【摘 要】
：
针对用户与司机在单归属环境下网约车平台进行交易过程,运用Salop模型确定用户与司机在双边市场中的分布,构建两个网约车平台的Stackelberg博弈模型,研究网约车平台定价策略、市场竞争强度和平台成本对网约车平台利润、消费者剩余和生产者剩余的影响规律。研究表明,平台成本增加导致占优平台与劣势平台的服务价格均提高,从而引致自身平台双边用户减少,竞争平台的双边用户数量增加,且对劣势平台的影响更大。市场竞争强度小时,劣势平台应效仿占优平台进行中等定价,此时利润取得最大值;当竞争强度适中时,劣势平台应采取低价策
【机 构】
：
河北工业大学经济管理学院,天津市人文社科重点研究基地企业信息化与管理创新中心
【基金项目】
：
国家社会科学基金(14BGL055,18BGL012),河北省高校人文社科研究重大资助项目(ZD201505),河北省教育厅人文社科青年拔尖人才项目(BJ2017064)。
论文部分内容阅读
针对用户与司机在单归属环境下网约车平台进行交易过程,运用Salop模型确定用户与司机在双边市场中的分布,构建两个网约车平台的Stackelberg博弈模型,研究网约车平台定价策略、市场竞争强度和平台成本对网约车平台利润、消费者剩余和生产者剩余的影响规律。研究表明,平台成本增加导致占优平台与劣势平台的服务价格均提高,从而引致自身平台双边用户减少,竞争平台的双边用户数量增加,且对劣势平台的影响更大。市场竞争强度小时,劣势平台应效仿占优平台进行中等定价,此时利润取得最大值;当竞争强度适中时,劣势平台应采取低价策
其他文献
针对高速公路场景下的车辆目标检测问题,提出了一种改进的YOLOv4网络对交通场景下车辆目标进行检测的方法;制作了一个多天候、多时段、多场景的车辆目标数据集,并依据数据集得到检测模型;提出多标签检测方法,并在多标签之间建立约束关系,得到更完善的车辆信息;提出了一个图像拼接检测方法,将多幅图像通过拼接层连接后进行车辆检测,以此提升网络的运行效率。实验结果表明,多样化数据集提高了车辆检测精度,减少了车辆
动态非平衡数据分类是在线学习和类不平衡学习领域重要的研究问题,用于处理类分布非常倾斜的数据流。这类问题在实际场景中普遍存在,如实时控制监控系统的故障诊断和计算机网络中的入侵检测等。由于动态数据流中存在概念漂移现象和不平衡问题,因此数据流分类算法既要处理概念漂移,又要解决类不平衡问题。针对以上问题,提出了在检测概念漂移的同时对非平衡数据进行处理的一种方法。该方法采用Kappa系数检测概念漂移,进而检测平衡率,利用非平衡数据分类方法更新分类器。实验结果表明,在不同的评价指标上,该算法对非平衡数据流具有较好的分
针对P2P(Peer to Peer)借贷项目违约风险预测中财务信息不完全或质量较低、预测准确率不高等问题,提出了一种考虑平台社会网络关系的P2P借贷项目违约风险预测的方法。通过对P2P借贷平台社会网络相关信息进行分析,从社会资本的结构维度、关系维度和认知维度发掘其中具有风险预测价值的关键特征,即社会网络风险特征,并将这些特征作为预测指标用于违约风险预测,依据多种非线性预测方法分别构建基于传统财务指标预测模型和引入社会网络风险特征后的混合指标预测模型,并对模型的预测结果进行了对比分析。实验结果表明,P2P
顾客作为产品满意度测度过程中评价决策的主体,对其进行分类研究,识别不同顾客群体异质评价特征具有重要意义。顾客评价特征存在多元性和冲突性,根本原因是顾客作为决策者的异质性,而顾客的异质性来源于顾客本身属性,包含分类型属性和数值型属性。提出了一种基于惩罚竞争机制的混合属性顾客分类方法,根据数值型和分类型属性值的分布规律,给出了混合数据初始聚类中心的确定方法;建立了统一相似性度量模型,并引入惩罚竞争机制,实现了聚类过程中的基本迭代和自动优化聚类数。以某产品异质顾客分类问题为例验证了所提方法的可行性,继而通过"
针对伪近邻分类算法(LMPNN)对异常点和噪声点仍然敏感的问题,提出了一种基于双向选择的伪近邻算法(BS-PNN)。利用邻近性度量选取k个最近邻,让测试样本和近邻样本通过互近邻定义进行双向选择;通过计算每类中互近邻的个数及其局部均值的加权距离,从而得到测试样本到伪近邻的欧氏距离;利用改进的类可信度作为投票度量方式,对测试样本进行分类。BS-PNN算法在处理复杂的分类任务时,具有能够准确识别噪声点,降低近邻个数k的敏感性,提高分类精度等优势。在UCI和KEEL的15个实际数据集上进行仿真实验,并与KNN、W
从传统网络到物联网,分布式拒绝服务攻击一直是网络安全的隐患。为提高分布式拒绝服务攻击的检测率,提出基于概率图模型与深度神经网络的DDoS攻击检测方案。该检测方案由数据预处理阶段和攻击检测阶段组成,在数据预处理阶段,研究了正常数据包与攻击包的区别,分别从TCP、UDP以及IP数据包包头信息提取出较高维的统计特征,根据随机森林计算的特征重要性因子,保留了前22个特征用于流量检测。22个统计特征通过概率图模型的隐马尔科夫算法进行聚类,然后将聚类结果通过检测阶段的深度神经网络对网络数据进行进一步的检测。在CICD
传统对学生成绩进行预测的方案往往需要手动筛选特征或需要大量的先验知识和专家知识。因此提出使用深度学习的基于图自编码器模型(Graph-AE)的学生成绩预测方案,该模型可以不经人工干预自动提取特征,且不需要大量的先验知识。将Graph-AE模型与13种经典推荐算法进行对比,实验结果表明,Graph-AE模型在学生成绩数据集上的效果比传统解决方法准确度更高,能够更好地刻画学生与课程之间的相关性和差异性。
针对传统时间序列建模预测过程中忽略空间因素影响和时空交互的问题,提出了一种基于时空多元回归(MLR)的ARIMA预测方法,并应用于某省月均气温的时空预测研究中。通过时序分解去除时空变量明显的季节变化;运用全子集回归法确定显著影响气温的因素,继而得到去季节项数据的MLR模型,从而去除气温的时空趋势变化得到随机变化项;对各站点的随机项时间序列分别进行ARIMA建模;将随机项的预测值与前两项预测值重组,获得最终各站点的时空预测值。实验结果表明,预测值与观测值整体相关系数为0.993 4,误差绝对值均值约为0.9
无线传感器网络极易遭受各种安全威胁,基于博弈论的入侵检测方法能有效平衡网络的检测率和能耗,但是基于完全理性假设的传统博弈模型存在不足。因此,针对不同的攻击方式,引入演化博弈理论,从攻防双方的有限理性出发,构建入侵检测攻防演化博弈模型,然后利用复制动态方程分析了攻防双方策略的演化趋势,提出了最优防御策略选取算法。仿真实验表明了所提模型的合理性和算法的有效性,与其他策略相比,所提防御策略更贴合实际应用场景,在保证检测率的前提下,减少了资源消耗,延长了网络生存时间。
非负表示分类器在人脸识别算法中有着突出的表现,但是各类别表示之间存在相关性,这对分类不利。为了解决这一问题,提出了基于鉴别性非负表示的人脸识别算法。在非负约束的基础上,添加正则项,减少类别间相关性;利用交替方向乘子法对变量进行优化;最后将测试样本划分在最小重构误差所对应的类别中。在4个数据集上的实验结果表明,提出的基于鉴别性非负表示的分类识别算法在分类识别精度上超过其他对比算法。