坐网约车的安全之道

<正>由于便捷、价低等优势,越来越多的人开始使用网约车平台叫车出行。但是作为新兴行业,网约车仍存在很多安全隐患和监管漏洞。要想安全地乘坐网约车,还是先了解以下这些内容吧。交通运输部等七部委出台的《网络预约出租汽车经营服务管理暂行办法》已于2016年11月1日正式实施。《办法》要求网约车车辆及驾驶员需符合以下条件:     

网约车出行需求预测方法

随着互联网出行方式的迅速变化,城市居民快速增长的网约车(Internet private hire vehicle,IPHV)出行需求与服务车辆资源之间的供需矛盾日渐突出.针对网约车出行需求预测基础理论的研究,对国内外大量文献进行了梳理和分析.首先分析了网约车用户出行影响因素;然后从时间维度和事件维度详细综述了网约车出行需求预测的内容、方法和关键技术,对比了各类预测方法的优缺点;最后,总结了既有研究存在的主要问题,并进一步提出了未来的研究方向.     

基于个人视角网约车选择影响因素分析

网约车是当前热度较高的出行方式之一,但是仍有一部分出行者尚未使用过网约车这一出行方式,为了探寻是否曾采用网约车出行的影响因素,运用二元Logit模型,从个人属性视角出发,对是否使用网约车进行分析,采用向前似然比检验得到最终的模型.研究结果表明,出行者的学历和常驻地区是影响网约车选择与否的显著影响因素,同时得到了计算个人曾使用网约车概率的Logit回归方程.结合模型得出了本文的结论,并提出对当前网约车行业发展具有一定的参考价值的建议.     

区间阻抗下的网约车合乘鲁棒有效路径

为了研究网约车合乘的路径优化问题,在定义鲁棒有效路径的基础上,基于区间阻抗的生成方法,以网约车运营时间成本、运营固定成本、燃油消耗成本以及乘客费用成本相结合的运营阻抗成本的区间值为模型目标,研究了区间阻抗下的鲁棒有效路径生成;运用深度优先搜索算法求解,分析得出了网约车合乘最优的鲁棒有效路径和鲁棒成本。通过算例验证分析得出,网约车合乘能有效减少居民出行总成本,提高出行效率。     

移动出行:从合规化到供给侧改革

聚焦打车软件领域,用户端的白热化争夺已逐渐进入尾声.而滴滴出行与海博出租的合作,释放出一个新的市场信号:滴漓出行或将通过合规化的供给侧改革,打造移动出行市场的管道型企业,从而成长为难以撼动的行业巨头. 继上海大众和首汽合作自建网约车平台“大众出行”之后,滴滴打车和上海本地出租车公司海博出租,也携手乘上了“友谊的小船”.     

技术治理视角下我国网约车的监管问题及对策

网约车作为一种新型的移动出行方式，随着互联网技术的快速发展在我国增长迅速。对网约车的监管体系及监管技术应用进行分析发现，在监管数据接入程度、经营规范性审核力度、监管渠道等方面存在着问题。在技术治理视角下，我国网约车监管应以科技为手段，通过加强政企监管互动、建立平台内部监管体系、开放多主体协同监管渠道等方面，提升网约车监管效能。     

国际资讯

正国际资讯·财经新闻1.7月17日,Facebook宣布,将加大其在人工智能领域的研究投入。2.7月19日,日本软银集团和中国网约车巨头"滴滴出行"宣布成立合资公司,将在日本提供出租车打车服务和智能交通解决方案。3.7月30日,美国T-Mobile公司宣布,已经与诺基亚达成交易,让后者为其提供35亿美元的下一代5G网络设备,这是迄今为止全球规模关于5G的最大交易。     

基于QPSO__RBF神经网络的网约车需求量预测模型

为了准确地预测乘客对网约车的需求量,指向性地提高部分地区的运力,让乘客更加容易预约到网约车,从而提升乘客的出行体验,通过对网约车需求量的变化规律和影响因素进行灰色关联度分析,选取网约车历史需求量、天气类型和道路拥堵比例作为影响因子,利用量子行为粒子群(QPSO)算法优化径向基(RBF)神经网络的网络权值、中心和基宽来构建QPSO__RBF神经网络预测模型。实际运营数据结果表明,QPSO__RBF神经网络预测模型具有可行性和有效性,其预测精度优于普通RBF神经网络模型的,且无论是改进的RBF神经网络还是普通RBF神经网络,综合考虑历史需求量、天气类型和道路拥堵比例作为影响因子的预测模型均优于只考虑历史需求量的预测模型。     

网络时代的出租车

正网约车与传统巡游出租汽车的融合发展,有助于传统巡游出租汽车转型升级,提供更好的服务体验。未来十年,共享将成为国内汽车出行的重要趋势,科技出行常态化,大平台将通过智能化运营,为用户提供随时随地、随需所用的出行服务。     

工伤预防“小切口” 服务民生“大目标”——长沙人社进企业、近员工为新业态护航

<正>6月29日下午，长沙市工伤保险服务中心举办2023年新业态职业伤害预防首场培训，来自滴滴出行平台的80名网约车司机参与培训。此次培训是长沙首次聚焦新业态从业人员开展的精准化职业伤害预防培训，针对网约车司机职业风险场景和职业伤害进行详细讲解，传授相关职业伤害预防知识，同时，向参训者推介使用“互联网+工伤预防”平台。     

基于主成分分析和BP神经网络的网约车 服务质量评价

为客观、科学评价网约车服务质量,从顾客满意度角度出发,通过分析网约车服务过程,建立网约车服务质量评价指标体系;为消除指标间的相关性,利用主成分分析法提取累计贡献率超过85%的主成分作为BP神经网络模型输入;通过分析BP神经网络模型的原理构建具体BP神经网络拓扑结构;以网约车乘客满意度调研问卷为数据基础,对BP神经网络模型进行训练、仿真,并与传统BP神经网络模型及SERVQUAL模型评价结果进行对比.结果表明:本文构建模型收敛效率高、评价误差小,能够反映网约车服务质量的水平,可以为评价网约车服务质量提供有效理论支撑.     

今天,你约车了吗

<正>网约车,你知、我知、大家知,甚至一些时髦的爷爷奶奶也能"约"一辆呢!2016年5月31日,我国教育部、国家语委发布《中国语言生活状况报告(2016)》,"网约车"就入选十大新词。网约车,是网络预约出租汽车的简称,而我们常见的传统出租车现在被称为巡游出租汽车,二者共同构成出租车这     

当出租车遇到科技

<正>科技改变了人们的生活,其中就包括人们乘坐出租车的方式。3年前,我们都是走到路边,招手打车。今天,我们可以坐在沙发上,掏出手机,打开软件约车,等车到了再出门。那么,3年后呢?30年后呢?无人驾驶出租车德国研究人员正在研制无人驾驶的全自动出租车。研究人员把平板电脑和德国大众     

建成环境对网约车出行需求影响机制研究

【目的】研究建成环境对网约车出行需求的影响。【方法】以成都为例,采用不同尺度规则网格与交通分区两种方法,将研究范围划分为8种空间单元,针对每一种空间单元,利用多尺度地理加权回归（MGWR）模型进行回归分析,确定最优空间分析单元,根据最优带宽将建成环境影响因素划分为局部、区域和全局变量,分析各建成环境变量影响程度的空间异质性和尺度差异,探讨建成环境与网约车需求量之间的关系。【结果】1 100 m网格为最佳的空间单元划分尺度,在该划分尺度下,早晚高峰网约车需求回归模型决定系数R2分别为94.5%和96.7%;不同建成环境影响因素的空间尺度差异较大,且局部系数具有空间异质性,在早晚高峰不同时段变化较大。【结论】最佳空间分析单元可为预测网约车交通需求的交通分区提供参考,在针对不同区位进行客流需求调整时,空间异质性结果为制定更加合理的建成环境及更新策略提供决策依据。     

打车软件:从“野蛮生长”到“中国式整合”

疯狂的打车软件“烧钱大战”终于开始降温. 近年来,在政策、资本等多重因素影响下,打车软件经历了迅速崛起、百花齐放、互联网寡头介入、白热化营销竞争……在炙热的“野蛮生长”期过后,面对逐渐明朗的交管政策,打车软件产业将如何完成新一轮的“中国式整合”? “打车难”是城市交通病的集中反映,随着智能手机的普及和移动互联网技术的发展,用智能手机实现叫车服务的移动应用,正逐渐改变着人们的出行方式. 然而,随着打车软件行业不断洗牌、阿里巴巴和腾讯两大互联网巨头借机抢占移动支付入口,嘀嘀打车和快的打车持续上演“双雄争霸”,在为移动用户带来便利的同时,也令不会使用软件的乘客吃足了苦头.站在路边频频招手,却眼睁睁看着一辆辆空车扬长而去.打车软件引发的“打车难”问题,持续吸引着公众和行业管理部门的目光.     

用服务营造创新软实力——互联网金融大厦

<正>2014年,"快的打车"APP一鸣惊人,炙手可热。它与同类产品"滴滴打车"的市场之战不但引起了业界的热烈讨论,也成为了大街小巷津津乐道的新闻。这款APP是快智集团研发的一款通过移动互联网技术解决城市居民出行的手机软件。现在,它已覆盖国内包括香港在内的358个城市,拥有超过1亿名乘客用户,以及135万名司机用户,在国内打车软件市场中占据54.4%的份额,位居行业第一。     

新能源竞争战场“被甲持兵”,特斯拉上海工厂成捷径?

<正>近年来,新能源汽车以蓬勃的姿态快速增长。得益于政府补贴及牌照优惠政策,消费者能够以相对低的价格买到整车与牌照,解决了限牌、限行的出行难题,同时还节约了时间成本和金钱成本。随着新能源车续航里程的提升,充电桩也逐渐普及,越来越多的消费者将电动车作为购车首选。据中汽协数据显示,2018年1月至8月,我国新能源     

动态稳态视角下考虑固定佣金比率的网约车平台定价研究

网约车平台的定价决定了乘客和司机对平台的选择行为,从而对平台收益产生重要影响。网约车平台的定价因素研究,可为网约车平台的运营提供科学的参考依据,促进市场的健康可持续发展。在动态稳态系统基础上,考虑网约车平台需求和供给的动态性,采用具有固定佣金比率的网约车平台定价的数学优化模型,界定了垄断均衡存在的条件。在理论模型的基础上,进一步进行了算例分析。研究结果表明,网约车平台的劳动力储备越大,出行者的收费水平和驾驶员的工资水平越低,固定佣金比率越大。     

互联网+时代下出租车资源配置研究

针对不同时空出租车资源的"供求匹配",选取了出租车空驶率与乘客平均等车时间作为供求指标,建立了城市出租车网络平衡模型.并结合北京市不同地区居民打车的数据记录,得到城市经济较为发达的分区出租车资源供不应求,经济较为薄弱的分区供大于求;白天高峰期和夜间低峰期出租车资源供不应求;其他时段供大于求;供求平衡的情况极少.同时为了检验出租车补贴方案能否缓解"打车难"问题,建立了模糊层次分析模型.最后策划出一种等级模式下的打车补贴方案来缓解现实生活中出现的"打车难"的情况.     

基于贝叶斯网络的网约车交通事故致因机理分析

为了缓解网约车交通事故,以网约车驾驶员为研究对象,探究网约车交通事故致因机理.通过调查问卷收集了2 458名网约车驾驶员个体属性、工作强度、工作压力、不良驾驶行为和交通事故经历的相关信息.对数据进行分类处理后,通过贝叶斯网络建立网约车事故频率预测模型.基于十折交叉验证法,使用混淆矩阵与接收者操作特征曲线校验模型精度.结果表明,模型预测能力较好,模型分析了11种与事故频率直接相关的影响因素,识别了16类导致高频率事故发生概率增加的不利状态,且发现多种不利状态组合对事故频率产生的非线性扩增效应和叠加效应.研究结论有助于管理部门制定相应预防对策以减少网约车交通事故频率.