城市出租车运力规模投放计算方法研究

在介绍中国城市出租车发展现状的基础上,分析了城市出租车发展中存在的几个突出问题；对出租车需求影响因素进行分析,针对两种不同情况分别提出相应的运力投放计算模型,然后根据各项影响因素对出租车运力投放计算模型进行验算和修正.     

城市货运呼唤货运出租车

如同城市对“的士”(客运出租车)的需求一样,越来越多的城市悄然出现了城市“货的”(货运出租车),而且随着城市对普通货车管理力度的加大和城市经济发展速度的加快,越来越多的大中城市开始进入对货运出租车需求的新时代,这无疑给汽车市场注入了一股清泉。据了解,在我国经济比较     

基于因子分析的西安出租车需求量预测与分析

为分析西安市出租车市场供需匹配的问题,文章定性地探讨影响城市出租车需求的因素,选取GDP、第三产业占GDP比重、比重人口密度等11个指标,并采用因子分析、主成分分析法,定量计算2009~2015年西安市出租车需求量,在此基础上,运用阻尼指数平滑法,预测出2017年西安市出租车的需求量为22547辆。由此,可参考预测数据调整西安市出租车的供给数量,提高运输效率,从而契合城市发展需求。     

深圳特区外出租车市场需求分析和预测

深圳特区外出租车需求量预测是深圳市出租车规划的一项重要内容,其需求受到该地区经济发展水平、人口数量、土地规模、人口密度、产业布局等多种因素的影响。为提高预测精度和可靠性,在综合多种预测模型特点的基础上,对深圳特区外出租车目前需求量和远景规划量进行了预测。经定量和定性分析,认为目前深圳特区外出租车投放总量控制在5000辆较适宜。     

北京市出租车运营状况分析系统开发

基于出租车运营管理需求分析,明确了城市出租车运营状况的分析内容。综合匹配后浮动车数据、出租车运营信息表和电子地图等建立出租车运营管理专题数据库,在此基础上,设计开发了出租车运营状况分析系统。经测试表明,该系统技术先进、运行可靠,能够全面地分析城市出租车运营状况,可作为城市交通管理的辅助决策工具。     

基于多源数据的出租车运行监测分析指标体系研究

对出租车各类数据结构进行了介绍,基于出租车多源数据,提出了面向出行者、行业管理者和政府主管部门不同用户需求的出租车运行监测指标体系,并给出了出租车运行监测指标体系中关键指标的计算模型.最后,以北京市出租车多源数据为例,计算得出了出租车运行监测的部分重要指标值,为准确掌握城市出租车运行情况、制定出租车发展战略、改善出租车行业管理、推动出租车良性可持续发展提供了决策支持.     

网约车服务对城市传统出租车使用的冲击效应

网约车服务的迅速发展对包括传统出租车在内的城市出行方式产生了重大冲击。针对传统出租车使用的冲击问题，收集中国33个地级及以上行政级别城市2010—2016年的平衡面板数据，采用双重差分法（DID）进行量化，并进行动态效应分析、稳健性检验、城市规模等级异质性和城市区位异质性分析。研究结果表明，网约车服务对传统出租车的使用产生显著的负向冲击，使传统出租车使用平均减少了25.46%；随着时间的推移，网约车服务对传统出租车使用的负向冲击呈现先加强后变弱的规律；城市规模异质性分析发现网约车服务致使超大城市中传统出租车使用减少了28.68%，致使大城市中传统出租车使用减少了22.12%；城市区位异质性分析发现网约车服务使东部城市传统出租车使用减少了27.96%，使西部城市传统出租车使用减少了21.2%。      

基于位置服务的智能化出租车调度系统研究

针对城市客运出租车空驶率偏高等问题,提出基于位置服务的智能化出租车自主调度系统.分析了目前基于位置服务的技术特点及高效出行系统的需求,研究了系统的逻辑结构,包括应用层、系统服务层和数据层,并提出了系统的物理架构和实现机理.利用Google Maps API实现了智能化出租车调度系统的移动客户端和计算机客户端的开发.      

我国出租车市场预测

我国城市出租车市场发展迅猛，出租车保有量由１９８４年的６万辆增至１９９５年的５０万辆。出租车市场呈现持续增长到爆发式增长特点。“九五”期，我国出租车市场仍呈大的需求，将由大、中城市向中、小城市及乡镇发展、形成大、中城市齐头并进的格局。出租车型仍以微型轿车，微型汽车为主。预计，２０００年，我国出租车保有量将达到１００万辆。“九五”期新增与更新出租车将达到１００万辆。     

多场景模式下网约车与巡游车运营特征差异及调度策略研究

基于厦门市出租车的GPS数据、订单数据以及路网、行政区和蜂窝网格空间矢量数据等,提出了多源数据预处理规则,构建了出租车运营特征指标体系,探究了常态化和疫情条件下出租车的运营特征和需求时空分布情况.研究表明:厦门市80%网约车与巡游车的订单运距分布在10 km以内,而在长距离出行时居民更倾向于选择网约车;出租车需求热点区域主要集中在重要交通枢纽、居住区、商业区、景区和高校等地;网约车的日均载客次数、平均运距和运行时长均高于巡游车,空驶率低于巡游车;城市中心区域网约车和巡游车订单量相对均衡,由内向外均衡性逐渐变差,以网约车为主;网约车订单量在工作日呈双峰特征,在非工作日和节假日期间呈单峰模式,而巡游车订单量在08:00达到较高水平后保持相对稳定状态;2020年后疫情时期巡游车的空驶率显著增加,而网约车的空驶率保持相对较低且稳定的状态.研究有助于精准提升多场景模式下城市出租车行业供需动态平衡、运营服务水平和乘客出行满意度.     

温州市出租车行业的发展思路探讨

通过分析近年来温州市出租车行业的营运数据,总结温州市出租车行业存在的问题,对温州出租车行业及市场前景进行重新定位,提出温州市出租车行业应作为公共交通系统的补充,提供中高质量的门到门服务.在此基础上,通过价格调整、管理改善以及采用新的组织模式对温州市出租车行业的发展思路进行探讨.     

Identification and interpretation of spatial–temporal mismatch between taxi demand and supply using global positioning system data

Taxis provide a type of on-demand mobility service in urban transportation. There are growing concerns regarding the level of service of taxis in satisfying residents’ mobility demand. However, the mismatch between demand and supply of taxi services has not been resolved even with the introduction of app-based vehicle services. In this study, three indicators are constructed using the Shanghai taxi global positioning system (GPS) dataset to reveal the spatial–temporal mismatch pattern. The issue is further analyzed via a case study, in which seven regions with frequent mismatch patterns are identified in the time period from 21:00 to 22:00. Then, a multinomial logistic regression model is employed to identify the demographic and built-environment factors contributing to the taxi mismatch problem. The study results show that population density, residential areas, the number of points of interest, and road density have significant relationships with the taxi undersupply. In contrast, the areas of commercial lands, as well as the other two transportation-related factors, that is, the number of bus stops and the distance to nearest subway station, are observed to be statistically significant for both “oversupply” and “undersupply” conditions. This study provides valuable insights for identifying mismatch patterns and interpreting the mismatch problem as a function of spatially explicit factors that are of great use for urban governance, especially in the improvement of taxi efficiency, taxi management, and urban planning.     

汕尾综合保税区交通系统规划研究

综合保税区由于具备保税、进出口等业务功能,其园区监控管理、进出口设置、交通组织方式等有着特殊要求。通过梳理研究广州、深圳现状综合保税区的规划情况,结合汕尾综合保税区实际条件,从内部路网规划、出入口设置、交通设施布局、交通组织等方面提出相应的规划方案,使规划的交通系统能充分发挥其服务功能,从而支撑汕尾综合保税区的发展需求。     

出租车轨迹数据在综合交通调查中的应用方法

出租车轨迹数据是综合交通调查中重要的信息化数据来源,能应用在包括出租车调查、车速调查等多项交通调查工作中。本文系统梳理了出租车轨迹数据在综合交通调查中的应用场景、应用要求,设计了出租车轨迹数据的分析框架和处理流程,重点介绍了“相邻定位点最短路径匹配”的地图匹配计算方法。以某市为例,介绍了出租车轨迹数据在该市综合交通调查中的应用和现状特征结论,相关分析起到了完成交通调查、支持交通规划任务的效果。     

车载定位技术在出租车调度系统中的应用

介绍了出租车调度系统的构成及其功能。调度指挥中心系统作为调度系统的核心,能够实现卫星定位、查询管理、电招、报警等功能。而车载定位导航系统主要是借助GPS(GlobalPositionSystem)全球定位系统来实现的。GPS全球定位系统是全球性、全天候、连续的卫星无线电导航系统,它可提供实时的三维位置,三维速度和高精度的时间和信息。出租车调度系统的建立可有效地提高出租车行业的服务水平和城市文明形象。     

基于多源数据的夜间出行需求空间效应及其异质性分析

为了揭示多维因素对出租车夜间出行需求的空间影响机制与局部关联特征，基于多源数据，利用空间计量模型和多尺度地理加权回归（MGWR）模型分别从全局和局部视角研究多维因素对夜间出行需求影响的空间效应及其异质性。首先，利用出租车GPS数据在分析夜间出行时空分布特征的基础上，明确夜间场景下的研究区域及时段划分；其次，从建成环境、人口分布、路网结构3个维度提出夜间出行需求影响因素指标体系，并基于POI数据、手机信令数据和路网数据进行指标量化。在交通小区尺度下分时段构建空间杜宾模型，从全局视角探讨不同时段下主要影响因素对夜间出行需求的空间效应；通过构造距离负指数衰减形式的空间权重矩阵，量化分析关键影响因素的空间溢出效应随地理距离变动的过程。最后，借助MGWR模型从局部视角分析主要影响因素对夜间出行需求影响的空间异质特征。研究结果表明：各解释变量对夜间出行需求的直接效应大多在0.05水平下显著，而溢出效应差异明显；美食与停车设施密度影响最为显著，两者的溢出效应在不同时段分别表现为负向和正向影响，即美食设施呈现出虹吸现象，停车设施具有诱发作用；停车和美食设施对夜间出行需求的空间溢出效应随距离变化均具有非线性衰减特征，分别呈现先增强后减弱的倒“U”形过程和负向先减弱后增强的过程，并在地理距离分别为1 500 m和1 000 m时，空间溢出效应达到最强；MGWR模型拟合效果优于经典GWR模型，局部回归系数的空间分布模式表明关键影响因素对夜间出行需求空间作用的异质特征显著。研究结论从夜间设施影响范围及强度的空间差异等方面为夜间交通需求的科学预测提供理论依据，进而为夜间商业及交通配套设施的合理配置提供方法支撑。     

基于巢式Logit模型的航空港集疏运方式选择研究

为研究航空旅客出行方式选择行为,在航空港集疏运系统需求描述的基础上,介绍并运用巢式Logit模型原理,以广州白云国际机场为实例,建立适用于白云机场集疏运系统的方式选择模型(NL模型),分析确定各相关影响因素项的影响机理,运用最大似然估计法对虚拟选择枝的共性和相异部分的参数进行修正和标定,从而获取各种集疏运方式的选择概率.结合调查选取的20份样本数据,运用模型编程计算得出私人小汽车、出租车、机场巴士、城际巴士和城市轨道共5种集疏运方式的方式选择概率分布结果,结果显示私人小汽车和出租车二者占比大于45%,机场巴士和城际巴士占比约40%,城市轨道仅占比15%.因此,为大力发展城市的公共交通,需要对白云机场提出具有参考性集疏运系统改进方案,为今后航空港集疏运系统的发展和航空旅客交通方式选择行为研究提供一定的借鉴.      

武汉市出租车运力数学模型研究

出租车客运是城市公共交通的重要组成部分。根据对影响武汉市出租车市场的相关因素的分析,找出建立数学模型需要考察的变量,再结合各变量与出租车数量相关性的强弱,选取合适的模型变量,建立多元回归模型,并对建立的多元回归模型进行检验。     

基于XGBoost的短时出租车速度预测模型

准确预测短时出租车速度是识别驾驶员异常加减速行为的前提，有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象，研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集，构造滑动时间窗口，以时间窗口内的出租车历史移动速度的时间序列为输入变量，以出租车当前时间的移动速度为输出变量，采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化，得到模型最优参数组合，并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析，将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差（MAE）为9.841，均方根误差（RMSE）为12.711，均低于非参数回归模型和神经网络模型，提高了出租车速度的预测精度；由于出租车速度序列缺乏规律性，调整后的R₂（R₂ _adjusted）为0.592，且相较于其他2个模型，XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果，避免了过拟合造成的预测精度下降。