基于简易加速度传感器的共享单车损坏问题的初步研究

(长安大学 陕西 西安 710000)

一、研究背景

1.什么是共享单车

共享单车是指企业在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供自行车单车共享服务，是一种分时租赁模式。共享单车是一种新型环保共享经济。共享单车的实质是一种新型的交通工具租赁业务-自行车租赁业务，其主要依靠载体为(单车)自行车。可以很充分利用城市因快速的经济发展而带来的自行车出行萎靡状况；最大化的利用了公共道路通过率。

2.竞争情况

共享单车的横空出世，给中国的城市居民的出行方式带来了巨大的改变，而中国庞大的市场也让共享单车企业在最近几年单车兴起伊始就展开了激烈的竞争，竞争最激烈的时候，有超过100多家共享单车企业在市场上同时提供服务。然而随着时间的推移，也随着竞争的加剧，很多单车企业因为各种各样的原因最终倒闭，而现在的共享单车市场也逐渐稳定下来了，并形成了两个超级巨头，阿里系的OFO小黄车和腾讯系的摩拜单车，这两家公司几乎占领了目前共享单车企业的绝大多数市场。

3.共享单车市场的现状

在共享单车刚刚出现的时候，已经从由于企业融资困难导致无法全面铺开业务致使的用户退押金而导致的资金链断裂，逐渐转化成为用户使用体验舒适度下降而选择放弃选择该单车品牌的新型方式。

目前，社会上经营势头好的两家公司，摩拜和OFO无一不是获得了大量风投资金。但是，现在社会上出现了一个社会现象就是共享单车损坏太多，中国各地都出现了共享单车大规模损坏的情况，社会大众对共享单车的讨论点逐渐从共享单车最初出现时，共享单车给大家留下的方便快捷的印象逐渐转换为共享单车损坏太多，车的安全性能得不到保障。

同时，站在单车使用用户的角度来说，最受关注的就是共享单车的骑行舒适度，对于固定车型的车辆来说，车辆的骑行舒适度在根本上取决于共享单车的车辆状况。

在现今的共享单车市场中，各家共享单车公司尚没有完全建立起一套成熟的，适用的体系来解决共享单车损坏这个问题，从而提高顾客的用户体验。虽然，现在共享车辆损坏，用户的骑行体验这一点下降还只是一个社会问题，还没有给车企带来较为致命的影响，但是随着共享单车市场的逐渐成熟，在不久的将来，能否长久有效的解决共享单车损坏这个问题，提高用户骑行舒适度这个问题必然将成为单车企业发展，存亡的关键。

4.共享单车损坏情况

据一份调查显示，在近千位受访者中，有60%的受访者表示自己近期在寻车时遇到过1至2次的单车无法骑行的情况，而遭遇5次以上的用户也不在少数，可见，共享单车的损坏情况不容乐观。解决共享单车的高损坏率问题是当下刻不容缓的任务。

5.高损坏率的共享单车带来的负面影响

损坏的共享单车主要有几种，第一种是车子从外观上看就出行了重大的缺陷的诸如坐骑被盗，车身严重变形，这样的车如果不及时修理那么就会长期搁置占用公共资源与共享经济的初衷背道而驰。第二种是从外观上察觉不出来有什么缺陷的或者是有不影响骑走的缺陷的车子。这类车子往往骑起来比新的车子要费劲的多，而且，由于车子上有在骑行之前无法察觉的缺陷，也就埋下了安全隐患，用户极有可能在骑行过程中发生交通事故，这样的事情的发生于单车公司于用户来说都是非常不利的。也当然不利于共享经济的可持续的健康发展。

二、设计方案的介绍

(一)课题基本思路

我们知道共享单车企业为了给自己公司旗下的共享单车进行位置定位会在共享单车中安置定位芯片。我们小组的基本想法就是通过在车子里加装一个功能模块用于记录共享单车实时运行时在三维空间中的加速度数值，通过降噪，数据处理等过程得到车辆在三维空间中的运动轨迹，以垂直方向的偏移量即车辆的起伏情况为主要因素，X,Y轴的偏移量为次要因素，这一点由加速度计的工作原理决定。

由于共享单车主要骑行在现代化的城市里，因此城市道路的路面质量作为影响车辆运行的次要因素，在这忽略掉。

通过将获得到的各种损坏程度的单车在非匀速运动时的运动曲线，以车辆起伏程度为主，和正常车辆正常骑行时的轨迹作对比，找出各种差异点，如果有足够大的样本量，可以对采集到的实验样本做好标记，采用以时序的机器学习的方法可以很好的提高判断的速度和准确率，并以此估计出车辆的损毁程度。

1.车载芯片的选择

(1)MPU6050与移动设备内置传感器的对比

在我们项目，刚提出来的时候，我们最初是想利用移动设备内置的传感器来实现数据的采集和传输。基于共享单车的使用方法，使用者必须得通过移动设备扫码才能骑行共享单车，通过移动设备中的传感器，我们就可以测量出共享单车的骑行轨迹和骑行的颠簸程度。但是在我们实际的操作和试验后发现，通过移动端设备实现对自行车的骑行时相关数据的记录和传输是较不现实的。根据我们的试验结果，目前市面上主要的软件APP都无法实现数据的实时记录，即使记录了也与真实数据相差甚远，除此之外，数据获取之后，还要将数据传回后台进行分析，这个过程中就会牵扯到用户的隐私问题。移动端设备测量的数据是通过用户个人的移动端设备测量得出的，从某种意义上来说，此法获取的数据就是用户的个人信息，用户具有不向他人提供自己骑行相关数据的权力。通过移动端设备采集数据对于用户的个人信息安全会形成一定的隐患，综上来看，选取移动端设备来实现我们的目的是较为不实际不现实的一种手段。而MPU6050则避免了上述问题的发生。

(2)MPU6050的优势

其角速度全格感测范围为±250、±500、±1000与±2000°/sec(dps)，可准确追踪快速与慢速动作，并且，用户可程式控制的加速器全格感测范围为±2g、±4g±8g与±16g。产品传输可透过最高至400kHz的IIC或最高达20MHz的SPI(MPU-6050没有SPI)。MPU-6050可在不同电压下工作，VDD供电电压介为2.5V±5%、3.0V±5%或3.3V±5%，逻辑接口VDDIO供电为1.8V± 5%(MPU6050仅用VDD)。MPU-6000的包装尺寸4x4x0.9mm(QFN)，在业界是革命性的尺寸。)MPU6050的价格也非常的便宜。将MPU6050芯片用作共享单车的行驶数据采集工具是再合适不过了，我们将芯片安装在每一辆共享单车上，记录每一辆共享单车的运行数据，再把数据传到数据处理平台，由平台对数据进行更进一步的处理和分析。MPU6050作为直接依附在共享单车之上的数据采集芯片，对于共享单车的状况有着更加及时更加准确更加全面的记录。

(3)MPU6050的不足

同样mpu6050加速度传感器具有一定的不足之处，加速度计仅仅测量的是重力加速度，即az=g，3轴加速度计输出的x,y轴加速度ax,ay为az=g在加速度计所在芯片坐标系中沿x,y轴上的分量大小。重力加速度的方向和大小是固定的。当芯片在水平面上沿x,y轴方向做匀速直线运动时，得到的ax=0，ay=0。此时虽然芯片安装车辆有位移量，但是在通过加速度数据所计算，绘制出的运动轨迹上面的并不会表现出位移量。

2.数据的处理与分析过程

我们得到通过MPU6050采集的数据之后就要进行下一步的数据处理工作，这一环节在我们整个环节中也是最为关键的一个环节，通过这个环节我们可以对一辆共享单车的好坏做出最终的评判，从而实现对于损坏共享单车的及时回收和维修。我们将采取如下的方式对数据进行处理和分析：

(1)对采集到的数据进行数学处理

得到自行车在某一时刻某一方向的位移。在x,y,z方向各个方向的位移确定后，我们就可以在已建立的空间坐标系中找出唯一对应的点来标记某时刻该共享单车的位置。再通过处理其他的在运行过程中产生的数据处理后得到的位置，将其串联起来，便可以模拟得出该辆共享单车某次骑行的运动轨迹曲线。得到运动轨迹后我们便可以开展下一步的分析判断工作，即通过我们得到的空间轨迹曲线来对车辆状况进行判定和分析。

通过一些实验验证传感器的准确率。

图1 芯片保持静止状态的加速度图像

当芯片保持静止时，x,y轴加速度数值应为零，z轴受地球重力

加速度影响其数值为1g。符合真实的情况。

图2 在设定长度5cm时沿y轴负方向上 图3 由图2记录下的数据得到的y负方向上的轨迹图。

做一定匀加速度运动时采集到的加速度变化。

下面是我们多次测量得出的实验数据，可以看出我们小组所做模型在固定方向上做匀加速，变加速运动时实际运动位移和真实位移误差不超过5%。

表1 实验数据记录

注：该表数据是单轴运动时测得的数据

图4 物块做单摆运动时得到的加速度曲线

图5 所得到的单摆运动的轨迹图线

由以上实验证实，经过滤波，去噪等预处理过程，我们团队利用mpu6050芯片所制作出的测量模块可以较好的反映芯片在非匀速运动时在三维空间中的运动轨迹。

(2)数据分析

通过上面的数学处理的方法我们已经成功的模拟出了共享单车在行驶时的空间轨迹曲线。接下来我们就需要进行曲线的分析工作，也正是通过下面的工作我们可以判定出共享单车的车辆状况初步判断。

目前基于加速度传感器的人体运动姿态识别还处于初级发展阶段,目前还没有一个满足所有要求的标准数据库用于识别系统的研究。所以,通过我们建立的数据采集系统,在实验环境下,采集了一些损坏程度差异较大的共享单车测定了其运行轨迹。

3.车辆分类

下面是我们小组做出来的一些车辆损坏分类:

首先我们需要明确目前的形式下，共享单车有如下几种较为典型的损坏方式，我们将其初步分成了四类：第I类，外观上出现了重大变形或者出现了明显的重大零部件缺失，如单车坐骑被盗，轮胎被盗等用户体验无；

第II类，外观上出现了一定的变形，但车辆零部件损坏程度较大，车龙头偏移，车架有一定程度的变形等或者是单车的零部件出行了一定的损失或者破坏，诸如车把手被盗，车站腿缺失，车前载物台损坏缺失用户体验极差；

第III类，外观上看上去没有出现什么明显的变形，车上的零部件没有出现明显的缺失或者损坏，只是车辆使用时间长，正常的存在损耗。用户体验一般。

第IV类外观崭新，零部件完全，车上所有功能均可以正常运行，用户骑起这样的车来，非常的轻松舒适用户体验极高。

我们通过较为直观和简单的方法对共享单车车辆状况进行了分级，不同等级的车辆在道路上骑行产生的轨迹也必然不同。

基于I类车的基本状况，平时是不会有人去选择骑行的，所以在我们的监测平台中，这类车子的使用数据是基本空缺的，这类车也基本不会产生行驶轨迹。

对于II类车而言，其在监管平台上的基本情况和I类车大致相同，因为较为糟糕的车况，骑这类车的用户数量会维持在一个很低的水平。在监管平台里得到的数据也是寥寥无几，一旦有人骑了这类车，传回的数据便会非常的异常，这些数据和我们已有获得的标准数据有着很大的差距。此时，遇到这样状况的车辆我们有理由认定，该辆车已经处于II类车的范畴，对于这样的车，车企就应该投入足够的注意力，应当及时派遣专人前去查看维修，并且及时停止这类车的对外服务，以便防止用户骑行会产生的安全事故，和避免车子进一步报废的浪费。

III类车作为城市共享单车的主力军，监管平台收回的大多数数据都会是该类单车产生的。III类车基本可以承担起用户的骑行需求，但是因为其本身已经处于III类车的范围了，所以这类车在骑起来肯定还是会产生大大小小的问题，骑起来费劲，刹车刹不住，掉头困难等状况都是用户在使用III类车遇到的典型问题。这些问题都会直观的以数据形式展现监管平台上，III类车作为处于中间地带的一类车，有很多是刚由IV类车转化过来，这种III类车只是有一些较小的问题，所以我们得到的运行轨迹曲线和各项数据和我们的在实验室得到的标准数据的差别是较为有限的，对于这部分的单车，我们暂时不需要投入过多的精力，我们更多的精力应该投向的是即将成为II类车的那一部分，这部分车子骑起来已经相当的费劲了，和标准数据有着较大的差距，及时发现这部分III类车，并及时的对其进行维修，就可以避免之后因为早期不维修而需要做的更大的维修，极大程度的避免了浪费。

IV类车作为车况最上乘的一类车，通过其骑行时采集回来的行驶数据在处理后与我们得到的标准数据的差距是极其有限的。这类单车可以让用户放心使用，车企也不必去维修，调整。

4.车辆类型的判断

我们已经共享单车车况等级的分类办法，并且根据不同的车况等级提出了不同的处理办法。我们小组针对比较典型的两类车辆测量了II类车和III类车在校园内的柏油路内的骑行轨迹。

利用现有的相关理论和技术，将加速度数据和绘制的轨迹图像进行特征提取。利用固定个数的加速度值进行曲线拟合，以曲线作为k近邻的样本对象，考虑车辆骑行曲线和标准曲线的相似度，以此作为距离判断标准，以简单有效的k近邻算法作为分类器进行车辆损坏程度识别。

但是为了提高车辆损坏程度正确识别的准确率，考虑建立基于BP神经网络的对单车损坏程度进行判断的时序模型。设想，单车的损坏程度是由III类车向Ⅱ类车逐步转化的，我们选取一些损坏程度递增的车辆，测定他们的加速度数据和在道路上骑行时的轨迹，提取相关特征，进行标注，利用MATLAB中神经网络包，将车辆的损坏程度与它的运动轨迹在时间序列上联系起来，即设想车辆损坏是随时间递增的。

图6 判断流程图

三、创新特色和应用前景

(一)创新特色

我们的课题组选取的课题方向结合了时下最热门的共享单车和机器学习。针对共享单车损坏这一越来越严重的社会问题，我们结合自己所学，独辟蹊径，与现在社会中的口诛笔伐不同，我们采取了一套全新的可行的量化方案解决共享单车高损坏率问题。国内现在尚且没有人提出过我们类似的想法来解决共享单车损坏问题，我们无疑是走在了该领域的前端。

(二)应用前景

中国的共享单车市场庞大，并且随着时间的推移，我们的共享单车市场也会不断的扩大，并且也会扩展到海外。一旦市场全面铺开，共享单车企业稳定下来后，共享单车损坏率问题就会成为车企最需要解决的事情。即使在现在，高损坏率已经给各大车企带来了不小的负担，并且随着时间的推移，这个负担如果不能得到妥善处理，只会变得越来越重。彼时，我们的社会将会产生一系列由共享单车带来的负面影响，由共享单车产生的交通事故也会急剧攀升。这对共享单车的可持续发展造成了重大影响，也给整个共享经济的发展带来了负面影响。及时解决共享单车高损坏率问题是具有战略意义的，并且当我们在共享单车的应用上成熟后，可以将自己的方案进一步推广到其他方面，其他领域。综上所述，有充分的把握认为我们的方案应用前景较为明朗和开阔。