De finns överallt, från Berlin till Peking, färgglada cyklar som du kan låna för att flytta runt i staden utan bil. Dessa system, tillsammans med e-skotrar, erbjuder människor ett snabbt och bekvämt sätt att resa runt i stadsområden. Och i en tid då städer försöker hitta sätt att nå sina klimatmål, är de ett välkommet verktyg för stadsplanerare.

Att se till att cyklarna och e-skotrarna finns till hands kan vara något av en utmaning – men det är också nyckeln till framgången för erbjudandet, säger Steffen Bakker, forskare vid NTNU:s institution för industriell ekonomisk och teknologisk ledning som studerar sätt att göra transporter grönare och effektivare.

"Om ett sådant här system ska bli framgångsrikt måste vi vara nöjda med användarna", sa Bakker. "Folk vill att cyklarna ska finnas där när de vill använda dem, och de vill bara använda systemet om det är en bra tjänst."

Bakker var medförfattare till en ny artikel som beskriver en optimeringsmodell för att hjälpa städer och företag att göra ett bättre jobb för att hålla sina kunder som delar cykeln nöjda.

Som att skjuta ett rörligt mål

Tänk på utmaningarna med att tillhandahålla cyklar eller skotrar där och när folk vill ha dem.

Forskare beskriver problemet som dynamiskt, eftersom det alltid förändras och stokastiskt, eftersom det förändras på slumpmässiga och ofta svårförutsägbara sätt, sa Bakker.

"Användare av cykeldelningssystem plockar upp cyklar på ett ställe och flyttar dem någon annanstans. Och sedan ändras systemets tillstånd eftersom cyklarna helt plötsligt inte är där de började, vilket är den dynamiska delen," han sa. "Men utöver det vet man inte när kunderna hämtar cyklarna och var de kommer att ställa dem. Det är den stokastiska biten. Så om man vill planera i början av dagen så gör man inte det. vet vad som kommer att hända."

Bakker och hans kollegor kan använda den enorma skattkammaren av data som samlas in av cyklar och e-skotrar när de används för att göra förutsägelser. Men det finns ingen garanti för att sättet som cyklar användes förra tisdagen, till exempel, kommer att vara detsamma följande tisdag, sa han.

"Du måste anpassa dig efter saker som inträffar under dagen", sa han. "Kanske helt plötsligt händer det en händelse eller vädret förändras, och sedan använder folk inte tjänsten och efterfrågemönstret förändras, vilket påverkar planeringen."

Sätta ihop delarna

Det Bakker och hans kollegor har utvecklat är en optimeringsmodell som kan ge rekommendationer om vad tjänsteoperatörerna bör göra.

Detta inkluderar vad servicefordon ska göra på stationen de befinner sig på – om de ska lämna eller hämta cyklar, eller byta ut batterier mot elcyklar och skotrar – och vart de ska gå härnäst. De underliggande beräkningarna är baserade på vad som har hänt hittills under dagen, och vad som förväntas hända inom en snar framtid.

Gruppens forskning finansieras som en del av ett projekt på 10 miljoner norska kronor finansierat av Norges forskningsråd kallat Future of Micro mobility (FOMO), med företaget Urban Sharing AS som ledande företag i anslaget.

"Genom Pilot-T planerar vi att använda befintliga stadscykelsystem som testbaser, och genom att utveckla nya beslutsstödsverktyg är målet att öka effektiviteten för ombalanseringsteamen med 30 % och cyklarnas livslängd med 20 %, " sa Jasmina Vele, projektledare på Urban Sharing. "Detta kan realiseras genom bättre beslut relaterade till ombalansering och förebyggande underhåll, och detta kommer att motsvara en stor kostnadsminskning i befintliga stadscykelsystem."

Flytta cyklar på det mest effektiva sättet

Processen att samla in och flytta cyklar från en cykelparkeringsstation till en annan kallas "ombalansering". Genom att använda optimeringsmodellen, som fortfarande är i utvecklingsfas, kan förarna skickas en ny plan varje gång de kommer till en cykelstation.

"Man gör inte bara en plan i början av dagen, men vad vi gör är att vi gör en ny plan varje gång ett fordon anländer till en cykelstation", sa han. "Och när bilen kommer till stationen säger vi till dem:'Okej, plocka upp så många cyklar eller lämna så många cyklar'."

Men det är här den knepiga delen kommer in. Det är viktigt att inte vara för närsynt genom att bara fokusera på systemets nuvarande tillstånd, säger Bakker, särskilt om det förväntas att vissa stationer kommer att ha mer efterfrågan inom den närmaste timmen eller så.

"Det är väldigt komplicerat, eftersom det är ett stort system", sa han. "Det kanske kommer att bli stor efterfrågan på stationen om en timme. Så du vill redan ha med dig några cyklar dit. Men samtidigt kan det finnas stationer nu som är nästan tomma, och de behöver några cyklar. Så du måste ta reda på den här avvägningen."

Det är också viktigt att samordna hämtningar och avlämningar mellan de olika fordonen som servar cykeldelningsnätverket, sa han.

Digitala tvillingar och beräkningstid

Bakker och hans kollegor arbetar tillsammans med NTNU:s institution för datavetenskap för att skapa en "digital tvilling", eller en datorsimulering, av systemen de modellerar, så att de kan prova olika tillvägagångssätt utan att faktiskt behöva testa dem i den verkliga världen.

Inledande tester visade att modellen som gruppen genererade kan minska antalet problem (vilket betyder antingen inte tillräckligt med cyklar där användaren vill ha en eller för många cyklar så att användaren inte kan parkera cykeln) med 41 procent jämfört med att inte göra någon ombalansering överhuvudtaget.

Jämfört med nuvarande ombalanseringsmetoder för Oslo City Bikes, som också är en samarbetspartner i NFR-anslaget, minskade antalet problem med 24 procent. Bakker säger att nyare versioner av modellen visar ännu mer potential.

Också enklare metoder är möjliga

Inte överraskande är de typer av beräkningar som krävs för att få modellen att fungera komplexa, och forskare måste finjustera de olika parametrarna som påverkar modellens prestanda.

Bakker och hans kollegor har också arbetat med en komponent i optimeringsmodellen som kallas kritikalitetspoäng, som är lite enklare och kan användas oberoende av den större optimeringsmodellen.

Ett kritikalitetspoäng är i grunden ett betyg som ges till olika cykelparkeringsområden baserat på antalet cyklar den för närvarande innehåller eller behöver. Dessa poäng är relativt enkla att beräkna och kan ges till förare när de reser runt i staden för att balansera om antalet cyklar vid varje station.

"Det är en poäng som talar om för föraren vilken station som är mest kritisk att besöka," sa Bakker. "Om du kan presentera det för personen som kör bilen och säga att det här är stationerna med högst kritikalitetspoäng, kan vi tillhandahålla något som inte är det bästa, men det är förmodligen bra och mycket bättre än vad cykeldelningsföretag gör nu ."

Urban Sharings Vele säger att användningen av den här typen av optimeringsmodeller kan hjälpa till att göra cykeldelning till en viktig komponent i stadstransporter.

"Urban Sharings vision för framtida mobilitet är ett transportsystem som är lyhört och adaptivt. Genom att använda data och maskininlärning/optimeringsalgoritmer kan vi kombinera det bästa från både traditionella och moderna transportsystem, och skapa ett resurseffektivt system som svarar mot efterfrågar och anpassar sig till användarnas individuella behov", sa hon.

Forskningen publicerades i European Journal of Operational Research . + Utforska vidare

Lyft stänger av elcyklar efter batteribränder