量的配置下的损失服务成本；

配置确定单元，根据所述在当前配置周期中各个时段进行不同车辆数量的配置的损失服务成本以及在当前配置周期中在各个时段进行车辆配置的单次成本，确定在当前配置周期的最优配置成本，以及最优车辆配置时段和最优配置数量；

所述状态转移概率矩阵建立单元具体用于：

根据所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布，确定在当前配置周期中的时段t的租车概率分布的期望以及还车概率分布的期望；其中，t∈[1，T]，T为当前配置周期中划分的总时段数；

建立所述站点在当前配置周期中的时段t中车辆数量的状态转移概率矩阵Q_t，Q_t表为：

其中，

p_t为时段t中一个需求事件发生，此事件为还车的概率，有

q_t＝1-p_t为时段t中一个需求事件发生，此事件为租车的概率，有

所述站点在当前配置周期中各个时段的租车概率分布和还车概率分布均为泊松分布，所述租车概率分布的期望λ_t为租车概率的泊松分布的泊松参数，所述还车概率分布的期望μ_t为还车概率的泊松分布的泊松参数；

所述损失服务成本单元具体用于：

通过以下公式表示当前配置周期中在时段s配置车辆数量为i时，从s时段到t时段结束期间的损失服务成本U_s，t+1，i，i∈[0，N]，s∈[1，T]，t∈[s，T]，t+1表示t时段结束，且s≤t；N为所述站点的车桩数量：

U_s，t+1，i＝U_{s，t+1，i，0}+U_{s，t+1，i，N}；

其中，表示当前配置周期中在时段s配置车辆数量为i时，从s时段到t时段结束期间的租车损失服务成本，从s＝1..T、t＝s..T依次迭代计算出从s时段到t时段结束时的租车需求损失成本U_{s，t+1，i，0}，且有U_{s，s，i，0}＝0；

表示当前配置周期中在时段s配置车辆数量为i时，从s时段到t时段结束期间的还车损失服务成本，从s＝1..T、t＝s..T依次迭代计算出从s时段到t时段结束时的还车需求损失成本U_{s，t+1，i，N}，且有U_{s，s，i，N}＝0；其中，

表示当前配置周期中在时段s配置车辆数量为i时，到t时段结束时车辆数量为j的期望转移概率，从s＝1..T、t＝s..T依次迭代计算出从s时段到其后每一时段的转移概率，j∈[0，N]，当j＝0时，当j＝N时，

t∈[1，T]，为矩阵的元素，是Q_t矩阵的n次方，表示租车和还车需求共发生n次时的转移概率矩阵；P{X_t＝n}是租车还车需求总数X_t为n的概率，

α_t表示时段t租车的单位损失服务成本；

β_t表示时段t还车的单位损失服务成本；

所述配置确定单元包括最优成本模块，用于：

通过下式确定在当前配置周期的从时段1到时段t结束时的最优配置成本V_1，t+1：

V_1，t+1＝min_i，s{V_1，s+C_s+U_s，t+1，i：i＝0..N，s∈[1，t]}，

从t＝1..T依次计算，直到t＝T结束，此时V_1，T+1即为当前配置周期的最优成本，其中V_1，1＝0，C_s为在当前配置周期中在时段s进行车辆配置的单次成本；

获取在当前配置周期的最优成本V_1，T+1确定时，每一次迭代计算中s和i的取值；

将每一次迭代计算中s和i的取值确定为当前配置周期内的车辆配置时段和数量。