“互联网+”时代出租车资源配置模型研究

为了研究"互联网+"时代城市出租车的资源配置以及打车平台补贴方案的合理性,首先通过引入衡量出租车供求匹配程度的三大指标(里程利用率、车辆满载率、万人拥有量)建立了线性回归模型,代入相关数据得到了目标城市不同时空的出租车供求匹配程度,其次通过出租车空驶率与补贴之间的数量分析,在经典Cairns和Liston-Heyes动态模型基础上建立了一个与补贴相关的多目标动态优化模型,得到了在不同补贴下出租车的空驶率以及供求匹配程度,最后基于此给出了较为合理的补贴方案。     

出租车供求匹配模型及其应用

正"打车难"问题成为当前社会的热点问题。为了优化出租车资源配置,本文建立了以平均空驶时间、平均等待时间等为指标的评价体系,并进行优化。打车软件的应用促进了乘客与出租车司机之间的"供求匹配",在一定程度上缓解了"打车难"问题。但是当前由于某些打车软件的"等额补贴"政策,出租车司机出现了"挑单"现象。本文基于南京市的实际数据,分析了已有补贴方案对出租车资源配置的影响。通过对补贴政     

打车软件对出租车资源配置影响研究

随着打车软件的兴起,出租车行业经营模式正悄无声息发生着变化。为了探究打车软件对出租车资源配置的影响,调研了国内常用打车软件的补贴情况;利用SPSS软件拟合了打车软件使用人数随时间的变化趋势;分析了使用打车软件与传统巡游模式下出租车驾驶人搜索行为之间的差异。研究结果表明,使用打车软件可以降低出租车空驶率,提高出租车运营效率,使出租车资源得到更有效的配置。     

“互联网+”时代的出租车资源配置

随着共享汽车模式的发展,滴滴快车为代表的打车平台迅速崛起,如何快速有效的抢占用户市场已经成为该类平台的核心竞争力。本文利用灰色预测模型中的累加生成的方法对各平台最常使用的出租车补贴这一手段进行分析,结果发现现有方案不仅不能有效缓解打车难问题,也不利于公司获得经济效益。     

基于手机信令数据的大型交通枢纽出租车接续运输需求特征研究

本研究提出了一种基于手机信令数据的大型交通枢纽出租车接续运输需求特征研究方法。研究内容包括人群识别、出行OD识别以及出行方式识别三个核心算法,能够精准分析交通枢纽出租车接续运输服务需求规律。应用本研究所提出的交通枢纽出租车接续运输需求分析方法,分别对2019年"十一"期间北京西站的出租车候车人数、候车时间等进行了细时间颗粒度分析,评价了不同时点北京西站出租车的接续运输需求特征。结果表明,手机信令数据可以很好的应用于大型交通枢纽出租车接续运输需求特征的分析研究,能够为大型交通枢纽出租车接续运输问题的改善提供更加丰富的数据分析支持。     

移动打车软件用户使用意愿影响因素研究

移动互联网的快速发展促使各种创新移动应用的不断涌现,移动打车软件的出现在一定程度上缓解了乘客"打车难"与出租车"空载率高"这一矛盾,为乘客和出租车司机双方提供便利。因此,以使用移动打车软件的乘客为研究对象,在UTAUT模型和初始信任理论的基础上,依据打车软件的自身特点加入感知趣味性、感知风险、感知价格水平等因素,构建理论模型,分析影响用户初始使用意愿的关键因素。通过问卷调查,利用SPSS和AMOS软件进行数据分析,根据分析结果为移动打车软件运营商提供相应的管理和营销建议。     

基于BP算法的多层感知器设计

多层感知器应用的BP算法是有导计算法的一类,根据最小均方差的误差原则进行计算。BP算法是多层感知器建立的基础算法,可以进行函数的逼近和相关的仿真运算。但BP算法也具有其自身的局限性,如收敛速度低和易陷入局部极小等。本文将介绍标准BP算法和它的改进,借此对多层次感知器的设计进行分析和建议。     

城市居民对网约车与出租车的选择意愿及影响因素研究——基于江苏省调查数据的Logistic分析

从消费者的视角出发,通过大规模的问卷调查和深度访谈实证考察了城市居民在打车出行时对网约车和出租车的选择意愿及影响因素。结果表明:50.29%的江苏城市居民在打车出行时倾向于选择网约车,苏南地区的消费者比苏北地区的消费者更倾向于选择网约车,1980年以后出生的消费者对网约车的选择意愿更高;出行者个体特征、出行特征、车辆特征、价格和认知等因素对网约车的选择意愿影响显著;我国多地实施的网约车管理细则中要求"本地户籍"和"本地牌照",研究发现"本地牌照"对消费者选择网约车的意愿影响显著,但"本地户籍"影响不显著。     

基于薄板平滑样条模型的中国大陆区域降水数据融合研究

高精度的降水网格数据产品的研制对于数值天气模式检验、水文陆面模拟、山洪地质灾害监测都有着重要意义。本文选取2015年中国大陆区域740个常规气象观测站的日降水观测数据以及CMORPH卫星日降水数据作为研究对象,采用将CMORPH卫星数据作为协变量的薄板平滑样条模型将两种来源的降水观测数据进行融合,并尝试应用调整的Cressman方案对薄板平滑样条的残差场进行订正。最后以740个地面常规气象站的降水观测数据为标准对融合方案以及残差场的订正效果进行评估和分析。结果表明,将CMORPH卫星降水数据作为样条模型的协变量比没有协变量的方案在中国大陆区域整体上精度提高了约7%,其中CMORPH数据在南部沿海地区的表现优于青藏高原地区以及高纬度地区;应用调整的Cressman方案对薄板平滑样条模型的残差场进行订正不能提高降水估计场的精度;利用薄板平滑样条模型产生的降水估计场的精度比CMOPRH卫星降水数据的精度提高了约12%。     

基于粗糙集-动态模糊神经网络的聚氯乙烯颗粒特性软测量

提出了一种基于粗糙集-动态模糊神经网络的软测量建模方法,并将其应用于聚氯乙烯平均粒径软测量研究中。首先,用粗糙集隶属函数对各个辅助变量进行分析比较,得到最简的辅助变量个数,然后采用等间距离散法对各个辅助变量和主导变量进行离散化,分析得到离散表和最简模糊规则数,并采用模拟退火法对动态模糊神经网络输出层的权值参数进行优化训练。研究结果表明,与常规动态模糊神经网络相比,基于粗糙集-动态模糊神经网络的聚氯乙烯平均粒径软测量模型具有更佳的预测效果。     

基于理想解和熵的不确定语言多属性决策方法

研究了属性权重完全未知、属性值以不确定语言变量形式给出的不确定语言多属性决策问题.首先引入了不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间距离的概念.针对属性权重完全未知的情形,利用所有决策方案与理想决策方案偏差最小化和属性权系数的随机性,给出了一种不确定语言变量多属性决策方法.该方法利用优化方法建立数学模型,得到属性的权系数.该方法能够精确确定各属性的权系数.然后利用不确定语言加权平均(ULWA)算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优.最后进行了实例分析.     

环境规制、政府补贴对企业技术创新的耦合影响

尽管世界各国都在致力于环境保护和经济增长的双赢发展,但是规制目标和规制效果之间的差距表明对此的研究仍需更进一步。以往文献多集中在环境规制和企业技术创新的单层关系剖析上,对政府干预的多政策耦合影响关注不够。本文基于优势互补视角,分析政府补贴在环境规制和企业技术创新中的协调作用,构建环境规制、政府补贴对企业技术创新的综合影响模型。研究发现:政府补贴的加入并没有影响环境规制与企业技术创新的"U型"关系,适当使用政府补贴反而可以弱化环境规制对技术创新的负面影响,促进企业提前开展技术创新。通过1998-2008年30个省份面板数据的验证,得出中国环境规制强度的阶段性门槛和政府补贴适度区间,进而提出不同地区环境规制和政府补贴配合使用的调整方案,为其他相关研究和政府政策设计提供新的思路和可能的借鉴。     

基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

电子商务中基于深度学习的虚假交易识别研究

为了解决电子商务平台中存在的虚假交易问题,本文依据商品的销售记录以及商家的基本信息,提出了一种结合深度置信网络和多层感知器的虚假交易识别方法,通过识别出以通过刷单增加销量的商品来识别虚假交易。首先利用深度置信网络对交易特征进行学习,得到更高层次的抽象特征;然后利用多层感知器进行分类任务,从而识别出虚假交易。从淘宝中爬取商品的交易记录和评论数据进行实验验证,与其他机器学习模型的实验结果进行对比,其性能有明显的提升。     

天津市"货币化"住房租赁补贴政策实施现状及对策分析

住房问题是天津市中低收入群体现阶段面临的主要社会经济问题之一.本文通过对天津市"货币化"住房租赁补贴对象问卷调查与个案访谈,发现租房补贴政策实施以来存在诸如补贴标准偏低、补贴额替代率差异明显、补贴对象实际住房租金支付能力偏低、申请补贴程序复杂、申请补贴动机偏差等问题,为此,本文提出了提高中低收入家庭就业能力、创新租赁补贴标准计算方法、建立健全"住房保障信息管理系统"以及"市场租房体系"等一系列针对性的政策建议,以期为天津市"货币化"租赁住房补贴政策未来改革发展指引方向.     

基于综合测量的岩土坡体稳定裕度的研究

针对目前现有的地质滑坡的形成条件、诱发因素错综复杂,使用传统的测量手段存在实时性差,准确度低的情况,提出一种基于BP神经网络的滑坡预警模型。通过多个节点传感器综合测量得到滑坡发生的输入参数,对多组输入参数进行降维处理,并使用遗传算法调整输入层、隐含层以及输出层的权值和阈值,提高神经网络的训练精度,使得输出层的预测值更接近理想期望值。通过对多组神经网络的样本训练之后,对训练后的神经网络进行泛化,并将其投入到实际的应用场景,对地质滑坡进行预测分析。同时,搭建滑坡预警的信息采集显示系统,通过下位机多个节点采集传感器信号,传至主节点加以显示并在上位机监测软件实时显示。通过实验验证采用神经网络的智能学习算法,得到的预测结果与实际情况基本一致,验证了神经网络对于滑坡预测的切实可行性。     

基于自适应RBF神经网络的电网变压器故障检测

变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。     

出租车计价器检定的计量研究

社会的不断发展使得出租车的数量越来越多,因此对于计价器的检定工作也越来越重要,笔者通过对出租车计价问题进行分析,从微机管理系统的引进、计价器的二次鉴定、提高管理人员水平等三方面,对计价器的计量问题进行研究,仅供参考。     

基于神经网络的地震死亡人数快速评估研究

选取了1630年一来的101个中国大陆地区造成人员死亡的地震震例,选取地震发生的时间、震级、震中烈度、震中人口密度和地震所在地区作为影响地震人员伤亡的主要因素建立输入层神经元,地震死亡人数作为输出层神经元,利用BP神经网络为平台,建立了地震死亡人数快速评估模型,结果标明:(1)神经网络模型快速评估的地震死亡人数更接近真实情况,评估结果更精确;(2)地震前的准确预报措施可以显著的减少地震造成的人员伤亡。事实证明神经网络地震死亡人数快速评估模型可以应用到地震灾害快速评估,为政府决策和救援提供参考依据。     

人臂可达运动手部轨迹规划与臂构型学习

应用最小冲击优化理论与多层感知器建立虚拟数字人可达运动模型,研究了人臂可达运动中臂构型与末端手部轨迹的规划、复现问题,并与最小二乘法的轨迹进行了对比研究.搭建三维红外运动数据采集系统,采集约束下的人臂可达运动日常行为数据并分析人臂运动机理,基于最小冲击优化理论对人臂可达运动末端手部轨迹进行规划;建立人臂运动学模型,采用多层感知器的学习方法学习人臂可达运动中的拟人臂构型;最后建立人臂末端轨迹和臂构型数学模型,并搭建和显示虚拟数字人体三维模型,将人臂可达运动中末端轨迹与臂构型相结合,驱动虚拟数字人臂可达运动生成.发现使用多层感知器学习的人臂可达运动中人臂构型误差平均误差MAE为0.0532,均方根误差RMSE为0.0031;末端手部在约束可达运动中路径近似为直线,且速度大致呈单峰钟形曲线.结果表明:最小冲击优化理论的末端手部轨迹规划与多层感知器学习的人臂构型相结合可以很好地反映人臂可达运动机理,是一种研究约束下人臂可达运动复现的有效方法.