共查询到20条相似文献,搜索用时 46 毫秒
1.
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。 相似文献
2.
3.
<正>在共享单车风靡的时候,大街小巷整齐地摆放着五颜六色的单车,相关工作人员也在一旁负责摆放。如今的景象却截然不同,损坏严重的单车稀疏地、凌乱地停放在路边。最近,共享汽车倒闭、共享充电宝停运等此类消息频频出现。共享单车市场也不例外,小鸣单车、小蓝单车、酷骑单车接连倒闭,"ofo小黄车押金难退"的话题一度登上热搜榜。共享产品的发展趋势归于冷静,甚至步入了"黯淡期"。曾作为互联网时代下的新风口,共享单车如今真的举步维艰、走向消亡了吗? 相似文献
4.
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. 相似文献
5.
6.
为了研究"共享热"下共享单车的发展对环境保护和资源节约是否有显著效果,从共享单车对二氧化碳减排效果考虑,利用现有的资料结合二氧化碳排放计算对比发现,共享单车企业宣传的二氧化碳排放量减排数据论证有效性值得商榷。同时,随着共享单车行业的快速发展,上游和下游产业链带来的一系列环境问题同样值得人们关注。 相似文献
7.
8.
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。 相似文献
9.
王化杰 《重庆工商大学学报(自然科学版)》2019,36(1):94-100
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。 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
13.
14.
15.
16.
17.
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 总被引:1,自引:0,他引:1
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。 相似文献
18.
19.
共享单车具有很强的流动性和高随机性,为了更加准确地预测某区域内每小时的单车使用数量,通过爬取纽约市Citi Bike共享单车的天气特征数据信息,并分析时间因子、气象因子等对单车需求量的影响;采用长短期记忆(long short-term memory,LSTM)神经网络模型预测共享单车的短期需求量,并与传统的循环神经网络(recurrent neural network,RNN)和BP(back-propagation)神经网络模型预测结果进行比较。实验结果表明:影响单车需求量的主要因素包括温度、节假日、季节以及早晚高峰时间段等因素;与传统BP神经网络算法和循环神经网络RNN算法相比,LSTM鲁棒性高,泛化能力强,且预测结果曲线与真实结果曲线相吻合;预测精度高(精确度为0.860)均方根误差最小(为0.090),误差小。可见LSTM模型可以用来对共享单车的短时需求量进行预测。 相似文献