CN108596727A - 一种共享单车的管理与决策方法 - Google Patents

Abstract

本发明请求保护一种共享单车的管理与决策方法，包括：确定投放地，收集参数数据，用DEA的模糊综合评价模型，构建隶属度矩阵确定投放地指标等级，辅以多目标规划，确定投放地的单车投放量及投放地不同地区的单车投放量；使用SVM回归，用已收集的参数，通过高维空间的高斯核函数的映射来确定共享单车投放量随时间的函数关系，确定同一地区不同时间的单车投放量；提出量化决策管理方法，确立基于FICO个人信用评价体系，规范用户用车，通过多目标规划根据区域内投放点不同设定最优的调度维修中心，降低运维成本。

Description

一种共享单车的管理与决策方法

技术领域

本发明属于模糊综合评价、多目标规划、SVM回归等模型，具体属于管理共享单车的决策模型。

背景技术

互联网租赁自行车(即共享单车)是指企业在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供自行车单车共享服务，是一种分时租赁模式。共享单车是一种新型共享经济。2016年以来，随着资本的疯狂涌入，共享单车迎来了井喷式发展，在解决城市交通出行“最后一公里”问题、缓解城市交通拥堵等方面发挥了积极作用。

企业跑马圈地式的扩张和资本的大力推动下，共享单车的数量得到了极速的膨胀。目前共享单车已经成为了中国新四大发明之一，被输往了世界上很多城市。其作为一个典型的“物联网+互联网”应用，通过云端的控制来向用户提供单车租赁服务。其运用的技术包括云计算基础平台、数据资产和平台服务等。

然而，随之也出现了各种管理问题，且需要迅速反馈和满意的解决方案。从平台公司的角度，要迅速处理用户反馈问题，同时需尽快对这些车进行处理，尽量减少这些故障车被用户使用的次数概率。单车被骑走到城市的各个角落后，如何调度才能保证它们能被更多人骑到。同时企业也缺少对用户不文明用车、违规停车的相关惩罚措施。这些问题的处理，平台管理者和广大用户双方都十分关注。目前还没有找到一种行之有效、快捷的量化管理方法，能够比较及时有效的处理遇到的问题，提高平台的服务质量和广大用户的满意度。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种能够比较及时有效的处理遇到的问题，提高平台的服务质量和广大用户的满意度的方法。本发明的技术方案如下：

一种共享单车的管理与决策方法，其包括以下步骤：

1)确定投放地，收集参数数据，建立基于DEA数据包络分析的模糊综合评价模型，通过构建隶属度矩阵，计算最大隶属度，得到共享单车投放评价指标等级用以挑选出需要投放共享单车的地区；

2)建立共享单车投放点选址模型，通过多目标规划来确定地区的投放点，根据不同位置二次规划确定应投放的单车数量；

3)建立高斯核SVR回归模型，通过高维空间的高斯核函数的映射来确定共享单车投放量随时间的函数关系；

4)提出量化决策管理方法，基于美国个人信用评级法建立个人信用评价体系，规范用户用车，通过多目标规划根据区域内投放点不同设定最优的调度维修中心，降低运维成本。

进一步的，所述步骤1)建立基于DEA的模糊综合共享单车投放选址评价模型具体包括步骤：首先对地区分类，按照自行车投放点指标选取原则，定义共享单车投放适宜的评价指标，再通过DEA算法，得到第k个DMU决策单元的效率评价指数，公式如下：

1≤k≤s，为第k个决策单元的效率评价指数，u_r≥0，v_i≥0

其中X_j为m项输入，k>0，st.表示条件，X_j＝(x_1j,x_2j,...,x_mj),Y_j为n项输出，Y_j＝(Y_1j,Y_2j,...,Y_nj)且x_ij>0,y_rj>0,输入的权向量为v＝(v₁,v₂,...,v_m)^T,u＝(u₁,u₂,...u_n)^T，vm表示第M个评价单元对应输入权向量，.un表示第n个评价单元对应输出权向量，效率指数是指产出u^TY_j与投入v^Tx_j的比。

进一步的，所述步骤1)共享单车投放评价指标还包括确定指标权重的步骤：首先构造判断矩阵，采用专家打分法对同一元素支配的下层元素两两比较相对重要性，构造判断矩阵B＝(b_ij)_m×n,通过将因素进行两两比较判断，得出相对重要程度的比较权，建立判断矩阵；

对矩阵进行一致性检验：CI＝0，CR＝0<1，判断矩阵可以认为具有一致性，计算权向量，然后利用DEA算法计算每个DMU的效率评价指数，并将最后计算得到的各级指标的权值统计。

进一步的，所述构建隶属度矩阵，其具体包括步骤：

对于根据具体影响是否建议设立自行车投放点的评价等级，通过无量纲化得到隶属度矩阵:然后根据三级权值矩阵得到二级指标隶属度矩阵：得到最后的权值向量：根据最大隶属度原则，得到地区共享单车投放评价指标水平，最后确定各地区得分；最后根据实际情况将评分结果划分为五个等级,并将选择的多个地区计算得分并按照评分标准分类。

进一步的，所述步骤2)建立基于多目标规划建立共享单车投放点选址模型具体包括步骤：

首先建立地区单车投放量模型：

式中：P_i：地区i规划年的共享单车生产量(辆/小时)：S_ij:地区i内j类性质用地面积(平方米)；α_j:第j类用地性质基准容积率；β_j：第j类用地性质交通区位调整系数；δ_j：第j类用地性质自行车出行比例；ω：共享单车出行占自行车出行比例；

式中：ZZL：共享单车周转率；CI：单位时间共享单车借出次数；SL：初始时刻单车数量；

式中：w_i:第i个投放点的共享单车投放量；

最后，建立基于多目标规划建立共享单车投放点选址模型，采用余弦分布函数作为服务质量函数，同时考虑社会总成本和设施提供的服务质量两个目标，由此建立多目标的公共自行车投放点选址模型。

进一步的，所述建立多目标的公共自行车投放点选址模型具体为：

式中：C:投放点建设成本(万元)；c_j：第j个投放点的固定成本；w_i：第i个投放点的共享单车投放量；D₂：行人离共享单车最远容忍距离，D₁：行人离共享单车最近容忍距离；Q:投放点服务质量；J：投放的集合；c_jz：第j个投放点的固定成本；q_ij：第j个投放点对需求点i的服务质量；c₀：单位需求量内的距离成本；d_ij：第j个投放点到需求点i的距离；x_j：是否在j建立需求点；y_ij：需求点i被j服务。

进一步的，还包括对模型进行优化的步骤：采用基于投放点与需求点距离进行条件约束优化。

进一步的，所述步骤3)建立高斯核SVR回归模型具体包括步骤：

首先支持向量机，通过方程来表示不同类型地区投放量与时间的关系：用hinge损失函数求解这个方程，再引入稀疏变量求解此问题：

然后运用高斯核函数，将现在的数据映射到高维空间，使它在高维空间能够线性表达，然后进行泰勒展开：将所得的数据再次映射回原来空间即为最后的投放量；

最后，通过引入拉格朗日乘子将其转换为一个对偶问题，对关系模型求解，最后解不同地区，自行车投放量与时间的关系。

进一步的，所述步骤4)建立量化决策管理方法具体包括步骤：

首先基于FICO建立个人信用评价体系；针对管理单车，设立基于投放点设定的调度修理中心***，求出共享单车投放点位置与规模以及需求量，建立多目标规划模型，从而使调配中心建设运营，运输成本本最低，因此我们以运输成本最低作为优化目标的目标函数，确定了基于多目标规划调度中心模型。

进一步的，所述优化目标的目标函数为：

Z：运输成本；N：投放点的集合；M：配送中心候选点的集合；q_j:投放点j(j∈N)的调配需求量；d_ij:节点i(i∈M∪N)到节点j(j∈M∪N)的距离；c₁：单位运输成本；O_i：候选点i(i∈M)建设固定成本；Q_i：配送供给量；z_i：0-1变量；y_ij＝1：表示由候选点i负责客户点j的服务，z_i表示候选点i被选中。

本发明的优点及有益效果如下：

(1)高斯核SVR回归模型能够将线性不可分的问题转换为线性可分的问题。

(2)模型能够适应高维空间的数据且拟合效果比普通回归好。

针对以上两个优点我们以雨花门的投放量为例，对比几个主流的回归方法，最小二乘回归，岭回归，lasso回归。

实验可以看出，我们的模型的拟合效果优于其它主流回归方法。

(3)基于FICO的个人信用评价***具有较强的推广性，公司可根据实际情况对其演变规则进行特殊定制。

(4)地区自行车投放量模型结合不同类型地区的容积率、土地类型、人流密度等因素，具有实用性。

(5)共享单车投放点选址与共享单车调度维修中心选址模型可以结合不同地区的不同情况进行考虑，适用灵活。

创新点是从多个角度来确定共享单车投放选址地点，对数据用高斯核进行了一次映射到高维空间，再进行了线性回归。

附图说明

图1是本发明提供优选实施例提供的工作流程图：

图2示出基于DEA的模糊综合共享单车投放选址评价模型流程图；

图3示出基于多目标规划建立共享单车投放点选址模型流程图；

图4示出高斯核SVR回归模型流程图；

图5示出量化决策管理方法的建立流程图；

图6是本发明提供优选实施例高斯核SVR线性回归模型拟合效果图：

图7是最小二乘回归拟合效果图：

图8是Ridge回归拟合效果图：

图9是Lasso回归拟合效果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

S11、为了定量分析指出需要投放共享单车的地区，根据地区土地性质的不同，对地区进行分类。

具体的，参考《南京新建地区公共设施配套标准规划指引》，按照土地使用功能对南京市地区进行分类。这里我们分为6种类型，分别是学校，景区，商业中心火车站，住宅，工业园区。

所需要说明的是，共享单车是提供自行车单车共享服务，其解决城市交通出行“最后一公里”问题、缓解城市交通拥堵等方面发挥了积极作用，并且符合低碳出行理念，同时，作为重要衔接工具，共享单车作为灵活便捷的交通方式可以很好的弥补公共交通可达性不高的缺陷，作为末端的补充公共交通的适用范围将大大提高。

进一步具体的，那么根据划分的6种类型，在参考南京市不同地区人流量热力图后，挑选出这些类型的代表地区：仙林大学城、夫子庙、江宁万达、南京南站、湖南路、河西中央商务区、天后工业园、新街口八个地区。

S12、确立基于DEA的模糊综合评价模型的评价指标，调査得出与自行车出行相关的主要影响因素。

具体的，根据整体性原则、科学性原则、客观性原则、可操作性原则、可比性原则确定评价指标，其中有：

指标体系是指标的有机集合，不仅要主要指标体系整体的内在联系。而且要注意整体的功能和目标，并形成一定的层次。

指标体系必须科学地反映研究对象的水平，指标设计在名称、含义、内容、时空和计算范围、计量单位和计量方法等方面必须科学明确，没有歧义。

指标体系作为研究的依据，必须客观、可信，没有经过调查研究，不进行咨询，仅凭主观臆想建立指标体系，必然导致研究缺乏可信性。

指标的设计必须具有有可操作性，必须考虑指标值的测量和数据收集工作的可能性，同时，还要求在建立指标体系时搭配好主观指标和客观指标的比例关系，尽可能使用现行的统计指标。

指标应该在不同的时间或空间范围上具有可比性。为使建立的指标具有可比性，实现指标定量化，对于非定量指标也需建立相对优劣的评定标准。

进一步具体的，根据上述原则，通过调查并结合南京市地区的分类情况。在此定义了共享单车投放综合适宜度的评价指标，其中包括：

面积(平方公里)y₁₁：所选地区的面积的大小决定了在地区内任意两点需要使用到自行车代步的概率。通常区域面积大，则应设置较多投放点，反之，区域面积过小，则投放点的设定很可能是没必要的。

人口/人流量y12：投放点的自行车使用频率与流通速率最直接取决于人口或人流量，只有单位面积的人口/人流量能够达到一个特定值，能保证自行车的使用频率，则在此设定投放点是有意义的。

土地成本y₂₁：土地成本是共享单车投放点建设投资费用的重要组成部分，每一个地区的基准地价是不同的，它与地区的开发程度和功能价值等成相关。

自行车维护费用y₂₂：自行车维护费用也是共享单车投放点建设的主要投资内容之一，它与基准地价有一定的相关性。

附近地铁站数y₃₁：共享单车的定位即作为公共交通的补充、接驳，在设置投放点的时候，应该适当分散布设，方便自行车使用者归还以及换乘其他交通方式。地铁站的日均流通人次数很多，在将为自行车使用提供庞大基数。

附近公交站数y₃₂：在繁华区域公交车线路分布密集，到站频率高，下车和上车乘客多，对自行车的需求也随着人流量增大而增大。

附近住宅影响y₄₁：目前城市发展建设迅速，许多住宅小区与公共交通站点或大型商店距离较远，需要自行车作为接驳工具进行补充。

附近办公区影响y₄₂：上班距离较长，一般选择公共交通或小汽车出行。同时自行车也被需要，解决“最后一公里”问题。

附近公共建设影响y₄₃：周边公共建设对自行车投放点选址的影响很大，尤其是人流密集的商业区、休闲旅游区和其他大型公共场所，自行车租借周转率大。

S13、确定指标权重。

具体的，构造判断矩阵，采用专家打分法对同一元素支配的下层元素两两比较相对重要性。通常采用数字1-9及其倒数作为标度来构造判断矩阵B＝(b_ij)_m×n将因素进行两两比较判断，得出相对重要程度的比较权，建立判断矩阵。

三级指标建立判断矩阵：

二级指标建立判断矩阵：

对矩阵进行一致性检验：CI＝0，CR＝0<1，判断矩阵可以认为具有一致性，计算权向量。然后我们利用DEA算法计算了每个DMU的效率评价指数，并将最后计算得到的各级指标的权值统计如下表：

表5-1各级指标权值表

具体的，构建隶属度矩阵(以仙林大学城为例)，对于根据具体影响是否建议设立自行车投放点的评价等级有五个：

U＝(V₁ V₂ V₃ V₄ V₅)

构建仙林大学城三级指标隶属度矩阵：

通过无量纲化得到进而得到隶属度矩阵：

根据表5-4得出的三级权值矩阵得到二级指标隶属度矩阵：

得到最后的权值向量：

P＝(0.301 0.263 0.200 0.145 0.091)

根据最大隶属度原则，仙林大学城共享单车投放评价指标属于V₁级。

具体的，确定各地区得分

表5-2各等级评分标准

根据表5-5评分标准，确定仙林大学城得分：

S14、根据实际情况我们将评分结果划分为五个等级,并将选择的八个地区计算得分并按照评分标准分类，如表5-6：

表5-3八地区评分标准分类

S21、单车投放量模型的建立。

具体的，根据《城市用地分类与规划建设用地标准》所划分的性质的用地，由于单位面积上的交通量是不一样，在对一地区人流出行量进行预测时，需考虑到土地利用分类、容积率、土地强度登因素，建立以用地面积和性质为自变量，人流出行量需求为因变量的模型，因此建立地区单车投放量模型，其中包括：

需要说明的是，式中：P_i：地区i规划年的共享单车生产量(辆/小时)；S_ij：地区i内j类性质用地面积(平方米)；α_j：第j类用地性质基准容积率；β_j：第j类用地性质交通区位调整系数；δ_j：第j类用地性质自行车出行比例；ω：共享单车出行占自行车出行比例，其中出行人数与自行车出行量之间的关系为1人/辆。

需要说明的是，式中：ZZL:共享单车周转率；CI：单位时间共享单车借出次数；SL：初始时刻单车数量。

进一步的，由共享单车的周转率和单位时间内单车被借出次数，即高峰小时生产量，就可以得到初始时刻站点的共享单车数，则：

需要说明的是，式中：w_i：第i个投放点的共享单车投放量。

S22、选取需要投放共享单车的地区进一步分析，确定此地区的共享单车投放量。

S23、建立基于多目标规划建立共享单车投放点选址模型，确定选取的地区单车的投放点。

具体的，首先我们需要确定投放点最大覆盖选址模型，采用余弦分布函数作为服务质量函数结合社会总成本和设施提供的服务质量两个目标，建立多目标的公共自行车投放点选址模型。

需要说明的是，式中：C:投放点建设成本(万元)；Q:投放点服务质量；J：投放点的集合；c_j：第j个投放点的固定成本；q_ij：第j个投放点对需求点i的服务质量；c₀：单位需求量内的距离成本；d_ij：第j个投放点到需求点i的距离；x_j：是否在j建立需求点；y_ij：需求点i被j服务。

S24、根据投放点的不同，进行二次规划，确定各个投放点的投放数量。

具体的，根据所选的确内的用地情况以及共享单车需求量，确定投放点的权重，根据投放点的权重大小重新分配共享单车，直到各个投放点共享单车需求量达到最优，因此定义了该市居民出行成本如下：

M_cost＝(P_bus×M_bus+P_taxi×M_taxi+P_car×M_car+P_motor×M_motor)×N×D_overS进一步具体的，根据全国各地交通出行方式收费的调查，得出每人每公里城市交通运输费用(单位：元/人/公里),综合投放量等因素带入多目标规划模型，用Matlab对其进行最优值求解。

进一步具体的对模型进行优化，由于各点投放量是不均匀的，且差异性过大，为了避免这个问题，我们基于投放点与需求点距离进行条件约束优化，根据渐进覆盖函数中D1＝100m，D2＝200m我们列出以下模型：

st.d_ij＞200→d_ij＝0

需要说明的是，式中，Mj为各点的投放量。

S31、选择自行车“供求匹配”这一指标作为判断共享单车是否配置合理，并确定其评价指标等级。

具体的，为实现共享，提高共享单车的利用率，提高公司效益，需要建立起“供求匹配”评价体系。根据建立的体系，建立共享单车每天不同时间段，不同地区投放的数量与时间的关系。

其中，从合理性最优来看，共享单车的投放量与实际需求量应该保持一致。从利用率最高来看，投放的单车数量不应该大于需求量。

进一步具体的，根据上述两点，“供求匹配”是指在某一确定时空中，自行车的需求量与供给量的比值是平衡的。起初在某一特定时间段中将出租车需求量和供给量差值绝对值的最大值定义为“供求匹配”评价指标，但不同地区的自行车数量具有量级上的差异。因此在原先的基础上引进自行车需求量与供给量的指标具体的用需求量和供给量差值绝对值的最大值与需求量与供给量和作比。并将其重新定义为“供求匹配”评价指标。指标表示方式如下：

需要说明的是,t1、t2为所求出租车“供求匹配”评价度的时间起止点.当P值越接近于1，则说明区在指定时间段的匹配度越差。当P值越接近0则说明该地区在指定时间段的匹配度越好,结合给地区投放量的，利用基于DEA的模糊综合共享单车投放选址评价模型，确定P指标评价等级，如表：

表5-4“供求匹配”程度等级表

S32、根据所述的评价指标，收集所求地区相关因素的数据并处理。

S33、高斯SVR回归模型的建立线性表达出不同类型的地区投放量与时间的关系。

具体的，首先方程来表示不同类型地区投放量与时间的关系：

f(x)＝W^TX+b

需要说明的是，为使得模型有高的拟合性和防止过拟合，我们添加了f一个软间隔，在软间隔内的点不考虑它的函数损失。

进一步的，用hinge损失函数求解这个方程，再引入稀疏变量求解此问题：

进一步具体的，通过分析发现，用线性方程很难表达出投放量与时间的关系。根据现实经验，我们知道数据在高维空间线性可分性可能会表现得更好的，因为很可能存在一个超平面将低维数据分开，例如二维不可分数据在三维空间有很好的线性可分性质。

进一步的，引入高斯核函数，目的是希望能够将现在的数据映射到高维空间，使它在高维空间能够线性表达。

其中，上一公式可以进行泰勒展开如下：

由此，原来的X会在高斯核函数的映射下，投影到无穷维的空间里，那么这个时候的数据一定是线性可分的，此时将所得的数据再次映射回原来空间即为最后的投放量。

进一步具体的，通过引入拉格朗日乘子将其转换为一个对偶问题。引入拉格朗日乘子由拉格朗日乘子法得到拉格朗日函数：

通过求导和加入KKT条件我们可以解得这个方程：

由此在考虑单车的配置，利用率，公司收益的优化组合下，得到了投放数量与时间的关系。

S41、建立基于FICO建立个人信用评价体系，用以管理用户行为。

具体的，参考蚂蚁信用与FICO的评价体系标准后，以及共享单车的使用调查报告，建立了共享单车公司的个人信用评价体系并做出以下规则进行制定(满分900)，根据当前单车现状，做出适当奖惩措施，规范用户行为。

表5-5各指标评价参考

表5-6个人信用评价等级分类

S42、基于投放点设定的调度修理中心***地址的设立，用来回收投放共享单车。

具体的，需要根据每个区域的投放点地理位置分布、调配需求等情况，设置区域调配维修中心，实现分区调配，各区域的调配任务执行由总调配中心同一控制，区域调度维修中心执行任务的实体。从而更好的从全局出发，对各区域情况进行协调。

进一步具体的，根据所述的共享单车投放点位置与规模以及需求量求取方法，建立多目标规划模型，从而使调配中心建设运营，运输成本本最低。因此我们以其作为优化目标，确定了基于多目标规划调度中心模型：

目标函数：

约束条件：

其中需要说明的是，N：投放点的集合；M：配送中心候选点的集合；q_j：投放点j(j∈N)的调配需求量；d_ij：节点i(i∈M∪N)到节点j(j∈M∪N)的距离；c₁：单位运输成本；O_i：候选点i(i∈M)建设固定成本为；Q_i：配送供给量；z_i：0-1变量；y_ij＝1：表示由候选点i负责客户点j的服务，z_i表示候选点i被选中。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块、单元及算法步骤，可针对性地对共享单车实施管理。同时取决于技术方案的特定应用和设计约束条件，专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (10)

1.一种共享单车的管理与决策方法，其特征在于，包括以下步骤：

1)确定投放地，收集参数数据，建立基于DEA数据包络分析的模糊综合评价模型，通过构建隶属度矩阵，计算最大隶属度，得到共享单车投放评价指标等级用以挑选出需要投放共享单车的地区；

2)建立共享单车投放点选址模型，通过多目标规划来确定地区的投放点，根据不同位置二次规划确定应投放的单车数量；

3)建立高斯核SVR回归模型，通过高维空间的高斯核函数的映射来确定共享单车投放量随时间的函数关系；

4)提出量化决策管理方法，基于美国个人信用评级法建立个人信用评价体系，规范用户用车，通过多目标规划根据区域内投放点不同设定最优的调度维修中心，降低运维成本。

2.根据权利要求1所述的一种共享单车的管理与决策方法，其特征在于，

所述步骤1)建立基于DEA的模糊综合共享单车投放选址评价模型具体包括步骤：首先对地区分类，按照自行车投放点指标选取原则，定义共享单车投放适宜的评价指标，再通过DEA算法，得到第k个DMU决策单元的效率评价指数，公式如下：

1≤k≤s，为第k个决策单元的效率评价指数，u_r≥0，v_i≥0

其中X_j为m项输入，k>0，st.表示条件，X_j＝(x_1j,x_2j,...,x_mj),Y_j为n项输出，Y_j＝(Y_1j,Y_2j,...,Y_nj)且x_ij>0,y_rj>0,输入的权向量为v＝(v₁,v₂,...,v_m)^T,u＝(u₁,u₂,...u_n)^T，vm表示第M个评价单元对应输入权向量，.un表示第n个评价单元对应输出权向量，效率指数是指产出u^TY_j与投入v^Tx_j的比。

3.根据权利要求2所述的一种共享单车的管理与决策方法，其特征在于，

所述步骤1)共享单车投放评价指标还包括确定指标权重的步骤：首先构造判断矩阵，采用专家打分法对同一元素支配的下层元素两两比较相对重要性，构造判断矩阵B＝(b_ij)_m×n,通过将因素进行两两比较判断，得出相对重要程度的比较权，建立判断矩阵；

对矩阵进行一致性检验：CI＝0，CR＝0<1，判断矩阵可以认为具有一致性，计算权向量，然后利用DEA算法计算每个DMU的效率评价指数，并将最后计算得到的各级指标的权值统计。

4.根据权利要求2所述的一种共享单车的管理与决策方法，其特征在于，

所述构建隶属度矩阵，其具体包括步骤：

对于根据具体影响是否建议设立自行车投放点的评价等级，通过无量纲化得到隶属度矩阵:然后根据三级权值矩阵得到二级指标隶属度矩阵：得到最后的权值向量：根据最大隶属度原则，得到地区共享单车投放评价指标水平，最后确定各地区得分；最后根据实际情况将评分结果划分为五个等级,并将选择的多个地区计算得分并按照评分标准分类。

5.根据权利要求2所述的一种共享单车的管理与决策方法，其特征在于，

所述步骤2)建立基于多目标规划建立共享单车投放点选址模型具体包括步骤：

首先建立地区单车投放量模型：

式中：P_i：地区i规划年的共享单车生产量(辆/小时)：S_ij:地区i内j类性质用地面积(平方米)；α_j:第j类用地性质基准容积率；β_j：第j类用地性质交通区位调整系数；δ_j：第j类用地性质自行车出行比例；ω：共享单车出行占自行车出行比例；

式中：ZZL：共享单车周转率；CI：单位时间共享单车借出次数；SL：初始时刻单车数量；

式中：w_i:第i个投放点的共享单车投放量；

最后，建立基于多目标规划建立共享单车投放点选址模型，采用余弦分布函数作为服务质量函数，同时考虑社会总成本和设施提供的服务质量两个目标，由此建立多目标的公共自行车投放点选址模型。

6.根据权利要求5所述的一种共享单车的管理与决策方法，其特征在于，所述建立多目标的公共自行车投放点选址模型具体为：

式中：C:投放点建设成本(万元)；c_j：第j个投放点的固定成本；w_i：第i个投放点的共享单车投放量；D₂：行人离共享单车最远容忍距离，D₁：行人离共享单车最近容忍距离；Q:投放点服务质量；J：投放的集合；c_jz：第j个投放点的固定成本；q_ij：第j个投放点对需求点i的服务质量；c₀：单位需求量内的距离成本；d_ij：第j个投放点到需求点i的距离；x_j：是否在j建立需求点；y_ij：需求点i被j服务。

7.根据权利要求5所述的一种共享单车的管理与决策方法，其特征在于，

还包括对模型进行优化的步骤：采用基于投放点与需求点距离进行条件约束优化。

8.根据权利要求1所述的一种共享单车的管理与决策方法，其特征在于，

所述步骤3)建立高斯核SVR回归模型具体包括步骤：

首先支持向量机，通过方程来表示不同类型地区投放量与时间的关系：用hinge损失函数求解这个方程，再引入稀疏变量求解此问题：

然后运用高斯核函数，将现在的数据映射到高维空间，使它在高维空间能够线性表达，然后进行泰勒展开：将所得的数据再次映射回原来空间即为最后的投放量；

最后，通过引入拉格朗日乘子将其转换为一个对偶问题，对关系模型求解，最后解不同地区，自行车投放量与时间的关系。

9.根据权利要求1所述的一种共享单车的管理与决策方法，其特征在于，

所述步骤4)建立量化决策管理方法具体包括步骤：

首先基于FICO建立个人信用评价体系；针对管理单车，设立基于投放点设定的调度修理中心***，求出共享单车投放点位置与规模以及需求量，建立多目标规划模型，从而使调配中心建设运营，运输成本本最低，因此我们以运输成本最低作为优化目标的目标函数，确定了基于多目标规划调度中心模型。

10.根据权利要求9所述的一种共享单车的管理与决策方法，其特征在于，所述优化目标的目标函数为：

Z：运输成本；N：投放点的集合；M：配送中心候选点的集合；q_j:投放点j(j∈N)的调配需求量；d_ij:节点i(i∈M∪N)到节点j(j∈M∪N)的距离；c₁：单位运输成本；O_i：候选点i(i∈M)建设固定成本；Q_i：配送供给量；z_i：0-1变量；y_ij＝1：表示由候选点i负责客户点j的服务，z_i表示候选点i被选中。