关于共享单车的五力模型分析

城市发展不断膨胀,使得公共交通服务无法满足市民日常出行的需求,解决出行"最后一公里"成为城市焦点问题.恰逢政府积极倡导环保,创造绿色城市,又遇互联网+共享经济,共享单车行业应运而生.在迅速发展的同时也为城市带了很多困扰.本文利用波特五力模型对共享单车行业从潜在进入者、替代产品、供应商议价能力、购买者议价能力和同行业中的竞争能力五方面全面对行业分析并阐述观点.     

共享单车智能管家系统的设计与实现

共享单车可以提供经济、快捷的自行车租赁与共享服务,方便人们的短距离出行。然而,共享单车也存在诸如安全防范措施不完善、维修与回收不便捷、随意停放影响城市管理秩序等问题。针对上述问题,本文提出采用技术、信用和管理相结合的方法,通过三者的有机融合来有效管理共享单车所引发相关问题。首先,构建了一个硬件终端作为实现共享单车智能化的基础。在此基础上,通过应用传感器技术来解决单车缺少夜间行车灯、车筐过载检测等安全隐患;通过GPS定位和无线通信模块实现车辆的准确定位和追踪;通过有效的信用管理和流程管理,结合骑行者的定位信息、禁停区和电子围栏的设置、用户信用的管理等,引导单车有序地停放在电子围栏内。本文提出的共享单车智能管家系统,能够有效地解决当前共享单车面临的管理混乱等问题,具有一定的应用和推广价值。     

共享单车定位技术的意义与发展

共享单车作为共享经济的代表之一,短时间内得到了飞速的发展,但同时也暴露了很多问题.本文简单介绍了共享单车的定位手段,并从共享单车的定位技术角度,说明了共享单车未来的巨大前景以及目前问题解决手段.并对共享单车定位技术的未来发展进行了展望.     

基于Elman神经网络的共享单车管制研究

共享单车运行过程中积累了海量数据,使用基于MCC的神经网络技术处理这些海量数据,挖掘其中包含的有用信息,科学制定共享单车管制措施。根据各城区共享单车的历史分布和预测,确定共享单车的投放量,以最小的共享单车资源满足市民的出行需求。监控、对比、宣传各城区共享单车乱停乱放现象,建立市民争相文明出行的氛围,提升共享单车综合管理水平。     

基于OpenMV的共享单车规范停车检测

为了解决城市中共享单车乱停乱放的问题，提出了一种基于OpenMV的共享单车规范停车系统。系统主要由OpenMV开发板、BC20通信定位模块以及OneNET云服务器等组成。其中OpenMV完成对停车状态的检测与识别，借助BC20内置的网络模块与OneNET云服务器进行数据交互，并将检测结果反馈至小程序客户端，从而实现对共享单车的停车检测和控制。系统通过大量的测试，实验结果表明系统运行稳定，识别准确率为94.1%，可以实现共享单车的规范停车自动检测，具有良好的市场应用前景与价值。     

缺失的运维 困顿的共享单车

近年来,在一次又一次的行业洗牌之后,共享单车行业终于开始稳定发展,也成为共享经济之中,发展得不错的一种形式。这自然和巨头的入局逃不开关系,而共享单车赛道,早已经成为巨头之间的游戏。共享单车继续下沉巨头们的共享单车大战进入白热化开始于一二线城市,因为这些地区的消费者对解决“最后一公里”的出行需求较高。而在行业已经形成“三分天下”的格局之后,一二线城市的市场也已经趋于饱和。     

基于改进樽海鞘算法的共享单车分布密度优化

针对城市共享单车分布密度优化问题,提出了一种改进樽海鞘算法.首先,将共享单车分布密度优化问题转换成函数优化问题,以等待时间、花费时间、费用及安全代价为评价指标,建立目标函数.其次,引入一维正态云模型和非线性递减控制策略来改进樽海鞘算法中引领者的搜索机制,增强对局部数据的挖掘能力;引入自适应策略来改进原算法跟随者搜索机制,避免算法陷入局部最优值.最后,通过标准测试函数以及共享单车分布密度优化仿真对所提优化算法的有效性进行了验证,结果表明:相比原樽海鞘算法、萤火虫算法及人工蜂群算法,改进的樽海鞘算法具有更好的稳定性和全局搜索能力,能够更好地实现对共享单车分布密度的优化,提升共享单车的区域利用率,对智慧交通的发展有一定的参考价值.     

电子商务项目运作课程中案例分析之共享单车

在电子商务项目运作课程中,典型案例的讲解必不可少,那么从2016年一直火到2017年的共享单车就是不得不分析的案例.通过对共享经济的分析,探讨共享单车流行的原因以及共享单车存在的忧愁.     

基于数据场聚类的共享单车需求预测模型

共享单车系统日益普及,积累了海量的出行轨迹数据.在共享单车系统中,用户的借车和还车行为是随机的,且受天气、时间等动态因素影响,使得共享单车调度不平衡,影响单车用户体验,并给运营商造成巨大经济损失.提出了新型基于站点聚类的共享单车需求预测算法,通过构建单车转移网络计算站点活跃度,充分考虑站点地理位置和单车转移模式因素,基于数据场聚类思想,将距离相近和用车模式相似的站点聚合到一个聚簇中,给出最佳簇中心个数求取方法.充分分析时间和天气因素对站点单车需求的影响,利用皮尔逊相关系数,从真实天气数据中选择相关性最大的天气特征,结合历史聚簇内单车需求量,将其转化为三维向量,利用多特征长短时记忆深度神经网络LSTM (long short-term memory)对向量内的特征信息进行学习和训练,以30分钟为长时间间隔,对每个聚簇内的单车需求量进行预测分析.与传统机器学习算法和当前主流方法进行对比,实验结果表明,所提单车需求模型预测性能得到显著提升.     

基于专利技术分析下的共享单车未来发展建议与对策

本文通过对我国共享单车的专利申请情况:申请数量、申请类型、技术重点以及国外申请等情况分析目前国内共享单车在技术保护上的现状及问题,提出对未来共享单车技术发展上的对策与建议.     

一种基于YOLOv3的共享单车违规停放检测方法

为解决共享单车随意停放给交通管理带来的困难,提出一种基于计算机视觉的共享单车违规停放检测方法。通过多尺度检测训练以及k-means维度聚类改进YOLOv3网络,在此基础上获取共享单车在图片上的特征矩阵,根据特征矩阵计算当前场景下共享单车的运行状态并进行状态统计。在交通监控视频数据集上的测试结果表明,该方法的检测准确率达到87%以上,能够实现共享单车违规停放的有效检测并给出实时预警。     

一种用于共享单车站点群的需求预测方法

共享单车系统中不同站点在不同时期内的单车需求分布非常不平衡,对共享单车系统的服务质量产生了不良影响,对此提出一种分层预测模型来预测每个站点群的每小时单车租还需求量.提出一种基于超级站点的聚类算法,将单车站点分配到每个集群当中;提出一种基于时间与天气相似度的模型来预测整个共享单车系统中的需求;训练极致梯度提升树(XGBoost)模型来预测每个站点群的需求,并得到每个站点群在整个系统中所占的比例.通过将上面获得的两个结果相乘得到每个站点群单车需求的预测结果.实验结果表明了该方法的优势.     

基于物联网云+大数据分析的共享单车高效安全体系的构建

共享单车作为物联网云+时代产生的新事物,是一种新型的交通模式,它大大方便了市民的出行。随着各大共享单车运营商的加入,共享单车的数量呈现井喷式增加,从而引发了共享单车使用、停放、损坏、维护、安全等方方面面的问题。笔者在研究共享单车运行模式、核心技术的基础上,引入当下流行的物联网云技术和大数据处理方式,从安全和高效两方面对共享单车模式进行研究和分析,构建了基于物联网云+大数据分析的共享单车的高效安全体系,可供相关企业单位和政府部门参考。     

共享单车短时需求量预测的机器学习方法比较

由于共享单车的流动性强,随机性很高,因此快速精确地预测出城市共享单车的短时需求量具有十分重要的意义。采用随机森林、极端随机树、支持向量机、人工神经网络、XGBoost这5种机器学习方法,基于美国华盛顿共享单车项目数据,分析时间因子、气象因子等对单车需求量的影响,实现对共享单车短时需求量的预测。仿真结果表明,影响单车需求量的主要因素包括温度、节假日、季节以及早晚高峰时间段等因素;极端随机树的预测效果最优,MAE和RMSE最小,为22.93和36.84,训练集得分和验证集得分最高,为1.0和0.941,与随机森林和其它算法相比,鲁棒性高,泛化能力强,且预测结果曲线与真实结果曲线相吻合,预测精度高,可为实际的车辆预测和调度提供参考依据。     

基于Bertrand博弈的共享单车定价与投放联合策略研究

基于共享单车租赁所具有的随机性特点,构建随机环境下共享单车企业在寡头市场中关于租赁定价与投放数量联合决策的二维Bertrand博弈模型,研究差异定价与协同定价两种情形下共享单车企业的最优策略组合,分析市场潜在需求量和用车区域覆盖难度系数对企业策略以及经营利润产生的影响.研究表明:在差异定价情形下,当用车需求具有概率性特点时,共享单车企业之间的博弈存在唯一的纳什均衡解,且低价企业对市场价格的影响力升高有利于竞争双方利润增加;在协同定价情形下,共享单车市场的平均租赁价格较低,且随市场潜在需求量的增大而增大,但与差异定价情形相比增速较小;协同定价有利于维持共享单车企业在市场规模较小时的盈利,差异定价有利于抑制共享单车企业在市场规模扩大时的过度投放.     

基于量子反应均衡的政府与共享单车企业停车管理博弈分析

共享单车停车问题是城市交通治理中最主要的问题之一,其表面为共享单车用户停车行为不规范、共享单车企业管理调度不及时所致,究其本质实为共享单车各利益主体缺乏有效协同治理机制、停车权责划分不清晰、成本分担失衡的结果.考虑政府与共享单车企业的有限理性,建立扩展式博弈的量子反应均衡(QRE)模型分析双方停车管理博弈机理,并利用Gambit软件进行算例仿真分析.研究表明:双方博弈结果随理性程度增加逐渐趋向于基于完全理性的子博弈精炼纳什均衡,政府掌握更多企业运营信息有利于达到社会效用最大化的博弈结果;政府引入有效处罚措施或主导负责停车管理可以降低自身的财政支出和社会总成本,建立量化的处罚标准能够促进企业主动承担停车管理责任;有限理性程度、违停数量、激励机制和科技手段运行效率会影响企业的停车管理策略选择.     

基于用户激励的共享单车调度策略

针对共享单车的调度问题,在考虑预算限制、用户最大步行距离限制、用户时空需求以及共享单车分布动态变化的情况下,提出一种用户激励下的共享单车调度策略,以达到提高共享单车平台长期用户服务率的目的。该调度策略包含任务生成算法、预算分配算法和任务分配算法。在任务生成算法中,使用长短期记忆（LSTM）网络预测用户未来的单车需求量;在预算分配算法中,采用深度策略梯度（DDPG）算法来设计预算分配策略;任务分配完预算后,需要将任务分配给用户执行,因此在任务分配算法中使用贪心匹配策略来进行任务分配。基于摩拜单车的数据集进行实验,并把所提策略分别与无预算限制的调度策略（即平台不受预算限制,可以使用任意金钱激励用户将车骑行至目标区域）、贪心的调度策略、卡车拖运下的调度策略以及未进行调度的情况进行对比。实验结果表明,与贪心调度策略和卡车托运下的调度策略相比,用户激励下的共享单车调度策略能有效提高共享单车系统中的用户服务率。     

基于大数据技术的共享单车运维问题的对策研究

大数据时代的信息感知无处不在,海量信息对人类的数据驾驭能力提出了新的挑战,利用大数据技术对共享单车的运营与维护问题进行分析,进而提出对策是很有意义的一个课题,以期给共享单车的管理者提供可供参考的决策建议.并针对各地区的景点和道路的实际状况进行分析,给出参考建议,服务于地方经济和绿色环保出行.     

基于时空融合图的共享单车需求预测系统

作为一种新的城市公共交通方式,共享单车的出现给人们的日常出行带来了极大的便利性;但由于其使用的过程中存在动态不均衡的性质,用户常会面临无车可借和无桩可还的现象,因此需要一个精确的需求预测模型,来解决共享单车的调度问题;为此提出一种新的基于时空融合图的注意力网络模型,该模型将不同时间片的相同车站节点进行连接,从而形成一张大的时空融合图;得益于时空融合图下的自注意力机制,模型在时间相关性和空间相关性之外,还可以捕获局部时空相关性和全局时空相关性;在Divvy数据集上的实验表明,该模型的预测精度优于以往的时空数据预测模型,预测结果与真实结果曲线相吻合,可为实际中共享单车需求预测系统提供有效参考。     

SQL数据库在气象信息共享系统中的应用

SQLSERVER具有较强的数据引擎及高级的管理方式,在很大程度上提高了查询速度、降低了检索开销,优于其他数据库对天气要素的存储,是当前地市级气象信息共享系统中较好的选择.