基于云计算的共享单车管理方法技术

本申请涉及一种基于云计算的共享单车管理方法，其将影响共享单车的停放姿势的多项因素收集到用于云计算的云服务器端，并基于基于统计模型的深度学习方法来对这些数据进行处理，以充分挖掘出这些数据与最终所要确定的结论，即共享单车的停放姿态之间的统计关联。这样，一方面云计算能够处理大计算量的任务，另一方面，通过基于深度学习的统计模型能够提高分类的准确性，即，提高共享单车停放管理的有效性。效性。效性。

【技术实现步骤摘要】
基于云计算的共享单车管理方法


[0001]本申请涉及智云计算领域，且更为具体地，涉及一种基于云计算的共享单车管理方法、基于云计算的共享单车管理系统和电子设备。

技术介绍

[0002]随着工业化、信息化的不断发展，越来越多的信息技术被应用到工业领域而形成了工业互联网。工业互联网的本质是通过一个开放的、全球化的工业级网络平台，将设备、生产线、工厂、供应商、产品和客户紧密连接和整合起来，高效共享工业经济中的各种要素资源，从而通过自动化、智能化的生产方式降低成本、提高效率，帮助制造业延伸产业链，促进制造业的转型发展。
[0003]例如，共享单车的诞生就离不开工业互联网的发展，其支付方式、远程操控以及整体管理都需要在工业互联网内进行统一管理和运转。然而，在共享单车的运营过程中，乱停乱放问题一直是需要解决的问题。
[0004]具体地，目前，大部分运营方通过步行轨迹数据和真实的街道路径分布来确定共享单车停放点和共享单车资源配置，这种方法只能确定共享单车停放点，使共享单车资源配置更加均衡，但是，这种方法并不能解决共享单车乱停乱放的问题。
[0005]并且，共享单车停放的位置会影响到了正常的交通，这取决于实际的道路情况、天气状况以及交通流量等因素，在车流量大的时间段，横方向停放的单车将比顺方向多阻碍一半以上的车流量。如果将共享单车停放在不合适的地方，或者，将共享单车以不恰当的姿势停放于可以停放的位置，这都将带来不良的影响。
[0006]因此，期望能够提供一种对于共享单车使用人在停放共享单车时的停放姿态的确定方法。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于云计算的共享单车管理方法、系统和电子设备，其将影响共享单车的停放姿势的多项因素收集到用于云计算的云服务器端，并基于基于统计模型的深度学习方法来对这些数据进行处理，以充分挖掘出这些数据与最终所要确定的结论，即共享单车的停放姿态之间的统计关联。这样，一方面云计算能够处理大计算量的任务，另一方面，通过基于深度学习的统计模型能够提高分类的准确性，即，提高共享单车停放管理的有效性。
[0008]根据本申请的一个方面，提供了一种基于云计算的共享单车管理方法，其包括步骤：
[0009]在用于云计算的云端获取与当前停放点有关的周围路网数据、所述当前停放点的已停放共享单车分布图、以及，所述当前停放点外的天气状况数据和交通流量数据；
[0010]将所述周围路网数据通过第一卷积神经网络以获得第一路网特征图；
[0011]将所述已停放共享单车分布图通过第二卷积卷积神经网络以获得第一停放点特
征图；
[0012]将所述天气状况数据和所述交通流量数据转化为向量后输入深度神经网络以获得第一外部条件特征向量；
[0013]对于所述第一停放点特征图，分别计算所述第一停放点特征图中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二停放点特征图；
[0014]对所述第一外部条件特征向量，分别计算所述第一外部条件特征向量中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二外部条件特征向量，其中，所述高斯函数值是以所述特征值的平方负数为幂的自然常数指数函数值；
[0015]将所述第一路网特征图和所述第二外部条件特征向量分别与所述第二停放点特征图进行矩阵相乘，以获得第一融合特征图和第一融合特征向量；
[0016]将所述第二停放点特征图和所述第一融合特征图分别通过至少一个全连接层，以获得停放点特征向量和第二融合特征向量；以及
[0017]将所述停放点特征向量、所述第二融合特征向量和所述第一融合特征向量拼接后输入分类器以获得分类结果，其中，所述分类结果用于表示共享单车的停放姿态。
[0018]在上述基于云计算的共享单车管理方法中，所述将天气状况数据和所述交通流量数据转化为向量后输入深度神经网络以获得第一外部条件特征向量，包括：将所述天气状况数据转化为天气状况向量；将所述交通流量数据转化为交通流量向量；以及，将所述天气状况向量和所述交通流量向量级联后输入深度神经网络以获得所述第一外部条件特征向量。
[0019]在上述基于云计算的共享单车管理方法中，所述深度神经网络为全连接深度网络。
[0020]在上述基于云计算的共享单车管理方法中，所述对于第一停放点特征图，分别计算所述第一停放点特征图中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二停放点特征图，包括：以如下公式分别计算所述第一停放点特征图中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二停放点特征图，其中，所述公式为：Yi＝xi*exp(
‑
xi2)，其中，xi表示所述第一停放点特征图中各个位置的特征值，Yi表示所述第二停放点特征图中各个位置的特征值。
[0021]在上述基于云计算的共享单车管理方法中，所述对第一外部条件特征向量，分别计算所述第一外部条件特征向量中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二外部条件特征向量，包括：以如下公式分别计算所述第一外部条件特征向量中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二外部条件特征向量，其中，所述公式为：Yi＝xi*exp(
‑
xi2)，其中，xi表示所述第一外部条件特征向量中各个位置的特征值，Yi表示所述第二外部条件特征向量中各个位置的特征值。
[0022]在上述基于云计算的共享单车管理方法中，所述第一卷积神经网络和所述第二卷积神经网络为深度残差网络。
[0023]在上述基于云计算的共享单车管理方法中，进一步包括：将所述分类结果传输给共享单车管理人员的终端设备。
[0024]根据本申请的另一方面，提供了一种基于云计算的共享单车管理系统，包括：
[0025]数据获取单元，用于在基于云计算的云端获取与当前停放点有关的周围路网数据、所述当前停放点的已停放共享单车分布图、以及，所述当前停放点外的天气状况数据和交通流量数据；
[0026]第一路网特征图生成单元，用于将所述数据获取单元获得的所述周围路网数据通过第一卷积神经网络以获得第一路网特征图；
[0027]第一停放点特征图生成单元，用于将所述数据获取单元获得的所述已停放共享单车分布图通过第二卷积卷积神经网络以获得第一停放点特征图；
[0028]第一外部条件特征向量生成单元，用于将所述数据获取单元所述天气状况数据和所述交通流量数据转化为向量后输入深度神经网络以获得第一外部条件特征向量；
[0029]第二停放点特征图生成单元，用于对于所述第一停放点特征图生成单元获得的所述第一停放点特征图，分别计算所述第一停放点特征图生成单元获得的所述第一停放点特征图中各个位置的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的共享单车管理方法，其特征在于，包括：在用于云计算的云端获取与当前停放点有关的周围路网数据、所述当前停放点的已停放共享单车分布图、以及，所述当前停放点外的天气状况数据和交通流量数据；将所述周围路网数据通过第一卷积神经网络以获得第一路网特征图；将所述已停放共享单车分布图通过第二卷积卷积神经网络以获得第一停放点特征图；将所述天气状况数据和所述交通流量数据转化为向量后输入深度神经网络以获得第一外部条件特征向量；对于所述第一停放点特征图，分别计算所述第一停放点特征图中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二停放点特征图；对所述第一外部条件特征向量，分别计算所述第一外部条件特征向量中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二外部条件特征向量，其中，所述高斯函数值是以所述特征值的平方负数为幂的自然常数指数函数值；将所述第一路网特征图和所述第二外部条件特征向量分别与所述第二停放点特征图进行矩阵相乘，以获得第一融合特征图和第一融合特征向量；将所述第二停放点特征图和所述第一融合特征图分别通过至少一个全连接层，以获得停放点特征向量和第二融合特征向量；以及将所述停放点特征向量、所述第二融合特征向量和所述第一融合特征向量拼接后输入分类器以获得分类结果，其中，所述分类结果用于表示共享单车的停放姿态。2.根据权利要求1所述的基于云计算的共享单车管理方法，其中，将所述天气状况数据和所述交通流量数据转化为向量后输入深度神经网络以获得第一外部条件特征向量，包括：将所述天气状况数据转化为天气状况向量；将所述交通流量数据转化为交通流量向量；以及将所述天气状况向量和所述交通流量向量级联后输入深度神经网络以获得所述第一外部条件特征向量。3.根据权利要求2所述的基于云计算的共享单车管理方法，其中，所述深度神经网络为全连接深度网络。4.根据权利要求1所述的基于云计算的共享单车管理方法，其中，对于所述第一停放点特征图，分别计算所述第一停放点特征图中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二停放点特征图，包括：以如下公式分别计算所述第一停放点特征图中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二停放点特征图，其中，所述公式为：Yi＝xi*exp(
‑
xi2)，其中，xi表示所述第一停放点特征图中各个位置的特征值，Yi表示所述第二停放点特征图中各个位置的特征值。5.根据权利要求1所述的基于云计算的共享单车管理方法，其中，对所述第一外部条件特征向量，分别计算所述第一外部条件特征向量中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二外部条件特征向量，包括：
以如下公式分别计算所述第一外部条件特征向量中各个位置的特征值的高斯函数值并以该高斯函数值作为权重对对应位置的特征值进行加权，以获得第二外部条件特征向量，其中，所述公式为：Yi＝xi*exp(
‑
xi2)，其中，xi表示所述第一外部条件特征向量中各个位置的特征值，Yi表示所述第二外部条件特征...

【专利技术属性】
技术研发人员：胡芳，
申请(专利权)人：杭州霏漾科技有限公司，
类型：发明
国别省市：