Resumen

Los sistemas de bicicletas compartidas, que se utilizan en muchas ciudades de todo el mundo, necesitan mantener un equilibrio entre la disponibilidad de bicicletas y la disponibilidad de plazas desocupadas. Este artículo presenta una investigación del flujo neto de cada estación de bicicletas compartidas en Jersey City. Los datos se registraron a intervalos de 1 minuto. Se determinó que la suma del número inicial de bicicletas y el valor mínimo del flujo neto era la demanda de reequilibrio estático, lo que llevó a proponer un método de predicción de la demanda de bicicletas compartidas basado en modelos autorregresivos de medias móviles integradas. Teniendo en cuenta que la existencia de bicicletas en mal estado puede afectar negativamente a la predicción de la demanda y a la planificación rutinaria, presentamos una formulación de programación lineal entera para modelizar el reequilibrio estático del bike-sharing. La formulación propuesta tiene en cuenta el problema introducido por la necesidad de recoger las bicicletas que necesitan reparación. Se propuso un algoritmo híbrido de Optimización por Enjambre de Partículas Discreto (DPSO) para resolver el modelo, que incorpora una funcionalidad de búsqueda de vecindario variable reducida (RVNS) junto con DPSO para mejorar el rendimiento de la optimización global. La eficacia de los algoritmos se verificó mediante un ejemplo numérico detallado.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:bicicletas, bicicleta, reequilibrio estático, optimización discreta por enjambre de partículas, valor mínimo de flujo neto, método de predicción de la demanda, ejemplo numérico detallado, rendimiento de optimización global, número inicial de bicicletas, formulación de programación lineal
• Keywords:bicycles, bike, static rebalancing, discrete particle swarm optimization, minimum net flow value, demand prediction method, detailed numerical example, global optimization performance, initial bicycle number, linear programming formulation