复杂场景下对违规共享单车的细粒度检测方法

针对检测违规共享单车,受阴影遮挡、姿态差异和目标重叠因素影响,已有算法存在误提取、漏检和定位不准确问题,提出一种对违规共享单车细粒度检测的Bicycle-YOLO算法。针对目标受阴影遮挡的情形：(1)构建具有自适应感受野的C3＿DCN模块,增强模型对共享单车识别和描述能力,缓解模型对违规共享单车细粒度检测的误提取情况;(2)依据违规共享单车存在停放姿态差异,引入上下文聚合块,提升模型对多粒度目标检测精度,减少漏检;(3)根据违规共享单车出现重叠堆放现象,使用WIOUv3损失函数,解决重叠目标细粒度特征混杂问题,精准定位目标位置。在自制违规共享单车数据集上,选取其他方法进行对比实验,结果表明Bicycle-YOLO算法的精确率、召回率、map@0.5与F1分别达到了93.4%、87.3%、91.2%、90.25%,明显优于其他方法,验证了本文方法的可行性。     

北京市核心区共享单车骑行时空特征分析

共享单车在“低碳交通”的背景之下应运而生，给人们的出行带来了极大的便捷，同时，在共享单车的使用和管理过程中也存在一些问题，例如共享单车的投放不均衡等。本研究以北京市核心区为研究区，利用空间大数据分析等方法，对共享单车出行的时间序列和空间特征进行了分析，结果表明：(1)从共享单车出行的时间特征来看，一是从工作日的共享单车日均出行量远远大于休息日的日均出行量，工作日的日均出行量为623 257辆，休息日的日均出行量为245 039辆；二是工作日和休息日的共享单车出行高峰时段均为上午8点—9点以及下午的17点—18点；三是共享单车的出行时长主要集中在10 min以内，30 min以上的占比较少；(2)从共享单车出行的空间特征来看，一是北京市核心区工作日共享单车的出行呈现出“大聚集，小分散”的特点，且早高峰与晚高峰共享单车出行的空间流动趋势恰好相反，休息日呈现出“早分散，晚集聚”的特点。     

基于网络爬虫的南京市共享单车时空特征分析

随着共享经济的发展,许多城市开始大力支持与推广共享单车建设。据此,以摩拜单车与ofo单车为研究对象,使用网络爬虫工具获取南京市共享单车数据。利用南京市2018年3月11日—4月12日共享单车数据,结合空间数据分析方法,分析共享单车的时空分布特征。结果显示:在时间序列上,共享单车工作日使用率高于休息日使用率,工作日出行具有明显的早高峰与晚高峰特征,而休息日出行不具备峰值特征。在空间分布上,共享单车具有显著的冷热点分布特征,呈现出"一集聚圈、一集聚带、多集聚点"的集聚特征。本研究可为南京市共享单车的发展提供参考,提高共享单车的服务效率。     

基于位置服务的共享自行车政府监管与服务平台设计与实现

共享自行车有效地解决了人们短距离出行的难题,但随着共享自行车的大量投放及使用,给城市管理带来了很大的挑战。文中基于高精度北斗卫星定位和电子围栏等技术,建立了共享自行车监管与服务平台,依托地面划定的停车区域,采用北斗高精度采集终端完成地面停车区域的多边形拐点坐标的采集,将采集后的坐标与电子地图结合形成虚拟的电子围栏,通过车辆的位置数据与电子围栏多个拐点组成的封闭区域进行对比匹配,进而判断是否在围栏内或围栏外停放车辆。对停入停放区的车辆进行数据统计,停放区外的车辆进行报警提示并实施处罚。实际应用中,该平台为解决共享自行车监管难题提出了一套完整的解决方案。      

基于共享单车时空大数据的细粒度聚类

针对传统上单独采用K-means或DBSCAN等方法对共享单车位置数据聚类时造成的聚类结果与真实的聚类结构不符的问题,本文提出了一种基于共享单车时空大数据的细粒度聚类方法(FGCM).该方法通过DBSCAN进行初始聚类,并在此基础上采用GMM-EM算法进行细部聚类,以提取细粒度层级的热点区域.试验表明,该方法可根据密度...     

城市共享单车需求的多特征CNN-BiLSTM预测方法

共享单车的需求量预测对于共享单车企业的精细化运营十分重要,是解决单车区域供需平衡的前提。为精准预测共享单车需求量,本文首先分析了纽约Citi Bike 2017—2019年共享单车数据的时空特征,探究了共享单车出行的分布规律;其次,融合卷积神经网络的特征提取能力和双向长短期记忆网络的双向时序数据处理能力,构建了卷积双向长短时记忆网络CNN-BiLSTM模型;然后,结合出行数据、气象数据及单车时空出行特征,采用相关性分析法探究了单车需求量的显著影响因子,并作为模型输入特征,对模型进行训练,生成单车预测模型;最后,选取CNN、LSTM、BiLSTM、CNN-LSTM作为对比模型,对CNN-BiLSTM预测模型效果进行评价。对比结果表明,CNN-BiLSTM模型的MAE和RMSE最小,分别为0.035和0.058;R²最大,为0.922,模型预测效果最佳。本文可为实际的共享单车调度与再分配提供参考依据。     

基于"POI_OD"矩阵的共享单车出行特征分析

将空间分析中的POI与交通出行领域的起始(OD)点分析相结合,构建了"POI_OD"矩阵。以上海市普陀区为例,结合共享单车与道路类型的关联性以及共享单车的时空变化特性,从道路类型、出行时间、"POI_OD"矩阵3个方面分析了共享单车人群的出行特征,以期为普陀区共享单车市政规划提出合理建议。     

浅谈地理信息技术在共享单车中的应用

介绍了我国共享单车的发展现状和使用流程;探讨了富客户端技术、服务器推送技术、插件技术、移动GIS技术等在共享单车行业中的应用;向技术部门、政府部门、企业尝试性地提出了建议;并展望了共享单车的未来发展前景。     

基于“天地图”的共享单车大数据监管平台设计研究——以南京市为例

为了解决共享单车乱停乱放等问题,满足政府对相关企业统一监管的需求,本文通过研究了数据处理、存储、分析技术以及基于道路网络分析Voronoi图(简称网络Voronoi图)的共享单车监管技术,设计了基于"天地图"的共享单车大数据监管平台。平台调用"天地图·江苏"最新基础地理信息数据服务,叠加公交、小区、交通设施等专题数据,基于大数据框架,建立了大数据分析模型,对单车骑行分布进行统计分析,实现了单车查询统计、停车区域管理、单车聚集预警、轨迹分析预测、监管区域划分、监管轨迹跟踪等功能,为统一的精准监管提供了有效途径,可提高单车企业调度维护车辆的积极性,为"绿色出行"的实现奠定基础。     

共享自行车监管与服务平台系统设计与应用

为实现对北京市共享自行车的监测分析和有效管理,北京市交通委员会实施了共享自行车监管与服务平台的建设。本文分析了共享自行车行业管理的背景和需求,阐明了系统的总体架构和开发技术路线。以空间分析相关的运行监测子系统和停放管理子系统为重点,设计了主要功能,并对其关键技术实现进行了详细分析。该平台的建设,能够为共享自行车的运行特征分析、监测预警及行业管理提供支持,对于海量定位数据的管理与分析系统建设有参考意义。