竞争市场中网约车平台开放策略研究

在车辆定制化新趋势下,部分网约车平台(如滴滴出行)开始从完全开放向部分开放转变.在完全开放策略中,平台仅招募私家车司机并提供出行服务;部分开放策略中,平台还可以招募自营车司机使用平台定制车辆为乘客提供服务.通过考虑平台抽成比例以及车辆成本等网约车行业因素,利用博弈论方法建立经济模型,讨论达到市场均衡时的策略组合.研究发现当平台提供定制车辆的成本很高(很低)时,两个平台同时采取完全开放策略(部分开放策略)能达到市场均衡;当平台提供车辆的成本处于适中水平时,若市场中自营车司机规模较大,平台采用不同的开放策略将达到均衡;否则,选择相同开放策略将达到市场均衡.另外,当车辆成本适中且自营车司机规模很小时,如果两个平台都采取完全开放策略则能够实现帕累托改进.最后,两个平台采取不同的开放策略能获得最高消费者剩余.     

基于司机操纵模式学习的列车节能自动驾驶研究

基于优秀司机运行记录数据,提出一种基于机器学习技术的列车节能优化驾驶方法架构,利用层次分解的思想结合集成机器学习方法从优秀司机的驾驶日志数据中挖掘出隐藏的优秀司机驾驶模式,分别对速度信息和档位信息进行学习预测,以实现列车节能优化自动驾驶决策,并选用实际铁路线路和机车数据进行了试验验证.试验结果表明,在保证列车安全、准点、平稳等约束条件下,本文列车节能优化驾驶方案相比司机平均水平可节能约7%.