共查询到20条相似文献,搜索用时 15 毫秒
1.
作为"互联网+"时代的产物,网约车使人们的出行方式日益多样化,但它在发展过程中也带来了新的问题,如网约车所引发的交通事故、乘客安全及与巡游出租车的市场竞争等。文中通过分析网约车的独特优势及风险因素,提出网约车规范化运营的具体对策及驾驶员心理素质测评实施内容,为促进其健康发展提供参考。 相似文献
2.
城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型(ARIMA-BPNN-DSR, ABD)。混合模型由差分整合移动平均自回归模型(auto regressive integrated moving average model,ARIMA)和反向传播神经网络(back propagation neural network,BPNN)通过动态选择回归算法(dynamic selection of regression,DSR)融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年(疫情影响下)厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明:(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,... 相似文献
3.
4.
5.
网约车需求预测是一个典型的时间序列预测任务,准确的网约车需求预测能够辅助网约车平台合理地派单和规划路径,从而降低网约车的空驶率,具有重要的研究意义。文章利用长短时记忆模型(LSTM)及门控循环单元(GRU)进行网约车需求预测,对比了同一地区休息日和工作日,一周和一个月内的网约车需求及其变化,构建基于LSTM和GRU的需求预测模型,使用历史数据对未来需求进行预测,使用Geohash代码对西安市进行区域划分,对数据和划分的网格进行匹配得到汇总数据,采用线性模型进行对照试验,结果表明,LSTM和GRU在网约车需求预测中的表现优于线性模型,二者相比LSTM预测精度更高。 相似文献
6.
《公路交通科技》2018,(12)
为分析网约车准入条件政策的实施对网约车数量以及城市机动车出行量的影响,针对网约车规制政策问题的特殊性,首先运用Bertrand博弈理论构建了网约车与出租车的价格博弈模型,分析了网约车与出租车的博弈关系、最优价策略以及网约车系统各要素之间的影响关系。其次,在明确博弈变量的逻辑关系后,运用系统动力学方法,构建了以网约车为核心各因素之间相互影响的准入条件政策仿真模型。通过对现有准入条件政策的深入研究,将其归纳为车辆特征限制和司机户籍限制两方面,剖析其对网约车数量和城市机动车出行量的影响。然后,在此基础上结合博弈模型中变量的逻辑关系,绘制了因果关系图和存量流量图。通过调整政策参数,对比准入条件政策实施前后网约车数量和城市机动车出行量等变量的变化趋势。最后,以天津市网约车准入条件政策为例对模型进行了实证分析得到了仿真结论。仿真结果表明:限制车辆特征和司机户籍间接地规制了网约车数量;随着网约车数量的减少,私家车上路数量逐渐增大,城市机动车出行量也逐渐随之增大,从长远来看,不利于缓解城市交通拥堵。网约车的使用对缓解交通拥堵具有积极作用,不能盲目跟风,各地应根据自身实际情况合理制定网约车的准入条件政策,有效地引导网约车的发展。 相似文献
7.
8.
《中国公路学报》2017,(7)
为研究城市居民出行活动中使用出租车完成的通勤行为及其时空分布特征,基于出租车GPS设备所生成车辆活动轨迹数据,利用地理信息数据库处理及GIS技术,对出租车出行起讫点信息进行甄别,在交通小区划分的基础上,构建了出租车载客出行行为OD矩阵,提出了基于出租车出行的通勤客流识别模型,并据此建立了通勤距离和时长的计算模型,用于通勤行为的时空特征分析。最后,以西安市为实证对象,对建立的模型进行实证分析。研究结果表明:各交通小区间出租车出行交通流波动系数在0.2时较为稳定;工作日的早高峰通勤交通流为20 000~27 000车次,晚高峰通勤交通流为15 000~27 000车次,其中,周一和周二相对稳定,周三至周五略有增加;工作日出租车早、晚高峰平均载客车次数基本一致,周二出租车通勤人数最多,周四相对较少;整月内所有工作日早高峰出行中依靠出租车的通勤出行量约占单日高峰交通流均值的27%;出租车通勤出行平均距离为3.7km,通勤距离主要分布在2.5~7km,通勤出行的平均时长为17min,通勤时间主要分布在10~20min;就业地和居住地的识别结果与实际土地利用性质所代表的地块属性基本一致,该方法可对城市居民使用出租车方式的通勤行为以及就业地和居住地进行有效识别,并为城市通勤服务交通系统优化及空间活动的异质性分析提供依据。 相似文献
9.
网约车服务的迅速发展对包括传统出租车在内的城市出行方式产生了重大冲击。针对传统出租车使用的冲击问题,收集中国33个地级及以上行政级别城市2010—2016年的平衡面板数据,采用双重差分法(DID)进行量化,并进行动态效应分析、稳健性检验、城市规模等级异质性和城市区位异质性分析。研究结果表明,网约车服务对传统出租车的使用产生显著的负向冲击,使传统出租车使用平均减少了25.46%;随着时间的推移,网约车服务对传统出租车使用的负向冲击呈现先加强后变弱的规律;城市规模异质性分析发现网约车服务致使超大城市中传统出租车使用减少了28.68%,致使大城市中传统出租车使用减少了22.12%;城市区位异质性分析发现网约车服务使东部城市传统出租车使用减少了27.96%,使西部城市传统出租车使用减少了21.2%。 相似文献
10.
正随着网约车业务模式逐渐多样化,消费者出行观念也在转变,尤其年轻消费者对共享化的接受程度越来越高,从长期的角度来看,网约车的未来是向好的。网约车市场交易规模展望在过去几年,网约车市场一直保持着快速发展的态势,2019年由于受到宏观环境的影响,网约车市场进入了调整期。受到新冠疫情的冲击,威尔森预测2020年网约车市场交易额将下降 相似文献
11.
正最近受疫情影响,网约车用户出行需求骤减,司机生活压力和平台运营成本加剧。在这样的严峻形势下,网约车平台也相应采取了很多应对措施,如车辆每日消毒、在车内标注防疫贴示等。这也给各网约车平台带来诸多启示——服务质量的提升不是一蹴而就的,而是源于持之以恒的改进。这些在特殊时期积攒的经验应转化为标准化的服务流程,长此以往地坚持下去。 相似文献
12.
13.
近年来“网约车”数量越来越多,“网约车”等待时间长与载客热区需求大等问题也逐步显现,乘车体验亟需改善。在成都市出租车GPS数据的基础上,研究出租车出行分布规律,划分工作日为早、晚、夜高峰相关时段,引入k-距离曲线改进DBSCAN空间聚类算法,对出租车上下客点进行聚类分析,并用数据挖掘得出载客热区。采用BP神经网络预测载客热区的出行需求,预测结果表明,早高峰时段BP神经网络模型的MAPE分别较随机森林模型、岭回归模型提高了3.25%和5.87%,晚高峰时段提高了2.98%和4.32%、夜高峰时段提高了1.44%和2.58%,验证了BP神经网络在出租车需求预测方面的可行性。 相似文献
14.
《道路交通与安全》2020,(1)
提出了以出租车计价器数据、出租车GPS数据与网络约租车订单数据为基础的运营强度、时空分布等运营特征指标分析模型,构建了基于分区均衡系数的出租车需求空间分布评价指标.结果表明:网络约租车的日均载客次数、载客里程以及载客时间明显低于出租车,运营强度仅为传统出租车的40%,两者次均载客里程、载客时间无明显差异;网络约租车订单主要集中在早晚高峰以及夜间时段,约占总订单量的50%以上,其服务热点载客区域与出租车服务对应的热点区域大部分吻合,对城市外围区域出租车供给紧张区域补充作用显著,高峰时段均衡系数最高可提升9%.本文可对出租车行业的科学管理和服务提升提供有效支撑. 相似文献
15.
为了提高出租车运量投放的科学性,基于出租车运行参数(包括出租车平均营运收入、空驶率、平均出行距离、平均行驶速度、平均工作时间以及其他城市环境估计参数)提出了出租车运量投放计划模型,并使用出租车营运收入对模型进行了约束。利用该模型,基于某市2010年的出租车运行数据,对该市2015年的出租车运量投放进行预测。结果表明:到2015年该市需要逐步增加5000veh左右的出租车;2010年底该市增加的1 000veh出租车缓解了部分出行压力,空驶率由0.177增加到0.198;出租车运量增加后营运收入仍略有上升,验证了模型的有效性。 相似文献
16.
17.
广州威尔森信息科技有限公司 《汽车与配件》2022,(2):56-58
随着疫情防控形式持续向好,网约车行业监管趋紧,合规化进程加快,网约车市场短期增速放缓,行业竞争加速,运营向精细化转变。长期来看,居民对移动出行的需求增长,网约车市场具有良好的发展前景。网约车市场车辆准入政策鼓励新能源车普及。 相似文献
18.
正伴随着移动互联网的普及,网约车成为多样化出行的风口行业,呈现蓬勃发展之势。网约车的出现提升了社会运力水平,丰富了民众出行方式。中国互联网络信息中心(CNNIC)在京发布第40次《中国互联网络发展状况统计报告》显示,截至2017年12月,我国网约出租车用户规模达到2.87亿,较2016年年底增加6188万人,网约专车或快车用户规模达到2.36亿,增长率为29.4%,用户使用比例由23.0%提升至28.9%。 相似文献
19.
20.
网约车通勤出行比例日益增长,对城市交通运行产生冲击.通过研究影响网约车出行需求的建成环境因素,可以为网约车需求管理提供重要参考.考虑到空间变量的竞争和溢出效应以及误差变量的空间相关性,构建将空间滞后和空间误差同时纳入考虑的空间杜宾误差模型,利用深圳市滴滴出行平台的网约车早晚高峰通勤出行信息,以交通小区为地理单元度量建成环境变量,研究职住地建成环境与网约车通勤出行的空间相关关系.结果表明,居住地与就业地的建成环境对网约车通勤出行的影响存在差异,居住地影响因素更多,而就业地因素的影响程度更大,其影响因素相关系数绝对值是居住地对应因素的2倍以上;由于存在空间溢出效应,增加公交站点数量可以在空间上更大范围地减少网约车通勤需求,促进绿色出行方式的选择. 相似文献