用户拓展（精选3篇）
用户拓展 篇1
1 UE平衡配流模型
1.1 UE平衡配流模型发展研究
Wardrop (1952) 提出了用户平衡 (UE) 和系统最优 (SO) 的概念, 标志着交通网络平衡概念从描述转为严格的数学模型。然而, 直到1956年Beckman等人提出了用于描述UE原理的一种数学规划 (MP) 模型;20年后在1975年才由Le Blanc等将F—W算法用于求解这个模型获得成功, 从而形成了现在的使用解法。
Be ckm an提出的描述UE问题的模型, 通常称为Be ckm an变换式, 具体模型公式如下:
该模型基于以下假设:1) 网络是强连通的;2) 路段特性函数正的、连续且分离。
而实际中, 道路特性及出行者选择行为特性并不是确定和统一的, 是时刻在变化的。因此, 后续研究者将出行者对路径旅行时间估计作为随机性变量考虑, 出现了如基于logit分布的随机用户平衡配流模型 (Che n和Alfa, 1991;Davis 1994) , 考虑路网OD点之间交通需求与时间的相关性的动态交通分配模型, 考虑路网能力可靠性的PUE (probability us e r e quilibrium) 配流模型 (许良和高自友, 2003) , 综合考虑了路网需求弹性、路网用户选择随机性的多类型弹性需求随机用户平衡分配模型等 (刘海旭等, 2003) 。
此外, 在路阻函数方面, 刘海旭、蒲云等 (2003) 做出了基于出行质量的随机用户平衡分配模型 (综合考虑了出行时间最小和出行时间可靠性最大之间的平衡) 。随着智能交通技术的发展, 先进的出行者信息系统 (ATIS) , 给出行者提供了实时、可靠的信息。张玺 (2013) 等, 考虑了路网需求的随机性和出行者基于信息系统的认知更新过程, 提出一个基于认知更新的随机动态分配模型。
1.2 UE平衡配流模型算法
1.2.1 启发式算法
在将F—W算法用于求解Beckmann变换式之前, 许多学者一直在探讨用模拟和近似的方法求解交通平衡分配问题, 这些方法通常称为非平衡分配算法, 包括:全无网络分配法 (Allor Nothing) , 也称为最短路径法, 运用AON网络加载机制进行平衡分配模拟;容量限制分配法, 相对最短路径分配法来说, 更多的考虑了路段上流量与路段阻抗的关系, 通过不断更新路段阻抗, 反复调用AON网络加载过程, 试图达到平衡状态的一种分配方法;增量加载分配法, 主体思想是将OD量分成n等分, 利用全有全无加载机制, 逐次加载每份流量, 并在每次加载完后, 重新修改路段阻抗;逐次平均分配法, 是一种界于增量加载法和平衡分配法之间的一种迭代算法, 其基本思想是不断调整已分配到各路段上的交通量而组件达到或接近平衡解。
1.2.2 F—W算法
Frank和Wolfe于1956年首先提出用于求解线性约束的二次规划问题的一种线性化算法。该方法属于可行方向法的一种。由于F-W法在每次迭代都必须求解一个线性规划 (LP) 问题, 在一般的实际问题中会因为计算量过大而不实用。但是, 由于交通分配问题的特殊性, 这个LP问题能变换为一次AON网络加载, 因此F-W法特别适合于UE规划求解, 在其基础上最终形成了目前较为广泛适用的一种严格又实用的解法。
F-W算法理论上的最大缺陷是收敛性不好, 特别是在最优解附近可行方向逐渐与目标函数的最速下降方向 (即负梯度方向) 正交, 这样导致收敛的缓慢。为此许多研究都致力于改进F-W算法的收敛特性, 大致改进思路分为3类:方向加速策略、步长加速策略、流量更新策略。
2 UE平衡配流模型拓展及平衡分配算法
2.1 弹性需求模型及算法
弹性需求模型:认为OD量在分配过程中是可变的, 与OD对之间的最小阻抗有关。
当网络中出行起讫点之间的拥挤程度增加时, 出行量会相应减少。可用一个函数来描述这种关系:
式中, Ds (·) 是出行需求函数, urs是起讫点rs之间的路径最小阻抗。
弹性需求分配模型目标函数:
弹性需求状态的约束条件:
2.2随机平衡分配SUE模型及算法
SUE分配模型:认为出行者在不拥有完备的交通信息下对路段阻抗有着不同的估计, 该阻抗可被视为分布于出行者群体上的一个随机变量, 这修正UE分配的基本假设, 即出行者拥有完备的交通信息, 而且能够依据这些信息做出正确的决策。
2.2.1 SUE分配模型
(1) SUE分配模型
SUE模型是由She ffi和Pow e ll (1982) 提出的, 具体数学形式如下:
2.2.2 SUE分配模型的计算算法MSA算法
SUE分配是无约束极小值问题, 对于一般的无约束极小值问题可以用下降方向沾求解。但足对于SUE模型确定下降方向和迭代步长不是容易之事, 原因在于:1) 在每次选代中都需要执行一次随机网络加载得到一组附加的路段流量来确定目标函数的下降方向, 但路段流量有时并不能被精确计算 (如导致由此取得的下降方向可能不是真正的下降方向) 尽管在总体上是下降的;2) 由于目标函数相当复杂, 使得迭代步长不可能如一般问题那样利用一维搜索求最优值。但是MSA算法可以避免上述困难, 结合随机网络加载机制, 成功求解SUE问题。
2.3 一般化的UE模型及算法
一般化的UE模型:认为路段阻抗函数以及需求函数是不可分离的, 修正UE规划及其弹性需求形式中路段阻抗函数和需求函数可分离的条件。
由此, Prager (1954) 在建模中考虑了双向道路中对交通流之间的相互影响。Dafermos (1971, 1972) 提出研究基于不分离的一般化特性函数的交通分配模型, 这种模型也适用于多模式、多车种或者多类别用户等多类别平衡分配问题。Roth (1965) 第一个研究了多类别用户分配问题。针对我国机非混行的特点, 陈森发等 (1993) 、刘安等 (1996) 、四兵峰等 (1999) 、刘法胜 (1999) 等均讨论了多种交通方式的混合平衡分配问题, 这些研究基本上都是对国外已有成果的拓展研究。
2.3.1 一般UE模型
以下为一个具有代表性的一般UE模型Dafermos (1982) :
约束条件:
其中Ω是由弹性UE模型相同约束条件决定的, 一般UE模型即使弹性UE的一般化。
2.3.2 对角化算法
一般化UE模型最有效的算法是对角化算法来。对角化算法也叫非线性Jacobi算法、松弛算法。对角化算法在整体框架上是迭代的, 每次迭代需要求解一个完整的UE规划, 而求解UE规划的算法一般也是一个迭代过程, 因此它具有迭代嵌套结构, 对于大型的交通网络需求需要付出巨大的计算量, 尽管相对于同类算法它是较优的。
3 结论
随着智能交通技术的发展, 乘客获得道路信息的渠道越来越多越来越全面, 深刻影响了乘客的选择行为。因此, 除上文介绍的用户平衡分配模型之外, 除了应该考虑交通需求的是随机变化性, 还应考虑路网上需求与时间的相关性, 因此还发展除了动态平衡分配模。由此可见, 用户平衡配流模型会发展得越来越全面, 配流结果更加的符合实际情况;另外由于交通技术在发展, 出行者行为影响因素越来越复杂, 模型因此需要不断更新。
摘要：用户平衡分配模型在交通规划及城市交通网络设计中占据重要作用, 网络上流量分配结果的准确性对交通决策问题起着关键性作用。用户平衡分配模型的关键部分是对路网用户的行为选择描述的准确性, 因此在基本的用户平衡模型上, 发展出了较多更能描述实际情况的用户平衡拓展模型。因此本文重点介绍了用户平衡分配模型、其拓展模型及其算法。
关键词：用户平衡分配模型,用户平衡分配拓展模型,算法
参考文献
[1]任刚著.交通管理措施下的交通分配模型及算法.东南大学出版社[M].2007.
[2]刘海旭, 蒲云.基于行程质量的用户平衡分配模型[J].中国公路学报, 2004.
[3]高自友, 张好智, 孙会君.城市交通网络设计问题中双层规划模型, 方法及应用.交通运输系统工程与信息[J].2004.
用户拓展 篇2
在三网融合的大背景下, 宏天科技努力为广电行业提供独具优势的互动电视领域技术, 坚信“分众是必然, 互动是趋势”。关于是否能够实现“服务500万互动电视用户”的拓展目标, 宏天科技认为, 在过去的服务实践中, 互动应用给用户带来了很多便利, 广电运营商也高度认识到“互动”这一关键词对于业务发展的迫切性。同时, 互动服务模式也给运营商带来了业绩增长。在这种情况下, 2010年乃至此后3年, 用户需求会出现井喷态势, 互动电视技术应用会成为电视受众的常态应用。宏天科技凭借多年来对互动领域的持续关注与积累, 在这个时机凯歌进入, 适逢其时, 适逢其势。宏天科技与思科等伙伴成熟稳健的合作关系, 也为500万目标的实现奠定了牢固的技术基础。同时, 思科公司认为, 与宏天科技的合作项目在互动广告精准投放、虚拟视频网络技术等方面, 顺承了思科在通信领域的技术优势, 并予以了面向下一代视频网络、用户体验全面融合的创新, 产品成熟, 完全能够满足广电运营商的需求。
2009年, 宏天科技成绩喜人, 其互动电视相关系统成功应用于江苏省网、北京歌华、内蒙古省网、昆明市网等, 服务用户超过100万。其主力产品M3P系统, 在帮助江苏省广电与昆明广电、华数与番禺广电跨区域实现统一管理、分众运营中起到了重要作用。另一主力产品配置管理系统, 在保障信息传输安全、实现机顶盒网络管理方面有着优异的表现。
用户拓展 篇3
集客市场上的“管道化”危机
总体来看, 目前运营商的集团客户市场经营正面临着两方面的挑战。
一是自身业务发展的挑战。长期以来, 运营商在集团客户市场上主要提供基础通信层面上的标准化业务产品, 这些业务对集团客户流程和战略的嵌入程度较低, 经常面临着激烈的同质化竞争。以集群网业务为例, 通过该业务, 相同集团属性的客户之间可以网内通话包月, 只需缴纳固定的月租费而不限通话分钟数。集群网业务三大运营商都有提供, 而且相互之间并不存在本质上的区别, 同质化竞争乃至价格战就成为其主要竞争手段。因此, 如何将运营商和集团客户之间的业务合作从基础通信层面提升到内外部流程层面, 进而服务于集团客户的战略层和愿景层, 是运营商目前亟需解决的问题。
二是来自通信行业外部的移动互联网新模式的挑战。移动互联网对通信领域的业务渗透, 主要通过OTT的形式来实现。OTT对电信运营商的冲击主要表现在两个方面:一是业务的“异质化”替代, 由于OTT产品具有独特优势, 因而对运营商的产品形成了替代, 如腾讯公司的微信对运营商短彩信的替代;二是价值链的边缘化作用日益明显, 即在OTT应用与服务、电信运营商提供的数据通信链路、其他第三方提供的应用与服务这一价值链中, 电信运营商的地位和作用被逐渐削弱, 由于提供的管道不断贬值, 而单一的管道又难以提升附加价值, 因此运营商被“管道化”的风险正日益加剧。
此处以出租车行业为例来分析移动互联网对电信运营商的影响。一直以来, 出租车行业都是运营商的重要目标行业市场。在这个市场中, 运营商主要提供语音类业务 (如短号集群网等) 、短彩信类业务 (如派车短信等) 、行业应用类业务 (如车辆定位服务和电召服务等) 。但上述业务都存在共性问题:业务类型局限, 都以运营商自身的业务为主导;业务模式单一, 主要是通道类业务, 即便部分业务采取第三方合作的方式 (如车辆定位服务等) , 运营商在其中也主要提供通信通道。
阿里巴巴的“快的打车”实际上就是典型的“B2B2C”模式, 即快的打车向出租车公司提供“乘客可以随时随地快速与出租车司机沟通, 并通过服务加价等手段获取出租车服务”的解决方案, 在这个业务平台之上, 出租车公司可以解决一直以来困扰各方的打车难、沟通难的矛盾, 降低公司成本、提升运营效率;出租车司机可以寻找最近、最佳的揽客方案, 在节省时间和车辆运行成本的同时还可以获得额外的小费收入;乘客可以通过手机客户端快速定位到车辆, 避免用车难的问题, 并通过加价等方式满足急需用车、预约用车等需求。可以说, 这个解决方案实现了出租车公司、出租车司机和乘客“三赢”的局面, 电信运营商作为无线数据传输通道的提供商也参与到了其中, 看似这类OTT业务提升了电信运营商的流量业务量, 但实际上真正高附加价值和业务可扩展部分都掌控在OTT应用与服务提供商的手中, 他们可以在此基础上扩展线上线下的服务以获取更多价值, 例如推出“专车服务”等升级服务, 而这些与电信运营商并无直接关系, 电信运营商也无法从中获利。除此之外, 单个末端消费者每天对出租车服务的需求量是相对有限的, 因而在打车业务上所使用的流量总是存在上限, 不可能因为业务的便利而无休止使用, 而电信运营商的流量价格却处于持续下滑之中, 无法掌控价值链自然就无法遏制此消彼长的趋势。
从上述案例分析可知, 移动互联网浪潮对通信市场的冲击刚刚开始;OTT应用与服务提供商对市场的切入, 也是从个人客户市场逐步向行业客户市场、集团客户市场深入, 电信运营商所面临的内部同质化竞争和外部异质化竞争将会日益激烈。因此, 研究移动互联网环境下电信运营商集团客户市场的运营模式创新尤为必要。
可从OTT“异质化”竞争获得启发
运营商对行业市场的拓展, 比近年来才兴起的OTT应用与服务提供商要早得多。中国电信率先确立了“商务领航”品牌作为政企集团客户市场的一面旗帜, 中国移动和中国联通也先后推出了“动力100”和“沃商务”以切入政企集团客户市场。经过多年的运营, 运营商在政企集团客户市场已经形成了以语音、短彩信、互联网与数据专线为基础主体, 各类垂直行业应用为辅助的“点面结合”产品体系;在政企集团客户市场的营销与服务方面, 通过客户经理渠道、代理商渠道、电子渠道等的相互往来, 也与行业客户、集团客户构建起了深厚的客情关系。那为何打车软件能够在出租车行业迅速刮起旋风, 同时又在这些新型价值链中完完全全地将电信运营商边缘化了?其关键差异就在于两者对目标市场的着眼点存在根本性的差异, 进而决定了其提供解决方案的层次不同, 以及两者在价值链当中的地位不同。
着眼点存差异
一直以来, 运营商都以基础电信服务为主, 这无可厚非。在完全封闭和垄断的市场环境中, 掌控了电信业务底层的运营商可以坐享庞大的用户红利和市场收益, 即便存在竞争也主要局限于此消彼长的寡头垄断竞争之中。即运营商的着眼点主要是在基础通信业务层面, 他们站在自身角度关注目标客户在电信领域的需求。
OTT应用与服务提供商基本上都源自互联网企业, 而每一个互联网企业在切入市场、站稳脚跟的历程中, 始终都直接面对每一个末端客户。因此, OTT提供商更关注末端客户和中间客户 (即“B2B2C”价值链中的中间环节和末端环节) 的价值如何实现和提升, 是站在客户的角度关注如何增强客户体验、提升价值、实现愿景。
解决方案层次存差异
基于上述着眼点, 运营商向政企集团客户所提供的解决方案主要集中在基础电信业务层面, 近年来也会根据目标客户的需求, 联合系统集成商开发特定的行业应用或ICT集成项目, 但是这一类解决方案通常只基于局部、基础层面的考虑, 一方面非常容易遭遇到竞争对手的同质化竞争, 一旦把控力度不足就会陷入价格竞争的泥沼;另一方面客户价值和自身价值的可扩展空间较为狭窄, 缺少长远的考量。
运营商的市场容易做成竞争激烈的“红海”, OTT提供商的市场也未必就是一片随手捞钱的“蓝海”。OTT提供商之间的解决方案也可能出现同质化竞争的现象, 曾经的“滴滴打车”和“快的打车”就是一例, 那么这些竞争者之间又是如何生存的?原因就在于, 他们提供的产品看起来虽然相似, 但由于价值定位的着眼点高、价值扩展空间大, 完全可以将“召车”作为同质化的基础, 然后根据各自特点衍生出不同的新价值模式, 消费者可以“萝卜青菜, 各有所爱”, 也可以“鱼和熊掌, 兼而得之”。
价值链地位存差异
电信运营商和OTT提供商虽然同为政企集团客户的供应商, 但在目标客户看来却有着不同的价值链地位。电信运营商所提供的通信业务是一切信息化解决方案的基础, OTT应用与服务构建其上。简单地看, 似乎离开了基础通信业务这个基础, OTT应用与服务就无从谈起, 但由于三大运营商之间存在着同质化竞争, 且业务无法实现差异化, 因此在竞争和考核指标的压力下, 根本不存在所谓的与OTT提供商谈判的空间。
还是以打车软件为例, 在消费者享受手机召车服务的过程中, OTT提供商和电信运营商同时为消费者创造价值。但是, OTT应用与服务是消费者的第一界面, 是客户体验的焦点, 与消费者直接相关, OTT应用与服务的表现越好、客户的评价就会越高;电信运营商所提供的无线数据传输链路是底层通道, 游离于消费者的关注焦点之外, 电信运营商的通道质量再好, 消费者也会认为理所当然, 一旦通道质量不佳, 消费者却往往将不满情绪指向电信运营商, 甚至会考虑更换号码和服务——大多数人会因为某次召车行为有红包、有折扣体验而窃喜, 会因为在高峰时段能打上出租车而感到庆幸, 但极少会有人关心这一次召车消耗了多少流量。
电信运营商如何反思与突破?
不少电信运营商都在感慨“好日子一去不复返”:一方面是基础业务日渐式微, 以流量为代表的新业务却在不断重复着传统业务的老路子, 在激烈的同质化中价格不断被打低、价值空间不断被挤压;另一方面是OTT应用与服务繁荣发展、触角延伸到几乎每一个领域, 而且完成了对个人客户市场的渗透之后开始向家庭市场、政企集团客户市场大举进军。对此, 电信运营商又要如何反思与突破?
上述3个差异之间是环环相扣、层层递进的关系, 其根本原因还在于电信运营商对政企集团客户市场的着眼点和运营方式与当前移动互联网大潮下的市场环境存在着明显的矛盾与落差。电信运营商中许多直接面对客户的营销人员, 对于如何分析、判断和提炼政企集团客户的价值并没有清醒的认识;对于如何构建、实现和提升政企集团客户价值也没有适当的举措。如何改变这个现状?笔者认为, 应当从以下方面着力突破。
一是正确认识客户价值。客户价值可以从两方面体现, 即应用解决方案节省多少直接成本或带来多少收益。要节省客户直接成本, 只需通过不断降价就可以做到;要增加客户收益, 就必须研究客户的行为和客户单位的价值模式, 寻找到价值的契合点。例如:打车软件的使用并未降低客户的直接成本, 反而增加了流量费等支出, 但它带给客户的却是解决打车难问题的间接价值;对于出租车公司也是如此, 打车软件提供给他们的不是更便宜的价格, 而是更便捷、更顺畅、更有效的沟通平台, 以及由此衍生出的更高价值。
二是实现解决方案与客户价值的桥接。基于上述对客户价值的理解和认知, 解决方案也要以此为核心加以设计。出租车公司之前尝试过无线对讲、基于运营商网络的PTT等解决方案, 但因为无法打通消费者、出租车公司和出租车司机之间的关节, 因而效果并不佳;而打车软件在移动互联网氛围下找到了客户价值的契合点, 实现了“三位一体”, 自然广受欢迎。
三是实现解决方案与客户愿景的融合。对于解决方案而言, 最重要的不是“怎么实现”, 而是“实现之后会怎样”, 也就是解决方案所带来的价值如何与客户愿景深度融合起来。首先, 解决方案必须服务于客户愿景, 才能够为自己争取到足够的价值空间。其次, 解决方案必须跟随客户愿景成长, 才能够为自己争取到长期的成长预期;打车软件经过了多次优化, 不断改进各方的体验感知和价值, 逐渐成为都市生活必不可少的手机必装软件。最后, 解决方案必须能够引领客户的愿景, 实现超越客户期望的价值交付, 才能够真正成为价值链的主导者;打车软件在提供便捷召车服务的基础上, 还进一步推出了“专车”等特殊用车服务, 这种超越期望的新模式进一步拓宽了我们对“出租车”领域的认知边界, 使更多的力量得以参与到新的价值模式当中来, 也为各方创造了更高的价值。