共享单车对于城市的影响模型

共享单车在美国的发展速度很快,建立模型对其给城市造成的影响进行分析是非常关键的,有利于相关部门采取措施对其进行管控。该文建立主成分分析模型,选取了道路负荷、人均交通成本、公共交通覆盖率、人均GDP、每千美元的能源消耗量、CO_2排放量、颗粒污染程度、人均能源使用量、人口密度等指标来对共享单车对于城市的影响进行评价。由主成分的系数得出,人均GDP、每千美元的能源消耗量、人均单车数量对其的影响相对较大一些。     

中国大陆城市建成环境与共享单车配置的关系

共享单车是一种绿色健康灵活的交通出行方式,给城市居民提供便捷出行服务的同时也造成了资源浪费和配置错位等问题。当前该领域的研究主要侧重于建成环境与共享单车的互动关系,集中对某些城市和区域的出行需求与共享单车相关性进行分析,对国家层面建成环境与共享单车配置的研究相对较少。以中国大陆275个城市为研究样本,利用多元回归分析对中国大陆城市建成环境与共享单车配置之间的关系进行了测算,在此基础上利用地理加权回归(GWR)模型分析了建成环境各变量对共享单车配置影响的空间异质性。结果显示:①建成环境与共享单车配置之间存在相关性,零售业服务人数、道路密度对共享单车配置数量产生正向影响,收入水平与城市化区域面积对共享单车配置数量产生负向影响。②建成环境对共享单车配置数量的影响存在显著的空间异质性。从东部到西部,零售业服务人数、道路密度对共享单车配置的正向影响与收入水平的负向影响皆在增强;城市化区域面积对共享单车配置的影响在大部分城市区域呈负向作用,整体呈现以中部地区为核心向外负向作用逐渐减弱的圈层结构。     

“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。     

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。     

基于长短期记忆神经网络模型的共享单车短时需求量预测

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。     

高雄推动共享单车管理机制对城市公共运输发展之挑战与机会

共享单车是一种新型交通方式,具有随借随还的特性。高雄市是台湾较早通过共享单车管理规章之城市,有别于其他城市,高雄市在管理原则上更注重有效管理,以降低违停、乱停等问题,如取消使用服务区权利金收取、取消投放数量下限、不用划设专用服务区,并要求业者将用户骑乘数据、碳足迹及减碳计算数据提供给相关管理部门以进行整体大众运输之整合与协调。然而,从海外经验可知,高雄市在共享单车管理上尚有进步之空间,该文通过海外相关共享单车管理机制之整理归纳,从公私协力角度对相关单位提出后续拟定与推动共享单车管理政策的建议。     

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.     

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。     

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。     

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。     

城市共享单车的动态调度策略

为满足城市共享单车用户的用车需求,提高共享单车的使用效率,结合路况信息提出了一个两阶段的共享单车实时投放与调度框架:在离线建模阶段,基于历史的短程出租车轨迹数据聚类,使用区域提取技术(Regional Extraction Technique,RET)获取不同时段的城市热门用车区域、用车频次与行程结束后的热门停车区域及其停车频次;在线调度阶段,建立共享单车的实时调度优化模型(Real-time Optimization Model,ROM),根据下一时段的热门用车区域,搜索当前时段内距离其较近的k近邻单车停车区域,并结合实时路况为调度车推荐前k条路况良好的行车线路.出租车轨迹数据集上的实验表明,所提的调度策略相较于传统的自行车调度策略具有较好的有效性.     

达州市共享单车投放的优化模型研究

本课题主要目的是研究达州市西外共享单车投放的优化问题。为了解决该问题,本课题根据调查得到系统评价指标权重表,利用熵权法求出各投放点的权重;根据共享单车使用区域面积与所研究区域人流量的需求计算模型,计算出共享单车的实际需求量;根据各区域的权重与实际需求量,建立目标规划模型并利用Matlab计算出各投放点的最优投放量。     

共享单车蓬勃发展,行业规范亟待出台

互联网共享单车服务自2016年出现以来,在资本的大力推动下实现了快速发展,作为该领域领先品牌的摩拜单车和ofo单车均在不足一年的时间里完成了多轮融资,且服务覆盖范围已经由一线城市向二线城市渗透。对于交通压力较大的一线城市而言,“公共交通＋共享单车”的出行方式确实为市民出行提供了经济高效的解决方案,但在蓬勃发展的同时,其背后的市政管理、押金监督和服务运营等三大主要问题也逐渐受到社会重视,在未来发展过程中亟待出台相关行业标准。     

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.     

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。     

新型城市共享单车智能借还系统的设计与实现

就目前而言,我国共享产品种类越发增多,共享单车作为最为常见且受欢迎的共享产品之一,于我国各个城市之中都得到了快速的普及推广。本文就新型城市共享单车智能借还系统的设计进行研究,旨在规范共享单车的借还操作,在方便单车借还的同时,有效延长单车的使用寿命。     

建成环境与共享单车流率的非线性关系研究

共享单车流率的大小体现了城市空间环境内车辆盈缺的程度，理解其变化及其诱因对于城市单车的调度具有重要意义。由于出行目的和外界环境因素的复杂多变，共享单车流率和建成环境特征之间的关系很难通过具有线性假设的统计学模型来解析。基于此，本研究利用上海市中心城区的共享单车数据，基于极端梯度提升树模型(XG‐Boost)和机器学习的解释性方法部分依赖图(PDP)来探究建成环境对共享单车流率的贡献度和非线性影响，以及流率的非线性模式在工作日和周末的变化。结果显示，特征重要度和非线性机制在两个时段差异化显著。居住人口密度、教育设施密度和住宅设施密度对工作日单车流率的解释度较高，分别为 19.18%、13.16% 和 12.92%，并且具有明显的阈值效应。其中居住人口密度和教育设施密度对于单车净流出率具有正向影响，分别在 11 600 人/km²和 8 个/km²达到最大；住宅设施密度对单车净流出率具有负向影响，对应的阈值为 40 个/km²。各变量对周末单车流率的解释度差异较小，但非线性关系仍不可忽视。具体来说，到市中心的距离和公交线数密...     

从ofo小黄车资金困境看“共享经济”发展

随着共享单车的面市,"共享经济"模式也逐渐拉开序幕。新型的经济模式不仅潜移默化地改变了人们的生活方式,同时也为人们的日常生活带来了许多便利。"共享经济"虽然逐渐被大众接受,但也存在许多问题。该文通过具体对ofo共享单车的盈利模式、资金困境等方面进行分析,为促进"共享经济"模式和企业的进一步发展提出建议。     

基于SFIC模型的共享单车协同治理问题研究

为应对共享单车快速发展带来的车辆乱停放、车辆破坏和失窃、用户信息和资金安全等问题,推动共享单车行业健康有序发展,以协同治理为理论基础,基于SFIC模型,从起始条件、催化领导、制度设计和协同过程4个维度对共享单车协同治理面临的困境进行分析,并提出构建激励机制、催化机制、保障机制和沟通机制实现共享单车的协同治理。     

基于SFIC 模型的共享单车协同治理问题研究

为应对共享单车快速发展带来的车辆乱停放、车辆破坏和失窃、用户信息和资金安全等问题,推动共享单车行业健康有序发展,以协同治理为理论基础,基于SFIC模型,从起始条件、催化领导、制度设计和协同过程4个维度对共享单车协同治理面临的困境进行分析,并提出构建激励机制、催化机制、保障机制和沟通机制实现共享单车的协同治理。