带有不确定性的公共租赁自行车的管理优化研究

研究城市公共租赁自行车的管理优化问题,将其分成两个子问题,即公共租赁自行车停放点的布局优化问题和公共租赁自行车的调度优化问题.设置合适的公共租赁自行车停放点的目的,一方面是方便管理人员的管理,另一方面是方便公众的出行.公共租赁自行车的调度需要保证调度过程中产生的总费用最少.在公共租赁自行车的实际管理中,每个停放点的需求量和调度车的行驶时间是不确定的,因此引入两个不确定变量,建立不确定0-1规划模型和不确定整数规划模型,并利用不确定理论将两个不确定性模型分别转化为确定性等价类模型.通过一个数值实验对所提出的模型进行验证,根据第1个优化模型求解得到公共租赁自行车的最优停放点,并基于最优停放点根据第2个优化模型求解生成公共租赁自行车的最优调度方案.     

基于物联网技术的公共自行车租赁管理系统

随着公共自行车或为城市公共交通的重要组成部分,融合射频识别技术、无线通信、计算机网络等物联网技术,设计一种感应式公共自行车租赁系统,每个自行车租赁点都能提供24小时自助服务,降低了系统的建设和运营成本,提高了租借的效率,而且增强了自行车的安全管理。该系统主要分为车俩感知模块和业务管理系统模块两大部分,系统操作简单,方便了用户的使用。     

基于网络模型的城市公共自行车需求量预测研究

自行车共享系统逐渐出现在许多城市中,由于在不同时间和站点的自行车需求量(租/还量)的不平衡,系统中各站点的自行车需要人工频繁地使其不断达到平衡状态,然而实时监控并不能很好的解决这个问题。因此,提出了一个基于网络图的预测模型,可以预测未来时间段内的某个站点自行车的需求量,提前对自行车的重新分配。首先,我们通过分层聚类算法对预测站点进行聚类,得到与其相关的站点簇。其次,对站点簇构建网络模型。最后,使用纽约和华盛顿两个自行车共享系统的数据进行实验和结果分析。结果发现同一簇的站点具有相似的使用模式,模型预测误差率不高于0.45,且能够应用于不同城市的自行车共享系统。     

城市公共自行车租赁系统站点配车数仿真优化

城市公共自行车系统旨在满足当地居民“最后一公里”的出行需求,因其低成本且环保的特点受到越来越多城市的欢迎,但整个系统涉及人流量、出行方式及交通状况等多层因素,难以构建数学模型进行定量描述。依据某市公共自行车系统的运营情况,采用系统建模的方式,构建基于Plant Simulation的公共自行车系统仿真模型,以站点服务度和设施利用率为评价指标,对各个租赁站点的配车数进行了分析。利用敏感性分析和迭代相结合的方法,在平衡服务质量和设施利用率的情况下,对各公共自行车租赁站点的配车数进行了优化,仿真结果表明优化后的配车数有利于改善系统的服务质量。     

城市公共自行车租赁数据的可视分析方法

自行车已经成为广大民众公共出行的一种常见交通工具,杭州市公共自行车系统分布范围已覆盖了整个市区.研究公共自行车系统的可视化及分析方法,需要查询每个站点的实时租赁数据及历史统计,包含上周、昨天和今天的统计数据,用户可以选取一些站点,在同一个视图内显示它们的统计数据,通过交互分析,预测每个站点的借用趋势,帮助管理人员充分理解和分析这些数据,并了解这个区域内的整体趋势.     

基于SimRank的公共自行车站点聚类算法

针对城市公共自行车系统快速发展面临的潮汐问题,提出一种基于SimRank的自行车站点聚类算法。从站点间的关联关系出发,基于站点特性定义站点相似度,引入SimRank算法进行站点相似度计算,并按计算得到的相似度值,根据最大相似优先的思想对站点进行聚类。实验结果表明,该算法得到的聚类结果能准确反映自行车流趋势和区域特征,其中同聚类成员也具有较大的关联性。     

相对角度直方图聚类在3维模型检索中的应用

提出一种基于相对角度分布和聚类的3维模型检索算法RAC（relative-rangle clustering）。定义模型表面点的相对角度分布函数,作为模型新的特征量,并对模型进行相对角度特征提取。经过实验证明相对角度特征对模型的几何形状分类效果较好。针对提取模型表面点的相对角度使得模型的特征量维数较大,检索时间较长,又使用聚类的方法对特征量进行近一步降维处理。实验结果表明与其他几种算法相比,RAC检索效果更好。     

基于集群架构的公共自行车数据可视化系统

针对公共自行车数据可视化系统的性能问题,提出了一种整合Web服务器集群、数据库集群以及缓存框架服务器的集群架构,设计并实现了基于该架构的公共自行车数据可视化系统。系统使用Nginx搭建反向代理服务器,使用Redis搭建缓存服务器。设计的系统还集成了Session一致性策略、前端性能优化等技术。针对公共自行车普通用户和管理者分别设计了移动端应用(APP)和Web可视化页面。测试结果表明:设计的系统满足了用户对公共自行车可视化系统功能和性能的要求。     

一种基于网格框架下改进的多密度SNN聚类算法

针对数据集中数据分布密度不均匀以及存在噪声点,噪声点容易导致样本聚类时产生较大的偏差问题,提出一种基于网络框架下改进的多密度SNN聚类算法。网格化递归划分数据空间成密度不同的网格,对高密度网格单元作为类簇中心,利用网格相对密度差检测出在簇边界网格中包含噪声点;使用改进的SNN聚类算法计算边界网格内样本数据点的局部密度,通过数据密度特征分布对噪声点进行类簇分配,从而提高聚类算法的鲁棒性。在UCI高维的数据集上的实验结果表明,与传统的算法相比,该算法通过网格划分数据空间和局部密度峰值进行样本类簇分配,有效地平衡聚类效果和时间性能。     

时间敏感的城市功能区主题模式发现

城市空间功能结构分析是城市地理信息领域的一个重要研究方向,正确分析空间功能可合理规划资源及方便居民利用城市空间.因此,文中提出时间敏感的城市功能区主题模式发现模型,用于分析随时间变化的城市动态功能区结构.模型中将城市空间网格化处理为多个空间单元,结合用户访问数据和兴趣点(Point of Interest, POI)数据对空间单元进行嵌入表示.在时间维度上对主题特征向量进行聚类后得到具有差异性的特征分布矩阵,完成时段划分.在空间维度上对具有类似特征分布的相邻区域进行合并,最终得到具有时间敏感性的城市功能主题模式.基于北京市共享单车轨迹数据和百度地图查询数据划分动态功能区,可视化展示功能区划分的合理性,并利用聚类评价指标验证文中模型的有效性.