Dissertação

{pt_PT=A Model Predictive Control approach on Dynamic Bike Reposition} {} EVALUATED

{pt=Durante os últimos anos, os sistemas de partilha de bicicletas têm surgido como uma solução para combater o problema do "último percurso" associado aos transportes públicos, bem como para aumentar a sustentabilidade e descarbonização das cidades. Um dos principais desafios associados aos sistemas de bicicletas partilhadas passa pela necessidade de responder à procura flutuante dos utlizadores do sistema, passando pelo uso de um algoritmo de previsão e de um método de reposição eficiente. Com a introdução da lei de proteção de dados na União Europeia, os conjuntos de dados disponíveis dos sistemas de bicicletas partilhadas na Europa têm limitações devido a questões de privacidade. Deste modo, o nosso modelo está constrangido a um uso de dados agregados, não permitindo identificar viagens individuais, tendo apenas acesso ao número de inventário em cada estação invidual. Utiliza-se um algoritmo "Meteorology Similarity Weighted K-Nearest-Neighbors" para prever a procura de bicicletas e de docas. Esta previsão é feita a nível individual por estação, considerando os dias mais semelhantes em termos de meteorologia. Propomos uma abordagem ao problema da reposição dinâmica com recurso ao Modelo de Controlo Preditivo, que considera a procura em cada estação individualmente e cria uma solução global para todo o sistema, enquanto minimiza a perda para o consumidor e ao mesmo tempo o custo de reposição. O modelo é avaliado usando um simulador que modela as dinâmicas do sistema com dados reais, onde é comparado com outros métodos de reposição existentes, avaliando assim a sua performance., en=Over the last few years, Bike Sharing Systems (BSSs) have emerged as a solution to tackle the "last mile" problem associated with public transportation, as well as to improve the sustainability and decarbonization of cities. One major challenge associated with \acrshort{BSS}s is the need to respond to the fluctuating demands by the users in order to provide a good customer service. The key solutions to this problem include a good prediction algorithm and an efficient rebalancing method. With the introduction of the General Data Protection Regulation law in Europe, current datasets of European bike sharing systems are restricted in terms of individual movements due to privacy concerns. This constraint restricts our data model to a minimum, having access to nothing but the number of bicycles in each station. A Meteorology Similarity Weighted K-nearest-neighbors algorithm is adapted to be used to predict both the pick up and drop off demands, on a station level basis, considering the most similar days in terms of weather features. We propose a convex Model Predictive Control approach to tackle the dynamic repositioning problem, which considers the station level demands and outputs a system based solution while trying to minimize the customer loss and at the same time reducing the reposition cost associated. The MPC reposition method was evaluated using a simulator to model the system dynamics with real-world datasets, where it was compared against existent reposition methods in order to evaluate its performance.}
{pt=Previsão da Procura, Rebalanceamento, Reposição dinâmica, Controlo Preditivo, Bicicletas partilhadas, en=Demand prediction, Rebalancing, Dynamic Reposition, Model Predictive Control, Bike Sharing System}

Novembro 26, 2019, 14:0

Orientação

ORIENTADOR

Manuel Ricardo De Almeida Rodrigues Marques

Polo IST-ISR (CC. 1601)

ORIENTADOR

Cláudia Alexandra Magalhães Soares

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar Convidado