基于机器学习的网约车合乘出行碳减排状态预测

网约车合乘出行可有效提高车辆运输效率,与常规网约车出行相比具有显著的碳减排潜力。然而,现实中网约车合乘出行能否真正减少碳排放受多方面因素影响,往往存在较大差异与不确定性。为识别碳减排潜力较大的网约车合乘订单,提出一种基于机器学习的网约车合乘出行碳减排状态预测模型,并解析其碳减排机理。首先,基于成都市真实的网约车合乘订单与轨迹数据,应用COPERT(COmputer Program to calculate Emissions from Road Transport)排放模型分别计算合乘出行碳排放量及其替代的独乘出行碳排放量,进而得到合乘出行相比独乘出行的碳减排量。然后,基于历史的合乘行程碳减排及其订单特征数据,训练XGBoost(eXtreme Gradient Boosting)模型以预测未来潜在合乘出行的碳减排状态。最后,采用ALE (Accumulated Local Effects)分析方法对预测模型进行特征变量解析,以识别影响合乘出行碳减排状态的关键因素。结果显示：研究区域内平均每次网约车合乘出行可减少碳排放307.23 g,但仍有15%的网约车合乘行程未能实现减碳;XGBo...     

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。     

基于多源数据的网约车与地铁接驳特征分析

网约车出行作为一种新兴的出行模式,在人们日常出行中发挥着重要作用。基于网约车订单数据,引入手机信令、地图导航等多源数据,首先,分析网约车与地铁接驳的时空特征,并与手机用户的地铁接驳出行数据进行对比;其次,基于XGBoost(extreme gradient boosting,极端梯度增强算法)构造充分考虑接驳距离、地铁乘距、接驳需求、公交便利程度、通勤出行占比等因素的回归模型;最后,从到达地铁站与离开地铁站两个方面,分析各因素对网约车与地铁接驳的影响。结果表明:使用网约车到达地铁站的订单量远大于离开地铁站的订单量,网约车与地铁接驳距离在1.5~3.5km的接驳量最大;网约车与地铁接驳存在明显的早高峰和晚高峰时段,高峰时段使用网约车与地铁接驳的出行占比与手机用户使用地铁出行的占比一致。     

新冠疫情影响下居民共享出行方式选择行为研究

为分析新冠疫情对共享出行方式选择行为的影响，针对传统出行、网约车、合乘、汽车分时租赁及共享自行车的多方式交通系统设计SP(Stated Preference)问卷；对于疫情前和疫情期间的出行方式选择分别构建基于面板数据的混合Logit模型，比较解释变量的影响差异，分析感知疫情严重程度和方式选择惯性的联合影响；基于弹性分析预测疫情背景下不同管控政策对应的出行方式分担率。结果表明：感知疫情严重程度对合乘和分时租赁影响显著，方式选择惯性对网约车、分时租赁及共享自行车影响显著；当感知疫情严重程度降低至30%~50%时，1.6~3.0倍的停车费调整策略可将私家车分担率降低至疫情前，此时，低密接的分时租赁具有主要替代作用；当感知疫情严重程度在60%以上时，提高合乘出行安全程度至1.4~3.6倍可恢复其分担率。     

需求不确定下的网约车司机最优工资水平研究

在网约车出行系统中,乘客出行需求的不确定性会影响网约车平台制定合理的工资水平, 进而影响平台利润。本文研究出行需求不确定下的网约车司机工资水平。根据问题的数学描述,假设实际出行需求服从随机分布,司机数量供给服从劳动力供给理论,采用网约车研究领域广泛采纳的精准乘客-司机匹配函数描述乘客与司机间的匹配关系。在此基础上,建立求解网约车平台利润最大化的模型框架。案例研究发现：存在最优的工资水平,使得网约车平台利润最大化;最优工资水平、司机人数与乘客最大需求正相关,最优工资水平与平台影响力负相关;本模型给出期望利润最大化下的最优解,比平均值模型具有一定的鲁棒性,有效保障网约车平台利润。 结果表明,本文建立的最优工资水平模型可以有效研究需求不确定性下的网约车出行系统。     

�����ܺ������ʱ���ֵ�ӽǵ��������˱߽����

为了评估汽车共乘方式在中国推进的可行性,从能耗和出行时间价值视角建立汽车共乘边界模型,探索影响共乘方式推进因素,以西安小汽车出行为例,验证汽车共乘边界模型的科学性和准确性.结果显示,共乘方式油耗与增载旅客数呈强反相关关系,与旅客体重呈弱正相关关系,与旅客周转量增加率呈强正相关关系;西安市汽车共乘边界条件要满足增载旅客数大于1.37倍周转量增加率,旅客单位出行时间价值小于92.7元;按照10辆车增载1.37个乘客计,西安市一年可以节省燃油500万升,汽车共乘方式在西安具有很好的推进潜力.     

中国城市网约车服务对公交使用量的影响

城市网约车服务的蓬勃发展对包括公共交通在内的传统出行方式将产生影响.本文针对公交使用量的影响问题，运用109个城市数据做实证分析，并从网约车进入时长和城市类别做异质性检验.研究结果表明：网约车服务进入城市对城市公交使用量有明显的负向影响，且负向影响在超大型城市中更为严重；随着时间推移，网约车服务对公交使用量的负向影响呈现先增强后减弱的规律.研究结论揭示了中国城市网约车对公交的影响规律，对交通管理者制定相关政策具有参考意义.     

中国城市网约车服务对公交使用量的影响

城市网约车服务的蓬勃发展对包括公共交通在内的传统出行方式将产生影响.本文针对公交使用量的影响问题，运用109个城市数据做实证分析，并从网约车进入时长和城市类别做异质性检验.研究结果表明：网约车服务进入城市对城市公交使用量有明显的负向影响，且负向影响在超大型城市中更为严重；随着时间推移，网约车服务对公交使用量的负向影响呈现先增强后减弱的规律.研究结论揭示了中国城市网约车对公交的影响规律，对交通管理者制定相关政策具有参考意义.     

考虑出行者习惯与利他性偏好的自动驾驶网约车使用意向模型

为探究自动驾驶网约车使用意向的影响因素及作用路径,以技术接受模型(TAM)为基础框架,在自动驾驶车辆感知有用性和感知易用性基础上,从出行者使用网约车经验和社会偏好两个维度分别引入网约车出行习惯、网约车平台感知可靠性、网约车出行社会影响和出行者利他性偏好四类潜变量,构建自动驾驶网约车使用意向的结构方程模型.对367份有效问卷进行参数拟合,结果证实了引入心理潜变量后的TAM模型具有良好的适配性,能够解释使用意向总方差的59.4％.路径分析结果表明,影响自动驾驶网约车最直接的三个因素是自动驾驶车辆的感知有用性、出行者利他性偏好、网约车出行习惯,对应的直接效应分别是0.591、0.243和0.146.网约车平台感知可靠性、自动驾驶车辆感知易用性、网约车出行社会影响对自动驾驶网约车使用意向的影响作用,均可被上述三类潜变量完全或部分中介.受教育程度较低的出行者,对网约车平台可靠性的认可度更高,对未来自动驾驶网约车使用意向也更为积极.研究结果对于促进自动驾驶网约车良性发展具有一定的借鉴意义.     

基于混合Logit 模型的网约车选择行为研究

近年来,网约车发展迅速,而现有研究较少从市场角度理解用户对网约车的选择偏 好.本文构建了基于混合Logit选择模型,选取网约车依赖性、出行目的等出行相关属性,年龄等 个人社会经济属性为效用函数特征变量,假设到达时间、在车时间和费用为随机变量并服从对 数正态分布.使用D-efficient效率设计法生成问卷,在成都市开展网约车使用特征与选择偏好的 实证调查.基于观察数据标定模型,参数显著性及符号解释了城市综合交通背景下出行方式选 择的关键因素.对出租车和网约车费用进行边际效应分析,明确了价格变化对出行结构的影响.     

考虑合乘的共享自动驾驶汽车选择行为实证分析

共享自动驾驶汽车(Shared Autonomous Vehicles，SAV)是自动驾驶汽车和共享经济相结合的产物，为人们提供了一种新型的出行方式. 为探究出行者在考虑合乘的SAV与私家车或公共交通之间的选择偏好，实施了SAV选择意愿调查，并分析了考虑合乘的SAV的潜在用户特征. 基于问卷调查所得有效数据，采用K-Means 聚类法划分了历史出行模式，利用因子分析对性格态度特征进行了分类. 分别对有无私家车人群建立解释变量的参数服从不同分布的混合Logit 模型，并对参数标定结果进行对比分析. 研究结果表明，出行方式特性非常显著地影响出行者方式选择行为，性格态度特征是影响出行者选择考虑合乘的SAV出行方式的显著因素，且其显著性明显高于性别、年龄等社会经济属性.     

基于竞合关系分析的网约车与出租车适度规模研究

为确定城市网约车与出租车的适度规模，促进网约车与出租车健康发展，基于协同演化理 论，建立网约车和出租车在竞争、合作、竞合环境下的Lotka-Volterra演化模型，进行数据模拟仿真 分析，确定不同环境下城市网约车与出租车达到平衡状态时的适度规模。结果表明：网约车与出 租车的演化结果与竞争影响系数和合作效应系数有关；在竞争环境下，激烈的竞争导致劣势方被 市场淘汰，优势方最终达到规模阈值；当竞争趋于缓和时，两者能在市场中达到平衡稳定后共存； 在合作环境下，两者都有较大的发展空间，能更好地促进新旧业态的融合发展；在竞合环境下，两 者的发展趋势与竞争环境下的发展趋势相似，但合作可以延缓劣势方的消亡速度。最后提出推 动网约车与出租车公平竞争，兼顾新旧业态、促进融合发展的建议。     

城市客运交通工具碳排放效率差异——以襄阳市为例

为准确测度城市客运工具碳排放效率的差异,探寻多元出行和碳减排双赢的改进路径,本文构建涵盖车辆存量、道路、土地、能源及环境 5 大要素体系,利用三阶段超效率 SBM-DEA (Slacks-Based Measure)模型和SFA(Stochastic Frontier Approach)方法,测度城市客运工具碳排放效率,并厘清政策和外生环境因素对投入要素冗余的影响;构建效率贡献度和边际效应模型分析投入产出要素的效率贡献度及其边际效应。基于襄阳市的案例表明：7种客运工具的碳排放效率呈传统公共交通(含巡游车)大于共享交通大于私人交通的差异化态势;外生环境因素中,优化能源结构能显著减少能源资源的多余消耗,交通工具的便捷性对消除多余投入具有显著积极作 用。效率贡献度结果反映碳排放效率提升路径的异质性：车辆规模过剩是制约共享交通碳排放效率的主要原因,规模每减少10%,效率分别提高12.0%(网约车)和19.8%(共享电踏车)。清洁能源发展对私家车碳排放效率的提升作用较大,清洁比例每增加10%,碳排放效率平均提高8.9%。 在现阶段公交优先发展水平下,公交车平均运行速度每增加1 km∙h-1 ,碳排放效率提高0.201。 并从技术和管理两方面提出改善碳排放效率的建议和措施。     

网络约租车对出行方式选择及交通运行的影响

网络约租车为居民提供一种便捷的出行选择。但是,作为以小汽车为运输工具的非集约化出行方式,网络约租车应当在与城市规模、功能布局等相适配的前提下适度、有序发展。结合2015年7月和11月组织的两次北京市网约车用户问卷调查结果,量化计算网约车发展后居民出行方式选择的变化,以及由此带来的道路资源分配变化。数据扩样测算结果显示：北京市网络约租车出行规模已极为庞大,日出行量高达352.6万人次,约占全市出行总量的11%,其中转移自公共交通和自行车交通的比例高达58%。道路交通运行跟踪监测结果显示：网络约租车每日增加小汽车出行量33.0万车次,占六环内小汽车出行总量的2.7%,与北京市2015年前三季度交通指数较2014年同期增长20%有较高相关性。最后,针对促进网络约租车有序发展提出相关建议。     

基于社会网络结构特征的网约车平台竞争策略研究

为研究网约车平台如何在竞争激烈的行业中选择有效的竞争策略来实现公平的市场竞争，本文从社会网络分析法与计量经济学的双重视角出发研究网约车平台之间的竞争关系。首先构建全国网约车市场竞争网络，选取度中心性、结构洞、核心边缘结构等指标分析其网络拓扑结构，并以112个网约车平台的实际收益数据为例，将网络拓扑属性带入计量经济模型，实证分析了网约车竞争网络指标与平台收益之间的关系。结果显示：目前我国网约车平台竞争网络是一个非均衡性网络，核心平台拥有着密集的网络关系，大多数平台在网络中分布较为分散，少部分平台游离在市场边缘；且平台在网络中的拓扑位置与平台收益息息相关，核心程度对收益影响最显著。最后提出运用前沿技术、建立横向与混合联盟、提供差异化服务的平台竞争策略。     

北京、上海城市交通能耗和温室气体排放比较

北京和上海在城市发展阶段、人口规模等方面具有较强可比性,同时实施了既有相同点又有不同点的城市交通政策,对两市的城市交通能耗和温室气体排放进行比较可客观地评价其政策的实施效果。以不同燃料驱动的不同类型车辆的保有量、年均运营距离、能源强度及排放强度为主要参数定量计算2005年两市的城市交通能耗和CO2排放量。结果发现,两市城市交通能耗总量接近,但上海市的能耗强度和温室气体排放强度略低于北京市,这归功于机动车总量控制政策、公共交通优先发展以及广泛使用的非机动交通。但是,近几年上海城市交通的碳排放强度有明显上升趋势,两市的差距可能逐渐减小。最后,就两市在公共交通（尤其是出租汽车）、非机动交通等方面的发展政策给出建议。     

考虑时空热度的共乘匹配问题建模及求解

在共乘匹配问题中，考虑时空热度对共乘车主收益的影响，构建了以共乘收益和共享路线百分比为优化目标的数学模型，提出了一种启发式多进程进化算法用于求解. 算法根据历史数据采用三次样条插值法和复合辛普森求积法得到预计订单的时空热度，从而预估车主共乘收益. 在进化算法中，根据差异度自适应选择不同的交叉策略，以达到搜索深度和广度的自动平衡. 实验结果表明，该算法与最优化算法(匈牙利算法)比较，在以相同效用矩阵作为输入条件时，本文方法可在较短时间内得到高质量的解，且在处理大规模实例上效果明显，能够高效求解共乘匹配问题.     

感知乘客心理的出租车动态合乘优化方法

为研究考虑乘客感知的动态合乘问题，本文提出一种改进的算法框架。基于可行出行对概念，构建乘客满意度最大、出行时间最少的多目标线性规划问题，将合乘问题转化为车辆和乘客间的线性分配问题，并采用基于精英策略的人工蜂群算法(Elitism based Multi-Objective Artificial Bee Colony，EMOABC)求解。根据海口市出租车订单数据建立算例，实验结果表明，该算法框架能够实时提供优质动态合乘方案。相比单纯优化出行效率，考虑乘客心理的合乘策略，相对提高12%的乘客满意度，服务率等方面也有较好表现。