网约车需求的决定因素：2022年芝加哥服务的空间与时空贝叶斯分析
应用统计
2025-08-12 v2 其他统计学
摘要
网约车服务的快速扩张已对交通运输业造成重大冲击，并从根本上改变了人们的出行方式。准确估计网约车需求可提高服务利用率与可靠性，并减少出行时间与交通拥堵。本研究采用两种贝叶斯模型来估计芝加哥77个社区区域的网约车需求。我们将人口、社会经济、交通因素以及土地利用特征作为解释变量。模型对解释变量采用条件自回归（CAR）先验。此外，贝叶斯框架同时估计了空间与时空相关性的非结构化随机误差和结构化误差。我们评估了估计模型的性能，空间回归模型的残差不存在剩余空间结构。对于时空模型，实际网约车需求与拟合值之间的平方相关系数为0.95。分析表明，人口因素（人口规模和已登记犯罪数量）对网约车需求有正向影响。此外，网约车需求随收入增加、经济活动人口比例增加以及无车居民比例增加而上升。同时，公共交通可达性和步行便利性指数是芝加哥网约车需求的关键决定因素。
引用
@article{arxiv.2406.11590,
title = {Ride-sharing Determinants: Spatial and Spatio-temporal Bayesian Analysis for Chicago Service in 2022},
author = {Mohamed Elkhouly and Taqwa Alhadidi},
journal= {arXiv preprint arXiv:2406.11590},
year = {2025}
}