中国共享单车发展历程及协同治理研究

共享单车是共享经济的一种创新模式,近几年在中国获得了快速发展,但行业的快速发展,带来了大量复杂的公共治理问题。本文通过分析中国共享单车历史,梳理出由政府主导、市场主导再到政府规制的发展历程。基于共享单车的治理困境和协同治理理论,提出了政府、企业和公众协同治理是共享单车治理的最佳途径。     

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。     

共享单车治理演进探讨

近年来,共享单车广受欢迎。而已有研究着重强调通过协同治理解决共享单车问题,未能追踪到共享单车治理的最新实践。本文基于渐进决策理论视角,从治理主体与治理手段两大维度将共享单车治理划分为一元治理、协同治理、基于大数据治理的演进三阶段论,并从生成背景、现实需求、技术支持、平台接入、平台功能、线下运营方面等方面阐述共享单车基于大数据治理的内涵。最后,本文强调在充分发挥大数据对共享单车治理积极作用的同时,也要做好大数据安全防范措施。     

信用监管背景下共享单车治理的演化博弈分析与仿真

随着我国社会信用体系建设不断进步,以信用为基础的新型监管机制成为共享单车治理的有效举措。为解决共享单车治理难题,文章构建了政府、共享单车企业、用户三方之间的演化博弈模型,并分析了各方的策略演化和三者的整体策略稳定性。通过系统动力学仿真,进一步分析了各均衡点的稳定性及关键因素敏感性。结果表明:在将信用管理作为用于共享单车治理的手段时,政府和企业参与共享单车管理的态度越明确,用户行为越迅速向配合演化;较之于企业,政府对用户行为的影响会更大;政府提高对配合用户的信用奖励,会鼓励用户群体向配合演化等。最后,从信用信息平台、监督渠道等方面给出完善共享单车管理的建议,以期更有效地推动共享单车市场健康发展。     

移动互联网下共享单车“拟合型”创新模式研究

2017年李克强《政府工作报告》提出应通过改革创新,解放生产力,应支持和引导分享经济发展,提高社会资源利用效率,便利人民群众生活。鉴于此,文章通过剖析共享单车的发展现状、存在问题及发展趋势,探讨新形势下,共享单车的拟合型创新发展模式,最后,提出共享单车的运行机制保障对策,为供给侧改革,创新推动共享新经济、改造提升传统经济提供一定的智力支持,为我国经济发展与社会进步提供一定的引导作用。     

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。     

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.     

基于共享单车出行数据的用户行为分析

基于共享单车出行数据,对用户总体出行时间和强度进行分析,并据此对高频用户出行日期和路线进行分类,针对用户出行目的地建立预测模型.结果表明,工作日和休息日出行时间分布存在显著差异,出行强度具有频率低、距离短的特征;高频用户出行轨迹在工作和休闲两维度上可归纳为三种类型;基于共享单车历史出行数据,建立用户出行目的地预测模型所得的准确率较为合理.     

科技型中小企业的公司治理模式浅析

本文从家族主导型治理模式和社会法人治理模式的特点出发,在分析了两种模式的利弊之后,提出了社会法人主导型治理模式将是科技型中小企业公司治理模式的发展方向。     

国内外典型电商知识产权治理模式比较及路径选择

通过比较研究国内外典型电商的知识产权治理模式,将其归纳为三种模式,即制度治理模式、源头治理模式和综合治理模式。而每一种治理模式都有各自的优点和不足,各电商可通过整合其它电商的优点寻求最佳的治理路径。     

中国产品的出口效应研究——基于CMS模型的分析

文章选取26个国家作为参考国，运用恒定市场份额模型对1996-2012年期间的出口效应进行分析，探究了我国出口商品增长的动因。结果表明：（1）我国出口产品的增长主要依赖于一般增长效应和产品竞争力效应，但竞争力效应呈逐年下降趋势；（2）我国出口产品的产品结构效应为负值，说明我国出口的产品结构不合理，抑制了出口；（3）我国出口产品在美国、日本等一些发达国家的市场效应为负值，而在韩国、墨西哥等一些新兴国家以及东盟，市场效应为正值，说明近几年我国出口的目标市场得到了较合理的优化。     

中部地区社会发展“新常态”特征与社会治理对策

当前中部地区已经进入到一个深化改革的新发展时期、全面建成小康社会的攻坚时期和推进现代化建设的关键历史起点.在经济新常态背景下,中部地区社会发展呈现出过渡性的新常态特征:经济实现较快增长,但社会发展水平相对滞后;经济社会发展协调性虽整体提高,但仍存在轻度失调现象;社会发展能力较低,尚处于"低福祉增长"阶段;革命老区和贫困山区集中连片分布,是我国全面建设小康社会和推进社会治理现代化的关键区域;由生存型社会向发展型社会过渡,由生存型福祉向发展型福祉转变;社会发展宏观调控由"社会管理"向"社会发展治理"转变.为此,中部地区要以增进社会公平正义和增进人民福祉为出发点和落脚点,坚持促进经济与社会发展的良性互动和协调共进,创新中部地区社会发展治理机制,加快经济发展成果向居民福祉转换.     

公司治理结构的经理层与企业绩效的实证分析

由于两权分离的特点,经理层在进行经营决策时有可能损害股东和其他利益相关者的利益,影响企业绩效和长期发展。通过模型分析,经理层的激励机制对公司绩效确实具有正向作用。今后应该建立更加积极的薪酬机制,并且实施必要的约束机制。     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

“县政·乡派·村治”乡村治理模式中的利益博弈

介绍"县政.乡派.村治"乡村治理模式的主要内容,从具有约束机制下的村民合作、县政府和村委会的委托—代理关系两个方面分析了模式中的利益主体,并建立相关模型,通过模型分析得出:"县政.乡派.村治"模式充分调动了村委会的自我激励特性,同时也让政府的监督能力得到施展。     

基于ACSI模型的我国公租房建设评价体系研究——以湘潭市公租房建设评价为例

介绍了美国顾客满意指数ACSI模型,探讨了ACSI模型应用于公租房建设评价的可行性,并通过变量的调整和修正确立了基于ACSI模型的公租房建设评价体系,并以湘潭市公租房为例对该模型的实用性和有效性进行了验证。     

基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用——以北京市为例

结合GIS强大的空间分析功能与人工神经网络(ANN)处理非线性适应性信息的独特能力建立一种土地转化模型(land transformation model,LTM),用以定量分析城市土地扩展与社会、政策、环境等因子之间关系,并基于此对城市空间扩展的动态进行模拟与预测。LTM模型的运行主要分为3步:因子选取与数据预处理;建立人工神经网络并输入数据对其进行训练与仿真;应用PID法对人工神经网络的输出进行分析,同时在GIS平台上模拟出城市扩展的动态分布。选取相应的影响因子并运用该模型对北京市的城市扩展进行实证模拟检验与预测,结果表明此LTM模型确实提供了一种定量分析和预测城市空间扩展的方法,能够为城市规划与城市发展政策的制定提供重要的科学参考。