大数据环境下汽车共享出行管理优化与智能服务

With the development and support of mobile Internet and Internet of Things (IOT), car-sharing (mainly including netted vehicles and time-sharing rental vehicles) has developed rapidly in large and medium-sized cities in China, and has gradually become a new traffic mode to meet the diverse travel needs of users. However, the development of car-sharing traffic is still in its infancy, and there is still a lack of basic understanding of such issues as demand forecasting, resource allocation, and operation mode of car-sharing system. To this end, from both macro and micro levels, this project intends to explore the characteristics of time-space and diverse car-sharing trip behavior by using big data mining technologies on the basis of car sharing big data. Then, this project proposes diversified and multiple time-space demand forecasting models for different user groups, and develops a framework for resource allocation and management with the consideration of various factors of car-sharing system. Finally, this project attempts to develop intelligent solutions to meet the needs of a variety of user groups. It is expected that through the implementation of the project, we can develop a systemic approaches for data-driven car-sharing traffic system to improve the efficiency of the car-sharing system and enhance the personalized travel experience. As well, we can provide the basic theory, methods and technical to support the operation and management of car-sharing system.

在移动互联与物联网技术的发展与支持下，汽车共享（主要包括网约车与分时租赁汽车）出行在我国大中城市快速发展，并逐渐成为能够满足用户多样性出行需求的新的交通方式。然而，汽车共享出行的发展仍处在起步阶段，对汽车共享出行需求预测、资源配置、运营模式等大量问题仍缺少完善的科学分析。为此，本项目拟在汽车共享大数据的基础上，采用大数据挖掘技术，从宏观和微观两个层面探索汽车共享出行行为的时空规律与多样化特征，建立不同用户群的多样化、多时空尺度需求预测模型，提出综合考虑多种因素的汽车共享平台资源配置与管理方法；发展能够满足多样化的用户群的汽车共享出行智能解决方案。期望通过项目的实施，能够发展完善的数据驱动的汽车共享交通系统研究方法，提高汽车共享系统运行效率，提升个性化用户出行服务体验，为汽车共享运营与管理提供基础理论与方法技术支撑。

借助于移动互联网、大数据等信息技术，汽车共享在我国大中城市快速发展，逐渐成为城市交通中一种重要的新型交通方式。然而，汽车共享的发展仍处在起步阶段，对汽车共享出行管理与运营仍缺少完善的科学分析。为此，本项目以汽车共享大数据为基础，从微观和宏观两个层面挖掘了用户的出行偏好以及出行的时空特征，进而揭示了微观个体多样性与宏观群体集计性的涌现机制，提升了企业的多样化服务水平。从多源异构数据中探索了需求的时空演化规律，辨识了与出行需求相关的关键因素，构建了多时空尺度的共享出行需求精准预测模型，为企业合理配置资源和优化运营提供了依据。利用多维动态数据建立了共享出行实时供需联合预测模型及供需缺口综合评价指标，提出了考虑供需双方行为特征的高效匹配方法，提升了共享出行效率。基于实际运营数据剖析了汽车共享资源与多样化出行之间的动态耦合关系，构建了站点资源配置与车辆智能调度优化模型，提高了资源利用率且增加了企业的收益。基于项目研究成果开发了共享出行数据管理与决策支持平台，提出了一系列数据与模型双驱动的共享出行管理优化方法，成果长期应用于北京市交通信息中心、易微行（北京）科技有限公司以及甘肃易享行新能源发展有限公司，并且提出的利用共享预约运营模式优化校车服务体系等建议，已刊载于国家自然科学基金委内参来辅助解决共享校车预约匹配及路径优化难题。依托本项目，共计完成相关论文49篇，在顶级期刊上发表高水平论文25篇，申请及授权国家发明专利7项，已校稿学术专著1部，发布行业标准1项，荣获科研奖励4项；共培养毕业博士生5名，硕士生17名；指导的研究生获得竞赛奖励12项以及荣誉12项；1人创立北京青希交通科技有限公司，3人次入选国家级、省部级青年人才计划。