基于TensorFlow的非智能锁单车定位系统的设计与实现

摘要

随着互联网的飞速发展，计算机与互联网技术的应用受到越来越多的行业的重视。尤其是最近两年的分享经济或者说共享经济的发展如火如荼。共享经济的鼻祖优步Uber、爱彼迎Airbub等纷纷入华开展业务，一定程度上启发并带动了国内共享经济的发展。衣食住行等基础设施领域先后诞生一大批共享经济下的互联网企业新秀，典型的有衣二三、回家吃饭、小猪短租、滴滴出行等。在出行领域，以滴滴出行为代表的互联网企业包括神州专车、易道用车、嘀嗒拼车等都做出了很多创新性工作，这给广大用户带来了极大的出行便利。但是，在短途出行领域以上企业仍未有业务覆盖。为更好地解决滴滴出行在短途出行领域覆盖盲点这一痛点，一大批共享单车企业纷纷成立，目前以共享单车领域的原创者和领骑者ofo小黄车和摩拜单车mobike为代表。ofo小黄车目前仍以非智能锁单车为主，这给用户带来了不好的用户体验同时增大了公司线下运营管理的难度。
　　如何利用深度学习或机器学习等技术实现对海量无GPS定位的单车进行高准确率的车辆定位以便提升用户体验成为公司亟待解决的问题。针对短途出行痛点和用户需求，本文在借鉴非深度学习的传统算法策略的基础之上，利用谷歌推出的TensorFlow这一机器学习计算框架实现了非智能锁单车定位功能。本文采用今年2月份谷歌发布的TensorFlow1.0正式版本。本文实现的系统采用Python作为开发语言、Docker作为承载开发环境的容器和Numpy数值分析库，设计并实现了数据预处理和数据学习两大模块和各个子模块。首先从后端数据库查询到用户的骑行数据信息，包括开始和结束订单时刻经纬度、用车时长、骑行速度、时间间隔和两次订单之间位置偏差等，然后使用TensorFlow深度学习计算框架对获取到的数据进行预处理筛选掉垃圾数据。通过构造多层神经网络模型对有效数据进行数据训练和数据学习最终得到准确率较高的可实时显示的单车位置。
　　本文在非智能锁单车定位系统的实现完成后，对系统进行了充分的功能测试与性能测试，发现了部分系统实现时的漏洞并及时完成修改。该定位系统在测试通过以后在某城市部分地区投入到公司的实际生产环境中运行使用，根据系统的实际运行情况来看，本文实现的非智能锁单车定位系统能较好地满足公司的定位系统业务需求。该定位系统的投入使用，显著地提高了非智能锁单车在 APP端显示的准确率，提高了用户体验从而为公司带来了良好的口碑和形象；同时也提高了公司运营层面的工作效率，降低了线下运营和维护管理的成本。本文完成了预期工作。

目录

声明

插图索引

表格索引

缩略语对照表

第一章 绪论

1.1选题背景及意义

1.2国内外研究现状

1.3论文工作内容

1.4论文组织结构

1.5本章小结

第二章 相关技术概述

2.1深度学习

2.2 TensorFlow

2.3 Numpy

2.4本章小结

第三章 系统需求分析

3.1系统总体需求分析

3.2系统功能性需求分析

3.3系统非功能性需求分析

3.4本章小结

第四章 系统设计与实现

4.1系统总体设计

4.2数据预处理模块设计与实现

4.3数据学习模块设计与实现

4.4本章小结

第五章 系统测试

5.1系统测试环境

5.2测试用例及过程

5.3测试结果分析

5.4本章小结

第六章 总结与展望

参考文献

致谢

作者简介