聚焦資訊技術領域 為產業發聲
導讀
2017年6月， ofo 、中國電信、華為三家企業聯合研發的 NB-IoT 物聯網智慧鎖正式推出， 並全面啟動商用， 這是NB-IoT物聯網技術在移動場景的首次商用， 也標誌著醞釀近20年的物聯網技術儲備迎來了真正意義的規模化應用場景。 ofo 小黃車聯合創始人薛鼎曾在2017華為全聯接大會上表示：在全球範圍來看， ofo小黃車是物聯網時代最具代表性的應用場景。 ofo把無樁共用模式與物聯網結合， 將單車做為服務和資料的入口， 讓 ofo 小黃車成為 “ 萬物互聯”的第一個突破口。
什麼是NB-IoT
提及物聯網， 大家都知道是物物相連的互聯網， 即“萬物相連”， 然而什麼是NB-IoT卻不一定為眾人所知。 NB-IoT（即基於蜂窩的窄帶物聯網， Narrow Band Internet of Things）是萬物互聯網路裡一個重要的分支。 因覆蓋面廣、可以連接更多設備、更低功耗三個重要特點而聞名。 1990年， 物聯網開始起源， 2016年， 物聯網進入發展“元年”， 而NB-IoT首次亮相則是在MWC2016（2016世界移動大會）上，
然而， 目前在物與物的連接上， 大多通過藍牙、Wi-Fi等短距通信技術承載， 並非運營商移動網路， 真正承載到運營商移動網路上的物與物聯接只占到聯接總數的10%。
華為無線網路產品線首席戰略官餘泉在接受採訪時表示：NB-IoT具備很多商業和技術優勢。 從商業層面上來講， 截至目前， 蜂窩網路覆蓋了全球超過50%的地理面積， 90%的人口， 是一張覆蓋最為完整的網路。 從技術層面上來講， NB-IoT有4大技術優勢。 首先是覆蓋廣， 相比傳統GSM（全球移動通信系統）， 一個基站可以提供10倍的面積覆蓋;其次是海量連接， 200KHz的頻寬可以提供10萬個聯接;第三是低功耗，
NB-IoT如何應用於共用單車
現如今， 共用單車在為人們解決“最後一公里”的同時， 給我們帶來了如“單車圍城”、“停放混亂”、“未成年兒童騎行事故”等一系列問題。 隨著上海等城市陸續出臺相關政策同時， ofo等共用單車也在不斷更新自身技術。 例如上文所提到的NB-IoT技術， 那NB-IoT又是如何應用於共用單車的呢？
在我們的騎單車體驗中， 開鎖和停放是引起問題的根源， 在解決這些問題上， NB-IoT可以提高單車開鎖的信號以及速度。 NB-IoT的信號穿牆性遠遠超過現有的網路， 即使使用者深處地下停車場， 也能利用NB-IoT技術順利開關鎖。 其次NB-IoT可以連接更多設備， 這比傳統移動通信網路連接能力高出100倍以上， 即， 同一基站可以連接更多的ofo物聯網智慧鎖設備， 避免掉線情況；此外， NB-IoT的低功耗使得設備的待機時間在現有電池無需充電的情況下可使用2-3年。
也許在不遠的將來， 這一幕將出現在我們跟前：工作奮戰一天后騎著ofo小黃車回家， 小黃車的智慧鎖即時回饋位置情況， 這個資訊立刻被智慧家庭捕捉， 家裡的空調會自動打開並調好最適合的溫度， 家裡的電視會準備好平時喜歡的欄目， 家裡的電飯煲會自動開啟烹飪……
NB-IoT助力大資料出行分析
NB-IoT在共用單車普及後， 我們可以通過物聯網所帶來的大規模資料， 用於優化內部運營能力、共用單車城市管理運維能力， 而這ofo已經在實踐。
為解決共用單車資源配置不均的問題，共用單車需要對自行車進行調度，城市中的共用單車流向主要有兩種：一種是單向流動；另一種是雙向流動。對於單向流動，ofo小黃車可以指揮運營人員將車輛運回。對於雙向流動，可以依靠用戶騎行完成車輛調度，基本不需人工干預。在這兩個環節中，ofo小黃車將智慧鎖返回的定位資訊形成熱力圖，並記錄熱力圖的關鍵幀圖像變化，將圖像抽象為網格圖元，利用卷積神經網路，對圖元內的顏色變化進行相關性特徵提取，簡單的理解就是將各個關鍵時間點的熱力圖記錄下來，把圖像劃分為均勻分佈的網格，將圖元顏色的變化作為使用者騎行需求的變化，並進行相關性特徵提取。
這樣，ofo依託於大資料與智慧化分析的精確支援，可以為單車運維人員打造ofo智慧管理後臺，提供單車分佈的即時熱力圖，從綠色、藍色到紅色，時刻提醒運維人員哪個地方車輛過於集中，需要進行及時疏導和調度，並匹配出最優的回流路線進行即時調度，這不僅會有效緩解“單車圍城”等問題，還能大幅提升共用單車的利用率。
聲明：
黃河連線系太原九州連線文化傳媒有限公司旗下品牌
本平臺法律顧問為山西晉商律師事務所
黃河連線原創文章，轉載請注明出處
為解決共用單車資源配置不均的問題，共用單車需要對自行車進行調度，城市中的共用單車流向主要有兩種：一種是單向流動；另一種是雙向流動。對於單向流動，ofo小黃車可以指揮運營人員將車輛運回。對於雙向流動，可以依靠用戶騎行完成車輛調度，基本不需人工干預。在這兩個環節中，ofo小黃車將智慧鎖返回的定位資訊形成熱力圖，並記錄熱力圖的關鍵幀圖像變化，將圖像抽象為網格圖元，利用卷積神經網路，對圖元內的顏色變化進行相關性特徵提取，簡單的理解就是將各個關鍵時間點的熱力圖記錄下來，把圖像劃分為均勻分佈的網格，將圖元顏色的變化作為使用者騎行需求的變化，並進行相關性特徵提取。
這樣，ofo依託於大資料與智慧化分析的精確支援，可以為單車運維人員打造ofo智慧管理後臺，提供單車分佈的即時熱力圖，從綠色、藍色到紅色，時刻提醒運維人員哪個地方車輛過於集中，需要進行及時疏導和調度，並匹配出最優的回流路線進行即時調度，這不僅會有效緩解“單車圍城”等問題，還能大幅提升共用單車的利用率。
聲明：
黃河連線系太原九州連線文化傳媒有限公司旗下品牌
本平臺法律顧問為山西晉商律師事務所
黃河連線原創文章，轉載請注明出處