공공자전거 최적화 문제로 포뮬레이션하기

보통 공공자전거 문제를 최적화 문제로 풀면 목적 함수가 maximize customer satisfaction/revenue 혹은 minimize outages (자전거를 대여하고자 할때 재고 없는 상황/반납하고자 할때 반납가능한 거치대 (dock/rack) 이 없는 상황) 될 것이라고 쉽게 생각할 수 있다.

 

한가지 중요한것은 사람들이 대여/반납할 때 실패하는 상황은 데이터에 드러나지 않는다는 것이다. 이 현상을 censoring 이라 한다. 

 

최적화 문제에서의 결정 변수(decision variables)를 다음과 같이 설정할 수 있다. 

 

• Station locations: (every year)
• Station capacity: (every 6 months)
• Number of bikes at each station: (e.g. at 6am each day)

 

각 결정변수에 따라 문제를 풀고자하는 time horizon 이 다르다. 

 

이 밖에도 창고 (depot -t가 묵음이라 디포라고 발음함)를 어디에 둘 것인가도 중요한 문제이다. 또 다른 재미있는 문제는 인센티브 제도를 이용해 사용자가 직접 자전거를 재배치 할 수 있도록 만드는 것이다 (e.g. bike angle). 

 

fixed station locations, fixed station capacities를 가정해보자. 사람들의 불편 (재고 불균형으로 인한 대여/반납 실패) 매일 6시에 각 대여소에 몇대의 자전거를 둘 것인가를 결정한다고 하자. 

 

가능한 모델링 방식을 생각해보자. 

 

가장 간단한 방식은 모든 대여소에 자전거 재고가 절반 만큼 채워지게끔 만드는 것이다. 그럼 empty/full station 상황을 피할 수 있을 것이라 기대한다. 조금 더 괜찮은 방식은 수요가 많은 대여소에 더 많은 재고를 채워 넣는 것이다. 

 

사람들의 움직임을 유량으로 표현하는 Fluid model 을 생각해볼 수도 있다. 

 

(이어서..)