共享自动驾驶汽车进入网约车市场的最优定价研究

对于提供共享自动驾驶汽车服务的运营商而言,现有的网约车服务在服务定位、运营方式和服务质量上由于具有许多相似之处,将成为强有力的竞争对手。基于此,共享自动驾驶汽车运营商需要慎重考虑与现有网约车服务的价格竞争及定价决策。文章基于博弈论视角,研究了共享自动驾驶汽车进入现有网约车市场的最优定价问题。网约车运营商被认为是在位者,共享自动驾驶汽车运营商则被定义为潜在的进入者。文章采用Hotelling模型对两个运营商的乘客需求进行建模,模拟运营商之间的竞争,同时开发了一个竞争博弈模型确定运营商的最优定价,拓展了共享自动驾驶汽车与现有网约车博弈的知识,为共享自动驾驶汽车运营商的定价提供了参考。

考虑合乘的共享自动驾驶汽车选择行为实证分析

共享自动驾驶汽车(Shared Autonomous Vehicles,SAV)是自动驾驶汽车和共享经济相结合的产物,为人们提供了一种新型的出行方式.为探究出行者在考虑合乘的SAV与私家车或公共交通之间的选择偏好,实施了SAV选择意愿调查,并分析了考虑合乘的SAV的潜在用户特征.基于问卷调查所得有效数据,采用K-Means聚类法划分了历史出行模式,利用因子分析对性格态度特征进行了分类.分别对有无私家车人群建立解释变量的参数服从不同分布的混合Logit模型,并对参数标定结果进行对比分析.研究结果表明,出行方式特性非常显著地影响出行者方式选择行为,性格态度特征是影响出行者选择考虑合乘的SAV出行方式的显著因素,且其显著性明显高于性别、年龄等社会经济属性.

共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles,SAV)的使用意愿模型并分析其影响因素,通过使用时机和使用频率来体现公众对SAV的使用意愿;采用验证性因子分析将态度潜变量转化为潜变量得分,以此将态度潜变量引入传统的有序Logit模型;提出SAV使用意愿的有序Logit模型构建方法,并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1,2,3元/km)下的使用频率有显著影响;使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行;公众期望以1元/km或2元/km即不超过目前滴滴拼车的价格使用SAV.

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车(SAV)可为人们提供优质的出行服务。为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据。为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所得潜在类别作为变量融入离散选择Logit模型,建立SAV使用意向的潜在类别-Logit模型。结合多项或混合Logit模型以及划分的3个潜在类别,根据4个合理的模型标定的性别、交通模式、SAV使用人群类型、等待时间等59个变量的参数,识别SAV使用意向的显著性影响因素,并采用7个拟合优度指标评价多项Logit、混合Logit、潜在类别-Logit等8个模型。利用边际效应分析,探讨出行方式属性对SAV使用意向的具体影响。结果表明:涉及3个潜在类别的离散选择Logit模型具有更强的解释性,这3个潜在类别可分别描述为冲动的积极创新者、矛盾的保守创新者和理智的保守使用者;不同潜在类别人群的显著性因素存在明显差异,SAV使用人群类型是不同潜在类别人群共有的显著性因素,其中SAV创新者在各个模型中的显著性水平值均小于0.1;潜在类别-Logit模型的第1类和第2类预测正确率比其他Logit模型分别高出5.9%~28.3%和5.4%~18.5%,可以更好地解释出行者对SAV的使用意向;出行等待时间对出行者选择SAV的影响最大;当SAV选择概率接近于0.5时,轻微降低SAV人均出行费用最易引起选择私人小汽车的出行者转而选择SAV。

基于扩展技术接受度模型的共享自动驾驶汽车用户使用意愿研究

共享自动驾驶汽车是智慧交通和绿色交通的重要发展方向之一,但目前其相关研究仍不充分,影响用户使用共享自动驾驶汽车意愿的因素及其作用机理有待深入剖析。为此,本文首先通过引入感知风险、服务质量和社会影响三个潜变量,构建了扩展技术接受度模型。然后将扩展技术接受度模型的潜变量、个人社会经济属性变量和出行方式属性变量整合到多项Logit模型,构建混合选择模型,并以用户选择共享自动驾驶汽车出行的概率衡量用户使用共享自动驾驶汽车的意愿。最后基于SP调查数据标定模型参数,得到潜变量关系及关键影响因素,通过弹性分析研究关键因素对用户使用意愿的影响。结果表明,感知有用性、出行费用、感知易用性、等待时间的影响最为显著,对应的弹性值分别是0.0502、-0.0401、0.0385和-0.0350。本研究对相关企业及相关政府部门发展和推广共享自动驾驶汽车具有重要参考价值。

共享自动驾驶汽车的公众使用意愿调查分析

以自动驾驶技术为依托,共享自动驾驶汽车(shared autonomous vehicles,SAV)的交通新模式正孕育而生。公众对SAV的态度及使用意愿是决定其是否及何时可落地应用的关键之一,本文旨在揭示公众对SAV的使用意愿。通过使用频率、居住地点选择、使用时机,以及SAV与传统小汽车、公交、其他公交接驳方式竞争下的使用意愿来全面反映公众对SAV的使用意愿。基于问卷调查回收的864份有效样本,通过统计分析,揭示了公众对SAV的使用意愿、态度及个人属性对SAV使用意愿的影响。研究结果表明:公众倾向于以1~2元/km的价格使用SAV;SAV将不会显著地影响土地利用;技术感兴趣群体、支持自动驾驶群体、高收入群体、驾龄长的群体未来将更频繁、更及时地使用SAV,更有可能放弃传统小汽车、公交或其他接驳方式,转为使用SAV出行。

共享自动驾驶汽车经营策略优化分析

研究共享自动驾驶汽车(SAV)与普通汽车共存背景下,SAV公司如何根据运营目标优化经营策略并影响通勤者出行方式选择.假设高速公路上存在一定数量的独驾通勤者,无车通勤者在SAV和地铁之间进行权衡.分析固定需求和弹性需求下,SAV公司追求系统总成本最小或系统净收益最大和利润最大时的最优经营策略,即SAV票价和容量,进而得到均衡时模式划分情况,SAV最优发车数,系统总成本或系统净收益,以及公司利润等指标.算例对均衡结果进一步验证发现,SAV公司垄断经营会收取较高的票价,提供容量较小的车型.在系统最优情形下,SAV公司无法获得正利润,需要政府补贴运营.

基于混合Logit模型的共享自动驾驶汽车选择偏好分析

为了探索用户态度对选择共享自动驾驶汽车(shared autonomous vehicles,SAV)的影响,实施了一项选择偏好调查,获取用户个人特征、对SAV的态度变量及偏好选择;应用多指标多因素模型(multiple indicators and multiple causes model,MIMIC)进行验证性因子分析,进而适配态度变量;引入混合Logit模型构建用户选择SAV的意愿模型,分析偏好选择结果,探索用户特征及态度变量对SAV的影响。结果表明,感知风险(12.75%)和服务质量(9.85%)对SAV的使用意愿影响最大,其余态度变量的影响依次为行为意图、社会影响、感知有用性、感知易用性,弹性值分别为8.17%、7.93%、5.65%、4.46%。因此,未来重点提升SAV的安全性及服务质量是推动SAV发展的重要措施。

接驳地铁的共享自动驾驶汽车动态合乘匹配研究

为了实现共享自动驾驶汽车(Shared Autonomous Vehicles,SAV)和地铁的整合,提出采用SAV作为地铁“第一公里”(First Mile,FM)和“最后一公里”(Last Mile,LM)的接驳方式。构建了动态合乘匹配系统以厘清接驳地铁的SAV合乘的框架及运行规则,系统输入为路网数据、SAV数据(位置、载客状态等)、出行者数据(起点、终点等),输出为出行匹配结果、合乘路径。建立了出行路径模型和出行匹配模型来实现系统的合乘匹配功能。出行路径模型考虑出行者绕行时间最小化进行建模,可得到任意2名出行者合乘时的最优出行路径,用于出行匹配模型的参数计算。出行匹配模型协同考虑出行者服务质量和运营商利益以及SAV与地铁时刻表的联合优化进行建模,可得到最优出行匹配方案,包括人与SAV匹配、人与人匹配。选取纽约曼哈顿地铁进行4种出行需求(2160、4320、6480、8640次·h-1)的算例分析。结果表明:在出行需求2160、4320次·h-1的FM和LM出行、出行需求6480次·h-1的LM出行中,出行者平均等待时间最大值为1.06 min,出行者平均绕行时间最大值为1.11 min,出行者平均匹配时长最长为46.09 s,每小时最多可为运营商节约877.24 km的车辆行驶里程,匹配率最高可达61.67%,系统平均求解时长最长为2.09 s;表明所建系统和模型具有高效性和稳定性。

上海市居民共享自动驾驶汽车使用意愿研究

作为极具潜力的新型出行方式,共享自动驾驶汽车的出现必将引起居民出行行为的转变。为了研究上海市居民共享自动驾驶汽车的使用意愿及影响因素,本文利用网络问卷调查的RP与SP数据,结合百度地图API数据,构建基于解析逼近估计方法的多项Probit模型。结果显示:共享自动驾驶汽车通勤和非通勤出行中时间价值分别为64.34元/小时和81.55元/小时,弹性分析结果显示居民对于等候时间的敏感性显著高于费用;男性、已婚、高收入、高学历、自由职业者、合乘通勤者、年龄小于18岁的人群,以及家庭有未成年儿童、拥有沪C牌照小汽车的居民使用意愿较强。居民对于共享自动驾驶汽车越了解,使用意愿越强烈,而体验过自动驾驶服务的居民使用意愿更为强烈。

共享交通的运营与管理综述

共享交通(shared mobility)是在共享经济日益红火的大背景下发展起来的,为解决城市交通问题提供了一条新思路.首先,梳理了共享交通的内涵和外延;其次,就全球对共享交通问题的研究做一个总的概述;在此基础上,针对先前的综述型文献或特刊以及对各类主要共享交通方式的研究现状进行分析;最后,对共享交通今后的发展进行探索性分析.

自动驾驶时代基于电子路票的组合策略管理多模式通勤出行

自动驾驶的出现将对交通系统中的出行行为和模式划分产生显著影响.本文研究可交易电子路票和公共交通定价组合策略对通勤者出行模式选择的影响(如不同出行模式组合的出现条件,共享自动驾驶汽车市场渗透率,路票价格等),并进一步分析组合策略参数对通勤者在不同模式间的转移量和系统总成本的影响.研究表明,实施组合策略后,电子路票均衡价格可以唯一确定;当满足某个特定条件时,独自驾驶传统汽车的通勤者会转向共享自动驾驶汽车和公共交通模式,道路总车辆数明显减少,且效果随着公共交通票价和路票收取额的提高而增加.最后,系统总成本最优解出现在三种模式都包含的区域,此时路票收取额等于某一特定值且公共交通票价等于可行域内的最大值.本研究可以量化新技术的影响,并为交通管理部门制定有效的管理策略提供理论参考.

自动驾驶条件下共享车辆车队规模

随着自动驾驶技术的发展和普及,未来以自动驾驶车辆替代传统有人驾驶私家车辆成为大势所趋,本文研究的目标是提出一种解决小规模自动驾驶共享车辆(Shared Autonomous Vehicle, SAV)车队规模的方法,并进行实际案例分析。使用的数据集是上海市50辆新能源私家车一年的轨迹数据,使用此部分出行需求,给出了计算两次出行是否可以衔接的具体方法,得到衔接矩阵。然后将求解最小车队规模问题转化为求解多旅行商问题(Multiple Travelling Salesman Problem, MTSP)的最短路问题,并证明两者具有等价性。论文提出使用排序遗传算法对此问题进行求解,使用5种常见的排序交叉算子分别验证求解质量,得到OX1交叉算子的质量最优。最后选择OX1交叉算子计算出行需求数排名前20天的SAV的最小规模,得到SAV的平均替代率为2.4。即在本研究中,一辆SAV平均可以替代2.4辆传统私家车,为未来自动驾驶技术普及后,SAV的车队规模问题提供参考。

自动驾驶时代基于地铁定价策略的多模式通勤出行管理

多模式交通系统的优化管理研究是交通领域的经典问题.文章结合自动驾驶时代背景,构建高速瓶颈公路传统汽车和共享自动驾驶汽车,以及独立地铁线路组成的多模式竞争交通模型,研究不同地铁定价策略(如地铁边际成本,平均成本,总社会成本最优以及考虑道路收费时受补贴的地铁边际成本定价)对共享自动驾驶汽车市场渗透率,出行模式划分以及总社会成本的影响.结果表明:随地铁定价策略变化,独驾传统汽车的通勤者数量未受影响,共享自动驾驶汽车和地铁的通勤者数量变化不唯一;当满足某个特定条件时,总社会成本最优定价在引导地铁出行,缓解道路拥堵,降低通勤者个体出行成本和总社会成本等方面具有最佳效果;而提高地铁运营的边际成本,受补贴的地铁边际成本定价将实现总社会成本最优.文章从不同视角为政府制定多目标和弹性的交通政策提供参考.