北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据，利用非负矩阵分解算法(NMF)从时间和空间两 个维度深入探究共享单车的出行规律，并构建逆序群体稳定性指标(RPSI)改善 k 值选择过程。利用得到的出行规律，运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型，对共享单车的出行需求进行预测，并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模 型的结果进行对比。研究结果表明，共享单车可分为5种基本的出行模式，每个区域的出行都可以由这5种出行模式的线性组合来表达，其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征，分别确定其出行含义：通勤出行中居住地到 地铁站的出行；通勤出行中地铁站到工作地点的最后一公里连接；居民其他的非通勤出行行为， 如休闲娱乐活动等；回程通勤出行中从工作地点到地铁站；回程通勤出行中从地铁站到居住区的最后一公里连接。最后，模型预测结果的对比分析显示，本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。     

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。