高峰期考虑乘客议价的网约车定价与平台收益及社会福利优化

现阶段有关网约车动态定价的研究主要是从司机和平台的角度出发，借助排队论、生灭过程等方法描述司机的运行状态，对市场需求的动态变化特征关注较少，同时也没有考虑乘客方的自主议价权力。本文采用动态匹配描述网约车市场中乘客与司机的匹配过程，通过构建动态匹配模型描述短时间内市场变化的影响，采用需求与供给函数描述乘客和网约车的状态，在此基础上，构建平台利润最优模型和社会福利最优模型；然后提出乘客议价影响因子并依据现有数据确定其在市场运行不同时段的函数，将影响因子引入已建立的模型得到修正后的动态匹配模型和定价模型；最后设置算例验证模型可行性，探讨价格变化对市场的作用，分析乘客议价对动态匹配网约车市场的影响。算例结果表明，随着价格变化因子倍数的增加，社会福利、平台利润和匹配量先增后减，在倍数为2.0时，社会福利达到最大，倍数为1.3时匹配量达到最大。对比分析发现，乘客议价将推动市场向供求平衡移动，同时增加网约车市场高峰时段的平台利润和社会福利。     

考虑网约车竞争的机场出租车供需均衡博弈模型

为有效解决机场出租车供需不均衡问题，本文基于完全信息下静态非合作博弈理论提出机场出租车司机及乘客两个群体决策的纯策略博弈模型。将网约车竞争影响引入出租车司机群体决策收益函数的构建中，探讨不同竞争强度对出租车司机群体决策结果的影响。同时，考虑排队长度、上客速率、交通状况、交通费用及多交通方式分流等因素研究乘客群体决策的收益函数，反映乘客群体不同决策结果对司机的影响。以北京首都国际机场为案例进行实证分析。结果显示：在北京市网约车行业平均竞争水平下，两群体通过互馈影响达到纳什均衡时，整体供给略高于需求，其中，早晚高峰时段机场出租车呈现供大于求的状态；地铁停运后的凌晨则需求远大于供给。针对当前网约车竞争水平下达到纳什均衡时的机场出租车每日供需不均衡现象，可以适当提高出租车司机对网约车竞争影响的认知。     

基于MNL模型的网约车乘客出行行为

为研究基于多项评定(multinomial logit, MNL)模型的网约车乘客出行行为,以2018年大连市主要商圈内具有网约车乘车经历的出行者为调查对象,设计网约车乘客出行意向调查(stated preference, SP)问卷,建立MNL模型,探索出行方式选择行为的关键影响因素及其作用规律,并进行弹性分析。研究结果表明:出行者的年龄、职业、学历、家庭收入、私家车拥有情况等个人社会经济属性对交通方式选择有显著影响,网约车的乘用频率、司机的礼貌程度以及自由时间满意度对网约车的使用有一定的促进作用。研究结果可以为城市网约车的管理提供借鉴。     

出行时间不确定下的公交均衡配流

很多外在因素致使公交出行时间具有高度的不确定性,而已有的公交配流模型对公交车辆运行时间和乘客等车时间的不确定性缺乏考虑．本文综合考虑公交出行时问和出行时间的不确定性,结合公交出行时间与公交出行时间可靠性以描述乘客的路径选择行为,建立公交乘客均衡配流模型并求解分析。案例结果表明换乘线路增加了出行时间的不确定性,人们更愿意...     

考虑乘客理性疏忽的网约车订单取消惩罚策略

分析乘客的订单取消行为并制定合理的惩罚策略是网约车公司运营优化的重要问题。本文基于理性疏忽理论,研究网约车和出租车共存的市场中,乘客的订单取消行为和公司对乘客取消订单的惩罚策略。不同于现有完美信息或者完全无信息的假设,本文考虑乘客自主选择信息策略并基于获取的信息做出决策,建立了双层优化模型。上层分别以公司利益和网约车市场的社会福利最大化为优化目标,确定取消订单的惩罚金额。下层构建了基于理性疏忽理论的用户决策模型,并比较了固定费用、分段和基于时间三种惩罚策略的特点。通过粒子群优化算法和逐次平均法相结合的方法求解该模型。研究表明,随着信息获取成本的降低,单个出行者的出行成本最多降低8%,做出正确决策的概率最多增加40%。同时随着信息获取成本的增加,最优的公司收益和社会福利分别减少了16.8%和5.1%。在公司收益和社会福利最优的目标下三种惩罚策略几乎无差别,但在公司收益最大化时,惩罚金额显著高于在社会福利最优时的水平,且订单取消率更低。研究结果为网约车公司制定惩罚策略提供了参考性思路和实践价值。     

基于网约车订单数据的居民出行特征研究

为了解不同类型网约车乘客的出行特征,帮助网约车司机制定合理的寻客策略,以北京市出租车网络订单数据及快车网络订单数据为基础,采用K-均值（K-means） 聚类方法,以乘客出行时间、行程时间、上车区域用地性质及下车区域用地性质作为特征变量,对两种网约车的订单数据进行聚类分析,并分别将其划分为4种需求类型。对出租车网络订单及快车网络订单的4种需求类型进行对比分析,发现二者的乘客出行需求呈现出相似的特征。其中有两类需求受乘客出行时间影响较大,工作日早晚高峰的出行需求更为活跃,乘客上下车区域的用地性质集中于混合用地性质。另外两类需求受乘客出行时间影响较小,乘客上下车区域集中于混合用地与居住用地、商业服务设施用地、绿地及广场用地3 种用地类型之间。对订单数据进行统计分析发现,快车网络订单行程时间集中在10~20min,出租车网络订单的行程时间集中在10~45min。快车订单以短时出行为主,当乘客行程时间较长时选择出租车的概率更大。     

基于网约车订单数据的居民出行特征研究——以北京市为例

为了解不同类型网约车乘客的出行特征,帮助网约车司机制定合理的寻客策略,以北京市出租车网络订单数据及快车网络订单数据为基础,采用K-均值(K-means)聚类方法,以乘客出行时间、行程时间、上车区域用地性质及下车区域用地性质作为特征变量,对两种网约车的订单数据进行聚类分析,并分别将其划分为4种需求类型。对出租车网络订单及快车网络订单的4种需求类型进行对比分析,发现二者的乘客出行需求呈现出相似的特征。其中有两类需求受乘客出行时间影响较大,工作日早晚高峰的出行需求更为活跃,乘客上下车区域的用地性质集中于混合用地性质。另外两类需求受乘客出行时间影响较小,乘客上下车区域集中于混合用地与居住用地、商业服务设施用地、绿地及广场用地3种用地类型之间。对订单数据进行统计分析发现,快车网络订单行程时间集中在10～20min,出租车网络订单的行程时间集中在10～45min。快车订单以短时出行为主,当乘客行程时间较长时选择出租车的概率更大。     

网约共享出行研究综述

网约共享出行是智慧城市交通系统的重要组成部分,作为新兴的移动互联出行方式,产生 了海量庞杂、异质多源、大尺度时空关联的交通大数据,蕴含能够描述复杂交通系统供需态势的 丰富信息。从网约共享出行行为机理、平台管理优化、政府监管政策、系统仿真优化等4个方面, 综述了国内外网约共享出行研究的基础理论前沿和交通运输管理实践成果,归纳总结了其中存 在的问题。通过移动互联交通大数据,分析网约车乘客和司机的出行行为影响因素、特征辨识及 外部性,追踪城市个体和群体的出行行为演变规律,揭示网约共享出行系统供需平衡和网络均衡 机理。研究解决网约共享出行供需的时空效应及短时预测问题,优化网约共享出行平台定价策 略,提高平台匹配和调度效率,实现供需时空资源的优化配置。利用智能体仿真、基于活动的仿 真、数据驱动的仿真等技术手段对理论结果进行模拟推演和优化验证,为政府制定相关监管政策 和平台优化运营管理策略提供理论依据和工具支持。并面向复杂动态移动互联环境,展望了亟 须开展的若干重点研究方向。     

考虑出行竞争的网约车能源环境效应不确定性研究

在碳中和背景下,交通行业推进节能减排刻不容缓。随着网约车的蓬勃发展,它被认为替 代了部分传统出行方式出行量,与传统出行方式形成竞争关系,网约车对绿色出行量的影响引发 了人们对其能源环境效应的思考。本文基于反事实思维视角,从网约车对传统出行方式出行量 影响的角度建立网约车能源环境效应评估模型;以北京市为案例城市,运用网约车进入北京之前 不同指标的数据,推演近年不考虑网约车影响的传统出行方式出行量;结合推演出行量和建立的 能源环境效应评估模型得到网约车带来的净碳排放。结果表明,网约车对公交车和地铁出行量 产生一定的抑制作用,其能源环境效应具有不确定性特征,并且随着共乘比例的增大,网约车的 负能源环境效应削弱,说明网约车仍然具有节能减排的潜力,相关部门需要合理管理网约车。研 究结论揭示了网约车的能源环境效应及发展共乘模式的重要性,对以网约车为代表的共享出行 可持续发展具有参考意义,为实现碳中和作贡献。     

建成环境对网约车出行行为的影响分析

出行行为是行为主体在建成环境制约下的选择结果,为探讨网约车迅猛发展时期建成环境对网约车出行行为的影响,基于成都市网约车数据和建成环境数据,构建以路网密度、混合度、公交站点密度等建成环境指标为自变量、乘客上下车点数据为因变量的多元线性回归模型,以成都市为例开展实证研究.结果表明,不同的建成环境对网约车出行行为的影响程度不同,其中土地利用混合程度及商务用地和住宅用地对网约车出行行为影响较大.研究结果可为城市交通系统规划、智慧城市建设以及网约车高效管理提供数据支撑.     

公交线路配车问题的不确定双层规划模型

为合理优化公交线路配车，考虑现实中公交站点乘客数量不确定性因素，引入不确定理论构建公交线路配车的不确定双层规划模型. 上层目标为公交运营企业的收益最大化，下层目标为乘客出行时间和费用总成本最小，约束条件是政府要求的服务水平、乘车率，通过 MATLAB进行编程求解. 以南昌市210 路公交为例，利用所构建的不确定双层规划模型对早高峰07:00-08:00 配车进行优化，在给定80%乘车率的约束条件下，单方向配车数量由26 辆减少到23 辆，减少11.5%；优化后高峰小时乘客总加权成本相比优化前小幅增加0.5%，基本持平；高峰小时该线路的利润比优化前增加了112 元，提高29.6%. 结果显示，利用所构建模型优化早高峰小时线路配车效果明显. 该研究为公交运营者考虑现实中不确定因素更合理地优化线路配车提供了理论支持.     

考虑行驶时间不确定性的合乘路径鲁棒优化方法

为应对实际合乘过程中时间不确定性带来的负面影响,本文研究不确定行驶时间下的合乘问题。采用预算不确定集合描述时间变量,引入不确定性水平可调节的预算系数,构建以车辆总里程最短和车辆数最少为目标的合乘路径鲁棒优化模型。并设计两阶段算法求解,第1阶段以两乘客间的可行合乘路径为基础,从车辆总里程节省率和乘客时间窗匹配灵活性两方面设计公式量化合乘匹配机会,以匹配机会为权重构建乘客图网络并聚类乘客需求;第2阶段设计以顺序插入启发式方法构造初始解的禁忌搜索算法求解。案例数据实验结果表明：本文聚类方法能保证优化质量并提高85%以上的计算效率,同时能缩减乘客等车时间和绕行距离;增大预算系数时解的鲁棒性逐渐提高,但会增加10%~40%的车辆数并降低1%~10%的里程节省率;大规模乘客案例和窄时间窗案例的合乘路径对不确定时间的敏感性更高,宽时间窗案例无需增加过多额外车辆和总里程就能达到较高水平的路径鲁棒性。     

高峰时间出租车合乘计费策略研究 ——以宁波为例

针对早晚高峰时间和节假日火车站、汽车站及主要地区人流打车难,无法及时得到疏散的 问题,提出高峰时期出租汽车多人合乘理念,从而提高出租车及道路资源的利用率。根据我国早 高峰和晚高峰的交通特点,结合宁波出租车计费的实际情况,使用最优化理论构建多目标优化合 乘模型,对合乘费用进行计算。最后通过软件验证,假设了6 个节点的供需搭乘方案,使用 LINGO软件计算出合乘的路径和相应的费率。运算结果证明该模型在合理约束司机收入与乘客花 费的前提下,最大化司机的收益,同时兼顾到乘客利益,鼓励司机在高峰时间较短的行驶距离内 多载客。     

基于累积前景理论的城际列车分时定价研究

城际客流具有时段分布不均衡特点,表现为高峰时段一票难求而低峰时段客座率低。为均衡客流、提高城际高铁收益,选取客运通道内不同时段车次进行差别定价。考虑旅客选择行为的差异性和有限理性,采用潜在类别分析对旅客进行分类,选取票价和时段价值两个影响因素, 建立双参照点的旅客平行车次产品效用模型,以累积前景值刻画异质旅客对平行车次的出行效用。基于累积前景值构建以铁路企业收益最大,旅客广义出行费用最小的分时定价双层规划模型,设计基于灵敏度分析的启发式算法求解。最后以南宁-北海为例对高峰、非高峰时段平行列车进行实例分析,结果表明,本文提出的分时定价方法能提升收益约2.5%,且高峰、非高峰时段的客流更加均衡。     

基于乘客到站率的公交发车频率优化

常规公共交通是城市居民出行的基本交通方式之一,为保障公交出行效率和降低运营成本,有必要对公交车辆的运营调度进行量化分析和系统研究。文中以居民出行和公交公司运营两者总成本最小为目标,提出了基于乘客到站率的多目标公交发车频率优化模型,以实现乘客和运营者双方的利益最大化。利用乘客到站率函数计算乘客的等车时间,使得模型在优化计算中具有更加趋近真实的等车时间;考虑到遗传算法良好的收敛性,以及发车频率易于二进制化编码的特征,文中设计相应的遗传算法对上述模型进行求解;以常州市B1路公交车线路高峰时段为例进行求解,得到最优发车频率为13.9,与三类经典发车频率确定方法进行对比分析,结果显示该模型的总成本相较于其他三种方法分别降低18.1%、1.5%、1.2%。以上研究结论表明,研究提出的发车频率模型通过协调乘客的等车时间成本、车内拥挤成本与公交运营的车辆购置成本、燃油成本,能够有效减少公交出行的整体成本。     

航班延误信息下旅客选择行为模型及实证

针对航班延误后旅客选择行为的不确定性,本文基于累积前景理论对不同延误情景下旅客的选择行为进行研究.首先,以期望出行时间作为旅客行为选择的参照点,构建航班延误信息下旅客选择行为模型,并指出在不同延误情景下参照点具有动态性特征;然后,利用调查问卷,得到准时到达敏感性、信息影响程度两个参数值及不同延误情景下旅客对出行时间的判断,计算得到期望出行时间;最后,以北京-上海航线为例,计算得到不同延误情景下旅客不同选择行为的累积前景值,从而得到旅客的最优选择行为.结果表明：随着航班延误规模的增大及延误时长的增加,旅客的期望出行时间随之增长,体现了参照点动态性的特点;在不同的延误情景下,旅客的最优选择行为有所差异;通过实际验证,理论模型能有效地描述旅客在不同延误情景下的选择行为.     

基于轨迹数据的车辆跟驰行为分析与建模综述

随着轨迹收集技术与数据分析技术的迅速发展,越来越多的车辆行驶轨迹被采集并用于 交通流研究。车辆轨迹数据主要包括车辆运行的位置与时间等信息,利用这些信息可以推算出 车辆的速度、加速度及其与前车之间的空间和时间距离等驾驶行为参量。通过研究轨迹数据可 以揭示车辆自身的运行规律,车辆之间的相互作用规律,道路环境对车辆的作用规律,以及由此 产生的宏观、微观交通流现象,因此,轨迹数据研究受到日益重视。本文简要回顾了与轨迹数据 收集相关的历史,介绍了自然场景下采集的Next Generation SIMulation(NGSIM)数据及实验场景 下采集的车队轨迹数据,并梳理了近几年基于车辆跟驰轨迹的理论研究。首先,分析以交通振 荡、交通回滞为代表的交通流关键实测现象研究工作;整理跟驰行为分析方面的研究成果,包括 不对称跟驰行为、稳定跟驰行为的存在性、跟驰行为的记忆效应、任务难度、随机性、异质性。之 后,介绍基于跟驰行为分析成果而构建的仿真模型。最后,从3个方面评述现有基于轨迹数据的 研究,并提出未来展望：交通流关键实测现象方面,应收集更多不同条件下的数据,并尝试构建更 加普适性的理论或模型解释交通流现象;跟驰行为分析方面,可结合数据挖掘技术或生理、心理 理论,量化驾驶员跟驰特性与生理、心理特征,并将两者结合深入分析跟驰行为的机理;仿真建模 方面,可更多考虑驾驶员生理和心理变量,使模型更具人性化特征,并关注模型的评价方法,注重 模型对实际交通流的解释能力。     

城市公交线网差异化计程票价多目标优化

为获取更加接近实际城市公交线网的票价策略，将出行者的社会互动行为与后悔心理引入广义费用，提出线路客流OD矩阵均衡算法；分别以交通管理部门利润最大化及出行者效用最大化为目标，以公交计程票价、发车频率、私家车停车费为变量，建立固定需求下公交线网差异化计程票价多目标优化模型.引入集群智能多目标优化算法求解，并应用于Mandl 标准公交线网.研究发现：以线路里程为标准，差异化计程票制可以有效降低出行成本；依据帕累托最优解调节票价，可以促进出行者选择行为向优势均衡转移.