共享汽車運營管理的數(shù)據(jù)可視化平臺研究

段紅秀 邢艷芳 周靈 秦軍

摘要：共享汽車是基于“互聯(lián)網(wǎng)+”共享經(jīng)濟背景下城市新的出行模式。論文研究基于大數(shù)據(jù)技術(shù)對分時租賃共享汽車的數(shù)據(jù)采集、共享和可視化平臺，采集分時租賃共享汽車運營的實時數(shù)據(jù)和非實時數(shù)據(jù)進行分析處理，挖掘數(shù)據(jù)價值，提供數(shù)據(jù)可視化展示方案，綜合實現(xiàn)從數(shù)據(jù)源到數(shù)據(jù)服務(wù)平臺再到應用端數(shù)據(jù)展示與應用的“平臺+應用”全流程解決方案，為共享汽車數(shù)據(jù)的綜合、集中、一體化展示提供了一種高效、可靠的新方法。

關(guān)鍵詞：共享汽車;大數(shù)據(jù)分析;數(shù)據(jù)采集;可視化

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）08-0012-04

共享汽車作為新興的“互聯(lián)網(wǎng)+交通”的出行方式，緩解了城市的噪音污染和交通擁堵，而分時租賃共享汽車讓用戶按需出行也成為城市交通出行的一種新模式。分時租賃共享汽車大多采用小型電動汽車和共享出行方式，可有效降低非再生能源依賴和污染，系統(tǒng)運行優(yōu)化調(diào)度更為靈活、高效和安全。國外對共享汽車的研究較早，文獻[1]通過調(diào)查數(shù)據(jù)分析，得出電動汽車的投入使用減少了居民的購買汽車的意愿。文獻[2]從成本一收益角度分析發(fā)現(xiàn)，很多私家車使用率并不高，通過汽車共享就可以減少家庭汽車購置的固定費用。用戶接受汽車共享服務(wù)的主要動機是從經(jīng)濟角度考慮。因此，分時租賃共享汽車恰恰迎合了人們對于汽車的使用需求。由于車輛和出行需求數(shù)量較大，時空分布特性動態(tài)變化，且受公共交通、車輛停泊站點及續(xù)航能力等限制[3]，這些特征給用戶和運營商帶來了許多問題，例如共享汽車網(wǎng)點設(shè)置是否合理、各網(wǎng)點汽車投放量是否合理、高峰時段各區(qū)域車輛供需是否平衡、網(wǎng)點間車輛調(diào)度是否及時等，因此分時租賃共享汽車運維系統(tǒng)面臨動態(tài)任務(wù)分配及車輛調(diào)度、運行優(yōu)化與再平衡等難題[4]。解決這些問題的關(guān)鍵在于通過數(shù)據(jù)分析建立直觀地可視化平臺，用可視化平臺直觀展示數(shù)據(jù)分析結(jié)果，徹底打破數(shù)據(jù)壁壘，形成數(shù)據(jù)閉環(huán)，提升數(shù)據(jù)處理能力，讓每一項運營決策均有數(shù)據(jù)依據(jù)，充分發(fā)揮現(xiàn)有數(shù)據(jù)價值，實現(xiàn)智能化運營管理。

1 共享汽車運營中存在主要問題

目前各大城市共享汽車投放量越來越大，隨之而來的問題也越來越多，特別是在人口密集及共享汽車需求量大的城市，均會在有限的資源和龐大的出行需求出現(xiàn)運輸供應的失衡，新模式下的分時租賃共享汽車系統(tǒng)主要面臨如下問題：

（1）由于運營商對各區(qū)域的用戶租車需求量把握不準確，導致共享汽車投放網(wǎng)點的位置選定和布局不盡合理，有需求量的區(qū)域無法合理停放車輛，造成部分汽車流失;有些區(qū)域車輛短缺，有些區(qū)域卻車輛過剩，需求量與投放量不平衡，造成資源浪費;

（2）汽車調(diào)度效率低。目前共享汽車的調(diào)度人員可能對各區(qū)域的租車需求無法實時把握，導致沒有準確的調(diào)度策略，往往各區(qū)域之間調(diào)度不及時，耗費較大的調(diào)度成本;

（3）對于一些特殊時間，比如上班期間的早高峰和晚高峰，用戶的租車需求一般會明顯高于其他時段，若汽車投放不合理則用戶無車可借，另一些用戶可能扎堆停車，造成“租車難，還車難”的狀況。

以上種種問題將會使用戶借還車體驗差，最直接的后果則是用戶流失，因此如不解決以上問題，共享汽車運營商經(jīng)營將面臨極大的生存危機。文獻[5]以停放點吸引范圍、汽車行駛距離等作為約束條件，建立了共享汽車停放點位置布局的優(yōu)化模型。文獻[6]考慮空間和時間兩重因素計算軌跡相似性，并以此為基礎(chǔ)提出一種時空軌跡聚類方法，用于發(fā)現(xiàn)熱門旅游區(qū)之間的熱點路徑，也可作為網(wǎng)點設(shè)置的依據(jù)。此外大多數(shù)針對共享汽車的研究都僅考慮共享汽車模式對車輛使用總量的增減效應，文獻[7]從更精細化的角度分析共享汽車模式對交通狀況的影響，從時間、空間、運營模式以及用戶4個維度分析某共享公司的出行需求對交通的影響。

2 研究目標

隨著城市共享汽車推廣運營.每天都會產(chǎn)生大量用戶數(shù)據(jù)信息，怎樣從這些各種各樣的數(shù)據(jù)中挖掘出有效信息，對運營商來說極為重要。大數(shù)據(jù)時代下的數(shù)據(jù)挖掘技術(shù)能對數(shù)據(jù)進行實時分析，提高實時性，保證共享汽車調(diào)度的有效實施。利用大數(shù)據(jù)技術(shù)對數(shù)據(jù)進行采集、分析和預測，對分時租賃共享汽車的車輛調(diào)度和運營商的運營管理有著十分重要的意義。利用可視化技術(shù)能將數(shù)據(jù)更加直觀的進行展示，使運營商準確掌握用戶的租車行為規(guī)律。通過對共享汽車運營數(shù)據(jù)進行數(shù)據(jù)挖掘，可以找出數(shù)據(jù)背后的潛在價值，為運營商做出各種決策提供可靠的保障，這些都對新模式下的共享汽車分時租賃系統(tǒng)的發(fā)展意義重大。

本文研究的主要內(nèi)容是研究采集共享汽車運營的實時數(shù)據(jù)和非實時數(shù)據(jù)，對數(shù)據(jù)進行整理分析，建立多維度、多渠道數(shù)據(jù)庫，對數(shù)據(jù)進行匯聚、清洗、處理、融合、分類管理，結(jié)合商用地圖接口，對數(shù)據(jù)進行挖掘分析，并使用可視化平臺展示，最后對可視化分析結(jié)果進行特征構(gòu)造，采用時間和空間因子對租車量進行直觀展示，圖1為該平臺技術(shù)流程。本文所研究的成果，可以為共享汽車合理設(shè)置網(wǎng)點、合理規(guī)劃投放量以及汽車智能調(diào)度提供可靠有價值的參考依據(jù)，在一定程度上促進共享經(jīng)濟模式下共享汽車系統(tǒng)的健康發(fā)展。

3 共享汽車管理的基礎(chǔ)數(shù)據(jù)采集

根據(jù)分時租賃共享汽車運維業(yè)務(wù)的需求分析，共享汽車管理系統(tǒng)包含四個主要的實體，分別為車輛信息、網(wǎng)點信息、會員信息和訂單信息等。

（1）車輛信息：顯示車輛運營狀態(tài)、車輛流向和車輛構(gòu)成、營收占比;通過車輛流向數(shù)據(jù)監(jiān)控，及時平衡區(qū)域車輛配置并通過價格杠桿調(diào)節(jié)車輛流向，如某區(qū)域在夜間車輛大量流入，日均差較大，則通過數(shù)據(jù)系統(tǒng)的分析，可及時設(shè)置熱門網(wǎng)點取還車服務(wù)費等措施。因此需要及時獲取每輛汽車的相關(guān)運營數(shù)據(jù)。汽車數(shù)據(jù)主要包含車牌號、發(fā)動機號、維修記錄等非實時數(shù)據(jù)，還包括車輛狀態(tài)、車輛實時位置和運營狀態(tài)等實時數(shù)據(jù)。因此對車輛信息采集的主要數(shù)據(jù)包括：車牌號、車架號、車型、發(fā)動機號、業(yè)務(wù)狀態(tài)、車輛狀態(tài)、車輛運營狀態(tài)、GPS定位時間、當前經(jīng)緯度、續(xù)航公里數(shù)、最后一次訂單信息、最近網(wǎng)點信息等內(nèi)容。

（2）網(wǎng)點信息：顯示網(wǎng)點類型構(gòu)成和各城區(qū)網(wǎng)點數(shù)量、各城區(qū)網(wǎng)點營收能力（位效比），對網(wǎng)點信息采集的主要數(shù)據(jù)包括：網(wǎng)點名稱、網(wǎng)點狀態(tài)、網(wǎng)點詳細地址、網(wǎng)點專用車位數(shù)、GPS經(jīng)緯度坐標、導航地址、位置描述、網(wǎng)點照片等信息，結(jié)合百度商用地圖接口，可記錄百度經(jīng)緯度坐標等信息，結(jié)合網(wǎng)點訂單信息，可記錄網(wǎng)點排名信息。對訂單密集度較高的網(wǎng)點，可通過網(wǎng)點分裂或增加車輛投放來及時優(yōu)化網(wǎng)點布局。通過網(wǎng)點營收數(shù)據(jù)分析，進一步優(yōu)化網(wǎng)點布局，重點開發(fā)位效比較高的區(qū)域網(wǎng)點，及時采用增開引流、關(guān)停止損等優(yōu)化措施，提高網(wǎng)點平均位效。

（3）會員信息：顯示會員數(shù)量、年齡分布、用戶的特征畫像。對會員信息采集的主要數(shù)據(jù)包括：會員號、會員姓名、聯(lián)系方式、注冊時間、駕駛證號、用戶類型、用戶等級等非實時信息，以及實時記錄會員產(chǎn)生的訂單信息。根據(jù)會員訂單的出行場景、訂單時段、訂單金額、年齡結(jié)構(gòu)等數(shù)據(jù)分析，對用戶進行了初步畫像，根據(jù)初步畫像調(diào)整營銷策略。

（4）訂單信息：訂單信息是在共享汽車運營過程中實時采集，每個訂單中均包含了用戶信息及汽車信息詳情。對訂單信息采集的主要數(shù)據(jù)包括：訂單號、訂單時間及時長、車輛相關(guān)信息、會員相關(guān)信息、訂單創(chuàng)建時間、取車時間、取車網(wǎng)點信息、還車時間、還車網(wǎng)點信息、取車續(xù)航數(shù)據(jù)、還車續(xù)航數(shù)據(jù)等信息。在對分時租賃訂單分析中，需要記錄顯示熱門網(wǎng)點、訂單趨勢、每車日均訂單量等;通過訂單和網(wǎng)點數(shù)據(jù)篩選，可以分別查看訂單排名和網(wǎng)點排名;通過訂單分析，直接為車輛投放、車輛調(diào)度提供依據(jù)。根據(jù)訂單發(fā)生時段和場景，提高調(diào)度效率，對熱門網(wǎng)點排名前十網(wǎng)點，取還高峰時段提前做好運維人員配備，加強車輛爆點調(diào)離和無車補給，縮短車輛調(diào)撥時長，調(diào)高訂單增長及收入增長，并讓用戶體驗及時智能調(diào)度服務(wù)。

4 數(shù)據(jù)可視化研究

分時租賃共享汽車數(shù)據(jù)具有不同的實時性響應需求。例如，訂單詳情及車輛狀態(tài)和行駛軌跡情況與調(diào)度策略密切相關(guān)，則需要實時關(guān)注，同時又要對非實時的信息進行關(guān)聯(lián)性分析展示。此外，車輛的年檢、違章、網(wǎng)點的位效比等非實時數(shù)據(jù)也是運營商關(guān)注的內(nèi)容。對上述數(shù)據(jù)進行可視化展示模型設(shè)計時，要具體分析各類接口的響應時間與數(shù)據(jù)的讀取周期。同時，對分時租賃共享汽車數(shù)據(jù)可視化需求進行簡單歸類，按照關(guān)注點、使用人群、應用場景分類見表1。

運維監(jiān)測人員需要及時發(fā)現(xiàn)問題，更關(guān)注實時數(shù)據(jù)，也就是運維監(jiān)測類數(shù)據(jù)，包括網(wǎng)點爆點監(jiān)測、網(wǎng)點無車監(jiān)測、車輛與狀態(tài)監(jiān)測等數(shù)據(jù)。分析調(diào)查人員比較關(guān)注非實時的歷史數(shù)據(jù)，專注分析挖掘數(shù)據(jù)直接的關(guān)聯(lián)關(guān)系，可通過逐級下鉆的可視化方式滿足這類用戶的需求。指揮決策人員關(guān)心宏觀指標與綜合概覽，可將上述實時與非實時數(shù)據(jù)可視化后的圖表組合成駕駛艙頁面，滿足這類用戶需求。通過ECharts圖表庫工具實現(xiàn)運維系統(tǒng)的可視化平臺，實時下載數(shù)據(jù)，實時分析并直觀顯示，運營商管理效率和車輛調(diào)度人員工作效率大幅提升。

4.1 網(wǎng)點分布及實時車輛可視化

系統(tǒng)可采用可視化與自動化模式對當前已產(chǎn)生訂單的車輛的運行軌跡、各網(wǎng)點實時信息等內(nèi)容進行分析和顯示，使用直觀的數(shù)據(jù)呈現(xiàn)，并采用多維的空間維度展示，從而提升了業(yè)務(wù)自動化的程度，并對車輛的實施管理和調(diào)度進行了最精準的分析和直觀的可視化展示。如圖2為可視化展示平臺中對某區(qū)域各網(wǎng)點及車輛分布信息的可視化展示效果圖。調(diào)用商用地圖借口，實時顯示每個分時租賃網(wǎng)點信息，并能監(jiān)測各網(wǎng)點實時的車輛流動。對借還車輛密集或訂單量較大的網(wǎng)點，可再次將網(wǎng)點裂變或增加網(wǎng)點的車輛投放量。

4.2 車輛流向動態(tài)監(jiān)測可視化

實時分析不同時間段內(nèi)的訂單數(shù)據(jù)，根據(jù)訂單的起始點和終止點，對該時間段內(nèi)所有車輛的動態(tài)流向進行監(jiān)測，并生成車輛流向監(jiān)測可視圖。根據(jù)該監(jiān)測圖，可以分析每個網(wǎng)點的車輛流向，并能及時調(diào)撥某時間段內(nèi)熱門網(wǎng)點的調(diào)度人員，為車輛的智能調(diào)度提供實時數(shù)據(jù)依據(jù)。如對每天的車輛動態(tài)流向進行分析，則可直觀地找到不同時間段借還車網(wǎng)點頻發(fā)的區(qū)域，經(jīng)過大量數(shù)據(jù)積淀，對一周或一個月的車輛流向動態(tài)檢測數(shù)據(jù)進行分析，可完成基于出行需求預測的網(wǎng)點布局。

4.3 不同時刻出行需求熱力圖

根據(jù)不同時間段各網(wǎng)點的車輛借還數(shù)據(jù)，可生成出行需求熱力圖，顯示某區(qū)域的出行熱力變化，方格顏色顯示共享汽車的出行需求量，顏色越淺，出行需求越多，顏色越深，出行需求則越少。根據(jù)該熱力圖完成基于出行需求預測的智能調(diào)度。通過不同時段、不同區(qū)域訂單數(shù)據(jù)更直觀的動態(tài)監(jiān)控，車輛調(diào)撥從依靠經(jīng)驗判斷向數(shù)據(jù)化精準調(diào)撥轉(zhuǎn)變，進一步提高可運維管理效率和有效性，車輛資源分配更合理。

5 數(shù)據(jù)賦能的共享汽車運營策略研究

人工智能賦能的數(shù)據(jù)管理技術(shù)，主要指將機器學習為代表的人工智能技術(shù)中統(tǒng)計、學習、推理和規(guī)劃等能力應用到數(shù)據(jù)庫系統(tǒng)和數(shù)據(jù)管理中，實現(xiàn)減少人力開銷和提高性能的目的。人工智能賦能的數(shù)據(jù)管理技術(shù)通過對查詢負載、數(shù)據(jù)分布、數(shù)據(jù)庫硬件特性、歷史查詢性能表現(xiàn)等進行特征抽取和建模，結(jié)合機器學習等技術(shù)，有效利用歷史數(shù)據(jù)和習得模型，對數(shù)據(jù)庫進行有針對性的優(yōu)化[8]。

建立大數(shù)據(jù)可視化平臺的意義在于，根據(jù)共享汽車運維的實時數(shù)據(jù)和積淀數(shù)據(jù)來建立大數(shù)據(jù)展示及分析平臺系統(tǒng)，徹底打破數(shù)據(jù)壁壘，形成數(shù)據(jù)閉環(huán)，大幅提升數(shù)據(jù)處理能力，讓每一項決策均有數(shù)據(jù)依據(jù)，充分發(fā)揮現(xiàn)有數(shù)據(jù)價值，實現(xiàn)智能化運營管理。該大數(shù)據(jù)可視化平臺采用可視化與自動化模式，采用多維的空間維度展示，對車輛的實時監(jiān)控和調(diào)度進行了最精準分析和直觀的可視化展示。該系統(tǒng)旨在挖掘數(shù)據(jù)價值，讓數(shù)據(jù)為運營角色賦能。

6 總結(jié)展望

該論文研究了當前熱門的分時租賃共享汽車出行模式的可視化平臺，該平臺采集分時租賃汽車在運營時產(chǎn)生的實時數(shù)據(jù)和非實時數(shù)據(jù)，具體包括車輛、會員、網(wǎng)點和訂單等信息，對這些信息進行匯聚分析，并將分析結(jié)果進行可視化展示。該系統(tǒng)可以在極大程度上挖掘了共享汽車運行時產(chǎn)生的數(shù)據(jù)價值。分時租賃共享汽車的網(wǎng)點布局和智能調(diào)度問題是受到各界廣泛關(guān)注的熱點問題，本文以大數(shù)據(jù)可視化展示平臺為基礎(chǔ)，根據(jù)數(shù)據(jù)挖掘、分析和可視化結(jié)果，為網(wǎng)點布局和智能調(diào)度提供了有力的數(shù)據(jù)支撐，讓運營商的每項決策都有數(shù)據(jù)可依。目前分時租賃共享汽車有多家運營商，后續(xù)將結(jié)合共享汽車平臺數(shù)據(jù)進一步研發(fā)，優(yōu)化基于大數(shù)據(jù)可視平臺的網(wǎng)點布局和智能調(diào)度策略。

參考文獻：

[1] Firnkorn， MartinMuller. Free-floating electric carsharing-fleet-sin smart cities： The dawning of a post-private car era in ur-banenvironments[J].Science Direct，2015（45）：30-40.

[2]R G Meijkamp.Changing consumer behavior through Eco-effi-cientServices： An empirical study on Car Sharing in the Neth-erlands[M]. PhD dissertation Delft University of Technology，2000：61-62.

[3]郭戈，許陽光，徐濤，等.網(wǎng)聯(lián)共享車路協(xié)同智能交通系統(tǒng)綜述[J].控制與決策，2019，34（11）：2375-2389.

[4]夏琪.基于用戶出行軌跡的共享汽車調(diào)度研究[D]，武漢理工大學，2018.

[5]陳皓，李雪芹，申泰岜.共享汽車停放區(qū)域優(yōu)化布局仿真[J].計 算機仿真，2018，35（9）：125-130.

[6] Zheng L'XiaD，ZhaoX.Spatial-temporal travel pattem miningusmg massive taxi trajectory data[J].Physica A Statistical Me-chanics&Its Applications.2018.

[7]陳小鴻，成嘉琪，葉建紅，等.共享汽車用戶及出行時空特征[J].同濟大學學報：自然科學版，2018，46（6）：798-803.

[8]張路明，張少敏，姬濤，等.人工智能附能的數(shù)據(jù)管理新技術(shù)研究[J].軟件學報，2019（12）：1-20.

【通聯(lián)編輯：王力】

作者簡介：江蘇省高校自然科學研究面上項目（18KJD520006）;教育部產(chǎn)學合作協(xié)同育人項目（201802057010）;本研究成果得到江蘇高校“青藍工程”資助

作者簡介：段紅秀（1981-），女，山西洪洞人，講師，碩士，研究方向為計算機應用技術(shù);邢艷芳，副教授，碩士;周靈，副教授，博士;秦軍，教授，碩士生導師。