2026年07月23日
西交利物浦大学西浦国际商学院陈江行博士、徐建宇博士，与共同指导博士刘睿成合作完成的最新研究论文，已正式被国际交通物流领域顶级期刊 Transportation Research Part E: Logistics and Transportation Review 接收发表。该期刊为交通与物流领域国际权威期刊，ABS 3 级、ABDC A*、中国科学院1区TOP，在全球供应链、物流与交通运输研究中具有极高学术影响力。
共享单车受单程出行特征影响，早晚高峰极易出现站点空置无车、车位满载无法还车的库存失衡难题。当前行业通用调度大多以单个站点独立设定库存指标，采用先需求预测、后调拨优化（PTO 两段式）经典模式，普遍忽略用户借还失败后的漫游行为：用户找不到车辆 / 空位时，会步行前往周边站点，或直接放弃用车形成订单流失。同时传统分步算法容易出现预测误差层层放大问题，最终导致调拨方案失真、平台运维与用户赔付成本居高不下。立足行业现存痛点，研究跳出单点优化思路，从全网络视角搭建全新建模框架。
两大核心研究创新
- 构建聚合型用户漫游量化模型
区别过往研究 “缺车即用户直接流失” 的理想化设定，团队首次从聚合宏观维度搭建漫游数学模型，细分借车、还车两类用户行为逻辑，引入用户漫游意愿、步行距离衰减系数、站点最低存车阈值三大关键变量，精准量化用户在步行半径内筛选可用站点或放弃出行的分流规律，还原真实线下用车场景，为全网统筹调度提供行为理论支撑。
- 原创端到端（贰2贰）深度学习优化体系
摒弃 “预测 + 优化” 拆分式架构，搭建融合 LSTM 时序模块与多层全连接神经网络的端到端模型：直接导入历史用车数据、站点容量、地理布局等原始信息，一键输出全平台各站点最优单车调拨量。配套自研整数规划 ILP 标签生成方法，依托最优规划解完成模型训练标注，攻克共享出行非线性非凸场景下深度学习标签匮乏难题，该标注思路可拓展应用至多行业库存优化场景。
实证落地效果
研究选取美国纽约 Citi Bike、波士顿 Bluebikes 五大运营片区真实运营数据，聚焦晚高峰 17:00–20:00 时段开展多组对照试验：
- 相较于三类 PTO 预测优化算法、固定半数库容启发式调度方案，本文 E2E 模型可显著降低用户不满损失，多项指标降幅最高近八成，用户流失与赔付订单数量明显缩减；
- 运算效率大幅优化：传统优化算法单次求解耗时数百秒，本模型推理仅 1–3 秒，适配平台实时动态调运需求；
- 对比单站独立优化模式，全网统筹结合用户漫游规律可规避大量无效车辆转运，有效压缩平台综合运营开支。
面向行业落地实操建议
依托多维度参数敏感性仿真分析，研究面向共享单车、共享电单车运营商给出落地指引：
- 通过 APP 弹窗、线下站点指引等方式，重点提升还车用户远距离寻桩意愿，有效降低平台赔付支出；
- 结合片区客流规律动态设置站点最低保有车辆标准，平衡库存闲置与缺车流失双重成本；
- 根据单次客单价分级设置用户补偿标准，规避补偿定价失衡带来的营收损耗。
陈江行（Jianghang Chen）博士
西交利物浦大学西浦国际商学院副教授。陈博士的研究方向主要包括供应链、物流运输、制造业等复杂系统的数学建模，智能决策支持工具开发，以及优化与仿真技术的应用。
徐建宇博士
现任西交利物浦大学西浦国际商学院管理学副教授。徐建宇博士于 2012 年获北京大学统计学学士学位，随后在中国科学院与香港城市大学联合培养项目中取得统计学博士学位及系统工程与工程安全博士学位。他的主要研究方向包括强化学习、质量与可靠性工程以及工业统计学。
撰稿：谢琳琳
审核：吴一菲
2026年07月23日