城市市场

摘要： 日前,全球第二大市场研究机构Markets and Markets发布报告称,2018年全球智慧城市市场规模为3080亿美元,预计到2023年这一数字将增长为7172亿美元,预测期(2018—2023年)内的年复合增长率为18.4%。报告指出,2016年北美地区占据了全球智慧城市市场最大的市场份额。然而,得益于政府政策的支持,预计亚太地区将超过北美地区。

摘要： 随着一二线城市市场日趋饱和,越来越多的品牌商和渠道商纷纷实施下乡战略,农村“刷墙大战”正是这场群雄逐鹿的真实写照:“生活要想好,赶紧上淘宝。”“发家致富靠劳动、勤俭持家上京东。”当当、百度、美团也不甘示弱,“老乡见老乡,购物去当当。”“美团就是省,一元看电影。”

摘要： 由于在进军这些自治市镇和城市市场中遇到的挑战，ofo和摩拜试图从Uber09遭遇中学习经验。今年，伦敦封杀了Uber，称该公司不是“适当的运营者”。Uberi在对这一禁令提出上诉。

摘要： 随着共享单车影响着各大市民的出行方式,共享单车的市场竞争也越来越激烈.各大共享单车企业都在想着各种营销方式增进用户的关注度和体验度.OFO作为线上最早的共享单车,有着自身独特的竞争优势,上市城市从国内逐渐转向国际.但随着摩拜、哈罗等共享单车纷纷上市,OFO面临着用户消费偏好逐渐转移、产品设计需要优化、损坏车辆现象严重,市场管控需要加强等一系列问题.本文以厦门为例,从SWOT及发展策略等方面来分析OFO城市共享单车,希望能给OFO在城市市场发展道路上提供一定的参考.

摘要： 200多家已开业购物中心调整撤店品牌约3000个，部分商场甚至一次性调整近一半品牌，已开业商场最高空置率达35％……今年上半年以来，北上广深等一线城市市场日趋饱和，购物中心平均空置率创下三年来新高。但与此同时，诸如大悦城地产、太古地产等商业零售佼佼者，上半年租金收入同比均实现两位数增长，由此形成鲜明对比。

摘要： 北京摩拜科技有限公司是一家集互联网软件、智能硬件于一体的互联网科技公司。公司是在2015年创办的，总部位于中国北京。旗下产品摩拜单车于2016年4月正式上线，主打高质量的单车，主战场是北上广深等城市市场。摩拜单车现CEO是王晓峰，也是前Uber上海总经理，它的创始人、总裁是胡玮炜，是一位“80后”的前财经女记者，联合创始人是夏一平。

摘要： 凯度消费者指数最新数据显示：快速消费品在县城区域市场的增长达到5‰增速明显高于城市市场。县城区域市场越来越受到快消品企业的重视。为了服务都市频道广告客户渠道下沉的要求，同时满足频道积极在县城宣传推介的需要，2015年，都市频道策划启动了“都市大篷车”项目。项目以“公益搭台、品牌唱戏”为活动宗旨，两年来，深入到河南40多个县城，吸引了今麦郎、康师傅、三元、完达山、加多宝等众多品牌参与，取得了经济效益和社会效益的双丰收。

摘要： 对各城市人均卷烟销量的分析，有利于了解各城市的市场容量，对卷烟销售策略的制定也有一定借鉴意义。本文选取沿海几个重点城市，对04年、05年 和06年1-5月份中，几个城市的人均卷烟销量进行了比较分析，并分析了其影响因素，得出了有意义的结论。

摘要： 对各城市人均卷烟销量的分析，有利于了解各城市的市场容量，对卷烟销售策略的制定也有一定借鉴意义。本文选取沿海几个重点城市，对04年、05年 和06年1-5月份中，几个城市的人均卷烟销量进行了比较分析，并分析了其影响因素，得出了有意义的结论。

摘要： 对各城市人均卷烟销量的分析，有利于了解各城市的市场容量，对卷烟销售策略的制定也有一定借鉴意义。本文选取沿海几个重点城市，对04年、05年 和06年1-5月份中，几个城市的人均卷烟销量进行了比较分析，并分析了其影响因素，得出了有意义的结论。

摘要： 对各城市人均卷烟销量的分析，有利于了解各城市的市场容量，对卷烟销售策略的制定也有一定借鉴意义。本文选取沿海几个重点城市，对04年、05年 和06年1-5月份中，几个城市的人均卷烟销量进行了比较分析，并分析了其影响因素，得出了有意义的结论。

摘要： 本发明公开了一种基于海量数据的城市场景重建方法及装置。方法包括：获取城市室外场景点云数据；根据点云数据，将室外场景分为建筑物与非建筑物两大类别，其中建筑物又分为建筑物主体与建筑物附属结构两个子类；对于建筑物主体结构，采用基于低秩矩阵恢复和曲面拟合的重构技术，实现缺失数据下建筑物主体的重构；对于建筑物附属结构，采用基于对称模式识别的重构技术，得到所有附属结构的三维模型；针对非建筑物，基于深度学习方法在预先构建的非建筑物模型库中找到对象最相似模型模板，采用模板组件变形方法进行建模；最后对得到的三类模型进行组合，得到城市室外场景模型。本发明可实现城市三维模型的快速重建。

摘要： 本发明提出了一种附加多视线特征约束的城市场景网格模型优化方法。本发明对多视影像序列中每帧多视影像进行直线段提取得到多条二维直线段并计算二进制描述符，在连续两帧多视影像之间利用二进制描述符匹配二维直线段，得到多组同名二维直线段；选择每组同名二维直线段中最长的二维直线段构建最长二维直线段集合，将集合中所有线段的所有像素通过相机参数反投影到三维网格模型上，所有反投影点所在的三角面片的所有顶点集合为三维网格模型多个边缘顶点集合；得到边缘顶点集合后，构造关于三维网格模型顶点的能量函数，并通过梯度下降法逐步优化三维网格模型顶点位置。本发明具有最大的直线信息量，可以最大程度地恢复模型边缘处精度和美观程度。

摘要： 本发明提供一种大城市场景下规则物体点云优化系统及方法，涉及点云数据处理技术领域，包括：根据包含待优化规则物体的多张倾斜摄影图像处理得到相应的三维点云；筛选出表征待优化规则物体的各三维点得到第一优化点云，并重建得到三角网格模型；对三角网格模型中的三维点进行平滑处理得到第二优化点云，并处理得到第二优化点云中的各三维点之间的拓扑关系；根据拓扑关系重建得到待优化规则物体的白膜网格，并根据各倾斜摄影图像获取待优化规则物体的烘焙贴图，并根据烘焙贴图对白膜网格进行烘焙得到待优化规则物体的三维网格模型。有益效果是实现减少点云数据容量、提高处理速度的同时去除点云中的噪声，有效提升三维网格模型的模型精度。

摘要： 本发明涉及一种面向城市场景的CACC仿真平台，包括：交通生成模块，用于随机生成包含城市场景的路网以及路网上的交通流，交通流包括CACC车辆和人类驾驶车辆；交通控制模块，用于生成城市场景的交通信息，每个城市场景的交通信息包括信号灯、冲突区域和优先规则中的一种或多种；车辆控制模块，包括决策器、控制器和执行器，决策器用于根据路网信息和交通控制指令生成CACC车辆的模式切换指令，控制器根据模式切换指令切换CACC车辆的车辆模式，并根据当前车辆模式生成对应的车辆控制指令，执行器根据车辆控制指令控制CACC车辆行驶。与现有技术相比，本发明实现了城市场景的CACC仿真，兼具车辆仿真平台和交通仿真平台的优点。

摘要： 本发明公开了一种基于海量数据的城市场景重建方法及装置。方法包括：获取城市室外场景点云数据；根据点云数据，将室外场景分为建筑物与非建筑物两大类别，其中建筑物又分为建筑物主体与建筑物附属结构两个子类；对于建筑物主体结构，采用基于低秩矩阵恢复和曲面拟合的重构技术，实现缺失数据下建筑物主体的重构；对于建筑物附属结构，采用基于对称模式识别的重构技术，得到所有附属结构的三维模型；针对非建筑物，基于深度学习方法在预先构建的非建筑物模型库中找到对象最相似模型模板，采用模板组件变形方法进行建模；最后对得到的三类模型进行组合，得到城市室外场景模型。本发明可实现城市三维模型的快速重建。

摘要： 本申请涉及自动驾驶领域，公开一种面向城市场景下车辆轨迹预测方法、系统及存储介质，方法包括：搜索预测目标周边一定范围内的车道序列，从车道序列中提取预测目标的候选车道序列得到候选目标点集合；采用向量表示预测目标周边智能体的轨迹序列及车道序列，并提取预测目标的空间交互特征；对空间交互特征和轨迹时序特征进行融合得到场景上下文特征；对候选点目标集合及场景上下文特征进行解码输出预测目标的未来轨迹。结合高精地图信息的轨迹预测方式更高的精度，生成的多条轨迹不仅能匹配多种行驶场景下车辆行为意图的不确定性，而且符合车道拓扑结构信息以及车辆行驶规则的约束，提高了车辆轨迹预测的精度。

摘要： 本发明属于大数据技术领域，具体涉及基于大数据的城市场景垃圾检测系统。所述系统包括：图像获取装置，配置用于在城市内随机选取多个目标区域，获取这些目标区域的图像，将获取到目标区域图像与该目标区域图像在城市的坐标位置同时进行存储；区域验证装置，配置用于获取该城市的城市数据，基于预设的区域验证模型，验证选取的目标区域的坐标位置是否满足区域验证模型的约束，若不满足，则在该坐标位置的基础上，进行坐标位置修正，重新获取目标区域图像，再次使用区域验证模型进行验证，直到目标区域的坐标位置满足区域验证模型的约束。其通过基于城市大数据和图像检测的协同，实现了城市垃圾检测的精准化和智能化。

摘要： 本发明公开了一种基于智慧城市的市场反馈信息收集方法，包括：信息采集终端收集市场反馈信息；信息采集终端监听由信息收集中心发送的方向指示序列；信息采集终端基于方向指示序列来确定信息采集终端相对于信息收集中心的方位；信息采集终端基于信息采集终端相对于信息收集中心的方位，来确定信息采集终端向信息收集中心发送数据的发射功率范围；在确定发射功率范围之后，信息采集终端使用发射功率A向信息收集中心发送所收集的市场反馈信息。

摘要： 本发明公开的基于无人驾驶的城市场景下的实例分割方法及系统，属于视频理解和分析技术领域，包括：从场景视频中获取原始像素级特征序列；对原始像素级特征序列进行时空位置编码；根据原始像素级特征序列、时空位置编码结果和全时空偏移Transformer编码器‑解码器，获得每一帧的实例身份特征；计算相邻两帧实例身份特征的关联矩阵，根据关联矩阵对相邻两帧的实例身份特征进行筛选；将每一帧筛选出的实例身份特征与相应帧的Transformer解码器的输出输入到自注意力模块中，获得初始注意力映射，根据初始注意力映射、相应帧的原始像素级特征序列及筛选出的实例身份特征，获得实例分割结果。提高了场景中实例分割的准确性。

摘要： 本申请涉及自动驾驶技术领域，尤其涉及一种面向城市场景下行人轨迹预测方法、模型及存储介质，方法包括：用向量表示各智能体的轨迹序列，并基于层级的网络结构得到预测目标的空间交互特征；利用LSTM网络提取预测目标历史轨迹中的轨迹时序特征；利用多头注意力机制对空间交互特征和轨迹时序特征进行融合得到场景上下文特征；对场景上下文特征进行解码输出预测目标的未来轨迹。以场景向量特征作为输入，能直接学习场景中的关键交互信息，将空间交互特征和轨迹时序特征有效结合，通过对周边智能体分配不同的注意力，使模型更加关注对预测目标产生较大影响的个体，从而有助于提高复杂城市道路场景中行人轨迹的预测效果。