Розширена анотація українською мовою

Відстеження зростання ролі впровадження цілей сталого розвитку, з одного боку, а з іншого – використання програм Інтернету речей у різних сферах життя, зумовлюють трансформацію дизайну мислення людини щодо способу своєї мобільності. Актуальність розв’язання даної наукової проблеми полягає в необхідності перегляду муніципальної політики щодо підходів до використання відповідних видів громадського транспорту, удосконалення політики муніципальної транспортної інфраструктури через врахування тенденцій розвитку «зеленої» енергетики. У статті обґрунтовано потребу зосередження уваги на дослідженні зміни поведінки користувачів послуг таксі в Україні в умовах муніципальної екологістики, розвитку «зеленої» енергетики, розробки відповідних програм узгодження запитів користувачів і надавачів послуг таксі на засадах сталого розвитку міста та диджиталізації послуг таксі.Проаналізовано вплив сталого розвитку енергетики на диверсифікацію транспорту, рівень використання екологічних видів транспорту, зокрема електромобілів як таксі у залежності від кількості зарядних станцій, доступності до електроенергії. Методичним інструментарієм проведеного дослідження стали методи кластерного аналізу, експертного опитування, особистого інтерв’ю, статистичний аналіз та метод нечітко-множинного оцінювання. Об’єктом дослідження обрано служби таксі та користувачів послуг таксі Тернопільської області. Результати проведеного опитування засвідчили, що пріоритетними чинниками екологічної поведінки українських користувачів таксі є рівень автоматизації бізнесу та величина автопарку служби таксі. За результатами валідного експертного опитування, проведеного з метою дослідження рівня екологічності транспортних засобів та рівня автоматизації бізнесу, встановлено, що більшість досліджуваних служб таксі характеризуються низьким рівнем екологічності. При цьому орієнтація на цілі сталого розвитку та екологічність має фрагментарний характер, а найбільш проблемними питаннями залишаються технічне забезпечення, наявність автоматизованої системи замовлень, велика частка зношення транспортних засобів у невеликих містах. Для визначення підходів до управління процесом екологізації, об’єкти дослідження упорядковано у порівняно однорідні групи. З цією метою здійснено кластерний аналіз, який дозволив згрупувати об’єкти дослідження у порівняно однорідні групи та обґрунтувати доцільність розробки диференційованих стратегій, а також підтвердити думку про доцільність розробки різних підходів до розвитку екологічної складової залежно від рівня розвитку екологічності транспортних засобів, рівня автоматизації бізнесу та відносних часток автопарку. Результати проведеного дослідження можуть бути корисними для науковців та практиків у сфері інфраструктури, менеджерів та власників служб таксі, представників місцевої виконавчої влади.

Ключові слова: сталий розвиток, маркетинг, автономна служба таксі, інновації, конкурентоспроможність, муніципальна екологістика, спільна мобільність, енергосервісні компанії, електроенергетика, відновлювальні джерела енергії, кластерний аналіз..

Класифікація JEL: L98, М30, R41, R49.

Цитувати як: Borysova, T., Monastyrskyi, G., Borysiak, O., & Protsyshyn, Yu. (2022). Priorities of marketing, competitiveness, and innovative development of transport service providers under sustainable urban development Marketing and Management of Innovations, 3, 78-89. https://doi.org/10.21272/mmi.2022.3-07

Ця стаття публікуються за ліцензією Creative Commons Attribution International License

Список використаних джерел

1. 0352.ua (2021).Oficcial site [Link]
2. Akbulaev, N. (2020). The impact of the taxi service mobile applications on the financial condition of taxi companies. International Journal of Scientific and Technology Research, 9(2), 2144-2150. [Google Scholar]
3. Borysova, T., & Monastyrskyi, G. (2018). Marketing innovation activity of urban public transport: results of the empirical study. Marketing and Management of Innovations, 3, 229-240. [Google Scholar] [CrossRef]
4. Borysova, T., Monastyrskyi, G., Zielinska, А., & Barczak, M. (2019). Innovation Activity Development of Urban Public Transport Service Providers: Multifactor Economic and Mathematical Model. Marketing and Management of Innovations, 4, 98-109. [Google Scholar] [CrossRef]
5. Brych, V., Manzhula, V., Borysiak, O., Liakhovych, G., Halysh, N., & Tolubyak, V. (2020). Communication Model of Energy Service Market Participants in the Context of Cyclic Management City Infrastructure. In 2020 10th International Conference on Advanced Computer Information Technologies (ACIT) (pp. 678-681). IEEE. [Google Scholar] [CrossRef]
6. Brych, V., Mykytyuk, P., Halysh, N., Borysiak, O., Zhekalo, G., & Sokol, M. (2021). Management Model of Energy Enterprises Innovative Development Within Physiological Working Conditions. Propósitos y Representaciones, 9(SPE3), 1173. [Google Scholar] [CrossRef]
7. Deschenes, A., Gaudreault, J., Rioux-Paradis, K., & Redmont, C. (2020). Predicting Electric Vehicle Consumption: A Hybrid Physical-Empirical Model. World Electric Vehicle Journal, 11(1), 2. [Google Scholar]
8. European Commission. (2019). The European Green Deal. Retrieved from [Link]
9. European Union. (2020a). EU4Digital. Retrieved from [Link]
10. European Union. (2020b). European Neighbours South and East. Retrieved from [Link]
11. Grabovetsky, B. E. (2010). Methods of expert assessments: theory, methodology, areas of use. Vinnytsia: VNTU.
12. Granaturov, V. M., & Shevchuk, O. B. (2000). Risks of entrepreneurial activity: problems of analysis. VM Granaturov, OB Shevchuk–K.: Connectivity. 
13. Guo, Z., Yu, B., Li, K., Yang, Y., Yao, B., & Lin, Q. (2020). Locating battery supplying infrastructures for electric taxies. Transportation Letters, 12(2), 77-86. [Google Scholar] [CrossRef]
14. Hao, X., Wang, H., Lin, Z., & Ouyang, M. (2020). Seasonal effects on electric vehicle energy consumption and driving range: A case study on personal, taxi, and ridesharing vehicles. Journal of Cleaner Production, 249, 119403. [Google Scholar] [CrossRef]
15. Kieu, L. M., Ou, Y., Truong, L. T., & Cai, C. (2020). A class-specific soft voting framework for customer booking prediction in on-demand transport. Transportation Research Part C: Emerging Technologies, 114, 377-390. [Google Scholar] [CrossRef]
16. Kim, S., Chang, J. J. E., Park, H. H., Song, S. U., Cha, C. B., Kim, J. W., & Kang, N. (2020). Autonomous taxi service design and user experience. International Journal of Human–Computer Interaction, 36(5), 429-448. [Google Scholar] [CrossRef]
17. Kuchakovsʹka, H. (2014). Models of creating a knowledge base of the expert system for choosing a specialty for entrants to higher education. Educational discourse, 2014, 1 (5), 129-138. [Google Scholar]
18. Liakhovych, G., Kupchak, V., Borysiak, O., Huhul, O., Halysh, N., Brych, V., & Sokol, M. (2021). Innovative human capital management of energy enterprises and the role of shaping the environmental behavior of consumers of green energy based on the work of smart grids. Propósitos y Representaciones, 9(SPE3), 1293. [Google Scholar] [CrossRef]
19. Liang, X., de Almeida Correia, G. H., An, K., & van Arem, B. (2020). Automated taxis’ dial-a-ride problem with ride-sharing considering congestion-based dynamic travel times. Transportation Research Part C: Emerging Technologies, 112, 260-281. [Google Scholar] [CrossRef]
20. Lokhandwala, M., & Cai, H. (2020). Siting charging stations for electric vehicle adoption in shared autonomous fleets. Transportation Research Part D: Transport and Environment, 80, 102231. [Google Scholar] [CrossRef]
21. Nedosekin, A. O. (2004). Business risk assessment based on fuzzy data. St. Petersburg. Retrieved from [Link].
22. Nguyen-Phuoc, D. Q., Su, D. N., Tran, P. T. K., Le, D. T. T., & Johnson, L. W. (2020). Factors influencing customer’s loyalty towards ride-hailing taxi services–A case study of Vietnam. Transportation Research Part A: Policy and Practice, 134, 96-112. [Google Scholar] [CrossRef]
23. Shou, Z., Di, X., Ye, J., Zhu, H., Zhang, H., & Hampshire, R. (2020). Optimal passenger-seeking policies on E-hailing platforms using Markov decision process and imitation learning. Transportation Research Part C: Emerging Technologies, 111, 91-113. [Google Scholar] [CrossRef]
24. SSSU. (2019). Energy balance of Ukraine. Retrieved from [Link]
25. TSNUA (2018). In Ukraine, the number of charging stations for electric vehicles has been calculated. Retrieved from [Link]
26. UkrAvtoprom. (2021). Oficcial site. [Link]
27. Van Der Kam, M., Peters, A., Van Sark, W., & Alkemade, F. (2019). Agent-based modelling of charging behaviour of electric vehicle drivers. JASSS, 22(4). [Google Scholar] [CrossRef]
28. Welch, T. F., Gehrke, S. R., & Widita, A. (2020). Shared-use mobility competition: a trip-level analysis of taxi, bikeshare, and transit mode choice in Washington, DC. Transportmetrica A: transport science, 16(1), 43-55. [Google Scholar] [CrossRef]
29. Xie, P., Li, T., Liu, J., Du, S., Yang, X., & Zhang, J. (2020). Urban flow prediction from spatiotemporal data using machine learning: A survey. Information Fusion, 59, 1-12. [Google Scholar][CrossRef]
30. Zhou, Y., Wen, R., Wang, H., & Cai, H. (2020). Optimal battery electric vehicles range: A study considering heterogeneous travel patterns, charging behaviors, and access to charging infrastructure. Energy, 197, 116945. [Google Scholar] [CrossRef]
31. Zhuang, W., Ye, J., Song, Z., Yin, G., & Li, G. (2020). Comparison of semi-active hybrid battery system configurations for electric taxis application. Applied Energy, 259, 114171. [Google Scholar] [CrossRef]
32. Zielinska, A., & Borysova, T. (2020). Research of the Level of Business Automation of the Taxi Service. Marketing and digital technologies: Collection of materials IV International Scientific practical conference September 24-25, 2020 / ONPU. Odessa: TES, 17-19. Retrieved from [Link]