CN111275305A - 一种高峰时段传统出租车和网约车服务的公平评估方法 - Google Patents
一种高峰时段传统出租车和网约车服务的公平评估方法 Download PDFInfo
- Publication number
- CN111275305A CN111275305A CN202010046273.5A CN202010046273A CN111275305A CN 111275305 A CN111275305 A CN 111275305A CN 202010046273 A CN202010046273 A CN 202010046273A CN 111275305 A CN111275305 A CN 111275305A
- Authority
- CN
- China
- Prior art keywords
- taxi
- fairness
- coefficient
- model
- population
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000012854 evaluation process Methods 0.000 abstract description 2
- 230000029305 taxis Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高峰时段传统出租车和网约车服务的公平评估方法，通过引入洛伦兹曲线和基尼系数估计对于人口和就业上一般意义的公平，而后混合地理加权回归模型和变异系数被使用在综合考虑居民需求和活动能力的情况下估计出租车的服务公平以及网约车进入造成的公平变化；通过两种方法的结合能有效的估计在高峰时期出租车的服务公平以及网约车的出现对出租车服务公平的变化。评估过程相对简单，结果更加精确，对进一步交通调度或者市场运营有一定指导意义和参考价值。
Description
技术领域
本发明属于交通领域，具体涉及一种高峰时段传统出租车和网约车服务的公平评估方法。
背景技术
交通公平是确保广泛获得就业、商品和服务等机会的关键。交通公平并不意味着向每个人提供同等水平的服务，而是根据出行需求来实现服务的平等分配。出租车作为城市的重要交通工具，特别是作为公共交通的补充，可以为市民出行提供非常方便的服务。然而，传统的士经常在高需求地区营运，导致在低需求地区或偏远地区服务不足。在高需求地区本来就有很多可选的其他交通方式，相反在低需求地区可选的交通方式并不多，这种交通分布导致住在低需求地区或者偏远地区的人们能获得较少交通工具的机会来参与社会活动，从而导致社会排斥。
共享经济的到来促进了网约车如滴滴打车的快速发展。当乘客有出行需求时，可以通过智能手机软件向交通网络公司发送请求，获得网约车服务。由于其先进的网络技术，乘客和司机可以更快地匹配。同时，网约车的到来也使更多的人获得更便捷的服务，尤其是在城市边缘地区，这些地区往往服务不足或经济条件较差。但是，这并不意味着网约车在所有地区都具有相同的服务水平。而且，网约车也主要集中分布在城市的一些心中地区，这些地区通常是繁华或高需求地区。而现时也没有一种方法可以量化网约车的出现是否可以让市民享有更公平的出租车服务。
以往估计交通公平的方法主要为工具是洛伦兹曲线和基尼系数。然而，在使用洛伦兹曲线和基尼系数评价公平时，不能考虑土地利用、社会经济等其他影响因素。为了获得全面的公平评价，在研究出租车服务的公平水平时，有必要澄清哪些因素可能影响出租车出行。只有对这些因素进行控制，才能得到合理的权益分析结果。在以往关于出租车出行影响因素的研究中，研究者们已经探索了各种方法。许多研究发现，环境因素对出租车出行数量的影响在空间上是不同的。这些变化可以用来作为不平等的指标。以人口变量为例，如果该变量在不同地方的系数不同，则表示相同数量的人在不同地方乘坐出租车出行的次数不同。虽然以往的研究提出了不同的方法来测量局部关系，如扩展法和多层建模，但地理加权回归模型是唯一专门用于探索空间非平稳性的方法。尽管该方法已被用于分析许多领域的公平问题，但它也假设所有的自变量和因变量之间的关系随空间而变化。在许多建模问题中，一些变量被设定为局部变量，而另一些被设定为全局变量，这能使模型拟合更优。
发明内容
本发明的目的是：实现传统出租车和网约车服务的更精确的公平评估，为进一步交通调度或者市场运营提供准确的数据依据。
为此本发明提供了一种高峰时段传统出租车和网约车服务的公平评估方法，具体步骤为：
步骤1：划分城市交通小区；高峰时段出租车出行数据准备，包括网约车出现前后的出租车总出行数，以及传统出租车和网约车各自的出行数；自变量数据准备，包括土地利用、社会经济和交通相关因素。
步骤2：不考虑需求差异的公平分析，通过洛伦兹曲线计算基尼系数，基尼系数的值落在0和1之间，0表示绝对的公平，1表示绝对的不公平，数字越大表示越不公平，基尼系数的计算公式为：
其中，其中h为区域代号(从最低人口人数(就业数)到最高人口人数(就业数)排序)，Xh表示1至h个区域的人口数(就业数)占总人口(就业数)的累积比例，并且X＝0，Xn＝1；Yh表示出租车出行数的累积比例，并且Yh＝0，Yn＝1。
步骤3：考虑需求差异的公平分析，利用混合地理加权回归模型分析与计算变异系数：
混合地理加权回归模型在计算上联合了固定的全局系数和变化的局部系数，通过下面公式表示：
其中，yi是在i区的出租车出行数，βi0是第i区的截距，xik是i区的第k个自变量，βk是全局自变量的回归系数，βik是i区的第k个局部自变量的回归系数，εi是在i区的模型误差，g表示一共有g个区域的自变量系数为全局变量，v表示一共有v个区域的自变量系数为局部变量。
通过计算拟合的混合地理加权回归模型人口、就业系数的波动水平，将其作为公平水平的指标，可由下面公式计算变异系数：
CV＝σ/μ
其中σ表示回归系数的标准差，μ表示回归系数的均值。
步骤4：结果比较分析和公平评估，公平水平的上升或者下降意味着网约车的出现前后出租车服务的公平变化。
其中，步骤2中使用统计分析软件R-studio中的ineq包和reldist包来分别计算洛伦兹曲线和基尼系数。
其中，步骤3中线性回归模型的计算在R-studio进行，混合地理加权回归使用GWR4.0软件计算；为了和线性回归模型比较，使用AICC和修正的R2去衡量模型表现，更低的AICC和更高的修正的R2值显示模型拟合更好；变异系数计算通过R的goeveg包进行计算。
本发明的有益技术效果为：
本发明通过引入洛伦兹曲线和基尼系数估计对于人口和就业上一般意义的公平，而后混合地理加权回归模型和变异系数被使用在综合考虑居民需求和活动能力的情况下估计出租车的服务公平以及网约车进入造成的公平变化。通过两种方法的结合能有效的估计在高峰时期出租车的服务公平以及网约车的出现对出租车服务公平的变化。评估过程相对简单，结果更加精确，对进一步交通调度或者市场运营有一定指导意义和参考价值。
附图说明
图1为本发明评估方法的流程示意图。
图2为洛伦兹曲线示例图。
具体实施方式
下面结合附图和具体实施方法对本发明做进一步详细说明。
本发明的一种高峰时段传统出租车和网约车服务的公平评估方法流程示意图如图1所示，具体为：
考虑到出租车出行可以从任何类型的地方出发，比如公园、活动中心等，作为比较的基准，本发明只考虑高峰时段的出租车出行，并假设这些出行大部分是通勤出行。这意味着大部分的出租车出行是在早上高峰时间从家里出发，下午高峰时间从工作场所出发。将实际出租车出行视为出租车服务供给，各区域的人口和就业人数视为出租车需求。
本发明对出租车服务公平的分析在两个情形进行，即是否考虑个人或者群体有出行需求和能力差异。首先一般意义上的公平能通过采用洛伦兹曲线的思想去数字化计算，相关的基尼系数也允许比较不同打车类型的公平以及网约车出现前后的公平改变水平。即使洛伦兹曲线和基尼系数是在假定个人或者群体没有需求和活动力差异的情况下的一种全局测量，虽然这种方法没有考虑到空间分布，但是能有效的去比较不同出租车服务的公平以及理解一般意义上的公平。在第二部分中，通过使用统计分析方法也即是先线性回归模型去标定环境变量对出租车打车数的影响，而后对显著的变量作为输入变量放入到混合地理加权回归模型中，通过空间分析模型能很直观的分析出不公平发生在哪些地方，同时，变异系数的使用能在总体上去比较不同出租车服务的公平水平。
分析洛伦兹曲线和计算基尼系数
图2作为洛伦兹曲线的一个示例，斜线表示完全公平，斜线以下的曲线表示一定程度的不公平。斜线与曲线(A)之间的面积可视为衡量不平等的标准。面积越大，表明的不平等程度越高。如果假设所有的出租车出行都是在早上高峰时间从家里出发，那么最理想的情况是，从一个出租车区域出发的出租车出行数量与居住在该区域的人口成正比。对于下午高峰时间，假设所有的出租车出行都是从工作地点出发的，那么最理想的情况是，从一个出租车区域出发的出租车出行数量与该区域的就业人数成正比。这两个假设都是强有力的。但是这两个假设为比较出租车服务的公平水平提供了一些指导。出现完美的公平是不存在的，结果将仅用于比较。此外，一些研究结果表明，在高峰时间大部分的出租车出行是为了通勤，这可能在一定程度上证明了本发明的假设。因为考虑到并非所有年龄段人口的出行在高峰时期都是通勤，为此，在数据准备时，应该去除18岁以下和65岁以上的人口。
相比于洛伦兹曲线，基尼系数也是一种被广泛接受的公平性量化工具，它表达的是服务分布不公平的整体度，可以通过洛伦兹曲线来计算，即A/(A+B)，作为一个面积比例，基尼系数的值落在0和1之间，0表示绝对的公平，1表示绝对的不公平，数字越大表示越不公平。
基尼系数的计算公式为：
其中，Xk，k＝0,1,…,n表示人口或者就业变量的累积比例，当Xk＝0时，Xn＝1；Yk，k＝0,1,…,n表示出租车出行数的累积比例，当Yk＝0时，Yn＝1；一个统计分析软件R-studio中的ineq包和reldist包可以来分别计算洛伦兹曲线和基尼系数。
混合地理加权回归模型
混合地理加权回归模型在计算上联合了固定的全局系数和变化的局部系数。它能通过下面公式表示：
其中，yi是在i区的出租车出行数，βi0是第i区的截距，xik是i区的第k个自变量(自变量为在第i区影响出租车出行数的因素，比如一个地区土地利用水平)，βk是全局自变量的回归系数，βik是i区的第k个局部自变量的回归系数，εi是在i区的模型误差，g表示一共有g个区域的自变量系数为全局变量，v表示一共有v个区域的自变量系数为局部变量。为此，这个模型混合了目标变量的局部变化项和全局固定项。在应用上，一个地区的质心被默认为该模型的回归点。在混合地理加权回归模型模型中，更接近点i的位置j的局部参数估计具有更大的影响，并且位置更远权重越小。因此，基于距离-衰减的加权函数(也称为核函数)根据其与点i的空间接近度来评估观察的权重。当区域的质心在研究区域内分布不规律时，一般采用自适应双平方核函数(adaptive bi-square kernel function)，校正的赤池信息准则(AICC)被应用去标定空间权重矩阵和确定最适宜的带宽。当模型在地理变化测试中被拟合时，黄金分割搜索方法是被使用去找到最适宜的带宽大小，具有最小AICC的带宽是被选择。
根据以往空间分析的量化研究方法，线性回归模型首先被利用去检查影响变量对出租车出行数的影响。通过使用向后逐步回归方法，如果变量在线性回归模型当中显著则被保留，为了保持一致性，不同出租车服务类型的模型中使用的影响变量完全相同，保留下来的变量被使用作为混合地理加权回归模型的输入变量。线性回归模型的计算在R-studio进行，混合地理加权回归使用的是GWR 4.0软件计算。为了和线性回归模型比较，使用AICC和修正的R2去衡量模型表现，更低的AICC和更高的修正的R2值显示模型拟合更好。
变异系数CV，也称为相对标准偏差，是对数据离散性的标准化度量。通过计算拟合的混合地理加权回归模型人口、就业系数的波动水平，将其作为公平水平的指标。可由下面公式表示:
CV＝σ/μ
其中σ表示回归系数的标准差，μ表示回归系数的均值，变异系数计算可通过R的goeveg包进行计算。这一思想背后的含义是，在控制其他变量的情况下，平等的出租车服务意味着早上高峰时段模型中的可变人口系数和下午高峰时段模型中的可变就业系数是恒定的(而不是跨空间变化)。这是因为当一个地区的人口或就业人数增加一个单位时，该地区增加的出租车出行数不应与其他专区有所不同。否则，就意味着某些区域更受出租车青睐。因此，较高的变异系数表明较低的公平水平。如果人口变量或者就业变量是全局变量，这意味着相应的出租车服务是非常公平的。
Claims (3)
1.一种高峰时段传统出租车和网约车服务的公平评估方法，其特征在于，具体步骤为：
步骤1：划分城市交通小区；高峰时段出租车出行数据准备，包括传统出租车和网约车前后总的出行数，以及传统出租车和网约车各自的出行数；自变量数据准备，包括土地利用、社会经济和交通相关因素；
步骤2：不考虑需求差异的公平分析，通过洛伦兹曲线计算基尼系数，基尼系数的值落在0和1之间，0表示绝对的公平，1表示绝对的不公平，数字越大表示越不公平，基尼系数的计算公式为：
其中，h为区域代号，为从最低人口人数或就业数到最高人口人数或就业数的排序，Xh表示1至h个区域的人口数或就业数占总人口或就业数的累积比例，并且X＝0，Xn＝1；Yh表示出租车出行数的累积比例，并且Yh＝0，Yn＝1；
步骤3：考虑需求差异的公平分析，利用混合地理加权回归模型分析与计算变异系数：
混合地理加权回归模型在计算上联合了固定的全局系数和变化的局部系数，通过下面公式表示：
其中，yi是在i区的出租车出行数，βi0是第i区的截距，xik是i区的第k个自变量，βk是全局自变量的回归系数，βik是i区的第k个局部自变量的回归系数，εi是在i区的模型，g表示一共有g个区域的自变量系数为全局变量，v表示一共有v个区域的自变量系数为局部变量；
通过计算拟合的混合地理加权回归模型人口、就业系数的波动水平，将其作为公平水平的指标，可由下面公式计算变异系数：
CV＝σ/μ
其中σ表示回归系数的标准差，μ表示回归系数的均值；
步骤4：结果比较分析和公平评估，公平水平的上升意味着网约车的出现提高了出租车服务的公平。
2.根据权利要求1所述的一种高峰时段传统出租车和网约车服务的公平评估方法，其特征在于，所述步骤2中使用统计分析软件R-studio中的ineq包和reldist包来分别计算洛伦兹曲线和基尼系数。
3.根据权利要求1所述的一种高峰时段传统出租车和网约车服务的公平评估方法，其特征在于，所述步骤3中线性回归模型的计算在R-studio进行，混合地理加权回归使用GWR4.0软件计算；为了和线性回归模型比较，使用AICC和修正的R2去衡量模型表现，更低的AICC和更高的修正的R2值显示模型拟合更好；变异系数计算通过R的goeveg包进行计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010046273.5A CN111275305B (zh) | 2020-01-16 | 2020-01-16 | 一种高峰时段传统出租车和网约车服务的公平评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010046273.5A CN111275305B (zh) | 2020-01-16 | 2020-01-16 | 一种高峰时段传统出租车和网约车服务的公平评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111275305A true CN111275305A (zh) | 2020-06-12 |
| CN111275305B CN111275305B (zh) | 2022-04-29 |
Family
ID=71001652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010046273.5A Active CN111275305B (zh) | 2020-01-16 | 2020-01-16 | 一种高峰时段传统出租车和网约车服务的公平评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111275305B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184915A (zh) * | 2020-10-10 | 2021-01-05 | 东南大学 | 一种建筑冷热需求时空不同步特性的定量描述方法 |
| CN112396291A (zh) * | 2020-10-19 | 2021-02-23 | 上海臣星软件技术有限公司 | 信息确定方法、装置、电子设备及计算机存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150302342A1 (en) * | 2014-04-21 | 2015-10-22 | Wei-Yen Yeh | Taxi management apparatus and taxi management system |
| CN108446828A (zh) * | 2018-02-12 | 2018-08-24 | 国网河南省电力公司 | 一种企业发电完成率均衡性评价方法及系统 |
| CN109299438A (zh) * | 2018-09-21 | 2019-02-01 | 东南大学 | 一种基于网约车数据的公共交通设施供给水平评价方法 |
| CN110197291A (zh) * | 2019-04-09 | 2019-09-03 | 安徽四创电子股份有限公司 | 基于北斗的网约车信息交互与监管系统 |
| CN110472763A (zh) * | 2019-04-08 | 2019-11-19 | 中国环境科学研究院 | 一种污染物总量多目标优化分配方法 |
-
2020
- 2020-01-16 CN CN202010046273.5A patent/CN111275305B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150302342A1 (en) * | 2014-04-21 | 2015-10-22 | Wei-Yen Yeh | Taxi management apparatus and taxi management system |
| CN108446828A (zh) * | 2018-02-12 | 2018-08-24 | 国网河南省电力公司 | 一种企业发电完成率均衡性评价方法及系统 |
| CN109299438A (zh) * | 2018-09-21 | 2019-02-01 | 东南大学 | 一种基于网约车数据的公共交通设施供给水平评价方法 |
| CN110472763A (zh) * | 2019-04-08 | 2019-11-19 | 中国环境科学研究院 | 一种污染物总量多目标优化分配方法 |
| CN110197291A (zh) * | 2019-04-09 | 2019-09-03 | 安徽四创电子股份有限公司 | 基于北斗的网约车信息交互与监管系统 |
Non-Patent Citations (6)
| Title |
|---|
| HONGTAI YANG 等: "Short-term demand forecasting for bike sharing system based on machine learning", 《2019 5TH INTERNATIONAL CONFERENCE ON TRANSPORTATION INFORMATION AND SAFETY (ICTIS)》 * |
| RENBIN PAN 等: "Analysis of Spatial Equity in Taxi Services: A Case Study of New York City", 《2019 IEEE INTELLIGENT TRANSPORTATION SYSTEMS CONFERENCE (ITSC)》 * |
| ROYA ETMINANI-GHASRODASHTI 等: "Individuals’Demand for Ride-hailing Services: Investigating the Combined Effects of Attitudinal Factors, Land Use, and Travel Attributes on Demand for App-based Taxis in Tehran, Iran", 《SUSTAINABILITY》 * |
| 叶显严: "基于地理加权回归的城市出租车客流影响因素分析及建模", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
| 贺买宏 等: "我国卫生资源人口分布的公平性评价——基于洛伦兹曲线与基尼系数分析", 《西北人口》 * |
| 赵道致 等: "考虑公平目标的网约车服务价格管制策略", 《控制与决策》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184915A (zh) * | 2020-10-10 | 2021-01-05 | 东南大学 | 一种建筑冷热需求时空不同步特性的定量描述方法 |
| CN112396291A (zh) * | 2020-10-19 | 2021-02-23 | 上海臣星软件技术有限公司 | 信息确定方法、装置、电子设备及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111275305B (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hua et al. | Joint infrastructure planning and fleet management for one-way electric car sharing under time-varying uncertain demand | |
| Dean et al. | Spatial variation in shared ride-hail trip demand and factors contributing to sharing: Lessons from Chicago | |
| Boyacı et al. | An optimization framework for the development of efficient one-way car-sharing systems | |
| CN109800916B (zh) | 一种高速公路服务区驶入车流量的建模方法 | |
| Jiang et al. | Optimal allocation of shared parking slots considering parking unpunctuality under a platform-based management approach | |
| CN103632212B (zh) | 一种时变用户均衡动态网络演化客流预测系统和方法 | |
| CN104951845A (zh) | 基于网络关注度拟合客流量的旅游景区饱和度预警方法 | |
| Liu et al. | A trip-specific model for fuel saving estimation and subsidy policy making of carpooling based on empirical data | |
| CN111275305B (zh) | 一种高峰时段传统出租车和网约车服务的公平评估方法 | |
| CN113780808B (zh) | 基于柔性公交接驳系统线的车辆服务属性决策优化方法 | |
| WO2021243568A1 (en) | Multi-objective distributional reinforcement learning for large-scale order dispatching | |
| Militão et al. | Optimal fleet size for a shared demand-responsive transport system with human-driven vs automated vehicles: A total cost minimization approach | |
| Chen et al. | ASC: Actuation system for city-wide crowdsensing with ride-sharing vehicular platform | |
| CN113672846A (zh) | 网约车调度方法、装置、电子设备及存储介质 | |
| Wang et al. | Providing real-time bus crowding information for passengers: A novel policy to promote high-frequency transit performance | |
| CN112580945A (zh) | 基于多相关系数的派单方法及车辆调度优化系统 | |
| CN109165971A (zh) | 一种基于出行者心理主观感知全因素的可选交通方式广义费用的确定方法 | |
| Rahman et al. | ANALYSIS OF MODE CHOICE BEHAVIOR AND VALUE OF TIME IN DHAKA CITY, BANGLADESH. | |
| Bi et al. | Real trip costs: Modelling intangible costs of urban online car-hailing in Haikou | |
| Monteiro et al. | Maximizing carsharing profits: an optimization model to support the carsharing planning | |
| CN112950265A (zh) | 区域多停车场联合定价方法 | |
| CN112070259B (zh) | 一种预测城市空载出租车数量的方法 | |
| CN110991856A (zh) | 一种考虑用户有限理性的电动汽车充电需求分析方法 | |
| CN114254250B (zh) | 一种考虑时空非平稳性的网约车出行需求预测方法 | |
| Badoe | Modelling work-trip mode choice decisions in two-worker households |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |