关于单车“反骑机制”解决潮汐现象

邓晓萌，邹禧，刘献文，黄辰禧

关于单车“反骑机制”解决潮汐现象

邓晓萌，邹禧，刘献文，黄辰禧

（成都理工大学，四川 成都 610059）

共享单车面临的资源随时间分配不均的问题，即“潮汐现象”，不仅降低了单车公司的效益，也恶化了单车用户体验感。提出的“单车反骑”机制正是针对这一问题提出的创新式解决办法，通过对成都理工大学校园内共享单车的投放及使用情况统计，以大数据统计分析为基础，依靠用户解决用户问题，并给予不定额奖励（薪酬），以此解决用户骑不到车，公司花大价钱搬运单车的对立场面。

共享单车；反骑机制；潮汐现象；大数据统计

1 前言

自2014年ofo小黄车在北大校园问世并迅速在全国掀起“共享经济”的热潮以来，这种基于“互联网+”技术的无桩自行车便扎根人们的日常生活中，它解决了用户“最后一公里”的出行问题，并且符合低碳环保的理念，既能缓解交通压力，又节能降耗，有着巨大的发展空间与潜力，在此背景下，共享单车行业规模迅速扩大。然而迅速的成长意味着要在成长中不断试错。共享单车“爆红”的背后，隐藏着企业间的恶性竞争、一系列的城市交通问题和安全问题等，但对企业最直接的考验是，如何降低运营成本的同时提高用户体验感。

2 中国共享单车现存的主要运营问题

根据调查报告显示，因为单车停放问题影响出行和从未因为单车停放影响出行的用户比例大约为6∶4[1]，可见，单车在时间和空间上的分布不均确实是降低单车利用率和影响用户体验感的重要因素。通过对成都理工大学校园内单车使用情况的检测，可以看出，共享单车使用时间主要集中在上下课高峰，即上午7：00—8：00、下午2：00—2：30和下午5：00—7：00这三个时间段，使用共享单车的用户分别占25.3%、19.2% 和30.4%。其中，约有97%的用户骑行时长在5～30 min，骑行距离大多在3 km范围以内，而在此之中大多数用户的骑行距离在1～2 km。可以看出，校内共享单车的需求主要还是在上下课通勤及短距离外出以购买生活用品等。

通过对成都理工大学校内共享单车使用情况分析、推理，不难得出，共享单车的使用具有在短暂时间内，高度相似的使用需求的特点，即“单向出行”，以至于在人口密集、单车需求量大的地方往往投放量较少，而单车需求量小的地方却堆积了大量单车，使用率极低，这种区域分布不合理的现象，造成了单车公司运营成本剧增、资源的浪费和用户体验感的下降，这也导致了共享单车很难通过客户骑行完成自然流动，实现深度共享[2]。如何解决这一“供应过剩”与“供不应求”共存的尴尬局面是单车公司迫在眉睫的问题。

3 根据单车“潮汐现象”提出“反骑机制”

3.1 现存解决“潮汐现象”的办法

根据对各家共享单车公司的调查访问得出，目前，各大公司采取的单车调度机制普遍为，依托“互联网+”无线网络及GPS技术，根据用户在相应APP或小程序的用车时间和行驶趋向记录，做出大数据统计分析，再雇佣人工搬运车辆到高需求、低供应地区。即通过先行覆盖式投放、后续根据骑行监测数据进行人工调控的方式，最终实现供需的动态平衡[3]，但这种方式不仅在时间上具有相对滞后性，进而降低用户体验感，同时消耗大量的人力、物力、财力，加之“共享经济”这一种单一的盈利模式，大多数单车公司都处于亏损状态，只有依靠融资维持运营。

有些学者对共享单车相关数据进行区域划分和信息提取，包括共享单车的时空分布、平均使用次数、闲置率等，结合需求分析建立初始配置优化模型和调度优化模型，使用MATLAB、Lingo等软件对模型进行求解，得出结论，实行简单的系统内调度不能满足用户的需求并且在调度时优先考虑距离较短的区域间的调度[4]。这是因为各个区域的单车需求量和初始投放量均不一致且随时间变化，单车系统的供需也就很难达到平衡。简单地实行区域内的调度，在调度周期的约束下不能达到最优的分配需求，加之调度时所需的成本高昂，又限制了调度区域的距离区间。这也是现在普遍使用的调度机制产生弊端的根本原因所在。要解决单车问题的“潮汐现象”，必须且只有从调度的效率及成本入手，才能从根本解决问题，同时满足单车公司和用户的需求。

3.2 “反骑机制”——创新式调度机制的提出

考虑到共享单车公司现存的主要调度方式及其耗时、耗力的缺点，笔者们以依靠用户能动性解决用户问题来提升调度效益为出发点，提出一种创意式全新的调度机制——“反骑机制”，即以大数据分析为基础，统计出各区域不同时间段的单车需求量及行驶趋势，通过“互联网+”技术匹配目标“闲时”用户并鼓励“闲时”用户反向骑车（与检测到的行驶趋势相反），最后给予其不定额回报。

“反向”这个概念在交通客运行业并不新奇，早在 1980—1990年间，日本上尾市站与附近的高中展开合作，利用优惠政策吸引学生顾客，确保了“逆利用”客流的稳定[5]。遗憾的是1989年以后，日本出现的单车革新，因为技术方面原因，无法兼顾“顺利用”与“逆利用”，因而完全摒弃了“逆利用”这一骑行方式，一味地追求高单向使用率。

“反向骑车”这一调度机制对用户用车、出行进行检测统计并做出分析，进而完成需求预测，以此作为车辆调度的基础，从时间维度和空间维度同时出发，不仅从单车公司的层面上大大降低了运营成本，基于用户能动性完成调度，同时因为调度效率的提升，用户的用车体验感也会增加，是打破资源不均窘境的良策。

3.3 “反骑机制”的可行性

3.3.1 用户层面的可行性

根据校园内的网络问卷调查及街头访问得知：在以0.3～1.0元不等额红包奖励为回报的前提下，52.8%有晨练习惯的同学愿意在早晨7：30—8：00的时间段内，将某一品牌共享单车从教学区骑向各宿舍园区；在晚上8：00— 10：00的时间段内，有61.9%有晚练习惯的同学表示愿意单车从宿舍园区骑向西南校门；35.4%的无锻炼习惯的同学表示在闲暇时刻会出于锻炼、收获报酬的目的参与“单车反骑”。通过校园内小范围的调研可以看到，在“互联网+”技术推送“反骑”给目标用户（如具有锻炼习惯的用户）的前提下，从用户角度出发，基于用户能动性解决单车在空间和时间两个维度上的供需矛盾是可行的。

3.3.2 技术层面的可行性

从技术层面来说，笔者们提出的“单车反骑”调度机制依托单车内置的GPS信号和“互联网+”技术，分区域随取选取大量用户为样本，记录用户开锁地点、用车起始时间、关锁地点、终止时间和大致线路，以概率统计学为逻辑结构，大数据分析为具体手段，预测不同地域的用车高峰时段和行车路线，即“调度模型”，最后推送“反骑”时间与线路给目标用户。有学者对北京地铁国贸站出口共享单车空间分布进行了研究，根据国贸绿地和人行道的总面积、利用率等得出国贸站共享单车潜力值为1 890辆，与现状调研得到的停放 500辆相比，潜力值远大于现状值[6]。可以看出共享单车公司通过研究利用车辆内置的GPS信号，追踪高峰时段用户骑行大趋势，基于大数据分析，提升单车分布的合理性和利用率是完全可行的。此外，还有学者成功建立了共享单车调度需求预测模型，通过数据处理，得到不同需求点的调度需求数据，利用ARMA成功进行预测[7]。

4 小结

共享单车自问世以来便因经济、低碳、环保、便捷的优点而大受追捧，是都市居民解决出行“最后一公里”的首选。但是，由于共享单车数量的快速增加和规模的不断扩大，不仅导致不规范问题频发，城市管理面临巨大压力，同时在单车公司内部运营也浮现了不少问题，其中最为突出的就是花费大量人力、物力搬运单车以达到共享单车在“潮汐时段”的供需平衡，不仅具有时间滞后效应，供需平衡效果不佳，同时投入了极大成本。

针对上述问题，本文提出了一种用户参与调度的共享单车调度方式，即“单车反骑”机制。依托GPS信号追踪和“互联网+”技术，通过大数据分析，预测单车调度时的需求模型，鼓励目标用户在特定时间段内将低需求区单车骑到需求旺盛区域，用户完成调度后可以获得红包奖励（薪酬）。如此，不仅达到降低单车公司运营成本问题，同时也提升了调度效益，达到双赢局面。

［1］邱慧，周菲，文燕，等.共享经济背景下共享单车发展现状及问题研究——以成都市为例［J］.现代商业，2018，513（32）：32-33.

［2］陈寒璐.共享单车物流问题的解决方法［J］.绿色环保建材，2019（11）：256.

［3］孟娟.基于大数据的共享单车投放及管理［J］.交通与运输，2019（Suppl 1）：207-211.

［4］文蝶斐，戴亚兰，郑莹，等.共享单车的配置与调度优化［J］.中国科技信息，2018（6）：84-86.

［5］丁诺舟.日本共享单车的历史、现状与启示［J］.长安大学学报（社会科学版），2017，19（2）：36-43.

［6］田艺，孙帅，李安冉.北京地铁国贸站出口共享单车空间分布研究［J］.现代园艺，2019，377（5）：128-129.

［7］赵明明.数据驱动下的共享单车调度优化研究［D］.大连：大连理工大学，2020.

F572；F724

A

10.15913/j.cnki.kjycx.2021.08.068

2095－6835（2021）08－0166－02

邓晓萌（2000—），女，四川成都人，成都理工大学环境与土木工程学院土木工程2018级学生，本科在读，主要从事社会科学类研究。邹禧（2000—），女，四川眉山人，成都理工大学环境与土木工程学院地下水科学与工程2018级学生，本科在读，主要从事社会科学类研究。刘献文（2000—），男，四川邻水人，成都理工大学环境与土木工程学院土木工程2018级学生，本科在读，主要从事土木工程道路工程研究。黄辰禧（2000—），男，新疆乌鲁木齐人，成都理工大学环境与土木工程学院土木工程2018级学生，本科在读，主要从事土木工程道路工程研究。

〔编辑：丁琳〕