MMSep, 2021

移动领域中的弱信号：十个欧洲城市的汽车共享

PDF
TL;DR本论文研究基于 Web 的数字记录，分析了 10 个欧洲城市中一项主要积极的汽车共享运营商的车辆可用性，并确定了与车辆共享需求变化相关的社会人口和城市活动指标。同时分析了如何预测取车和还车事件，以及如何利用关于车辆可用性的时空信息推断城市的不同区域如何被顾客使用。最后给出了一个直接应用分析数据集的实例，旨在确定车辆共享运营区内维护设施的位置。
发现论文，激发创造
  • 基于数据分析的汽车共享

    本文研究了欧洲 10 个城市中一家主要租车公司的车辆可用性相关的网络数字记录，以分析及推测车共用旅行和不同区域的客户用途以确定维修设施的位置。

    Jul, 2017

  • 共享网络下汽车拼车带来的收益量化

    介绍了共享出租车的一个理论框架，可以通过建立可共享性网络模型，计算共享的整体效益与乘客体验的折衷，使得城市的交通拥堵、空气污染等问题得以缓解和减少成本和排放，同时也得到了广泛的乘客支持和接受，且结果表明出租车共享系统的效率并不与出租车规模等因素相关

    Oct, 2013

  • 自行车共享系统租赁智能推荐

    在这篇论文中，我们提出并比较了在基于站点的自行车共享系统中为用户推荐站点的策略，首先是基于排队理论的推荐策略，其根据用户的利益推荐距离较近且更有可能找到自行车或停车位的站点；然后，我们进一步定义了一种策略，将特定用户的利益与全局系统的利益相结合，以实现在预期未来需求方面改善自行车和停车位分布，以隐式地避免或缓解平衡问题。我们通过对马德里自行车共享系统 BiciMAD 的实际数据进行了多个实验来评估我们的提议。

    Jan, 2024

  • 朝着交通基础设施的优先使用：以城市中心车辆特定动态进入限制为例

    本文提出了一种基于社会视角的稀缺交通基础设施元素的动态分配和优先级模型，并通过两个实际案例：基于可用停车位的车辆特定动态进入限制和确保城市中心持续合格空气质量水平，阐述了该模型的动态性。通过使用 SUMO 交通仿真工具进行实验评估了我们的建议。

    Jan, 2024

  • 利用时空建模预测短期 Uber 需求：纽约市案例研究

    本文探究了骑乘服务的需求和推断模式。结果表明，需考虑的空间模式为出租车需求在纽约市场上具有重要影响。

    Dec, 2017

  • 基于道路网络的大规模实时拼车服务和服务保障

    本文介绍了在道路网络上提供实时拼车服务，并保证等待时间和服务时限的大规模实时拼车问题。作者提出了分支限界算法和整数规划算法，并且提出了一种更适应动态请求的动态调度算法，从而在上海出租车数据集上进行实验，并证明了此算法比其他算法响应时间更快。

    Feb, 2013

  • 基于现实世界数据的乘车请求时空图建模

    本论文基于详细分析真实世界来自共享乘车服务的数据，专注于对乘车请求和其时空变化进行建模。作者提出了一个图形模型来捕捉乘车请求的时空变异性和共乘的潜力，并发现这些乘车请求图形展现了人类行为建模的常见特征 - 稠密化功率法则。通过使用自动合成算法，本研究提供了一种自动生成满足实际数据的图形的方法。

    Jan, 2017

  • 为动态个性化的拼车服务设计的机器学习排名算法

    本文提出了 GoTogether, 一种基于学习排序技术的拼车推荐系统，通过用户历史选择建立个性化排序模型并最大化成功匹配的推荐，实验结果表明在静态和动态情况下该方案能快速准确预测用户选择。

    Jul, 2023

  • 借助 Cartogram 辅助的深度学习提升开放系统中的需求预测

    我们提出了一种深度学习框架来预测公共自行车租赁和归还模式，通过利用卡图法来实现对新安装站点需求以及长期预测的预测，我们在首尔，南韩的公共自行车租赁和归还数据上展示了我们框架的有效性和潜在应用。

    Mar, 2024

  • 纽约市 COVID-19 疫情期间的单车共享需求的可解释机器学习框架

    本研究提出了一个机器学习模型框架，用于估计大规模自行车共享系统的小时需求，并利用两个梯度提升模型以及基于 SHapley Additive exPlanations 的模型解释框架进行实证分析，结果表明性别比例和时间段是两个最重要的解释变量。

    Nov, 2023