本文是一篇物流论文，本文基于P-中值模型对共享单车选址问题进行建模，并针对以遗传算法为代表的启发式算法和近似求解算法无法得到最优解且收敛速度慢和传统精确算法面对大规模问题会导致较高时间复杂度的缺点，改进并提出可以最大程度避免陷入局部最优解、可加快求解收敛速度的遗传算法。
1绪论
1.1 研究背景及意义
1.1.1 研究背景
近年来，随着移动互联网技术和智能终端设备的快速普及，共享单车由于绿色、环保以及便捷，其数量和骑行量迅速增长，一度成为中国“新四大发明”之一。中国共享单车的发展经历了两个阶段，分别为前共享时代和后共享时代。前共享时代，资本驱动的恶性市场竞争和缺乏精准管控导致城市空间被滥用。后共享时代以来，行业结构回归理性，众多参与者被迫退出市场。共享单车形成了由哈啰单车以及摩拜单车等头部企业组成的寡头垄断市场。因此，如何提升精细化运营水平、促进可持续发展并提升骑行者满意度，为中国交通强国贡献力量，成为共享单车企业和交通管理部门亟待解决的问题。
为解决以上问题，本文收集骑车人的社会经济属性和共享单车站点的异质数据，研究结果包括：（1）骑行人的用户类型、骑行时长以及共享单车站点的经纬度等对共享单车的出行有显着影响；（2）骑行人的性别、教育背景、外貌、押金、押金返还速度、破单率、软件易用性、租金优惠等对共享单车出行选择没有显着影响。研究成果对于提高共享单车企业服务质量、促进我国共享经济健康发展具有重要意义。根据研究结果，提出了提高乘坐舒适性、以人为本的设计、口碑以及共享设施建设的政策建议。
近年来，随着互联网经济的持续增长，共享单车作为解决出行“最后一公里”的方案应运而生。与传统的有桩共享单车（以下简称有桩公共单车）相比，共享单车是一种深受旅行者欢迎的新型交通方式，无桩共享单车可以随时随地取放归还使用方便，占地面积不大。共享单车是共享经济的开拓者和先行者。通过共享单车的所有权和使用权分离，提高了共享单车的利用率以及风险资本对共享单车的所有权和使用权。风险资本从2016年开始大规模进入共享单车行业，促成了数十家共享单车品牌的进入，推动了共享单车数量和使用量的指数级增长。从此，共享单车进入了前共享时代。然而，2018年之后，共享单车的体量过快增长和“资本寒冬”让大部分共享单车品牌陷入了经营困境。
1.2 国内外研究现状
1.2.1 国内研究现状
常超凡[1]在研究城市居民出行特征和影响因素时，分别比较了个人属性、家庭属性和出行属性对长途出行和短途出行中各种交通出行方式的影响。朱普周[3]利用logistic模型分析了出行特征、个人属性和法律法规对自行车出行频率的影响，最后验证了职业、工资、性别和出行时间对自行车出行频率的影响。何彦[4]等人从社会学的角度观察和分析了居民的自行车使用行为，发现自行车使用具有很强的生命历程特征。未婚者和老年人更频繁地使用自行车。拥有汽车、拥有自己的房子和高收入这三个属性对自行车的选择有负面影响。朱彤[5]以视频和问卷的形式，对骑自行车的人对道路环境的满意度进行了调查。根据调查结果，他建立了一系列指标，对自行车出行环境的平稳性、舒适性、建设水平和安全感进行了量化评分。曹雪柠[6]从轨道交通站点用地和乘客个人出行特征的角度探讨了轨道交通换乘公共自行车的影响因素。研究发现，车站周围的居住区和教育机构是公共自行车的主要吸引源，而出行成本和时间是自行车连接人员考虑的主要因素。何慰宁[7]基于嵌套logit模型研究了自行车转移到不同公共交通模式的概率。结果表明，家庭、地点、活动和个人因素对交通方式的选择有一定的影响，出行时间对汽车方式选择的影响远小于对自行车、公交车和步行方式选择的影响。
申红飞[8]运用空间分析和合法性分析了车站周边自行车接驳设施的位置要求，并基于TOPSIS原理构建了目标优化函数，定量研究了轨道交通换乘站自行车停车设施的位置。庄轲[9]从建筑、空间和服务水平三个层面的八个详细指标出发，基于集对分析，建立了城市轨道交通自行车连接点选址模型。刘燕涛[11]，在MATLAB平台上用遗传算法求解共享单车的需求模型，并用全局搜索法和传统数学算法选择共享单车的最佳停车位。史豫坤[12]建立了建设成本最低、出行距离最短的双目标共享单车停放位置模型，并用NSGA-Ⅱ算法求解。沈翔[13]也使用了双层规划模型来定位公共自行车租赁地点，但他在较低的模型中建立了车辆借用和归还需求的阻抗函数。李婷婷[14]从管理者和用户的角度建立了公共自行车选址的双层优化模型，以总建设成本最低和用户出行成本最低为上下层目标函数，进行了公共自行车租赁需求预测模型，并根据小样本调查结果对模型参数进行了标定。模型的上层和下层分别是从投放点开始的离散选择模型和从租赁规模开始的随机用户平衡模型。
2. 相关理论综述
2.1 共享单车
2.1.1 共享单车概念
中国在1970年代因高度依赖自行车出行而被誉为自行车王国，但随着经济的快速增长和机动化，自行车的使用量显着减少。近年来，由于中国大多数城市的交通拥堵、空气污染和机动车辆造成的安全问题，自行车在短途旅行中的潜在好处受到鼓励[37-39]。与机动模式相比，自行车占用的道路空间更少，排放更少，因此它们在城市地区的使用通常被认为是一种环保的交通方式 [40,41]。
作为一种新兴的交通方式，共享单车，即自行车车队的共享使用增加了自行车的使用，提供了多种接送地点，免费使用（一般一小时内），自助服务，更方便，更吸引用户。此外，作为其他城市交通系统的补充，共享单车为“最后一公里”问题提供了有效的解决方案[42]。他们可以从中转站连接到最终目的地，从而减少扩展中转服务的压力[43]。共享单车出行可以是单程或往返，允许自行车用于单程运输和多模式连接。在密集的城市环境中，共享单车被视为一种经济、高效、健康的交通方式。
由于共享单车的优势和好处，它已经在全球范围内传播[44-46]。2007年，巴黎推出了欧洲最大的共享单车计划，拥有超过 20,000 辆自行车。2013 年，纽约推出了北美最大的拥有 10,000 辆自行车的计划 [47]。目前，中国拥有世界上最大的共享单车计划，并引领全球共享单车的最大增长[47,48]，约有75万辆共享单车，预计这一数字将增加到近百万辆[47,49]。住房和城乡建设部(MHURD)于2004 年提出了旨在减少二氧化碳排放的公交优先政策，支持中国共享单车的发展[50]。在这一战略的实施过程中，共享单车系统近年来已经遍布全国，从首都北京到张家港的一个乡村小镇（永林）[51]。
2.2 异质数据集介绍与预处理
现实世界的数据集异构性越来越强，表现在数字、分类和其他特征类型的混合，如何处理数据中存在的异构性数据集记录成为目前的主要挑战。虽然一些现有的分类器（如决策树）可以在特定情况下处理异构数据，诸如此类的性能模型可能仍会改进，但因为异质性涉及对相似性测量和计算的特定调整，所以，异质数据仍然以不一致的方式处理或以临时方式处理。在本文中，我们研究异构数据分类问题：我们的目的是通过一致地使用异构性作为数据分类工作的积极特征数据对象之间的相似性。我们通过研究混合数据类型在计算数据对象相似性中的影响来解决异质性问题。为了达到我们的目标，我们提出了一种算法来划分基于初始数据记录的异质数据集。
本文的研究数据来源于马拉加省官方公开数据。该数据记录了2013 年 6月至 2019年6月的骑行记录。根据资料显示，EMT是马拉加省一家最大的共享单车公司，其运营数据具有一定的代表性。使用EMT的出行数据对共享单车的特征进行挖掘分析能够可以得到共享单车的出行特征。
数据包含骑行时长、骑行开始时间、骑行结束时间、出发站点编号、出发站点名称、出发站点经度、出发站点纬度、结束站点编号、结束站点名称、结束站点经度、结束站点纬度、共享单车编号、用户类型、用户出生年份以及用户性别。
3. 共享单车停放点选址模型 ..................................... 15
3.1问题引入 ......................................... 15
3.2模型假设 .......................................... 16
3.3选址模型理论 .................................... 16
4. 共享单车停放点选址模型的求解算法设计 ................................. 18
4.1 遗传算法 ............................... 18
4.1.1 编码解码 ......................... 18
4.1.2 确定初始种群 ....................... 18
5 案例分析 .......................................... 31
5.1 数据选择 ............................................ 31
5.2 案例结果 .................................... 32
5 案例分析
5.1 数据选择
本例将西班牙马拉加省的共享单车投放点选址问题作为研究对象，对公路网络、社区区域和中心点以及城市人口密度划分等相关数据进行分析和处理，首先计算西班牙马拉加运输公司（Empresa Malagueña de Transportes, EMT）共享单车现行选址方案的加权距离作为标准参考值，然后分别采用遗传算法、迭代局部搜索算法、粒子群优化算法以及模拟退火算法多次求得最优解及其平均加权距离，最终将现行运营选址方案、遗传算法、迭代局部搜索算法、粒子群优化算法的平均加权距离进行对比和分析并得出西班牙马拉加省共享单车投放点的最优选址方案。
如图5.1所示，从马拉加省官方数据（https://datosabiertos.malaga.eu/）可得其行政区域被划分为417个社区。
结论
尽管共享单车作为一种通勤方式在中国被广泛使用，但目前对于共享单车使用量和共享单车满意度的影响因素研究不多。本研究从马拉加省官网数据库获取数据，并分析影响共享单车使用和共享单车用户满意度的因素，评价、排序并得出几个主要关键变量。在共享单车使用模型中，发现出行方式、对共享单车的熟悉程度、共享单车站点位置、出行时间(<30分钟)、性别、节假日、天气、家庭单车或电动车保有量以及共享单车费用满意度等变量具有统计显着性。
本文基于P-中值模型对共享单车选址问题进行建模，并针对以遗传算法为代表的启发式算法和近似求解算法无法得到最优解且收敛速度慢和传统精确算法面对大规模问题会导致较高时间复杂度的缺点，改进并提出可以最大程度避免陷入局部最优解、可加快求解收敛速度的遗传算法。本文对标准遗传算法、迭代局部搜索算法、模拟退火算法以及本文提出的改进的遗传算法进行对比，经对比，本文提出的改进的遗传算法在早熟时间、最优解结果、求解精度以及求解速度上均有很大优势。而且在本文的评估框架下，本文提出的改进的遗传算法比马加拉省共享单车系统EMT的现行解决方案更优。
此外，本文对于共享单车投放点的评价并未考虑建筑、人流量以及公共交通便利程度等评价权重占比低但也有一定参考价值的评价维度。同时，虽然作为启发式算法代表的遗传算法得到了比马拉加省现行方案更优的投放方案，但在后续研究中，引进更多的算法进行对比可更进一步提高研究的精度并优化收敛速度。
参考文献（略）