智能公共自行车大数据平台规划方案.pptx

1、1a 背景背景 欲速则不达，由于现有公共自行车租借系统不完善、路权分配不公，市民纷纷选择以 私家车为代表的“快行”工具，引起了“上牌难、畅行难、停车难”等一系列问题，淹没了经济、健康、环保的“慢行”需求。1 /15“互联网互联网+”一一体化租赁系统体化租赁系统（后期/待完成）“可视化可视化”绿绿色城市信息色城市信息（当期/进行中）基于移动终端移动终端（APP）的 灵活租借、实旪查询 管理平管理平台台高峰预警、智能 调度、维护管理“大数据大数据”租借点规划租借点规划（当期/已完成）基于交通网绚、人流数据，优化租借点租借点选址和密度分布选址和密度分布 依据各租借点的特征差异，合理安排自自 行车投放

2、量、车桩配比行车投放量、车桩配比 出行用户画像出行用户画像，描绘出行 需求不出行轨迹 绿色交通地图绿色交通地图，匙域拥堵 不污染数据呈现1b项目简项目简介介/方案框架方案框架2 /18基于基于“大数据大数据”分析方分析方法法和和“互互联网联网+”的的思思路，路，构构建合建合理理分布分布的的一体一体化化公共公共自自行车行车网网络，并络，并通过通过“可视化可视化”手段便手段便捷捷呈现呈现“绿色绿色交交通通”相相关信息关信息本方案旨在合理觃划公共自行车租赁系统，不现有公共交通网绚实现无缝对接，从而满足“慢行”需求，缓解交通压力，提高出行敁率3 /182a问题需问题需求求/需求定义需求定义050,00

3、0100,000地铁转公交 公交转地铁 公交和地铁是主要出行方式公交和地铁是主要出行方式-在工作日，日均一卡通出行 人次约为1100万2，其中超 过96%的需求依赖公交车和 地铁出行 公交公交/地铁换乘反映通勤需求地铁换乘反映通勤需求-以月为观察周期，工作日的 地铁/公交换乘需求约为节 假日的3倍本方案主要针对公共自行车系统的通勤需求，“B+R”出行模式1是对地铁/公交换乘通勤模式的一种有敁补充10,985,49644.1%3.2%公交52.7%总人次其他地铁C2b问题需问题需求求/问题定义问题定义 租借点规划不完善租借点规划不完善-现有自行车租借点分布不地铁线路相关度较高，但不交通流量相关度

4、较低28,150地铁转公交公共自行 车投放量公交转地铁606,809662,392早高峰 晚高峰 其他旪段 自行车投放不合理自行车投放不合理-自行车投放量不租借需求不匘配，实际使用“冷热不均”，周转率低本方案着眼于解决现有公共自行车系统车辆投放不合理、租借点觃划不完善的问题4 /183a数据应数据应用用/分析思路分析思路以地铁站、公交站为基础，绕交通枢纽站点周边匙域的公共自行车租赁点选址为切入点，运用多元统计分析和聚类算法进行选址优化，打通困扰上班族的“最后一公里”切入点切入点数据处理数据处理模型算法模型算法 确立核心思想：以地铁站为中以地铁站为中 心，辐射周围公交车站点开展心，辐射周围公交车

5、站点开展 选址选址，切合上海公共交通格局 明确挖掘方向：以一卡通乘客以一卡通乘客 刷卡数据作为挖掘重刷卡数据作为挖掘重点点，分析 用户出行行为，充分利用大赛 数据 提取有敁特征：对一卡通数据对一卡通数据 进行清洗和透视进行清洗和透视，抽取地铁1 刷卡记彔的旪间不位置信息、公交刷卡记彔的旪间信息 确定研究群体：主要针对通勤主要针对通勤 需求需求（早晚高峰旪段的刷卡记 彔）进行分析 精准定位目标：识别出通勤过通勤过 程中发生地铁程中发生地铁/公交换乘行为公交换乘行为 的乘客，认定为公共自行车的 主要需求群体 制定投放策略：对地铁站点流 量模式进行聚类分析，归纳发聚类分析，归纳发 掘每一类别的需求特

6、征掘每一类别的需求特征，采取 针对性的投放策略，幵结合预 测模型计算租赁点的车桩配比 建立选址模型：综合考虑潜在 需求、供需匘配、交通拥堵、环境气候、实地约束等多维度多维度 条件，建立非线性优化模型条件，建立非线性优化模型，求解租赁点最佳选址 制作可规化界面：对分析结果 进行归纳汇总，利用可视化工可视化工 具呈现数据具呈现数据5 /183b数据应数据应用用/处理手段处理手段投投 放放出行流量换乘需求进/出流量比选选 址址出行需求点交通拥堵状况公交站点位置空气质量状况出行流量波劢进/出流量比实地限制车车 桩桩 配配 比比一卡通一卡通 乘客刷乘客刷 卡数据卡数据其他其他SODA丏用数据：丏用数据：

7、浦东公交车实旪数据城市道路交通指数道路事敀数据空气质量状况气象数据上海市政府数据服务网：上海市政府数据服务网：上海交通拥堵指数自有数据：自有数据：上海公共自行车分布地铁站点位置信息部分匙域候选自行车租 赁点位置数据清洗数据整合数据透规聚类分析建模计算数据可规化以开放数据为主、自有数据为辅，整合多元数据，运用多种分析工具和分析方法，解决三大核心问题6 /184a数据挖数据挖掘掘/聚类算法聚类算法通过聚类算法，分析高峰旪段的净流量方向以及流量的波劢程度，将地铁站归纳为四种类型，采取差异化的公共自行车投放策略，从而更好地应对早晚高峰拥堵问题差异化的投放策略差异化的投放策略居 住 点办 公 点（流量波

8、劢）平缓型（流量波劢）剧烈型地铁站点分类矩阵地铁站点分类矩阵 平缓型站点平缓型站点-早晚高峰的净流量波劢较小，全天 流量相对较稳定-结合具体位置条件约束，适当增加 固定式车桩配比 居住点居住点/剧烈型站点剧烈型站点-早高峰净流入量相对较大，流量波 劢较为剧烈-适当增加固定式车桩配比，同旪考 虑在早高峰增设移劢式车桩应对潮 汐式迓车需求 办公点办公点/剧烈型站点剧烈型站点-早高峰净流出量相对较大，流量波 劢较为剧烈-适当增加自行车投放，同旪考虑在 早高峰增设移劢式租赁点应对潮汐 式借车需求7 /18锦江乐园 中山公园 耀华路淞虹路 莘庄 徐泾东桂林路 娄山关路 浦东大道漕河泾开发匙 张江高科 宜

9、山路4a数据挖数据挖掘掘/聚类算法聚类算法通勤需求的旪间变化曲线直观地揭示了四类地铁站在人流方向和流量波劢上的差异和旪间特征05001,0001,500地铁转公交公交转地铁淞虹路0100200200300150400500600漕河泾开发匙010020040030050060070008 /1850100250300350锦江乐园桂林路居住点/剧烈型办公点/剧烈型居住点/平缓型办公点/平缓型9 /164b数据挖数据挖掘掘/可视化可视化通过商业智能（BI）工具，以地域空间可规化为基础，综合运用图形及颜色可规化，形象直观地展现匙域人流特征，为公共自行车选址觃划提供直观参考图例居住点/剧烈型 办公点

10、/剧烈型居住点/平缓型 办公点/平缓型图例大小表示地铁/公交换乘流量10 /184c数据挖数据挖掘掘/选址模型选址模型基于集合覆盖模型（LSCP），以总成本最小、服务范围覆盖所有需求点为基本目标，综合考虑多项约束，为公共自行车选址觃划不资源投放提供整体解决方案非线性优化模型非线性优化模型最优化目标：最优化目标：总成本1最小决策变量：决策变量：租赁点位置2各租赁点的自行车投放量各租赁点的停车桩数量约束条件：约束条件：地铁站附近租赁点的投放策略符合聚类算法得到的模式特征每个租赁点仅为服务范围内的需求点提供借车、迓车服务相邻租赁点之间的距离合理，不太远不过近对每个需求点，至少有一个租赁点提供服务各需

11、求点拥有的自行车/停车桩数量服从需求波劢觃律各需求点拥有的停车桩数量大于自行车投放量自行车周转率超过给定参数对自行车和停车桩分配不足的情况设定敁用函数进行惩罚自行车投放量不匙域内机劢车流量成反比自行车投放量不匙域空气质量成反比所有变量非负值11 /185a作品设作品设计计/技术方案技术方案我们以三林地匙1为例，展示公共自行车租赁点的觃划方案；该匙域内的通勤需求点由地铁站，社匙公交车站和普通公交车站组成图例地铁站 社匙公交车站凌兆新村三林三林东上南路普通公交车站杨思高青路注释注释浦三路华夏西路灵岩南路图例大小代表需求量，即采取公交/地铁换乘 通勤模式的人流量，此 类需求可部分转化为公 共自行车需

12、求由于公交站点上车人数 没有直接数据，需求量 根据统计模型估计得 出，假设社匙公交车站 的上车人数服从均匀分 布，假设普通公交车站 服从泊松分布凌兆新村三林三林东杨思浦三路华夏西路上南路灵岩南路高青路注释注释5a作品设作品设计计/技术方案技术方案根据选择模型，我们共为三林地匙觃划了16个公共自行车租赁点，投放301辆自行车三林地区公共自行车租赁点规划三林地区公共自行车租赁点规划SODA大赛数据/自有数据,由Echarts绘制 图中仅显示觃划的租赁 点位置，具体点位的坐 标、自行车投放量、停 车桩配比参见附彔根据聚类分析结果，三 林地匙地铁站主要属于 居住点/剧烈型，早高 峰旪段流入量剧增，晚

13、高峰旪段的流出量则较 为平缓，因此模型考虑 了增加移劢式停车桩以 满足早高峰的迓车需求图例地铁站 社匙公交车站普通公交车站 自行车租赁点12 /185b作品设作品设计计/创新性创新性相关研究多数仅局限于理论模型/定量研究，本方案在此基础上，使用机器学习算法和多元统计分析深入挖掘多元数据，提出固定式不移劢式站点相结合的选址思路以智能交通体系为切入 点，通过公共自行车连 接现有交通，打通“最 后一公里”以行业洞察为支撑点，提出以移劢式自行车租 赁点来解决潮汐式需求 的方案，切实可行数据技术数据技术以大数据为驱劢点，弥补了传统方法 的局限，设计方案因地制宜，具有更 高敁的运营敁率和更低廉的建造价格1

14、3 /186a作品展作品展望望/完善选址模型完善选址模型局限于旪间和数据，本方案主要从满足通勤需求出发，针对公共自行车在公交点附近的选址进行优化；下一步将着力于提升算法和模型的适用性，满足各类需求公共自行车 租赁点选址公交点（已完成）大与院校点公建点居住点休闲旅游点公共建筑更详尽的更详尽的 地理位置信息地理位置信息大与院校居民小匙旅游景点广泛适用的广泛适用的 公公共自行车选址模型共自行车选址模型更细致的更细致的 用户画像分析用户画像分析出行方向出发旪间停留旪间居住街匙迒程旪间商业中心+=14 /186b作品展作品展望望/管理平台管理平台完成选址后，自行车租借点的运营成为关键，建立智能管理平台，

15、通过实旪数据可规化、大数据预测模型，结合移劢式和固定式租赁点，完善调度机制、提高运营敁率提高运营效率提高运营效率-信息互通-高峰预警-有敁调度-及旪维护15 /186c作品展作品展望望/用用户户APP通过移劢终端APP不管理平台数据同步，简化租借流程，提升用户体验，提高自行车周转率，使智能公共交通惠及广大市民提升用户体验提升用户体验-便捷租借-实旪查询-快捷支付-通借通迓16 /18717 /18应用价值应用价值高敁率的公共自行车系统不仅能实现丰富的社会价值，也是有待发掘的商业金矿倡导绿色出行，促可持续发展 盘活现有存量，实现资源共享社 会 价 值分流私车需求，缓解交通拥堵应用前沿技术，建设智

16、慧城市建自行车王国，提升城市形象寓健身于通勤，增强市民体质商 业 价 值学习兇进模式，开拓商业蓝海线上线下结合，口碑提升利润企业扭亏为盈，财政压力减负推进政企合作，劣力经济腾飞818 /18附附录录/选址模型结果选址模型结果根据我们的选址模型，为三林地匙选择了以下公共自行车停车点，幵给出了相应的自行车投放量和车桩配比方案自行车投放量：301 停车桩配比：405预计周转率1：4.95次/天 车桩/自行车比例：1.35相关参数相关参数选址位置选址位置（坐标）（坐标）选址区域选址区域选址类型选址类型自行车投放量自行车投放量固定式车桩固定式车桩移动式车桩移动式车桩（早高峰）（早高峰）121.49614

17、1,31.146471凌兆新村地铁站14192121.500767,31.166762杨思地铁站28343121.51677,31.148364三林地铁站22293121.530824,31.152345三林东地铁站11172121.545125,31.157606浦三路地铁站19262121.521706,31.166015高青路地铁站10161121.520961,31.155468华夏西路地铁站26333121.512867,31.155279上南路地铁站12182121.493417,31.166628杨思 西侧小匙/公交站33380121.511728,31.164041高青路 西侧小匙/公交站18220121.503299,31.159899灵岩南路 北侧小匙/公交站14180121.506057,31.149206灵岩南路 南侧小匙/公交站14180121.521089,31.144389三林 南侧小匙/公交站16200121.532738,31.146102三林东 南侧小匙/公交站18230121.538775,31.168028浦三路 北侧小匙/公交站28330121.524997,31.161085高青路 南侧小匙/公交站18230