英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
智能共享单车系统使城市更加智能化
Monika Rani and O. P. Vyas
信息技术系，印度信息技术研究所，阿拉哈巴德
摘要 随着智能城市人口的不断增长，这些年来需要高效的交通共享（共享单车）系统来发展智慧城市。我们知道的共享单车是经济实惠，方便和可靠的交通方式。但高效的单车共享不仅能够共享单车，还可以提供有关每个车站的单车可用性，路线业务以及时间、日期单车时间表的信息。嵌入式传感器能够通过无线通信与站点进行机会性通信，并提供有关巡视，分钟，速度，努力，节奏等的实时数据。我们一直基于我们的研究分析数据预测自行车在车站，自行车时刻表，自行车可用的最近枢纽的位置等，减少了用户的时间和精力。
关键词：智能城市，共享单车，NS2模拟器。
1 介绍
智能城市对节能交通系统的需求也强调车辆利用共享系统（例如自行车，摩托车等）。 共享单车系统具有适当的资源管理，减少污染等各种好处，导致改善健康。为了首先激励单车用户，我们需要通过使用适当的统计方法来探索各种参数，如多个车站，路线数量以及每个车站可用单车的数量。一旦我们获得了有关参数的正确状态，那么为智能城市中不断增长的人群提供单车就变得相当容易了。
我们工作的动机是提高共享单车系统的效率，通过在单车上部署传感器使单车更加智能化，这将有助于收集真实时间数据并将它们转发到附近的电台。近年来，共享单车计划的普及显示出重要的增长。另一个原因是在推广短期单车出租系统时容易获得并且经济实惠。停车场的交通拥挤程度将会减少。游客还可以享受轻松自由的旅行，无需改变多辆公共汽车和出租车。工作日通勤后，环境也可以减少烟雾。城市管理发展，城市生活文化在我们的日常生活中面临着重大挑战。根据2007年的统计数据，全球有一半人口在城市生活。联合国人口基金预测，到2030年底，将近60％的世界人口将在城市生活[1]。在所有重大问题中，我们可以概述，空气质量，环境危机和运输问题。使用自行车是一种重要的交通方式，可以对许多城市交通问题有所帮助。随着机动车的使用越来越成为成本，拥堵，事故，舒适性和空间损失，噪音，空气污染，能源消耗等问题，并对自然环境产生不利影响。将来，使用自行车作为交通工具应该是城市的交通解决方案，因为它没有不利影响。[2][3]
在任何交通方式中，一个更重要的问题是运输车辆需要单车，问题在于从交通枢纽中选择人们作为火车站，公交车站和目的地，这个问题被称为最后一公里问题[4]。有没有想过我们是否可以把车开走，然后在到达目的地后忘记它，或者如果你不必请求任何人放弃你或接你。当一个人可以从我们的一个城市的车站借用一辆单车并且可以返回到另一个车站时，就需要共享单车。对于同样的智能单车共享系统，开发从一个角度骑单车并在另一点返回的概念可以帮助解决最后一英里问题。一个高效的单车共享系统使用部署在其上的传感器收集实时数据，并将数据发送到车站。智能单车共享不仅解决了最后一公里的问题，而且还需要停车场的面积/英亩问题，并减少了当地公交车的等候时间。
我们的问题是提高共享单车系统的效率，并增加人们对这些可持续系统的参与度，从而迈向智慧城市的概念。由于人口增长和城市交通使用的变化，过去几年有人要求使用共享单车系统[5][6]，然而，仍然有一些人不愿结合传统日子的运输方式[7]。人们对于选择传统交通方式给予了一些解释，超过共享单车系统的是骑单车不安全，并且还需要更长距离的行驶，天气是另一个决定性因素。交通部门和地方议会需要鼓励使用单车，同时也需要开发单独的基础设施和自行车的替代路线，以提供安全性并提供更短的距离[8][9]。另外，可能出现的情况是，在任何时间点，共享站都可能是空的，另一方面没有单车出租，但由于车站不能停放单车的人也可能已满，没有停车位的可用性。这个问题可以扩展到使用其他公共交通系统，使整个城市交通可以转变，使城市，甚至更聪明。这些问题给了我们创新和实施与现有系统不同且更好的共享单车系统的动力。
论文分为5个部分：最初，我们将重点放在第1部分介绍该论文。在第2部分中，我们介绍了相关的工作，我们已经介绍了在自行车共享系统上所做的工作，并在传感器和智能城市的相关领域提出了相关建议。第3节描述了一个网站，使系统的用户能够从任何电台预订自行车，查看电台地图，并检查当前的可用性，并查看他们以前的游乐设施。实际上演示了使用NS2仿真器的系统并收集仿真数据。该部分还描述了实验结果，证明了智能单车共享系统的实用性。基本上，我们对来自类似现有系统的数据进行分析，以最小化再分配问题，并在我们的系统中收集实际数据时提出此类分析。第4节讨论的重点是工作的贡献和工作的局限性。最后，第5部分为智能城市的共享单车系统提供了结论和未来的研究机会。
2 相关工作的文献回顾
关于如何让城市变得聪明以及在这个问题上举行了许多国际会议以实现可持续的未来，人们已经谈了很多。许多研究人员发表了他们关于使用共享单车系统使城市变得更加智能的研究，以及如何分析单车共享数据以获得可持续交通系统的见解。我们主要从一篇研究论文中得到了指导，该论文讨论了自行车将如何在路上发送数据以及将如何管理这种传输的协议[10]，并从另一篇研究论文中获得了更好的分析动机讨论了对各个国家现有的各种共享单车系统的分析[11]。共享单车系统可以使用各种技术使其成为智能和实时的示例，改进传感器，协作代理和存储用户和异构站点细节的本体[12][13]。前一篇研究论文已经完全覆盖了工作中需要的主题，其中一些术语如单车可用性，最繁忙的站点，载荷因子等，以及对接站的特征描述如下：总体特征，空间特征，时间特征，人口统计和社区数据检测以及重新分配问题。
美国和欧洲的一些城市已经开始在他们的城市实施共享单车项目，其中一些项目在我们对该项目的研究中遇到：德国在许多城市都有共享单车项目，其中包括亚琛，柏林，科隆，杜塞尔多夫 ，法兰克福，汉堡，卡尔斯鲁厄，卡塞尔，美因茨，慕尼黑和斯图加特。 基于站点的Metropolradruhr系统位于鲁尔区。自行车共享站也位于超过50个ICE火车站[14][15]。提供共享系统的法国城市包括马赛，里昂，波尔多，尼斯，图卢兹，雷恩，鲁昂，拉罗谢尔，奥尔良，蒙彼利埃，南特，里尔，斯特拉斯堡，克莱蒙费朗，阿维尼翁，圣艾蒂安，贝尔法斯特和艾克斯普罗旺斯。 类似的工作已经在加利福尼亚州和旧金山等城市完成[16][17]。对于模拟，我们参考了MarcGreis [18]的标准NS2教程。
3 方法
一个网站，使系统的用户可以从任何车站预订单车，查看车站地图，并检查当前的可用性，并查看他们以前的游乐设施。同样的，用户使用共享单车系统的工作流程如图1所示，它能够保留有关备用单车的细节，查看他们之前的骑行活动（如图2所示），并了解单车共享如何工作。用于收集数据数据的单车上的已部署传感器可以进一步用于预测用户需求，例如特定车站可用的单车数量，路线业务，平均时间取自两个站点之间[19]。在NS2模拟器的帮助下模拟智能单车共享系统，并绘制由单车发送的数据图和站点接收的数据图，如图3所示。对来自类似现有系统的数据进行分析，以最小化再分配问题并提出这样的建议在我们的系统中收集实际数据时进行分析。装备自行车和传感器来检索信息，从而得出各种方面的推论，如空气污染，噪音污染以及其他对人类及其生活方式的影响。
3.1数据分析
以下是对我们论文中可用数据的分析：
该数据集的描述（www.kaggle。com）[20]，其中包括下列文件和进一步描述了每个文件的属性。
- 201402_status_data .csv–约1700万记录状态数据（bikes_available，dock_available，和时间）
- 201402_station_data.csv–69记录–站数据（station_id，名字，纬度，经度，dock_count，地标，和安装）
- 201402_trip_data.csv–大约144000个人的旅行记录。Trip Data (Trip_ID, Duration, Start _Date, Start_ Station, Start_Terminal, and End_Date, End_Station, End_Terminal, Bike_No., Zip_Code, Subscription_Type).
单车可用性预测
我们已经分析了我们的可用数据，以预测未来在特定车站的单车可用性情况，这一分析将有助于通知用户，在特定时间，单车在该车站可用或不可用通知用户有关自行车的估计等待时间，例如图4所示车站应有的单车数量。我们在下面列出的一些参数中使用了加权算术平均值（21）的概念（假设今天的日期是星期三，2016年11月18日）：
- 在每周的一天（道琼斯）（25%磅）的自行车上，我们分析了过去6周的数据。
- 本周的自行车数量（50%磅）-分析当前一周的趋势，给他们50%磅的重量。
- 自行车在月日（DOM）（25%重量）的数目——分析最近6个月的当前日期（今年的最后6个18年）。
没有自行车今天应该在X站：
N = 0.25 * DoW 0.5*CW 0.25*DoM
最繁忙的车站
我们已经分析了数据以找到最忙碌的车站（最常用的方式是自行车和自行车出行更多），如图5所示。过去6个月的数据分析显示了最繁忙的车站。对于一个站X的繁忙度用K表示。车站X中的传入单车的数量（传入数据= L）和总数量。从站X出发的单车（输出数据= M）。对于X站，繁忙度计算如下：
K= L M
在特定时间或日子最繁忙的车站。在特定的时间，哪个车站更急，这些信息将帮助用户在给定的时间知道单车的可用性。我们分析了过去6个月的数据，并计算了特定小时内所有电台的繁忙密度。小时t处的X站的繁忙度被定义为no的总和。例如我们的方法试图提供有用的信息，例如每个车站的单车骑行次数和特定时间的车站繁忙程度，如图所示分别是图6和图7。另外，我们可以计算哪个车站在特定时间有最大数量的传入单车。
两个电台之间的平均时间
平均时间由用户从一个站点到达其他站点。我们分析了行程数据，并计算了过去6年中X到Y（xy1，xy2，xy3 ... xyn）和Y到X（yx1，yx2，yx3 ... yxm）之间行程的所有行程时间的算术平均值几个月，这给了我们两个站之间的平均旅行时间。用于计算站点X和Y之间的行程时间：
((xy1, xy2, xy3...xyn) (yx1, yx2, yx3...yxm))/N M
所有路线的繁忙
为了分析所有路线的繁忙程度，我们分析了两个车站之间的行程数据。这些信息有助于用户减少旅行时间。两个电台之间的路由繁忙度被定义为这两个电台在过去6个月之间的总行程数。
负载因数
图8所示的特定电台的负载系数。电台的计算负载系数（P）表示电台正在承受的负载。负载系数由多个可用单车和多个空坞站的总和计算得出。而可用单车的数量和空坞的数量分别由Q和R表示。负载因子的增加直接关系到车站负载的增加。一个电台的负载因子计算如下：
P = Q R
预计单车的可用时间
我们试图计算出下一个30分钟每辆单车的可用性概率，如图9所示。数据集（数据状态描述了可用单车，可用站点和时间的属性）。属性时间用于计算单车可用性的概率。属性时间实际上是表单的时间戳（YYYY-MM-DD HH：MM：SS）。Max_bikes（U）表示可能出现在X站的最大数量的单车，其概率将成为计算。假设今天的日期是2016年6月1日（星期三），用户到达车站并发现零单车的时间是15:45:00。在我们的共享单车系统中，我们试图预测并向用户推荐他/她是否应该等待传入的单车。该预测基于计算在接下来的30分钟内可用单车的概率。为了计算未来30分钟单车可用性的概率，我们考虑当前时间戳的三个因素（用户发现零单车可用）。
- 在当前时间（星期三）的一周当天（t）（最近6个星期三）用V1表示的单车数量。
- 当前时间（t）当周的单车数量 - 这包括当前周的所有天数，用V2表示。
- 在当前时间的最近6个月（t）的一个月中的每一天（每个月的第一天）的单车数量由V3表示。
设t表示计算概率的时间，t的范围从（用户到达时间）到（用户到达时间 30分钟）。令w1，w2和w3表示实验性地分配给因子（V1，V2和V3）的权重。 因此，在第t分钟（T）的自行车可用性的可能性可以通过以下来计算：
T = (w1 * V1 w2 * V2 w3 * V3)/U
图1智能共享单车系统的工作流程
图2用户的上一个和下一个游乐设施
图3 NS2模拟智能共享单车系统
图4明天应在车站提供的单车数量
图5在特定时间繁忙的电台数量
图6每个车站的单
全文共6706字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15182]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
