基于众包模式共享单车服务平台复赛.pdfVIP

基于众包模式的共享单车

作品

针对共享单车停放的现象给城市管理带来的新问题，本项目基于城市时

空大数据，探究城市居民出行模式，依据出行模式和城市人力）分布对共

享单车停放点进行科学规划。建立共享单车，实现多品牌共享单车的有

效统一管理。依托平台，基于众包模式，使共享单车停放点实现动态最优。

问题需求

1.共享单车停放已成为城市管理的一题，单车停放点的合理规划

与科学的管理运营是解决问题的关键。

2.基于城市时空大数据，探究城市居民出行模式，并依据出行模式对共享

单车停放点进行需求分析和科学规划。

3.通过建立共享单车，统一用车，推荐最优停车点，规

范停车，实现多品牌共享单车的有效统一管理。

4.基于众包模式，通过共享单车，让居民参与停放点规划，骑行

辅助停放点优化，使停放点动态最优。

5.共享单车停放点的合理规划和共享单车，将使共享单车得到有

效管理，在城市居民出行中更好地发挥作用。

数据使用

1)开放数据：地铁线路数据、线路数据、通数据、出租车数据等。

2)自带数据：市路网数据、市POI数据、摩拜单车数据等。

数据联合使用描述：

本研究主要结合大赛提供的通、出租车等交通大数据以及自带的一些数

据，构建三类居民出行模式，并对居民出行需求进行深入分析，从而为共享

单车停放点规划提供数据支撑。

a)出租车数据数据量量巨大，因此，基于Spark框架，提取乘客出

行距离小于3km的OD点，采用机器学习算法——核密度聚类，得到

全市短途出租车出行可达区域热点分布；

b)地铁刷卡数据相对较为简单，将冗余数据后，对每个地铁站

点的人流吞吐量进行时间维度的统计分析，运用主成分分析法对数据

进行特征提取，再采用机器学习算法——随机森林的方法对全市每个

地铁站点进行分类分级，最终得到居民地铁出行热点分布；

c)线路数据，采用复杂网络中的BC值（Betweennesscentrality）

和CC值（Closenesscentrality）对每个站点对于整个路网的

重要性进行等级划分，最终得到居民出行热点分布。

在做完以上数据挖掘工作，这出租车出租车数据与市路网数据、

市交通小区数据、市POI数据相联合，得到出租车数据、路网数据、

POI数据融合成果，然后再用这个成果联合地铁热点分布、热点分布，

最终得到全市停放点规划。

应用场景：本产品为共享单车停放点规划以及停放点优化管理提供平台，为