共享單車對於城市的影響模型

摘要：共享單車在美國的發展速度很快，建立模型對其給城市造成的影響進行分析是非常關鍵的，有利於相關部門採取措施對其進行管控。該文建立主成分分析模型，選取了道路負荷、人均交通成本、公共交通覆蓋率、人均gdp、每千美元的能源消耗量、co2排放量、顆粒污染程度、人均能源使用量、人口密度等指標來對共享單車對於城市的影響進行評價。由主成分的係數得出，人均gdp、每千美元的能源消耗量、人均單車數量對其的影響相對較大一些。關鍵詞：共享單車主成分分析影響模型中圖分類號：g64文獻標識碼：a文章編號：1672-3791（2019）03（b）-0213-021問題分析該文建立主成分分析模型，選取了道路負荷、人均交通成本、公共交通覆蓋率、人均gdp、每千美元的能源消耗量、co2排放量、顆粒污染程度、人均能源使用量、人口密度、人口增長、人均單車數量等指標來對於共享單車對於城市的影響進行評價。2模型的建立與求解2.1主成分分析法的步驟（1）對原始數據進行標準化處理。假設進行主成分分析的指標變量有m個：1，2，...，m，共有n個評價對象，第i個評價對象的第j個指標的取值為ij。將各指標值ij轉換成標準化指標ij，則：（2）計算相關係數矩陣r。相關係數矩陣：（3）計算特徵值和特徵向量。計算相關係數矩陣r的特徵值λ1≥λ2≥…≥λm≥0，及對應的特徵向量u1，u2，...，um，其中uj=（u1j，u2j，...，unj）t，由特徵向量組成m個新的指標變量：（4）選擇p（p≤m）個主成分，計算綜合評價值。計算特徵值λj（j=1，1，...，m）的信息貢獻率和累積貢獻率。稱為yi主成分的信息貢獻率;稱為主成分y1，y2，...，yp的累積貢獻率，當p=0.85，0.90，0.95接近於1時，則選擇前p個指標變量y1，y2，...，yp作為p個主成分，代替原來m個指標變量，從而可對p個主成分進行綜合分析。z為影響指數，表示影響狀況的綜合評價值，即：2.2模型的求解以2016年的數據為例，我們選取5個主成分即令p=5。利用matlab軟件對11個評價指標進行主成分分析，相關係數矩陣的前幾個特徵根及其貢獻率。從表1可以看出，前4個特徵根的累計貢獻率就達到85%以上，主成分分析效果很好。下面我們選取，5個主成分（累計貢獻率就達到92%）進行綜合評價。從主成分的係數可以看出第一主成分主要反映了人均gdp、人口密度、公共交通覆蓋率、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、人口增長、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、人均單車數量、人均交通成本;第四主成分主要反映了道路負荷、每千美元的能源消耗量、顆粒污染程度、co2排放量;第五主成分主要反映了人均能源使用量和顆粒污染程度。綜上可以看出人均gdp、每千美元的能源消耗量、人均單車數量的影響相對較大一些。把各節點的原始11個指標的標準化數據代入5個主成分的表達式，就可以得到各地區的5個主成分值。即：分別以5個主成分的貢獻率為權重，構建主成分綜合評價模型，其主成分權重分別為0.4747、0.2000、0.1152、0.0670、0.0635。3模型評價與推廣對節點選取，如果允許，可以選取全球二百多的國家作為節點，這樣數據比較完整而且考慮很全面。對因素的選取同樣也可以多選一些，爭取共享單車指數能包含所有方面的影響。該模型不僅可以用於生態模型的評價和預測，還可以用於人際關係的分析和天體物理方面的分析。參考文獻[1]張英.共治才能更好共享[n].陝西日報，2018-12-01（7）.[2]流年.十字路口上的共享單車[j].互聯網週刊，2018（22）：20-21.①作者簡介：劉雲帆（1998—），男，漢族，山東濱州人，本科在讀，研究方向：電力系統。轉載註明來源: