基于因果分析和相似日选择的共享单车需求量预测组合模型

共享单车的需求量预测是优化车辆系统布局、实现车辆合理调度的基础。为了提高共享单车需求量预测模型的精度，建立了基于格兰杰因果分析和相似日选择的组合预测模型，研究了时间和天气因素对共享单车出行需求的影响。应用格兰杰因果检验方法，筛选出影响共享单车需求量变化的关键天气指标。然后，基于天气特征向量的灰色关联度指标，提取待预测日各时段的相似日样本集。综合随机森林回归、支持向量回归等机器学习算法，建立了Stacking策略的组合预测模型，对区域分时共享单车需求量进行预测。最后，对北京市共享单车用户的骑行数据进行实例分析。结果表明相较单个机器学习预测模型，提出的组合预测模型的平均绝对百分比误差下降了9.1%，提高了共享单车短时需求预测的科学性和准确性，可为实际车辆调度提供参考依据。     

分时租赁自行车绿色使用行为的影响因素研究

我国分时租赁型自行车在绿色出行方面发挥了积极作用,但也产生了用户乱停乱放、随意破坏共享单车的问题。通过统计分析方法检验消费者特征、城市特征对共享单车使用行为数量与使用质量的影响,并对不同出行目的共享单车使用行为进行了比较。研究发现:积极生活方式、城市空气质量对共享单车使用数量有显著正向影响;消费者创新性、积极生活方式、消费者社会规范行为均对共享单车使用质量有显著正向影响;使用共享单车直接前往目的地的高社会规范用户、使用共享单车间接前往目的地的热爱骑行程度高的用户更可能爱惜共享单车。     

面向智慧城市的共享单车出行时空间特征研究——以广州天河中心区为例

 信息通信技术的快速发展和广泛使用推动了智慧城市的发展,变革了市民的生产和生活方式。如何基于智慧技术,精准识别社会需求,实现供需的匹配,是智慧城市研究的新内容。近年来出现的共享单车作为一种便捷、高效、绿色的新型出行方式,普及度较高,但相关研究成果较少。以天河中央商务区（CBD）为研究范围,基于对研究范围内的共享单车在工作日和休息日的分布和使用情况的分析,重点探究天河北、天河路、珠江新城等商业金融区的单车流动强度和出行的时空间特征。研究发现,在时间分布方面,共享单车在工作日的出行具有早高峰特征;而在休息日,共享单车全天的出行较为平均,高峰使用时段集中在午间和下午,拥有更高的使用效率。在空间分布方面,工作日共享单车的出行集中在广园快速路沿线的交通枢纽和教育科研功能区;而在休息日,单车则散布在外围的地区,出行轨迹主要分布在中部的天河路商圈和南部的珠江新城商圈。同时,单车在商业金融区整体呈现低流动、低使用的特征,而共享单车出行密度较高的区域流动强度依然较低,建议进一步通过构建智能反馈系统对单车的分布情况、流动性和用户出行的情况进行实时监控,为科学、合理的单车调配提供参考,并为共享单车的调配布局提出优化策略。     

基于AM-LSTM模型的共享单车时空需求预测

为准确预测城市不同区域的共享单车需求量,解决区域间供需不平衡问题,在对上海市共享单车数据进行时空特征可视化分析的基础上,研究共享单车的出行分布规律. 针对时间出行分布的非严格周期性,提出了一种引入注意力机制的长短时记忆网络预测模型AM-LSTM. 利用Spearman相关性分析法分析特征影响因素,提取模型特征值. 分别构建不同输入序列的预测模型,与传统时序预测模型进行对比分析. 结果表明,采用30 min时间间隔的输入序列具有较高的预测精度,AM-LSTM模型能够较好地预测共享单车的出行需求量,预测精度优于单一的LSTM模型. 最后对预测曲线进行相关度分析,验证了AM-LSTM模型的预测性能,可以为城市共享单车的调度及分配提供有效信息.     

基于大数据技术的吉林市共享单车出行选择意向研究

在互联网发展的大背景下,"互联网+自行车"模式的共享单车颇受用户喜爱.本文通过大数据技术分析吉林市共享单车出行选择意向调查问卷数据,了解吉林市民出行现状,研究共享单车在吉林市的发展趋势,对其前景进行了分析并对其现存问题提出了合理性建议.     

基于随机森林与时空聚类的共享单车站点需求量预测

为方便准确地预测出城市共享单车站点的需求量,根据站点需求量的随机性和时变性,提出了一种基于随机森林和时空聚类的共享单车站点需求量预测模型;该模型研究了时间因子、气象因子以及关联站点对需求量的影响;应用分层聚类对站点进行了时空分析;结合对数优化后的随机森林作为预测器。面向湾区共享单车出行数据进行需求量预测。结果表明:该模型相比极限学习机、支持向量机与随机森林等经典机器学习算法在需求量预测方面有较好的预测结果,可为实际车辆调度提供参考依据。     

基于贝叶斯网络的大学生共享单车出行行为研究

为研究大学生共享单车出行行为,以福州市大学城各高校学生为研究对象,利用问卷调查采集各年级学生共享单车出行数据.首先,基于所获得的数据计算各节点的互信息值,假设贝叶斯网络参数服从Dirichlet分布,采用K2算法进行贝叶斯网络结构学习,利用贝叶斯估计法进行贝叶斯网络的参数学习,从而构建大学生共享单车出行行为的贝叶斯网络.然后,利用所构建的网络进行共享单车出行方式预测,计算该模型的预测值与实际值的误差,分析模型的精度,且与常用的Logit模型预测结果进行比较.最后,在所构建的网络模型基础上,应用联合树引擎分析是否拥有私人交通工具、出行距离等影响因素对大学生共享单车出行行为的影响.分析结果表明,贝叶斯网络学习精度较高,比Logit模型预测结果更有效.     

基于K-means的城市轨道交通社区接驳共享单车停靠点规划

研究基于K-means的城市轨道交通社区接驳共享单车停靠点规划问题。首先,在分析现有共享单车停靠存在问题基础上,对其骑行数据挖掘,采用K-means算法聚类后进行二次划分,得到候选停靠点;然后建立在可供选择和容量限制的共享单车停靠点双层规划模型,上层为政府追求出行者广义出行成本最小化、共享单车出行量最大化模型,下层为出行者不同接驳方式和站点选择的交通分配模型;最后采用遗传算法优化求解,通过实例予以验证。结果表明:该方法确定共享单车停靠点与规模,方便共享单车出行,增加其出行量,同时解决了停放混乱问题,提高了接驳服务水平。     

基于DEA的单车共享经济的计量分析

针对单车共享经济,采用数据包络分析方法,建立了共享单车品牌核心竞争力的综合评价模型.基于灰色系统理论,构建出共享单车未来格局预测模型.综合使用Matlab、SPSS和MaxDEA等软件,研究了上海、南京、南通的共享单车投放量及市场饱和度,刻画了ofo、摩拜单车、小蓝单车、小鸣单车、永安行等5大品牌的核心竞争力,得出综合排名,并对共享单车的未来格局做出预测,指出未来共享单车市场将出现ofo、摩拜单车两家独大的局面.     

共享汽车用户及出行时空特征分析

共享汽车在中国是一种重要但尚存争议的新型出行方式.因管理部门尚未明确其对道路交通的影响,而无法确定合理的管理导向.针对这一问题,研究基于上海最大的汽车共享公司EVCARD的订单及用户数据,通过描述性统计分析出行总量、需求时空分布,分别用多元线性回归和二项logistic回归分析高频用户和通勤时段出行用户的特征.结果表明,当前EVCARD用车需求和高峰时段出行主要发生在城市外围区域,城市中心区域无通勤特征;高需求用户与通勤时段高频出行者特征并不一致且部分特征相异.因此,上海EVCARD出行不会对城市道路交通拥堵产生显著负面影响.     

关于北京市感知价值对共享单车出行选择影响的调查分析

为研究共享单车在城中化进程中的发展以及其在促进公共交通和减少私家车使用中的重要作用.通过把行为经济中的感知价值因素引入到共享单车出行选择分析框架中,把反映出行者感知利得和感知利失的潜变量以及刻画骑行者个人特征和出行特征的显变量统一纳入到离散选择潜变量混合模型(integrated choice and latent variable,ICLV),研究了感知利得(包括感知节约、感知激励、履行社会规范)和感知利失(包括转换成本和感知风险)心理权衡过程对出行者出行选择的量化影响水平.结果 表明:①收入,偏好以及衔接性正向显著影响出行者共享单车出行选择行为;②男性比女性更愿意选择共享单车出行;③出行目的也显著影响出行者共享单车出行选择行为;④在感知价值方面,感知利得正向影响通勤者共享单车出行选择行为,其中感知时间节约,沿途风景欣赏,资源节约显著影响;感知利失负向显著影响出行者共享单车出行选择行为,其中转换心理成本和感知信息风险会显著影响.     

考虑用户偏好的奖励机制下共享单车分流停车引导策略研究

为缓解共享单车停车空间不足导致的乱停乱放问题,提出共享单车停车分流引导策略,并根据用户行为选择设置相应的奖励措施。设计叙述性偏好问卷调查,获取用户行为选择偏好数据,运用Logit模型进行分析并构建激励共享单车用户分流停车的奖励机制;构建以企业成本最小和转移停车需求最大为目标的多目标优化模型,提出引导用户分流停车的策略。以西三旗永泰庄地铁站为例检验了该策略的实际可操作性,结果表明策略用户接受度达60%,预计成功转移58.33%的过量停车需求。该策略能够在一定程度上缓解由于停车空间不足导致的共享单车停车问题,可以为共享单车停车管理提供有效指导。     

“互联网+共享单车”对大学生健康运动的启示

随着共享单车的不断普及,共享单车受到了很多大学生的青睐,影响着大学生身体素质,给大学生的健康生活方式带来了深刻影响。对共享单车的特点、功能进行研究,分析其对大学生健身意识和健身动机的影响。共享单车的随时随用、便利出行、健身属性以及社交属性给人以新鲜感和创新感,增强了大学生使用共享单车的黏性。启示:打造和建立校园共享单车服务平台;建立骑行社团;高校和共享单车企业合作举行骑行赛事;高校可设"益骑行"体育节。     

考虑建成环境交互影响的共享单车需求预测

共享单车的发展有利于交通的节能减排绿色发展。建成环境是影响共享单车出行需求的重要因素，然而很少有学者探究考虑其交互作用。为了准确分析建成环境中各影响因素的交互作用以达到精确预测共享单车出行需求的目的，本文使用了深圳市共享单车出行数据、兴趣点数据（point of interest，POI）、路网数据和公交线路数据等多源数据，采用梯度提升决策树(Gradient Boosting Decision Tree，GBDT)模型预测共享单车出行需求，并与BP(Back Propagation)神经网络模型预测结果进行比较；最后借助SHAP(SHapley Additive explanation)方法解释GBDT模型中各种影响因子对共享单车出行需求产生的影响，并分析各影响因素及其交互作用。实验结果表明：GBDT模型预测结果平均绝对误差为0.683，均方根误差为0.728，较BP神经网络模型预测准确性更高；通过SHAP方法发现自行车道密度、公交站点数等交通属性因素对于共享单车出行需求作用明显，土地利用中土地利用混合度不是简单线性作用且不同POI间存在复杂交互关系。可见通过借助GBDT模型和SHAP方法可以用来共享单车出行需求预测以及影响因素分析，从而为共享单车发展提出改善建议。     

共享单车低碳出行的实证研究——以合肥市居民为例

以问卷、SPSS等作为调查研究工具,分析了合肥市居民在选用低碳交通工具——共享单车上的使用目的和意愿,运用多元统计学,结合社会人口学特征相关数据,深入研究了其对居民选用共享单车作为低碳出行工具上的使用意图;结果表明:合肥市居民对共享单车作为低碳出行工具的使用意愿较高,并对共享单车的可行性与未来发展持乐观态度,但是他们在共享单车投放数量、城市公共绿道和存在安全隐患方面也表现出担忧;同时,绝大部分居民对共享单车作为低碳出行工具的使用意愿及目的一致度较高;社会人口学特征的多因子交互作用共同影响着居民低碳出行使用共享单车的最终意图;最后,共享单车作为低碳交通的重要补充,在国家低碳城市建设中,应重点关注"公共绿道/慢道系统"在国家低碳城市建设中的开发与规划;"监管与规范"构建良好的使用环境;将居民对共享单车的使用频次、公里数等,纳入碳补偿机制体系,有效提升居民低碳出行的积极性。     

基于需求调度模型对我国共享单车的调度研究——以南京市为例

在共享经济及绿色出行的背景下,共享单车因其零排放、灵活性高等特点逐步成为人们偏爱的出行工具.但在其数量迅速增加的同时,使用效率低下、资源分配不当等问题也日益严峻.本文以南京市为例,利用所得数据分时段探究不同时空下共享单车的需求量,并依据需求调度模型给出不同地区共享单车的分配方法.最后设计出单车最优经营模式,为共享单车行业的发展提供理论借鉴.     

基于出行时间预算的多模式多类用户城市交通均衡分析

在道路交通与轨道交通组成的多模式城市交通网络中,考虑路径出行时间的不确定性,对用户的交通模式与路径的选择行为进行分析,建立基于出行时问预算的多模式多类用户均衡交通分配模型,设计基于路径配流的求解算法.研究结果表明:该算法适用于路径费用不具备可加性的交通均衡模型的求解;交通需求、路网降级及用户所需的可靠度水平对交通模式及路径选择均具有显著影响;随着交通需求水平的提高或路网降级加剧,用户选择轨道交通出行的份额增加,且可靠度需求较高的用户选择轨道交通的份额增幅更高.     

考虑路径走行时间边界的行程时间可靠性研究

以路径的自由流时间为路径走行时间的下边界,提出了截断正态分布条件下的出行时间预算模型,并将其与一般正态分布条件下的出行时间预算模型进行对比.在多用户随机网络条件下,假定出行者的期望准时到达概率是异质的,并建立了基于可靠性的多类用户随机用户均衡模型.研究结果表明,在截断正态分布条件下,出行者的预算时间更大,且其风险厌恶水平是基于情景自适应的.同时,对准时到达要求较高的出行者倾向于选择可靠性较大的路径,对准时到达要求不高的出行者倾向于选择平均走行时间较小的路径.     

基于全生命周期的共享产品管理

 共享经济是近年来在中国蓬勃发展的一种新型经济模式,共享单车作为一种成功的产品,一方面极大地方便了都市人群的出行,解决了最后一公里的出行难题,但在另外一方面也带来诸如产能过剩,管理混乱等问题。本文针对共享单车,研究其全生命周期的碳排放量和使用情况,得到1辆单车抵消其能源消耗的最短使用时长。结果表明,北京拥有近350万辆共享单车,在当前每辆单车1天被使用1次,1次行驶里程为2.1 km的情况下,每辆单车至少使用625天,才能实现真正意义上的"零碳排"和"绿色出行";目前北京将承担因共享单车过量投放带来的巨大环境风险。全生命周期碳排放核算成为基于环境角度制定合理的共享经济产品数量管控值的重要手段。     

基于FA-BPNN的城市共享单车满意度影响因素研究

为了提高共享单车用户满意度和影响因素的评价精度,提出一种基于因子分析法的BP神经网络满意度分析模型(FA-BPNN).采用因子分析法将影响用户满意度的21个指标简化为4个公共因子降低输入维数,并以附加动量法改进BP神经网络建立模型,避免了其他综合评价方法中过于依赖主观性的不足,提高模型的效率和可靠性.以广州市共享单车为研究对象,实证研究共享单车使用满意度与影响因素.研究表明车况与服务、经济成本、易用性、手机终端等因素对用户满意度有显著影响.相对于传统BP神经网络模型,FA-BPNN提高了模型的效率与可靠性,该方法能有效反映广州市共享单车用户的满意度与影响因素,具有广泛应用前景.