本文是一篇物流论文，本文通过对共享汽车的发展现状以及所存在的问题进行简要阐述，引出共享汽车企业想要降低企业运营成本需要调动用户积极性、鼓励用户参与车辆调度这一认知。
第一章 绪论
1.1 研究背景
近年来，共享经济逐渐融入社会生活的各个层面。2022年，中国共享经济市场的交易金额大约是38320亿元，较上一年增长约3.9%，其中共享出行领域市场规模为2012亿元，位居领域第四，是共享经济的支柱产业之一。
目前居民消费水平日益提高，对自由出行的需求也随之增加，因此家庭私家车的数量与日俱增。但是受国内道路以及停车等资源的限制，城市中的交通堵塞问题越来越严重，汽车尾气排放也危害到了城市的环境。在这种背景下，共享汽车应运而生。由于其自身的低碳和便捷属性，得到商界以及学术界的普遍重视，并且逐步步入产业的高速发展阶段。共享汽车这一概念早在1994年就已经被提出，但传入国内的时间较晚。现在我国的共享汽车运营方式主要有单向和双向这两种类型，单向式同意用户在任意地点进行取车或还车，而双向式则需要用户将车返还到借车的地址。目前进入共享汽车领域的有EVCARD、Gofun、小灵狗出行、凹凸出行、烽鸟、轻享等共享汽车运营品牌。这些品牌的主要服务区域在北京、上海、深圳等一线大都市，近两年，也开始向一些需求空间较大的二线城市的市场渗透。
1.2 研究意义
截至2022年底，全国机动车保有量达4.17亿辆，其中汽车3.19亿辆；机动车驾驶人达5.02亿人，其中汽车驾驶人4.64亿人。中国拥有驾照的人数是拥有汽车人数的1.45倍之多，可以看出汽车租赁市场的需求量是非常大的。同时共享汽车租赁有助于减少个人购车意愿，缓解交通拥堵和保护环境，可有效助力我国在2030年前实现“碳达峰”目标。
共享汽车行业作为共享经济领域的主力军之一，目前依然处在发展阶段，不够成熟，亟需完整的体系理论支撑。我国的单向共享汽车发展时间较短，在运营管理和资源控制方面还缺少完善的理论支撑和科学的实践指导。为了弥补共享汽车分时租赁系统在运营管理上的短板，核心是要解决系统车辆在时间上和空间上分布不平衡的问题。因此，对基于混合奖励机制的共享汽车调度问题进行研究具有重要的理论和实践意义，具体包括以下两个方面：
（1）理论意义：共享汽车行业的发展在对技术、业务、战略层面的协同推进方面的要求很高，需要极大的企业投入，也考验精细化运营的能力。本文所提出的对共享汽车调度的研究，为相关研究方向提供了一种新的思考视角，最终的研究成果有助于丰富共享汽车企业运营决策的理论与方法。
（2）实践意义：为中国共享汽车企业的实际生产与运营决策提供科学的决策方法，是非常重要的参考依据，还能有利于共享汽车行业在未来的健康发展和形成社会、企业、政府三者之间良性的关系，具有重要的现实意义。
第二章 国内外相关文献综述
2.1 共享汽车问题相关研究方向综述
现有文献中与共享汽车相关的研究主要有四个方向：共享汽车网点布局研究、共享汽车需求预测、共享汽车选择行为影响因素分析和共享汽车调度研究。
第一个方向主要研究共享汽车租赁网点选址问题。国外学者大多是从企业效益角度出发，建立关于利润最大或成本最小的目标模型。比如Correia和Antunes（2012）[1]为解决车辆库存不平衡问题，设计了一种共享汽车网点布局优化方法，以企业最大利润为目标，构建了三个基于不同行程选择方案的混合整数规划模型。通过案例研究，表明了企业在选址时放弃部分用户需求，满足所有需求将会导致经济损失。Biondi等（2016）[2]认为共享汽车站点部署问题是排队理论以及特殊的集合覆盖问题的结合，在此基础上，建立了以部署成本最小化和服务质量最大化为目标的模型。Chang等（2017）[3]考虑到节能减排和购车预算的约束，对混合车队的网点选址进行研究，构建了以最小成本为目标、包含单双向用车需求和运营的整数规划模型。并使用波士顿2014年的实际运营数据为样本进行实验，结果表明该模型需求损失和订单被拒绝概率明显降低。国内较多学者偏向于使用双层规划模型以及多目标模型研究共享汽车的网点选址问题。比如杨新湦等（2017）[4]将共享汽车与传统出租车相联合，提出了一种新的短时出行交通方式。首先对问卷调查的数据进行用户需求特征分析，使用灰色预测法对需求总规模进行约束，得到网点选址的初始方案。其次，构建考虑企业成本和用户利益的双层规划模型。最后，通过模拟退火算法对模型进行求解。吴阳等（2017）[5]从企业和用户双赢的角度出发，充分考虑汽车最大行驶路程等约束，建立了用户步行距离最短以及网点建设成本最低的双目标网点选址规划模型。并改进标准遗传算法，对样本进行优化求解，验证了模型的有效性。鲍文仓和田琼（2018）[6]提出了两阶段优化模型，用于完善共享电动汽车的网点布局。首先，使用“连续近似”模型，在最大覆盖范围的基础上产生初始网点集合。
2.2 共享汽车调度问题研究综述
因为现有共享汽车大多使用单向式，使得用户可以在任意站点取车和还车，有可能因使用者需求差异造成区域汽车分布不匀称，发生取车需求高的站点供小于求、还车需求高的站点供大于求的情况，这就触发了调度任务。由于这两种情况在实际运营中多有发生，所以汽车调度成为了企业和学者们纷纷关注的重要问题。
2.2.1 无奖励机制的共享汽车调度
在无奖励机制的车辆调度策略中，企业雇佣专业的调度人员进行调度操作，有调度员对供大于求和供小于求的站点间进行平衡调运，从而满足用户的使用需求，在这过程中还也可能会发生从当前坐标点去向目标点的行驶费用。
Correia和Antunes（2012）[18]构建了基于利润最大化的混合整数规划模型，该模型能够平衡三种行程选择方案下的车辆供需情况。通过对西班牙某城市真实数据进行分析，证明了该方法可以有效提高企业盈利能力。Lee等人（2014）[19]对车辆数量过剩以及车辆短缺的站点进行调度，计算一定范围内所有调度员工完成调度所需要的成本，成本最低的则为最优调度方案。Fan（2014）[20]建立以企业利润最大化为目标的随机线性规划模型，并根据决策变量设置相应的约束，结果证明该模型能够有效优化车辆调度和人员分工问题。国外学者Nourinejad和Roorda（2015）[21]在用户需求动态变化的基础上，构建了以收益最大化为目标的混合整数规划调度模型，通过实例分析，验证了该模型可以求解出最优调度方案。Boyaci等（2015）[22]提出了一个多目标混合整数规划模型，应用于规划法国某个城市的共享汽车系统。该模型考虑订单收益、调度成本、固定成本等多种因素，同时对车辆电池容量、调度时间、车辆调度路径等进行约束。最后通过城市实际数据对该方法的能力进行验证，结果表明使用该方法能够允许决策部门对企业和用户利益的平衡进行量化。但在模型框架部分还有些不足，于是在此基础上，Boyaci等（2016）[23]对该问题继续展开研究，新提出了基于三个层面的优化框架，即网点分类、调度优化以及人员管理，并将聚类分析与混合整数规划模型相结合，共同用于求解共享汽车的调度优化问题，进一步完善研究成果。Wang等（2019）[24]提出了一种不需要预约信息的共享汽车调度新方法，同时考虑车辆调度和调度员路径优化，并对整体区域进行单独分区，建立整数规划模型。最后使用实际数据检验新方法的性能。结果表明，使用新方法进行双重调度时，调度任务数和调度距离都有明显的减少。
第三章 基于混合奖励机制的共享汽车调度优化模型 ........................ 18
3.1 问题描述 ........................................... 18
3.2 共享汽车调度模型构建............................... 18
第四章 改进的人工水母搜索算法 ........................................ 25
4.1 人工水母搜索算法基本介绍 ................................... 25
4.2 改进的人工水母搜索算法 ......................................... 26
第五章 算例测试与分析 ............................... 30
5.1 实验数据与初始设置 .......................................... 30
5.2 算例结果分析与对比 .................................. 30
第五章 算例测试与分析
5.1 实验数据与初始设置
由于共享汽车在实际生活中，还没有得到非常大规模的使用，而且大多数共享汽车企业的服务范围较小，仅在个别一二线城市运营，因此本文所需要的数据比较难获得，尤其是用户出发点、目的地等涉及个人隐私的敏感信息。因此，本文使用随机生成方法进行算例的构造，设计了小中大三种规模的算例，以此来模拟随机需求下的基于混合奖励机制的共享汽车调度策略的合理性和有效性。并将改进后的人工水母搜索算法与遗传算法、粒子群算法、模拟退火算法以及标准人工水母搜索算法进行比较，验证本文所提出算法的优越性。
通过分析对比相关的文献资料确定了仿真实验的各项参数。算法通用参数设置如下：种群规模50，最大迭代次数30。专用参数设置如下：遗传算法交叉概率0.9，变异概率0.1；粒子群算法惯性权重0.8，两个学习因子（1.2,1.2）；模拟退火初始温度为1000，温度衰减系数为0.99，标准人工水母搜索算法和改进人工水母搜索算法无特殊参数需要设置。其他相关系数的设置为：用户全自主调度策略补贴系数为0.5元/千米，第三方用户中转调度策略补贴系数为1.5元/千米，汽车行驶每千米能源成本为0.1元/千米，租赁收益单位系数为3元/千米，车辆平均行驶速度为25千米/小时，用户最大等待时间范围为（20min, 30min）。
第六章 总结与展望
6.1 总结
随着国内共享经济的快速发展以及低碳环保理念的全面普及，共享汽车已经成为了一种新兴的出行选择，越来越受到用户的重视和青睐。其不仅兼顾了公共交通的低成本性和私家车出行的便利性，还为缓解城市道路拥堵以及构建绿色公共出行体系提供强有力的支持。但新事物的发展总是伴随着多种多样的问题，从共享汽车企业的视角来看，在快速发展过程中，所要解决的最关键问题就是各站点车辆取还车需求不平衡，而企业调度不仅成本高，灵活性也较差。针对这一背景，本文在充分查阅国内外多位学者相关研究文献的基础之上，对基于混合奖励机制的共享汽车调度优化问题进行研究，在此对本文的研究内容做以下几个方面的总结：
（1）本文通过对共享汽车的发展现状以及所存在的问题进行简要阐述，引出共享汽车企业想要降低企业运营成本需要调动用户积极性、鼓励用户参与车辆调度这一认知。基于该认知，对共享汽车研究方向现状、共享汽车调度问题、可供参考的共享单车调度问题等进行研究与分析，构建了以收益最大化为目标的基于混合奖励机制的共享汽车调度优化模型。在该模型中，将价格折扣与红包奖励相结合，构造混合奖励机制，最大限度提升用户主动参与的积极性。与此同时，使用了订单选择策略，为车辆下一服务阶段选择效用最大化的用户订单，该策略根据企业的收益、调度成本、用户等待时间等因素建立了效用函数，对订单进行了筛选。
（2）本文对人工水母算法进行改进，引入了基于Tent映射的混沌初始化方法，使算法能够拥有更加均匀分布的初始解，并提出了一种新的水母个体更新方式，从而丰富种群的多样性。为验证改进的人工水母搜索算法的优越性，本文将其与模拟退火算法、遗传算法、粒子群算法以及标准人工水母搜索算法进行对比，通过使用随机生成方法构造的小中大规模算例，进行仿真测试。从最后得出的测试结果中可以发现，标准人工水母搜索算法和改进后的人工水母搜索算法对于最优解的搜索能力明显强于遗传算法、粒子群算法和模拟退火算法，证明了使用该算法求解本文问题是非常合适的。而在这五种算法中，改进的人工水母搜索算法在求解三种不同规模算例上都具有最好的性能，其收敛速度以及求解准确度皆为最优，标准人工水母搜索算法次之，这也验证了改进后的人工水母搜索算法的优越性。
参考文献（略）