共享单车对于城市的影响模型

作者:未知

  摘  要:共享单车在美国的发展速度很快,建立模型对其给城市造成的影响进行分析是非常关键的,有利于相关部门采取措施对其进行管控。该文建立主成分分析模型,选取了道路负荷、人均交通成本、公共交通覆盖率、人均GDP、每千美元的能源消耗量、CO2排放量、颗粒污染程度、人均能源使用量、人口密度等指标来对共享单车对于城市的影响进行评价。由主成分的系数得出,人均GDP、每千美元的能源消耗量、人均单车数量对其的影响相对较大一些。
  关键词:共享单车  主成分分析  影响模型
  中图分类号:G64                                    文献标识码:A                         文章编号:1672-3791(2019)03(b)-0213-02
  1  问题分析
  该文建立主成分分析模型,选取了道路负荷、人均交通成本、公共交通覆盖率、人均GDP、每千美元的能源消耗量、CO2排放量、颗粒污染程度、人均能源使用量、人口密度、人口增长、人均单车数量等指标来对于共享单车对于城市的影响进行评价。
  2  模型的建立与求解
  2.1 主成分分析法的步骤
  (1)对原始数据进行标准化处理。
  假设进行主成分分析的指标变量有m个:1,2,...,m,共有n个评价对象,第i个评价对象的第j个指标的取值为ij。将各指标值ij转换成标准化指标ij,则:
  (2)计算相关系数矩阵R。
  相关系数矩阵:
  
  (3)计算特征值和特征向量。
  计算相关系数矩阵R的特征值λ1≥λ2≥…≥λm≥0,及对应的特征向量u1,u2,...,um,其中uj=(u1j,u2j,...,unj)T,由特征向量组成m个新的指标变量:
  (4)选择p(p≤m)个主成分,计算综合评价值。
  计算特征值λj(j=1,1,...,m)的信息贡献率和累积贡献率。称
  为yi主成分的信息贡献率;称
  为主成分y1,y2,...,yp的累积贡献率,当p=0.85,0.90,0.95接近于1时,则选择前p个指标变量y1,y2,...,yp作为p个主成分,代替原来m个指标变量,从而可对p个主成分进行综合分析。
  Z为影响指数,表示影响状况的综合评价值,即:
  
  2.2 模型的求解
  以2016年的数据为例,我们选取5个主成分即令p=5。
  利用MATLAB软件对11个评价指标进行主成分分析,相关系数矩阵的前几个特征根及其贡献率。
  从表1可以看出,前4个特征根的累计贡献率就达到85%以上,主成分分析效果很好。下面我们选取,5个主成分(累计贡献率就达到92%)进行综合评价。
  从主成分的系数可以看出第一主成分主要反映了人均GDP、人口密度、公共交通覆盖率、人均交通成本的信息;第二主成分主要反映了人均GDP、每千美元的能源消耗量、CO2排放量、人口增长、人口密度;第三主成分主要反映了人均GDP、每千美元的能源消耗量、人均单车数量、人均交通成本;第四主成分主要反映了道路负荷、每千美元的能源消耗量、颗粒污染程度、CO2排放量;第五主成分主要反映了人均能源使用量和颗粒污染程度。综上可以看出人均GDP、每千美元的能源消耗量、人均单车数量的影响相对较大一些。把各节点的原始11个指标的标准化数据代入5个主成分的表达式,就可以得到各地区的5个主成分值。即:
  分别以5個主成分的贡献率为权重,构建主成分综合评价模型,其主成分权重分别为0.4747、0.2000、0.1152、0.0670、0.0635。
  3  模型评价与推广
  对节点选取,如果允许,可以选取全球二百多的国家作为节点,这样数据比较完整而且考虑很全面。对因素的选取同样也可以多选一些,争取共享单车指数能包含所有方面的影响。该模型不仅可以用于生态模型的评价和预测,还可以用于人际关系的分析和天体物理方面的分析。
  参考文献
  [1] 张英.共治才能更好共享[N].陕西日报,2018-12-01(7).
  [2] 流年.十字路口上的共享单车[J].互联网周刊,2018(22):20-21.①作者简介:刘云帆(1998—),男,汉族,山东滨州人,本科在读,研究方向:电力系统。
转载注明来源:https://www.xzbu.com/8/view-14835218.htm

服务推荐