【作者】

紀(jì)文，韓科，郝奇、葛乾、龍瀛^3,4,*

1、西南交通大學(xué)交通運輸與物流學(xué)院

2、西南交通大學(xué)經(jīng)濟(jì)管理學(xué)院

3、清華大學(xué)建筑學(xué)院

4、清華大學(xué)恒隆房地產(chǎn)研究中心

【通訊作者郵箱】

ylong@tsinghua.edu.cn

【原文信息】

Ji W., Han K., Hao Q., Ge Q., Long Y. (2025). Uncovering the sensing power of shared bikes for urban feature monitoring. Journal of Transport Geography, 130: 104470.

內(nèi)容導(dǎo)讀

智慧城市的建設(shè)亟需面向社區(qū)級診斷的低成本、高效率感知方案。共享單車系統(tǒng)憑借其獨特優(yōu)勢，成為實現(xiàn)城市特征監(jiān)測的理想移動平臺：它能夠深入地塊內(nèi)部，掃描城市“毛細(xì)血管”；可依托自行車道，獲取臨街建筑無遮擋的正面視角；其低速行駛特性更有利于捕獲穩(wěn)定、清晰的街景影像，從而顯著提升后續(xù)AI識別的準(zhǔn)確率。在此背景下，本研究首次系統(tǒng)探索將共享單車作為移動感知平臺的潛力。針對現(xiàn)有研究多集中于移動傳感器采集后的數(shù)據(jù)分析、卻忽視數(shù)據(jù)獲取過程優(yōu)化的問題，我們提出了一套集成仿真與優(yōu)化的框架，能夠同步實現(xiàn)共享單車車隊規(guī)模最小化、日常再平衡運營調(diào)度，并生成完整的單車軌跡數(shù)據(jù)。此外，我們開發(fā)了傳感單車部署優(yōu)化模型，在給定預(yù)算約束下，通過協(xié)同決策傳感單車的初始分配與每日調(diào)度策略進(jìn)行部署。在曼哈頓的仿真實驗表明，相較于隨機(jī)部署，本研究所提策略能將感知收益提升4%至8%。在以月為監(jiān)測頻率的模式下，僅需100輛共享單車（約占車隊總數(shù)的1%），即可覆蓋81%的路段。在舊金山與成都龍泉驛區(qū)進(jìn)行的遷移性實驗表明感知效果在很大程度上受當(dāng)?shù)仳T行模式的影響。本研究為細(xì)粒度城市管理提供了一種概念新穎、成本低廉且具備擴(kuò)展性的感知解決方案。

研究背景

城市特征監(jiān)測通常對空間分辨率要求較高，而對時間采樣頻率的需求相對較低。如圖1所示，典型的監(jiān)測場景包括商業(yè)空置監(jiān)測、廢棄建筑識別、道路占用監(jiān)測、道路破損監(jiān)測、環(huán)境衛(wèi)生監(jiān)測以及建筑立面質(zhì)量評估等，這類任務(wù)往往依賴街道級別的空間細(xì)節(jié)，而每日、每周甚至每月一次的采樣頻率即可滿足基本需求。然而，傳統(tǒng)移動感知平臺存在明顯的局限性：出租車與公交車受限于其機(jī)動性，主要局限于主干道，難以覆蓋更為細(xì)密的城市路網(wǎng)；而專用感知車輛雖靈活性較高，但其系統(tǒng)性的全域部署成本昂貴，難以推廣。

因此，當(dāng)前亟需一種兼具精細(xì)空間機(jī)動性與大規(guī)模部署經(jīng)濟(jì)性的替代方案。在這一背景下，共享單車系統(tǒng)展現(xiàn)出其作為城市感知平臺的獨特潛力。其優(yōu)勢主要體現(xiàn)在三個方面：（1）能夠深入機(jī)動車難以通行的狹窄或復(fù)雜區(qū)域，如小巷、公園內(nèi)部及混合功能區(qū)；（2）較低的行駛速度有利于實現(xiàn)高分辨率的街景成像，捕捉更多建筑與基礎(chǔ)設(shè)施的細(xì)部特征；（3）通常沿建筑立面騎行的軌跡特性，也保障了對建筑物表面進(jìn)行持續(xù)、無遮擋的觀測視野。

圖1 城市特征監(jiān)測的典型場景

盡管共享單車在城市感知中潛力顯著，現(xiàn)有相關(guān)研究仍處于初步探索階段。部分研究雖已驗證了在自行車上部署傳感器進(jìn)行空氣質(zhì)量監(jiān)測的可行性，但其研究重點主要集中于采集數(shù)據(jù)后的分析，尚未系統(tǒng)探討數(shù)據(jù)獲取過程中的優(yōu)化問題，特別是在傳感器部署與運營調(diào)度方面。這一關(guān)鍵環(huán)節(jié)的缺失，限制了共享單車作為城市感知平臺的整體效能。為填補(bǔ)該研究空白，本研究致力于提升共享單車系統(tǒng)整體的感知能力。具體而言，本研究的貢獻(xiàn)包括以下三個方面：

（1）構(gòu)建了一個集成仿真與優(yōu)化的共享單車系統(tǒng)分析框架，能夠聯(lián)合確定最小車隊規(guī)模、優(yōu)化日常調(diào)度操作，并基于真實騎行訂單數(shù)據(jù)模擬完整的月度車輛軌跡；

（2）提出一種面向傳感器配置單車的逐日調(diào)度模型，統(tǒng)籌考慮初始傳感器分配與日常調(diào)度策略，并在不同預(yù)算條件下量化系統(tǒng)感知能力；

（3）通過紐約曼哈頓的案例研究驗證所提出優(yōu)化策略的有效性，實驗表明該策略相比隨機(jī)部署可提升4%–8%的感知收益；進(jìn)一步在舊金山與成都龍泉驛區(qū)的遷移性實驗中，發(fā)現(xiàn)共享單車系統(tǒng)的感知效能主要受本地騎行模式的影響。

研究方法

技術(shù)路線如圖2所示，主要包括以下步驟：

Step 1（數(shù)據(jù)預(yù)處理）：基于OSM路網(wǎng)提取適用于共享單車的可達(dá)路網(wǎng)，并結(jié)合訂單數(shù)據(jù)提取單車站點空間信息。

Step 2（單車投放數(shù)量確定）：通過分析各天各站點流量需求，確定運營初始時刻每個站點的共享單車投放數(shù)量。

Step 3（共享單車再平衡優(yōu)化）：考慮各站點日初需求的動態(tài)變化，構(gòu)建并求解共享單車再平衡模型，生成每日結(jié)束后的車輛調(diào)度方案。

Step 4（單車軌跡仿真模擬）：開發(fā)仿真程序模擬共享單車的每日運行軌跡。（用戶在出發(fā)時將從起始站點的可用單車中隨機(jī)選擇一輛使用）

Step 5（傳感器部署與調(diào)度優(yōu)化）：基于仿真生成的單車軌跡，采用二項分布擬合各站點單車對路段的覆蓋情況，據(jù)此建立優(yōu)化模型，決策第一天傳感器在各站點的數(shù)量，并Day-to-day 優(yōu)化裝有傳感器的單車每日結(jié)束時的調(diào)度方案。

Step 6（策略評估與感知能力量化）：對優(yōu)化后的傳感器部署與調(diào)度策略進(jìn)行系統(tǒng)評估，并量化整體感知能力。

圖2 方法框架圖

研究結(jié)果

（1）傳感器布設(shè)優(yōu)化策略評估

圖3展示了在傳感器部署數(shù)量為100至1000的范圍內(nèi)，本研究所提出的優(yōu)化策略與隨機(jī)傳感器布設(shè)方法在不同監(jiān)測頻率（日、周、月）下所獲得的感知得分。實驗結(jié)果表明：在以日為監(jiān)測頻率時，優(yōu)化策略可使感知得分穩(wěn)定提升5-6%。在監(jiān)測頻率較低（周或月）且傳感器數(shù)量較少（如100個）時，優(yōu)化策略帶來的感知增益更為顯著，其中以周為監(jiān)測頻率時提升8.23%，以月為監(jiān)測頻率時提升4%。該現(xiàn)象主要源于模型中的逐日傳感器調(diào)度機(jī)制：通過每日結(jié)束時將配備傳感器的單車重新部署到新的站點，系統(tǒng)地覆蓋先前未被監(jiān)測的路段，從而提升資源利用率。

圖4直觀對比了連續(xù)三天中，使用相同100輛傳感器單車在每日與每周監(jiān)測頻率模式下的道路覆蓋情況。以周為監(jiān)測頻率的模式通過在監(jiān)測周期內(nèi)逐日調(diào)整傳感器位置，形成不同日期之間互補(bǔ)的覆蓋分布。這種策略性重新部署在傳感器數(shù)量較少時帶來了顯著的感知增益；然而，隨著傳感器數(shù)量增加，系統(tǒng)逐漸趨于感知飽和，優(yōu)化所帶來的增益也隨之減弱。

圖3 優(yōu)化與隨機(jī)策略下的感知得分對比

圖4 不同監(jiān)測頻率下連續(xù)三天的道路覆蓋可視化

（2）共享單車系統(tǒng)的感知能力

圖5展示了不同監(jiān)測頻率（日、周、月）下的共享單車系統(tǒng)的感知得分。結(jié)果顯示如下：

（1）共享單車系統(tǒng)在低頻監(jiān)測場景下表現(xiàn)出優(yōu)異的感知能力：在以月為監(jiān)測頻率的模式下，僅需100輛單車（約占車隊規(guī)模的1%）即可覆蓋81%的路段；在以周為監(jiān)測頻率的模式下，相同的100輛單車可實現(xiàn)72%的時空覆蓋率；而在以日為監(jiān)測頻率的模式下，需投入約1000輛單車（約占10%）方可達(dá)到相同的72%時空覆蓋率。

（2）隨著傳感器數(shù)量的增加，感知得分呈邊際增益遞減特性。具體而言，對于以月為監(jiān)測頻率的模式，100個傳感器已能夠?qū)崿F(xiàn)接近最優(yōu)的道路覆蓋，傳感器數(shù)量增至1000個所帶來的感知得分提升不足5%。對于以周為監(jiān)測頻率的場景，系統(tǒng)在傳感器數(shù)量達(dá)到300個時逐步趨于飽和，繼續(xù)增加傳感器所能帶來的效益提升極為有限。

圖5 不同監(jiān)測頻率下的感知得分Φ

（3）遷移性實驗

為在單一城市路網(wǎng)配置之外更全面地評估共享單車系統(tǒng)的感知能力，本研究進(jìn)一步選取了另外兩個真實路網(wǎng)作為對比案例（圖6）：舊金山和成都龍泉驛區(qū)。結(jié)果表明：在傳感器數(shù)量相同的條件下，不同路網(wǎng)所實現(xiàn)的感知效果存在顯著差異。例如，在以月為監(jiān)測頻率的模式下，配備100個傳感器時曼哈頓與成都龍泉驛區(qū)可實現(xiàn)約70%到80%的路段覆蓋率，而舊金山僅達(dá)到50%。該差異主要源于各城市共享單車的使用模式與騎行特征的不同。盡管存在感知效果差異，三個路網(wǎng)上共享單車系統(tǒng)所實現(xiàn)的空間覆蓋情況與其站點分布整體上保持一致。

圖6 第一行：三個研究區(qū)域的路網(wǎng)示意圖；第二行：不同監(jiān)測頻率下的感知得分Φ；第三行：100輛配備傳感器的單車在一個月內(nèi)的路段覆蓋可視化

【基金資助】

研究由國家自然科學(xué)基金（項目號：62394331, 62394335, 52178044, 72071163, 72101215），四川省科技廳（項目號：2024JDDQ0007）和西南交通大學(xué)博士生創(chuàng)新基金重點項目（項目號：CX-2025ZD04）資助。

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實相關(guān)內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。