5、基于大数据分析的任务推荐:重振移动按需传感市场

基于大数据分析的任务推荐:重振移动按需传感市场

1. 市场背景与问题提出

近年来,移动按需(MOD)车辆市场蓬勃发展,像优步(Uber)、来福车(Lyft)、滴滴等平台就是典型代表。到2020年12月,仅在美国,优步和来福车各自雇佣的司机就超过了100万,预计到2022年,全球市场规模将达到2280亿美元。然而,从2013年到2020年,许多MOD司机的收入逐年下降,可能是由于司机之间的竞争日益激烈。过去两年,受新冠疫情影响,这种情况进一步恶化。

为了改变这一现状,2017年Payver平台推出了MOD - 车辆众包传感(MOVE - CS)市场。Payver让司机在驾驶时收集道路数据,并根据道路长度和特定路段支付报酬,通常每英里0.01 - 0.05美元。收集到的数据会卖给像谷歌地图等数字地图建设公司,看起来这是一个平台和司机双赢的局面。在运营的前3个月,Payver就招募了近2000名优步和来福车司机,让他们在超过50万英里的道路上收集数据,司机的收入也提高了5 - 15%。但运营仅2年后,参与的司机数量仍然很少,Payver在2019年4月不得不宣布破产。

与之形成鲜明对比的是,自2010年以来,由Gigwalk主导的MOD - 人类众包传感(MOMAN - CS)市场取得了成功。它雇佣人们为特定供应商收集商品数据(如位置、价格和销售情况),到2021年已吸引了170万参与者。Gigwalk成功的背后,是一套复杂的、具有专属定制奖励的运营模式。它为每个任务设定初始奖励,且只允许一人承接;如果长时间无人承接,奖励会增加。

2. 原因探究

为了找出MOVE - CS市场困境的根本原因,我们通过亚马逊土耳其机器人(Amazon Mech

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值