The Appropriate Scale of Competition Between Online Taxis and Taxis Based on the Lotka-Volterra Evolutionary Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In order to determine the optimal scale for urban ride-hailing services and taxis while promoting their sustainable growth, we have developed a Lotka-Volterra evolutionary model that accounts for the competitive, cooperative, and mixed dynamics between these two entities. This model is rooted in the theory of synergistic evolution and is supported by data simulation and analysis. By employing this model, we can identify the appropriate size for urban ride-hailing services and taxis when they reach equilibrium under different environmental conditions. The study’s findings reveal that the evolutionary outcomes of online ride-hailing services and traditional taxis are closely linked to the competitive impact coefficient and the cooperative effect coefficient. In highly competitive environments, intense rivalry can lead to the elimination of the less competitive party, while the dominant player ultimately attains a specific size threshold. As competition moderates, both entities can achieve a balanced and stable coexistence in the market. In cooperative environments, both online ride-hailing services and traditional taxis have more room for development, which facilitates the integration of existing and innovative business models. In environments marked by competition, the development trends of both entities mirror those in competitive settings, but cooperation can slow down the decline of the less competitive party. In conclusion, we propose strategies to foster fair competition between online ride-hailing services and traditional taxis, consider the coexistence of old and new business models, and promote their integrated development.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle