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.     

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.     

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。     

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.      

基于SEM模型的网约车乘客安全感知建模与分析

近年来,网约车快速发展,但其运行过程中隐藏的乘客安全问题愈发凸显.为探究乘客对于网约车乘坐过程的安全感知情况,利用鱼骨图将安全问题划分为交通安全、信息安全、人身财产安全3个维度,并以此为基础设计并进行问卷调查.为刻画不同潜变量之间的复杂关系,构建了基于结构方程模型(SEM)的逻辑框架,揭示了个人特征、事故经历、安全知识以及冒险倾向等因素对网约车乘客安全感知的影响路径及显著性.结果表明,乘客的安全知识、事故经历以及冒险倾向对网约车乘客的安全感知有显著的直接影响;性别、收入水平等个人特征亦显著影响网约车乘客的安全感知.研究结果可为网约车安全管理相关政策的制定提供理论依据.      

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。     

基于混合机器学习框架的网约车订单需求预测与异常点识别

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,...     

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。     

万顺叫车:一路雄风一路歌

正随着移动互联网技术在出租汽车领域的应用,网约车应运而生,并且预约服务操作简单,有效提高了出行效率,近年来,网约车行业实现了快速发展。在这期间,"补贴"形式的营销模式以及"私家车"为主要运力的营运形式,是网约车留给人们最深的印象,这样的模式迅速培养了老百姓使用网约车的出行习惯,但其粗放的发展模式也引发了一系列的行业乱象。在此背     

网约车运输安全监管研究

网约车在中国发展已有6年时间,其产品模式不断创新,政府对网约车的监管规制也推陈出新。文中以时间轴为脉络概述了中国网约车的发展概况,对比分析了美国各州及欧盟各成员国对网约车的安全监管规制;从人-机-环的角度系统分析了网约车运输安全的监管焦点,包括网约车平台公司与司机的劳务关系、网约车保险规制、准入规制、安全规制、定价规制;对是否应由政府控制网约车数量的问题进行了分析,提出最好由市场调控数量,同时指出网约车的规制需在实践中进一步完善。     

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。     

政策

正交通部将建立网约车监控平台和行业黑名单网约车新政实施一周年来,已有133个城市公布了落地细则,19家网约车平台公司获得经营许可,发放了10万本网约车驾驶员证。下一步将从3个方面继续推进深化出租车改革,其中包括对仍存在的打车难、打车贵等问题组织第三方评估,建立全国网约车监控平台,会同有关部门研究理顺出租车价格形成机制,建立行业黑名单制度和市场退出的机制等。在网约车改革推进的同时,有群众反映部分城市由于涉及到不合规车辆和人员     

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。     

网约车价格规制研究

网约车在市场上的发展不仅需要支持和鼓励,也需要控制管理,若网约车的定价不受政府管控,在网约车与乘客信息不对等的情况下,加上其负外部性,势必成为垄断性行业。为避免这一现象的产生,文中通过对相关文献的研究,得出网约车需要一定的价格规制,同时允许地方政府各自对本地的网约车享有自主的规制主权,以免出现"水土不服"。     

基于PEST分析的纯电动汽车作为网约车竞争环境研究——以三四五线城市为例

网约车合法化后,具有运营成本低、环境友好等优点的纯电动车进入网约车市场。但在三四五线城市,纯电动网约车的渗透率比较低。为了推动纯电动汽车进一步进入网约车市场,基于网约车市场和纯电动车特点,借助政治、经济、社会、技术（Politics Economy Society Technology, PEST）分析法从政策、经济、社会和技术四个宏观环境对纯电动车作为网约车在三四五线城市竞争环境进行分析,研究制约纯电动网约车在三四五线城市发展的宏观因素,并针对性提出纯电动网约车的发展建议及措施,即地方政府通过制定宽松政策和合理规划充电设施鼓励纯电动汽车的使用;网约车平台采取降低挂靠费用、差异化服务价格等措施,引导驾驶员和客户使用纯电动网约车,从而提高纯电动汽车在三四五线城市网约车中的渗透率。     

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。     

基于云端AI的网约车接驳指示灯设计与研究

本文提出一种基于云端AI智能的网约车接驳指示灯的设计与研究方案,通过云端对网约车上的指示灯进行相应智能控制,使得网约乘客可以快速、精准地找到对应的车辆,节省了网约车驾驶员及乘客的寻找时间,提升了大众出行效率。     

基于人车交互行为模型的上下客行为识别

上下客行为是常见的人车交互交通行为，但随意地在路边或者禁停区域上下客，不但容易干扰道路交通秩序，还可能造成人员伤亡的恶性交通安全事故，需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署，全路段的上下客行为检测成为可能。设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB（Human-Vehicle Interaction Behavior）及上下客行为识别方法，实现路边停车和上下客行为的检测。人车交互行为模型HVIB由车辆运动状态检测模块和人车关系检测模块组成。在车辆运动状态检测模块中，利用YOLOv4（You Only Look Once，Version 4）目标检测模型和SORT（Simple Online and Realtime Tracking）跟踪算法输出高置信度目标信息，并抽取车辆时空位置特征表达。在人车关系检测模块中，结合人与车辆的空间位置变化和相对运动方向，形成人车关系的时空特征表达。通过计算视频中人车时空位置特征，基于车辆运动状态判别函数和人车关系判别函数输出车辆运动状态和人车关系类别，并依据不同人车交互行为的定义，可以实现上下客行为识别。使用真实城市交通场景视频数据，对多种天气条件（晴天、阴天、雨天）下的不同人车行为进行了识别试验。试验结果表明：所提出的方法可以全天候工作，其中在白天多种天气条件下，停车和上下客行为的检测准确率能达到90%和87%以上，夜晚正常天气条件下分别为82.5%和77.5%；同时，检测速度在每秒30帧以上，满足实际应用的实时性要求。     

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、