城市公共自行车的马尔科夫过程

中午出去找了点吃的，某人偶得一个idea，我们讨论了一路，记录为此短文。

某天出门发现台门口停了一排某商业公司做的公共自行车（不是徐汇区政府做的那个），扫码下载app，存个299元的押金就能把车骑走，半小时收费1元，停在城市内任何非机动车的白线内即可完成还车，每个单车上装有GPS导航系统，你也可以在app内查看离你最近的车，等等等等，非常方便。但是，台门口的车总是被骑走，骑回来的很少，每过几天，这家公司就把车找回来，重新停在南京银行这。所以理想情况下，如果假设人群的行为是一定的，那么没有“公司把车找回来”这个干预行为，车在这个城市的分布是趋于稳定的。

简化问题，可以认为这是一个 Markov chain。整个体系点的数目是一定的，每个点都有一定概率转移到下一个点，若干次迭代之后，系统当趋于稳定。所以，这个如果没有人为干预，这个城市里一定有些地方的自行车多，有些地方的车少。有了数据之后就能建立借、还车的转移概率矩阵……可以以此来作为建立站点的标准，可以研究甚至预测人们的行为。杭州的公共自行车系统已经成功运营了8年，如果公开数据的话肯定会有很有意思的结果。不过仔细考虑的话，问题还是要复杂得多，比如某个点附近的需求是一定的，过来的车若超出需求，骑走的车也不会增加，转移出去的总概率会下降，也就是说转移概率不是定值，而是状态依赖的。另外，好的站点设置，要尽量能满足大家的出行需求，又要尽量避免冗余，增加自行车的使用率，适量干预应该是必要的。

回来一搜谷歌，啊原来好多人都研究过这个问题，想想都应该是个数学建模比赛的经典选题。想起昨天看到的公益云图可视化大赛，真是又应了那句话——“我有很多想法，就缺个程序员”
┑(￣Д ￣)┍

希望明年能有时间有技术去玩玩~