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.     

基于大数据的南京市共享单车时空特征研究

共享单车的兴起极大地便利了人们的短距离出行,利用单车大数据来挖掘和分析短距离的出行规律已成为智慧城市和智慧交通的重要热点.利用南京市的摩拜单车时空数据,研究了单车的时空分布规律与差异,并重点挖掘了早晚高峰时刻以及区域间单车流动规律等,研究表明:(1)南京市整体早、晚高峰时间分别为7:10-8:37和17:15-18:25;副中心早高峰比主城区早35min开始,且晚高峰持续时间长;(2)早、晚高峰高强度骑行主要分布在以新街口、百家湖等为中心的区域;主城区和副中心区有着骑行差异,短距离骑行主城区相对副中心具有更高的比例,副中心则具有更多的长距离骑行;(3)单车骑行围绕地铁站而显现聚集趋势,并且集中于地铁1,2,3号线区域.     

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.     

绿色出行小帮手——共享单车

正~~     

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 v...     

共享单车对通勤走廊出行结构的影响

为深入分析共享单车导入对通勤走廊出行结构的影响,文中将通勤方式选择行为解析为面向主要出行方式和末端接驳方式的联合选择行为,并构建双层NL(Nested Logit)模型以描述通勤者的分层决策过程;在此基础上,选取不同通勤距离下的实际案例,计算共享单车出现前后通勤走廊内各主要出行方式及公共交通末端接驳方式的分担率。结果表明:在短距离通勤中,共享单车的分担率达到13.2%,对于地面公交、私人自行车存在显著的替代效应,但对地铁的分担率影响较小;在中长距离通勤中,共享单车更多被作为地铁的接驳方式,在促使地铁分担率上升3.6个百分点的同时,也造成地面公交、私家车及出租车分担率下降。总之,共享单车的出现在便捷传统公共交通方式接驳的同时,可减少早高峰期间地面公交来自短距离出行的客流压力,提升地铁对长距离出行客流的吸引力,并可在一定程度上减少小汽车和出租车出行。     

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。     

供应链大数据可信共享挖掘技术研究

针对传统供应链共享挖掘技术存在投入和产出效率偏低的问题,提出基于改进数据包络分析（Data Envelopment Analysis,DEA）算法的供应链大数据可信共享挖掘技术.采用基于改进DEA算法的供应链可信评价方法,将评价结果存放为数据集合形式.利用DEA算法优化计算供应链共享的投入和产出效率,并结合遗传算法避免DEA算法局部最优问题.采用供应链大数据流式处理方法处理数据集合数据,并提供给具有认证资格的共享信息发布层中的各主体访问使用,实现供应链大数据可信共享挖掘.实验结果表明：该技术具有较优异的大数据可信共享挖掘效果,能有效调整供应链投入与产出,提升供应链整体绩效.     

基于物联网的企业共享大数据融合研究

分析基于物联网的企业共享数据信息的需求和特点,对目前国内外的企业大数据融合现状进行分析和研究,以实体企业数据信息为研究对象,整理并总结企业大数据信息的类型、内容,界定数据采集、数据过滤、数据集成、数据分析等内容,建立基于物联网的企业共享数据信息模型.确定基于物联网的企业共享大数据融合的方法和模式,设计出有专业化团队支撑服务的企业共享大数据融合平台,建立具有理论价值和实践指导意义的专业化团队支撑服务的企业共享大数据融合体系,设计出物联网条件下由多个数据池构成的数据湖融合架构和企业共享大数据三层安全策略,可以为企业的保密数据提供安全保障;以树理论作为融合方法,应用最优理论对企业数据融合体系进行研究,可以实现企业大数据的识别和共享.     

基于共享单车的共享充电宝移动充电平台

近年来,共享经济在我国各大城市悄然兴起,而共享单车以其方便快捷、易于停放的特点,极大地方便了市民短距离出行.相关研究表明,虽然共享单车上载有太阳能板为车上的电源进行充电,但仍有很大概率会出现共享单车电源电量不足的情况,增加了运营管理的成本.随着移动设备的不断发展,手机已经成为现代人的生活必需品,由于手机功率不断提升与手...     

符号消费视角下西安城市居民绿色出行方式选择意向研究

基于符号消费理论,通过构建符号性和功能性影响因素模型深入考察中国城市居民绿色出行方式选择的内在行为逻辑。结果显示:名誉、地位、品位、享乐等符号意义均会显著正向影响居民非绿色出行方式选择意向,作用强度依次为享乐、名誉、地位、品位。而个性符号意义对居民非绿色出行方式选择意向影响并不显著。名誉、个性等符号意义均会显著正向影响居民绿色出行方式选择意向,而地位、品位、享乐等符号意义对居民绿色出行方式选择意向影响不显著。无论是非绿色出行方式还是绿色出行方式,其功能性因素均是居民出行方式选择的首要考量要素。     

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。     

基于层次结构的大数据秘密共享方案

利用改进的Shamir门限算法递归构造一个具有层次结构的多秘密共享模型.使用秘密分发算法在每层共享一个子秘密,从而实现了短秘密份额对大数据的存储.该方案利用双变量抗碰撞Hash函数,使参与者可以动态地加入或退出.同时公开秘密份额的Hash值,任何参与者都能检测其他参与者的真实性.结果表明,该秘密共享方案具有动态性与可验证性,并且可以达到无条件安全.     

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.     

共享单车存在的治安问题研究

共享单车其具有方便快捷性和绿色环保的特点,2016年,以ofo、摩拜为代表的互联网共享单车,通过新型运营模式,迅速风靡全国。与此同时,共享单车的发展,带来了新的交通安全、押金安全、人身安全隐患以及新型违法犯罪等治安问题;导致这些问题的原因有法律法规不完善、政府和企业监管不力、公众意识薄弱等;为解决以上问题应该采取制定相应的规章制度、完善交通配套设施、政企联动加强管理、开展宣传教育活动等措施,以强化对共享单车的管理,维护社会治安秩序。     

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。     

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.     

基于二氧化碳减排的共享单车发展与环境保护问题研究

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。