公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

“生命交规”

不久前,笔者在街头偶遇一场惊险闹剧:一青年骑电动自行车闯红灯时被正常行驶的一辆轿车挂倒,幸亏驾驶人停车及时,摔倒在地的青年虽然头破血流,却没有什么大碍。把青年从地上扶起的执勤交警在批评青年时,把“生命交关”说成了“生命交规”。思索良久,这句话颇耐人寻味。公安部相     

行业目睹之怪现状

在欧洲的商业区，孩子们尽情地在马路上玩闹嬉戏；卖画或艺术品的堂而皇之地当街摆摊；在路边喝咖啡的游人不用再担心汽车扬起的灰尘会落入杯中；年轻的父亲在马路中央手把手教年幼女儿骑车；一些社区组织的古董自行车展和其它公益活动也在宽阔的马路上找到了理想的活动空间