Du finner dem overalt, fra Berlin til Beijing, fargerike sykler som du kan låne og komme deg rundt i byen med uten bil.

Sammen med elsparkesykler gir disse ordningene folk en rask og praktisk løsning for å komme seg rundt i urbane strøk. De er et velkomment redskap for byplanleggere i tider da byer forsøker å finne løsninger for å møte klimamålene sine.

En modell som skal hjelpe med logistikken

– Å sørge for at sykler og elsparkesykler er der de trengs, er litt av en utfordring, men det er også selve nøkkelen for å få tilbudet til å bli en suksess, sier forsker Steffen Bakker ved Institutt for industriell økonomi og teknologiledelse på NTNU.

Bakker studerer måter å gjøre transport grønnere og mer effektiv.

– Om et system som dette skal virke, må brukerne være fornøyde med det. Folk vil at syklene skal være der når de vil bruke dem, og de bruker bare systemet om løsningen er god, sier han.

Bakker er en av forfatterne av en vitenskapelig artikkel som beskriver en modell som skal hjelpe byer og selskaper til å gjøre en bedre jobb med å gjøre sykkeldelingskundene glade.

Som å skyte et bevegelig mål

Bare tenk på utfordringene ved å sørge for at syklene og elsparkesyklene skal være der folk vil til enhver tid. Du vet jo ikke når kundene vil plukke opp syklene eller hvor de vil sette dem fra seg igjen.

Forskere beskriver problemet som dynamisk, fordi det hele tiden endrer seg, og stokastisk fordi det endrer seg på tilfeldige måter som det ofte er vanskelig å forutse, forklarer Bakker.

Han forteller hvordan brukerne plukker opp sykler ett sted og flyter den til et annet sted. Systemet endrer seg fordi plutselig er syklene ikke der de startet, som da er den dynamiske delen.

– Men på toppen av det hele vet du ikke når kundene vil plukke opp syklene eller hvor de vil sette dem fra seg. Det er den stokastiske delen. Så om du vil planlegge for dette på begynnelsen av en dag, kan du ikke vite hva som kommer til å skje.

Har studert innsamlet data

For å forutsi atferdsmønsteret til kundene kan Bakker og kollegaene hans studere den store mengden av data som samles inn av sykler og elsparkesykler når de er i bruk.

Men det finnes ingen garanti for at måten folk brukte syklene forrige tirsdag er det samme mønsteret neste tirsdag, sier Bakker.

– Du må justere etter slikt som skjer i løpet av dagen, sier han.

– Kanskje dukker det plutselig opp et arrangement eller været endrer seg. Da bruker kundene kanskje ikke tilbudet og behovsmønsteret endrer seg, noe som påvirker planleggingen.

Å sette sammen bitene

Bakker og kollegaene har utviklet en optimaliseringsmodell som kan gi anbefalinger om hva de som tilbyr servicen, bør gjøre.

Denne inkluderer hva servicekjøretøyene bør gjøre på stasjonen de er på til enhver tid. For eksempel om de skal sette fra seg eller plukke opp sykler eller bytte batterier på elsparkesyklene eller syklene og hvor de bør dra etterpå.

Beregningene som ligger under, er basert på hva som har skjedd hittil i løpet av dagen og hva modellen forventer at skal skje i den nære framtida.

– Gjennom dette prosjektet planlegger vi å bruke eksisterende sykkelsystemer som testplattformer. Ved å utvikle nye verktøy for å ta avgjørelser er målet å øke effektiviteten med 30 prosent og levetida til syklene med 20 prosent, sier Jasmina Vele. Hun er prosjektsjef ved firmaet Urban Sharing som samarbeider med forskerne.

Å øke effektiviteten innebærer å sørge for levering av akkurat nok sykler slik at kunder får hva de vil ha når de vil ha det.

Hun forteller at vi kan oppnå dette gjennom bedre avgjørelser ved såkalt rebalansering og å vedlikeholde syklene før problemene oppstår. Rebalansering er prosessen med å samle inn og flytte sykler fra en sykkelparkeringsplass til en annen.

Gjennom dette kan vi gi store kostnadsreduksjoner for eksisterende sykkelsystemer.

Å flytte syklene mest mulig effektivt

Ved å bruke optimaliseringsmodellen kan sjåførene få en ny plan hver gang de ankommer en sykkelstasjon.

– Du lager ikke bare én plan på begynnelsen av dagen. Isteden lager vi en ny plan hver gang et kjøretøy ankommer sykkelstasjonen, sier Bakker.

Så når bilen ankommer stasjonen kan modellen fortelle dem «OK, plukk opp så mange sykler eller dropp av så mange sykler».

Men dette er den biten hvor det blir komplisert. Det er viktig å ikke bli nærsynt og bare se på hvordan systemet er akkurat på et gitt tidspunkt. Spesielt gjelder det om vi kan anta at visse stasjoner får et større press den kommende timen eller så.

– Det er svært komplekst, for det er et stort system, sier han.

– Kanskje kommer det til å bli stort behov ved en stasjon om en times tid. Allerede da vil du helst bringe noen sykler dit. Men på samme tid finnes det kanskje stasjoner som er nesten tomme, og de trenger også sykler. Så du må avveie situasjonen. Det er også viktig å koordinere utsetting og henting mellom de forskjellige kjøretøyene som betjener nettverket.

Digitale tvillinger og datasimuleringer

Bakker og kollegene samarbeider med NTNUs Institutt for datateknologi og informatikk for å skape det de kaller en digital tvilling. Det er en datasimulering av systemene de lager en modell av.

Sånn kan de prøve ut forskjellige tilnærminger uten å være nødt til å teste dem i den virkelige verdenen.

De innledende testene viste at modellen som gruppen lagde, kan redusere antallet problemer med 41 prosent sammenlignet med det å ikke rebalansere i det hele tatt.

Altså at det enten ikke er nok sykler der brukerne vil ha dem, eller at det er for mange sykler sånn at brukerne ikke kan parkere dem.

Sammenlignet med praksisen ved samarbeidspartneren Oslo City Bikes kan antallet problemer reduseres med 24 prosent.

Bakker sier at nyere versjoner av modellen viser enda større potensial.

Enklere tilnærminger mulig også

Ikke overraskende skal det komplekse beregninger til for å få modellen til å virke. Forskerne må finjustere de forskjellige parameterne som påvirker hvor godt modellen virker.

Bakker og kollegaene har også jobbet med en del av optimaliseringsmodellen kalt kritisk score. Denne er litt enklere og kan brukes uavhengig av den større optimaliseringsmodellen.

En kritisk score er en score som blir gitt til ulike parkeringsområder for sykkeldeling basert på antallet sykler som allerede er der eller som trengs der.

Dette er relativt enkelt å beregne og kan gis til sjåførene mens de kjører rundt i byen for å rebalansere antallet sykler på hver stasjon.

– Denne scoren forteller sjåføren hvilken stasjon det haster mest med å besøke, sier Bakker. – Om du kan presentere stasjonene med høyest kritisk score for sjåføren, kan vi raskt tilby noe som kanskje ikke er optimalt, men uansett bedre enn det sykkeldelingsselskaper gjør nå.

Vele fra Urban Sharing sier at det å bruke denne typen optimaliseringsmodeller kan hjelpe til med å gjøre sykkeldeling til en viktig del av bytransporten.

Referanse:

Marte D. Gleditsch mfl.: A column generation heuristic for the dynamic bicycle rebalancing problem. European Journal of Operational Research, 2022. Doi.org/10.1016/j.ejor.2022.07.004

Artikkelen er produsert og finansiert av NTNU

NTNU er én av over 80 eiere av forskning.no. Deres kommunikasjonsansatte leverer innhold til forskning.no. Vi merker dette innholdet for å tydelig skille formidling fra uavhengig redaksjonelt stoff.
Her kan du lese mer om ordningen.

Fikk du med deg disse sakene fra NTNU?

• 

  Forskere kan hjelpe redere med å nå tøffe klimamål

• 

  4×4-trening er populært og omdiskutert

• 

  – Det er ikke lek om vi må leke

• 

  Økt skredfare: – Folk i små kommuner har viktig lokalkunnskap

• 

  Det nytter lite med skremselsbudskap om klima

• 

  Pasienter kan ha god effekt av virtuell virkelighet som terapi

Les flere saker fra NTNU her.

forskning.no vil gjerne høre fra deg!
Har du en tilbakemelding, spørsmål, ros eller kritikk? TA KONTAKT HER