多场景模式下网约车与巡游车运营特征差异及调度策略研究

基于厦门市出租车的GPS数据、订单数据以及路网、行政区和蜂窝网格空间矢量数据等,提出了多源数据预处理规则,构建了出租车运营特征指标体系,探究了常态化和疫情条件下出租车的运营特征和需求时空分布情况.研究表明:厦门市80%网约车与巡游车的订单运距分布在10 km以内,而在长距离出行时居民更倾向于选择网约车;出租车需求热点区域主要集中在重要交通枢纽、居住区、商业区、景区和高校等地;网约车的日均载客次数、平均运距和运行时长均高于巡游车,空驶率低于巡游车;城市中心区域网约车和巡游车订单量相对均衡,由内向外均衡性逐渐变差,以网约车为主;网约车订单量在工作日呈双峰特征,在非工作日和节假日期间呈单峰模式,而巡游车订单量在08:00达到较高水平后保持相对稳定状态;2020年后疫情时期巡游车的空驶率显著增加,而网约车的空驶率保持相对较低且稳定的状态.研究有助于精准提升多场景模式下城市出租车行业供需动态平衡、运营服务水平和乘客出行满意度.     

基于深度学习的网约车需求预测研究

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。     

职住地建成环境对网约车通勤出行影响研究

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.      

用户抱怨问题较多网约车面临大考

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。     

基于网约车数据的居民出行需求特征分析及需求预测

采用南京市网约车数据研究居民出行行为特征.首先,根据不同的土地类型,将南京市核心区划分为102个独立小区;然后,对出行需求的时空特征分析可以动态调整一天内不断变化的出行需求和交通供给;最后,采用WAVE-SVM耦合模型来预测居民出行需求,结果表明该方法具有较高的预测精度,还可以捕捉到短时交通需求的非平稳特性.     

离汉离鄂和进出京跨城网约车顺风车全面暂停

正3月1日,交通运输部应对新冠肺炎疫情联防联控机制印发通知,要求各网约车、顺风车平台公司严格落实网约车、顺风车疫情防控管理要求,即日起全面暂停离汉、离鄂和进出京跨城的网约车、顺风车业务,坚决防止疫情通过网约车、顺风车从武汉、从湖北输出,坚决防止疫情通过网约车、顺风车输入北京。通知指出,网约车、顺风车等作为城市交通出行的重要工具之一,极有可能被利用成为规避防控排查要求非法进出北京、湖北等地的渠道,扰乱疫情防控秩序,威胁人民群众健康。各平台公司要严格落实主体责任,主动服务防控大局,按照湖北和北京等地疫情防控联防联控机制的部署要求,坚决     

年终出行盘点:围猎滴滴,腰部玩家机会大增?

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。     

网约车和传统出租车的博弈分析

传统出租车一直是城市交通的重要组成部分,满足了相当一部分市民出行需求,但是随着移动互联网的普及,网约车横空出世,近年来,滴滴打车等网约车平台层出不穷,成为了人们出行的一种新型交通方式,为人们的出行提供了极大的便利。文章应用博弈论中的合作博弈和非合作博弈模型,分别对网约车和出租车进行博弈分析。研究结果表明,网约车和出租车双方进行合作博弈所获得的利润大于非合作博弈时的利润,从而得出结论双方应该进行合作,从而达到共赢。最后根据研究结果,提出还需要一系列更完整的规章制度去减少网约车存在的一些风险,以合作思维,创立出租车生态圈。     

网约车排队等候条件下乘客服务类型选择演化博弈分析

为了探究当下网约车平台与乘客之间的博弈关系,本文以网约车平台的补贴政策和乘客选择的服务类型为研究对象,通过分析各局中人的特点,建立了演化博弈模型,并进行了相应的演化路径分析.研究结果表明网约车平台的补贴政策和服务质量影响乘客服务类型选择,该模型存在的3个稳定点的演化路径,分别对应于网约车平台新业务开展的初期、成熟期和衰退期.最后根据研究结论提出了保障用户体验,提供差异化服务和科学出行的建议.     

基于三方合作博弈的网约车联盟收益分配研究

针对各种网约车都在以自己的营销方式和管理手段来抢占网约车市场,导致网约车市场发展不平衡问题,采用合作博弈理论系统分析滴滴出行、神州专车、优步在网约车市场中的收益情况.以Shapely值模型为基础,考虑资源投入、风险水平、客户满意度等影响因素,对收益分配模型进行优化,并通过算例分析,验证优化模型的合理性.     

加强网约车经营管理对策研究

在共享经济时代,网约车作为一种新生事物,在方便大众对出行需求的同时,也减少了机动车的空置时间,提高了利用率,因此越来越受到大众的欢迎。但随着网约车的进一步发展,其业态开始变化,带来的问题也越来越多,网约车与传统出租车的冲突日益加剧、网约车平台管理的漏洞、网约车与城市交通拥堵的关系等问题使其发展受到重重阻碍。文中在总结网约车发展现状的基础上,对当前网约车市场存在的问题进行剖析并提出建议,以加强对网约车的经营管理。     

经多月"休养生息",网约车用户逐渐活跃,下半年如何发力?

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     

基于系统动力学的网约车准入条件政策仿真研究

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。     

基于GPS数据的出租车出行需求预测研究

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。      

网约车服务对城市传统出租车使用的冲击效应

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%。      

网约车市场的发展现状及展望

正过去,网约车市场以互联网企业互相厮杀为主,随着主机厂对出行市场重视度的提升,市场逐步形成滴滴"一超",主机厂出行平台多元发展的局面。网约车市场发展回顾2016年网约车市场合法化,2017年进入快速发展期,2019年宏观经济放缓,政策趋严,市场交易规模增速放缓,进入规范调整期。从基本层面看,整个网约车市场仍有较大的发展空间。政策方面,国家对网约车由粗放式管理逐步进入了精细化、     

疫情期间无车族怎样出行最安全？ 巴西人偏爱自行车

正据南美侨报网报道,巴西民调机构Datafolha近期的一项调查数据显示,新冠病毒大流行期间,没有汽车的巴西人中,有38%认为自行车是最安全的出行工具,其次是网约车(35%)和出租车(9%)。在各类出行方式中,公共交通仅赢得4%受访者的信赖。据报道,本次调查由网约车企业优步(Uber)委托进行,9月16日至10月7日期间在巴西全国各地选取了3 271名16岁以上居民进行访问。在圣保罗大都市区的调查中,半数以上(56%)受访者认为网约车是疫情期间最安全的出行工具。对于无私家车的受访者而言,有21%认为骑自行车出行最安全,其次是乘坐公共交通(8%)。     

常态化疫情防控阶段旅客中长距离城际出行联合选择行为建模

新冠肺炎疫情对旅客中长距离的城际交通出行影响巨大,现有研究侧重疫情暴发初期疫情对城际交通出行的影响,针对常态化疫情防控阶段旅客城际出行选择行为的研究相对较少,因此,本文旨在研究常态化疫情防控阶段旅客中长距离城际出行选择行为。针对民航、高铁、普铁和自驾等方式分别建立包含4种城际出行方式的多指标多因果出行选择模型（MIMIC）,模型中引入感知防疫安全程度、防疫策略、乘车体验与出行习惯4个潜变量,探究潜变量与观测变量的因子载荷并辨识模型参数,求取各潜变量的拟合值;在此基础上建立考虑出行方式特性、旅客社会经济属性与潜变量的多出行方式联合选择行为模型（MIMIC-Logit）,探究常态化疫情防控阶段旅客出行心理对其出行决策的影响;假设出行费用、时间与距离等变量的随机系数服从正态分布,采用抽样1000次的Halton序列对随机系数进行仿真求解,得到随机系数的回归分析结果。以2021年4月—6月到达西安旅客的调查数据为例进行实证研究,结果发现：所提MIMIC-Logit模型的拟合优度与命中率分别为43.621%与83.312%,均高于多项Logit模型与随机系数Logit模型;旅客对不同方式的出行费...     

网约车服务质量评价研究

服务质量是网约车平台公司生存发展的保证,优质的服务有利于网约车行业健康持续发展。为科学评价网约车服务质量,文中根据网约车的特点,基于乘客视角,从有形性、可靠性、响应性、保证性、移情性五方面构建网约车服务质量评价指标体系,应用SERVQUAL评价模型对重庆市网约车服务质量进行评价,并以此为依据提出了服务质量改进措施。     

大数据背景下的路径选择行为建模

路径选择建模的主要任务是基于合理假设，定量分析交通参与者的路径选择行为，并估计和预测交通参与者对交通网络的使用情况。基于此，全面总结路径选择建模的研究现状，介绍各种出行数据的特点，阐释常见的选择集生成方法，对文献中提出的众多离散选择模型进行归类和讨论，对比模型估计的2类主要方法，并展望机器学习在路径选择建模中的广阔前景。研究结果表明：随着交通感知技术的全息化发展，在海量车辆轨迹数据的支撑下，路径选择研究取得了全方位的进步；路径选择模型可分为基于路径和基于路段的模型，前者以路径为基本选项，从通过确定性或随机性方法生成的选择集中选择路径，包括多项Logit （MNL）模型以及更先进的MNL修正模型、广义极值（GEV）模型、混合Logit模型和非GEV分布模型，后者以路段为基本选项，动态地求解路径选择问题，无需生成选择集，包括各种递归Logit模型；路径选择模型的参数估计可使用有标签数据或无标签数据，前者通过地图匹配在交通网络中重构出真实路径，后者则依概率考虑一系列可能的路径。近年来，基于机器学习的路径选择模型因具有更优的预测性能而受到广泛关注。在未来的路径选择研究中，应进一步结合离散选择模型和机器学习模型，使两者优势互补。