The proposed study contributes to our understanding of the ongoing transformation of ridehailing market by examining the New York City Taxi & Limousine Commission data from a fine spatial and temporal resolution. We examine taxi zone based demand data from NYC for each month and explore the reasons contributing to (a) the increase in ridehailing demand and (b) the shift from traditional taxi services to Transportation Networking Company (TNC) services. The first component – taxi zone ridehailing demand - is analyzed adopting a negative binomial count model. The second component - share of traditional and TNC services demand - is analyzed using a multinomial fractional split model. The two model components are stitched together in a joint framework that allows for the influence of repeated observations as well as for the presence of common unobserved factors affecting the two components. The model estimation considered a comprehensive set of independent variables including transportation infrastructure variables, land use and built environment variables, weather attributes, and temporal attributes. Several performance measures were generated using the joint model for estimation and validation datasets. A prediction exercise is conducted to illustrate how the proposed model system can be utilized for predicting future ridehailing trends. Finally, an elasticity exercise is conducted to estimate the influence of independent variables on the ridehailing market.

拟议的研究通过从精细的空间和时间分辨率检查纽约市出租车和豪华轿车委员会的数据，有助于我们了解乘车市场的持续转型。我们检查了纽约市每个月基于出租车区的需求数据，并探讨了导致 (a) 叫车需求增加和 (b) 从传统出租车服务向交通网络公司 (TNC) 服务转变的原因。第一个组成部分——出租车区叫车需求——采用负二项式计数模型进行分析。第二个组成部分——传统和 TNC 服务需求的份额——使用多项式分数分割模型进行分析。两个模型组件在一个联合框架中拼接在一起，允许重复观察的影响以及影响两个组件的常见未观察因素的存在。模型估计考虑了一组综合的自变量，包括交通基础设施变量、土地利用和建筑环境变量、天气属性和时间属性。使用用于估计和验证数据集的联合模型生成了若干性能度量。进行了预测练习，以说明如何利用所提出的模型系统来预测未来的乘车趋势。最后，进行弹性练习以估计自变量对乘车市场的影响。模型估计考虑了一组综合的自变量，包括交通基础设施变量、土地利用和建筑环境变量、天气属性和时间属性。使用用于估计和验证数据集的联合模型生成了若干性能度量。进行了预测练习，以说明如何利用所提出的模型系统来预测未来的乘车趋势。最后，进行弹性练习以估计自变量对乘车市场的影响。模型估计考虑了一组综合的自变量，包括交通基础设施变量、土地利用和建筑环境变量、天气属性和时间属性。使用用于估计和验证数据集的联合模型生成了若干性能度量。进行了预测练习，以说明如何利用所提出的模型系统来预测未来的乘车趋势。最后，进行弹性练习以估计自变量对乘车市场的影响。使用用于估计和验证数据集的联合模型生成了若干性能度量。进行了预测练习，以说明如何利用所提出的模型系统来预测未来的乘车趋势。最后，进行弹性练习以估计自变量对乘车市场的影响。使用用于估计和验证数据集的联合模型生成了若干性能度量。进行了预测练习，以说明如何利用所提出的模型系统来预测未来的乘车趋势。最后，进行弹性练习以估计自变量对乘车市场的影响。