检索结果-重庆医科大学图书馆

同方学位论文评论

在线全文

同方学位论文

学校读者我要写书评

暂无评论

建成环境对网约车出行行为的影响分析

交通与运输 2021年第2期37卷 83-88页

作者：李甜毛新博聂莉台段修辉王建军山东交通学院交通与物流工程学院济南250357 江苏大学汽车与交通工程学院镇江212000

出行行为是行为主体在建成环境制约下的选择结果,为探讨网约车迅猛发展时期建成环境对网约车出行行为的影响,基于成都市网约车数据和建成环境数据,构建以路网密度、混合度、公交站点密度等建成环境指标为自变量、乘客上下车点数据为因... 详细信息

出行行为是行为主体在建成环境制约下的选择结果,为探讨网约车迅猛发展时期建成环境对网约车出行行为的影响,基于成都市网约车数据和建成环境数据,构建以路网密度、混合度、公交站点密度等建成环境指标为自变量、乘客上下车点数据为因变量的多元线性回归模型,以成都市为例开展实证研究。结果表明,不同的建成环境对网约车出行行为的影响程度不同,其中土地利用混合程度及商务用地和住宅用地对网约车出行行为影响较大。研究结果可为城市交通系统规划、智慧城市建设以及网约车高效管理提供数据支撑。

关键词：建成环境网约车出行多元线性回归

万方期刊评论

在线全文

学校读者我要写书评

暂无评论

多元化产品和服务的网约车平台运营机制研究

系统工程理论与实践 2022年第7期42卷 1873-1883页

作者：王景鹏李欣蔚黄海军王鹏飞山东大学管理学院济南250000 北京航空航天大学经济管理学院北京100191 燕山大学河北省土木工程绿色建造与智能运维重点实验室秦皇岛066004 河北科技师范学院秦皇岛市交通系统智能分析与决策重点实验室秦皇岛066004

网约车平台提供多元化的产品和服务来满足乘客需求.通过假设平台运营快车和专车服务,分析了乘客出行模式选择行为和司机服务模式供给行为;以网约车平台的双边定价以及专车-快车划分为决策变量,以平台利润最大化为目标,分析了最优解的性... 详细信息

网约车平台提供多元化的产品和服务来满足乘客需求.通过假设平台运营快车和专车服务,分析了乘客出行模式选择行为和司机服务模式供给行为;以网约车平台的双边定价以及专车-快车划分为决策变量,以平台利润最大化为目标,分析了最优解的性质.研究发现:1)双边定价使得专车司机不提供快车服务;2)不存在超量乘客需求或者额外司机供给;3)专车需求不为零,且总存在部分乘客选择其他交通方式.数值实验进一步表明,乘客参与率与司机利用率呈现相反的变化.本文对以网约车平台为代表的一类按需服务平台进行多元化产品运营进行方法论研究,给出了建模思路和求解框架,足够引起按需服务平台实际运营者的重视.

关键词：多元化产品运营网约车出行快车专车按需服务平台

北京市景区网约车出行依赖度分析和需求预测方法

万方期刊国家哲学社会科学学术...

在线全文

学校读者我要写书评

暂无评论

北京市景区网约车出行依赖度分析和需求预测方法

作者：刘子乐北京交通大学

学位级别：硕士

随着旅游业成为全球经济体系的支柱产业,旅游交通逐渐成为当前研究的热点。与此同时,网约车已成为城市交通的主要组成部分。在城市旅游交通中,部分旅游景点存在着网约车供需不匹配的问题。为解决这一问题,本研究基于多源数据,实现了景... 详细信息

随着旅游业成为全球经济体系的支柱产业,旅游交通逐渐成为当前研究的热点。与此同时,网约车已成为城市交通的主要组成部分。在城市旅游交通中,部分旅游景点存在着网约车供需不匹配的问题。为解决这一问题,本研究基于多源数据,实现了景区网约车订单的提取并进行了景区网约车出行的时空特性分析,提出了景区网约车依赖度分级方法,在此基础上,构造了多景区网约车需求预测模型。本文主要内容和结论包括以下几方面:(1)景区网约车订单提取及时空分布特征分析。利用网约车订单数据以及北京市旅游景区数据提取了景区网约车订单并进行统计,在此基础上深入分析景区网约车时空分布特征。时间分布方面,研究发现景区网约车呈现明显的周期性。在空间分布特征方面,研究发现景区网约车空间总体分布很不均衡,景区自身等级和景区地理位置会显著影响网约车的分布。此外,通过对比不同天气状况下景区网约车的出行需求变化,发现恶劣天气是影响网约车出行需求的重要因素。时空特性分析为景区依赖度分析以及预测模型输入提供了基础。(2)提出景区网约车依赖度分级方法。首先明确景区网约车依赖度的概念,在时空特性分析的基础上建立景区网约车依赖度指标体系,提出景区网约车依赖度分级方法,并将北京市主要景区按照网约车依赖度分为高、中、低三级。研究发现高依赖度景区主要集中在北京市区内二环到五环的热门景区;中依赖度的景区主要包括二环内的热门景区以及市区内的主要景区;低依赖度的景区主要包括远离市区的自然景区。依赖度分级研究为认识景区网约车现状以及景区网约车需求预测特征集的构造提供了支撑。(3)建立多景区网约车出行需求预测模型。针对多景区网约车出行需求预测问题,使用长短期记忆(LSTM)模型处理景区网约车时间变量特征,通过卷积神经网络(CNN)实现景区空间特征以及天气因素的融合,在此基础上,使用贝叶斯优化(BO)进行神经网络参数选择,提出了基于BO-LSTM-CNN方法的多景区网约车出行需求预测模型并对北京市部分景区进行需求预测,选取多种性能评价指标对预测结果进行评价,验证了本文提出模型方法的有效性和适用性。最后面向各依赖度级别景区分别提出了基于短时需求预测的景区网约车服务优化策略。本研究基于多源数据,建立了北京市景区网约车出行依赖度分级方法和多景区网约车需求预测方法,对认识北京市主要景区网约车现状以及对后续提升景区网约车服务水平具有一定意义。

关键词：旅游交通网约车出行分级短时需求预测深度神经网络

网约车出行分布时空模式及其时间序列模式识别

同方学位论文

万方学位论文评论

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年第10期26卷 2229-2242页

作者：陈志举刘锴王江波郑州大学土木工程学院郑州450001 大连理工大学经济管理学院大连116024

通信与移动计算技术的快速发展产生了各种出行大数据,为理解和挖掘交通时空出行特征、建设智慧城市提供了新的机会。然而,新兴移动数据规模与复杂性的显著增加也为其结构特征分析带来了挑战。本研究以六边形时空分区为基本聚类单元,提... 详细信息

通信与移动计算技术的快速发展产生了各种出行大数据,为理解和挖掘交通时空出行特征、建设智慧城市提供了新的机会。然而,新兴移动数据规模与复杂性的显著增加也为其结构特征分析带来了挑战。本研究以六边形时空分区为基本聚类单元,提出了一种处理高维网约车出行时空模式的分析框架,通过聚类同质的出行分布群体来识别不同的时空模式。首先,将六边形分区内集计的出行分布时空特征概括为起点的需求量分布、终点的空间分布和终点的需求量分布。进一步,提出了基于时空密度峰值的快速聚类(CFSFSTDP)算法,通过计算时空相似性来识别各分区的网约车出行分布时空模式。最后,采用近邻传播算法来对各分区聚类出的出行分布时空模式的时间变化序列进行聚类分析,捕捉网约车出行分布时空模式的时间序列模式。对成都一个月的滴滴出行订单数据进行实证分析验证了该方法,分析了不同的时空模式在需求大小、位置和时间上的差异,探讨了网约车出行在不同区域的功能类型。其识别出的6类时间序列模式把握了网约车出行分布时空模式的时间连续性,有助于进一步构建网约车出行时空演化数字孪生平台。

关键词：网约车出行大数据分布特征时空相似性时空模式时间序列模式聚类分析成都市

建成环境对网约车出行需求的弹性影响分析 ——以成都市主城区为例

万方期刊评论

在线全文

学校读者我要写书评

暂无评论

建成环境对网约车出行需求的弹性影响分析 ——以成都市主城区为例

作者：龚鑫河北工程大学

学位级别：硕士

随着共享交通的快速发展,网约车已成为短距离出行的主要方式之一。然而,随着网约车出行需求与短途出行频率的增加,网约车供需失衡现象日益凸显。了解建成环境与网约车出行需求之间的弹性关系,对网约车需求量的预测及建成环境更新改造策... 详细信息

随着共享交通的快速发展,网约车已成为短距离出行的主要方式之一。然而,随着网约车出行需求与短途出行频率的增加,网约车供需失衡现象日益凸显。了解建成环境与网约车出行需求之间的弹性关系,对网约车需求量的预测及建成环境更新改造策略的制定至关重要。目前,网约车相关研究忽略了可塑性面积单元问题(MAUP)中的尺度效应与分区效应,且缺乏考虑各变量之间的弹性关系。以成都市三环内区域为例,考虑MAUP对模型结果的影响,将研究区域划分为300m～1500m不同尺度规则网格、泰森多边形以及交通分区共15种空间单元。对每种空间单元下的网约车出行数据及相关建成环境数据进行空间集计,构建建成环境数据集。将建成环境数据集作为自变量,网约车上、下车客流量密度作为因变量,通过对比不同空间单元多尺度地理加权回归(MGWR)模型的平均拟合优度,确定交通分区为拟合效果最佳的空间单元。在交通分区划分下,通过空间计量模型、数据可视化等分析方法,比较不同时段建成环境对网约车出行需求的空间尺度差异及弹性影响程度,并探究建成环境弹性系数的空间异质性。在建成环境空间尺度方面,容积率、停车场密度、办公和公共服务POI密度在所有时段均表现为全局尺度,至CBD距离在所有时段均表现为局部尺度,其余变量的空间尺度在不同时段存在较大差异。在建成环境弹性影响程度方面,商业POI密度对网约车上车客流量的影响程度最大,而至CBD距离主要对网约车下车客流量的影响较大。在建成环境空间异质性方面,弹性系数的空间分布格局主要表现为梯度式、圈层式和多核式。其中,商业POI密度和容积率,始终为正向圈层式分布;办公POI密度和至CBD距离,始终与网约车出行需求呈负相关,且办公POI密度以梯度式分布为主,至CBD距离以圈层式分布为主;平均房价同时存在正向与负向影响,且主要为多核式分布。对比建成环境弹性系数的空间相似程度,发现土地利用混合熵、至最近地铁站距离以及居住、办公、商业POI密度对网约车出行需求弹性影响的空间异质性较大。基于建成环境弹性影响结果,从城市交通热点区域、网约车运营管理及相关政策措施三个方面,梳理网约车出行现状问题及主要原因,提出网约车出行需求优化策略。在降低网约车出行需求的同时,倡导绿色出行,以缓解城市交通拥堵,提高网约车出行效率。

关键词：建成环境网约车出行弹性多尺度地理加权回归

同方学位论文

万方学位论文评论

在线全文

学校读者我要写书评

暂无评论

混合模型在网约车出行预测研究中的应用

重庆理工大学学报（自然科学） 2022年第7期36卷 162-169页

作者：帅春燕王昱翔许庚昆明理工大学交通工程学院昆明650500 昆明市规划设计研究院市政与交通所昆明650051

网约车出行交通流实时预测是智能交通的重要研究领域,针对网约车出行的交通流特点,提出SSA-LSTM-SVR混合模型对网约车短时交通流进行预测分析。使用奇异谱分析(singular spectrum analysis,SSA),将交通流分解为1个主分量和3个随机分量,... 详细信息

网约车出行交通流实时预测是智能交通的重要研究领域,针对网约车出行的交通流特点,提出SSA-LSTM-SVR混合模型对网约车短时交通流进行预测分析。使用奇异谱分析(singular spectrum analysis,SSA),将交通流分解为1个主分量和3个随机分量,根据各分量的不同特征,分别采用长短期记忆神经网络(long-short term memory,LSTM)和支持向量回归(support vector regression,SVR)对不同分量进行预测,并将各分量的预测结果进行权重融合,得到最终的预测值,SSA-LSTM-SVR能够捕捉网约车出行交通流的主要规律及其随机变化趋势,预测结果也能够反映交通流的短期变化。结果表明:与其他基线模型相比,所提出的SSA-LSTM-SVR模型具有较低的预测误差和较高的精度和拟合度,其MAPE平均降低了4%以上,预测精度平均提高了6%以上。

关键词：智能交通网约车出行交通流机器学习 SSA

建成环境对网约车出行影响及优化策略研究 ——以成都为例

万方期刊评论

在线全文

学校读者我要写书评

暂无评论

建成环境对网约车出行影响及优化策略研究 ——以成都为例

作者：赵伟名西南交通大学

学位级别：硕士

近年来,网约车在我国各大城市快速兴起,为居民出行提供了多样化选择和便利。然而,网约车出行存在着居民出行需求难满足、短距离出行频次较多等问题,导致了大量非低碳网约车出行的产生,从而加剧了高能源消耗、交通拥堵和空气污染等问题... 详细信息

近年来,网约车在我国各大城市快速兴起,为居民出行提供了多样化选择和便利。然而,网约车出行存在着居民出行需求难满足、短距离出行频次较多等问题,导致了大量非低碳网约车出行的产生,从而加剧了高能源消耗、交通拥堵和空气污染等问题。为深入探讨城市空间与网约车出行的时空关系,本文基于滴滴出行、POI、建成环境等多源大数据,运用调研统计、空间计量、空间可视化、对比验证等分析方法,从宏观建成区尺度探究了建成环境对网约车出行的全局与空间异质影响作用、从中观单元交通小区尺度辨析了建成环境因素影响网约车出行的作用机制。在此基础上,梳理了网约车出行的现状问题及形成原因并提出了相应的优化策略,以促进城市居民低碳出行,从而一定程度上降低能源消耗、缓解交通拥堵和改善空气污染。首先,通过划分交通小区,确立了本次研究区域内的1023个样本单元。随后,基于相关文献总结,对网约车出行和建成环境进行了概念界定;结合国内外建成环境与网约车出行相关研究,梳理了可用于本次研究的31项建成环境变量指标;总结了空间数据的计量分析方法,包括空间自回归分析和地理加权回归分析等方法。为后文网约车出行特征解析以及建成环境影响机制分析提供数据与理论基础。其次,运用大数据爬取、互联网数据收集、GIS空间可视化等方法依次构建了网约车出行与建成环境变量指标数据库;基于规划视角,将网约车交通量数据分为了低谷期交通发生与吸引量和高峰期交通发生与吸引量,将建成环境变量指标分为了居住与服务设施、商业办公设施、道路交通设施和公共服务设施;初步分析了各类数据的时空分布特征并验证了建成环境与网约车出行存在一定关联性。第三,从宏观建成区尺度和中观单元交通小区尺度,综合运用空间计量、GIS空间可视化和实地调研统计等方法,深入探究了建成环境对网约车出行的全局与空间异质影响及作用机制。从宏观建成区尺度,探究了网约车出行的建成环境全局与空间异质影响因素及作用程度。基于探索性空间数据分析,发现多种建成环境因素和网约车交通量均具有“高-高”型的空间自相关性,验证了成都市多种建成环境设施多在中心区域集中布局,呈高密度集聚分布特征,而网约车交通量存在显著的“空间溢出效应”;综合运用直观判断、双因子比较和多元逐步回归分析等3种方法,筛选出了影响网约车出行的17项显著建成环境因素;通过全局线性回归和空间滞后回归的对比分析,发现交通量空间溢出效应大大减弱了道路通行性对低谷期网约车出行的影响作用,强化了公共交通服务水平对高峰期网约车出行的抑制作用;基于地理加权回归分析,发现多数商业办公设施类建成环境因素对网约车出行有显著的空间异质影响作用,分布密度越高促进作用越强,分布密度越低促进作用越弱甚至产生抑制作用。从中观单元交通小区尺度,结合上述研究结论和实地调研数据分析,研究了建成环境影响网约车出行的作用机制。结果表明住区生活服务设施不足而中央商务区的多样业态和长营业时间是夜间出行低谷期居民选择使用网约车出行服务的关键促进因素,道路步行可达性低而车辆通行性高是次要促进因素;而夜间公交的布设、高步行可达性和难停车一定程度上降低了夜间出行低谷期居民使用网约车出行服务的意愿;地铁覆盖率低、公交线路少、道路车辆通行性高、土地利用混合度低是午间出行高峰期居民使用网约车出行服务的关键促进因素,生活服务设施配置不完善是次要促进因素;而道路车辆通行性高、公共交通服务能力强、道路步行友好性高和停车难一定程度上降低了午间出行高峰期居民使用网约车出行服务的意愿。最后,基于建成环境对网约车出行影响的研究成果,从建成环境、出行政策和交通管理三个层面梳理了网约车出行的现状问题及形成原因,以低碳出行为导向,从合理控制居民网约车出行需求和减少居民短距离网约车出行两个角度提出了相应的网约车出行优化策略。其中,从建成环境改善层面分别提出了居住与服务设施、商业办公设施、道路交通设施和公共服务设施四个方面的网约车出行优化策略;从出行政策完善层面分别提出了价值导向和措施制定两个方面的网约车出行优化策略;从交通管理引导层面分别提出了管理模式、资源调度和数据共享三个方面的网约车出行优化策略。

关键词：建成环境网约车出行影响计量分析优化策略

基于建成环境的热点区域网约车出行影响因素分析与需求预测

同方学位论文

万方学位论文评论

在线全文

学校读者我要写书评

暂无评论

基于建成环境的热点区域网约车出行影响因素分析与需求预测

作者：武书羽长安大学

学位级别：硕士

网约车作为城市交通的重要组成部分,对居民出行起着重要的作用,在一定程度上缓解了居民出行“打车难”的问题,但其供需不均问题依然存在。本文基于西安市网约车订单数据、POI数据与天气数据,挖掘高峰时期载客热点区域,分析出行影响因素... 详细信息

网约车作为城市交通的重要组成部分,对居民出行起着重要的作用,在一定程度上缓解了居民出行“打车难”的问题,但其供需不均问题依然存在。本文基于西安市网约车订单数据、POI数据与天气数据,挖掘高峰时期载客热点区域,分析出行影响因素,构建网约车出行需求预测模型,有助于网约车平台动态调节车辆供应、优化运营与管理决策,同时能够提升用户出行体验,减少等待时间。本文首先对原始数据进行清洗筛选,利用python和Arc GIS对网约车出行时空特征进行可视化,分析其分布特征。而后,利用基于k-距离的改进DBSCAN空间聚类算法,对工作日和休息日高峰时期载客热点进行挖掘,对热点区具体所在位置进行细化研究。然后,对网约车出行影响因素进行分析。为使研究具有可靠性,将载客热点集中分布范围作为研究区域。以出行需求量作为因变量,多种POI密度反映城市建成环境作为自变量,检验自变量间的多重共线性,利用SPSS软件实现逐步回归,筛选出各高峰时段的解释变量,并分析其空间自相关性,发现所有变量都为空间正相关,符合模型构造条件。构建最小二乘回归模型与地理加权回归模型,对比二者拟合优度,验证了地理加权回归模型用于出行影响因素研究的可行性,以工作日和休息日高峰时段为例,对网约车出行影响因素进行时空异质性分析。最后,在Tensor Flow2.0深度学习框架下,选取吉祥村为典型载客热点区,针对工作日和休息日分别构建基于Bi-LSTM的网约车出行需求预测模型。结合POI影响因素,将其与时间因素、天气因素作为变量输入模型中,对模型进行参数优化,确定模型结构。选取RMSE、MAE与MAPE作为模型评价指标,将Bi-LSTM模型与多个传统模型进行对比研究,显示Bi-LSTM模型预测精度最高,在不同日期属性下预测模型性能表现较为稳定。通过对不同高峰时段的模型误差分析,验证了Bi-LSTM预测性能的有效性与平稳性。

关键词：网约车出行建成环境长短期记忆网络地理加权回归模型空间聚类