基于组合模型的车辆出行特征模式划分

精准掌握车辆的出行规律研究智能化城市交通管理及规划的基础工作,而掌握车辆出行规律的前提是探究车辆的出行特征。为研究城市道路交通车辆的出行特征模式,通过对历史RFID轨迹数据挖掘,对私家车、出租车样本轨迹数据进行定性分析,总结车辆运行的分布特征规律。基于数理统计分析,建立了出行频次、在网时间、轨迹重复率、出行时段,活动偏好区域、干线影响区偏好等出行特征指标体系。通过对出行特征指标的定制选取,建立基于密度峰值(CFSFDP)算法与BP神经网络算法的出行特征群体辨识模型。研究了私家车、出租车存在的特征群体,辨识出不同的出行模式,即实现出行特征群体的辨识。选取重庆市主城区域内的RFID数据进行试验分析,分别基于私家车、出租车提取的出行特征指标,进行CFSFDP算法的聚类分析,找到聚类中心,归纳分类数据。再利用分类数据进行BP神经网络训练学习,评价模型试验结果。结果表明:私家车存在3种出行特征群体:商用私家车群体、通勤私家车群体、其他私家车群体,群体识别率为97.2%。出租车具有2种出行特征群体:其他区域偏好出租车群体、干线影响区偏好出租车群体;群体识别率高达99.18%。     

基于热点探测模型的城市居民出行特征分析

城市居民每天的交通出行活动伴随着一定的规律性和时空特征.现阶段对居民出行特征的研究方法中以聚类算法为主.然而由于聚类算法的参数复杂性,使得低值热点区域往往被忽略.此外研究中对出行OD的无差别考虑,使得很多居民出行特征不能被充分挖掘.针对这一问题,提出了基于密度场的热点探测模型,分别从出租车上、下车密度场中提取热点并对热点进行分级.并以西安出租车GPS数据为例展开实证分析.研究结果表明:①基于密度场的热点探测模型可有效解决传统聚类算法中低值热点无法获取问题;②研究区内城市居民一天中各时段上车频次和下车频次变化趋势基本吻合;③在空间分布上,上下车热点区域集中分布在交通服务区和城市主干道周围;④结合城市功能定位,大型交通服务区及城市道路关键节点上下车热点等级较高,并且工作日和非工作日无明显差异;⑤商业服务区表现为午、晚高峰的上下车热点等级高于早高峰,非工作日早高峰的上车热点等级明显高于工作日.      

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.     

基于GPS数据的出租车通勤识别及时空特征分析

为研究城市居民出行活动中使用出租车完成的通勤行为及其时空分布特征,基于出租车GPS设备所生成车辆活动轨迹数据,利用地理信息数据库处理及GIS技术,对出租车出行起讫点信息进行甄别,在交通小区划分的基础上,构建了出租车载客出行行为OD矩阵,提出了基于出租车出行的通勤客流识别模型,并据此建立了通勤距离和时长的计算模型,用于通勤行为的时空特征分析。最后,以西安市为实证对象,对建立的模型进行实证分析。研究结果表明:各交通小区间出租车出行交通流波动系数在0.2时较为稳定;工作日的早高峰通勤交通流为20 000~27 000车次,晚高峰通勤交通流为15 000~27 000车次,其中,周一和周二相对稳定,周三至周五略有增加;工作日出租车早、晚高峰平均载客车次数基本一致,周二出租车通勤人数最多,周四相对较少;整月内所有工作日早高峰出行中依靠出租车的通勤出行量约占单日高峰交通流均值的27%;出租车通勤出行平均距离为3.7km,通勤距离主要分布在2.5~7km,通勤出行的平均时长为17min,通勤时间主要分布在10~20min;就业地和居住地的识别结果与实际土地利用性质所代表的地块属性基本一致,该方法可对城市居民使用出租车方式的通勤行为以及就业地和居住地进行有效识别,并为城市通勤服务交通系统优化及空间活动的异质性分析提供依据。     

基于多源数据的网络约租车与出租车运营特征分析

提出了以出租车计价器数据、出租车GPS数据与网络约租车订单数据为基础的运营强度、时空分布等运营特征指标分析模型,构建了基于分区均衡系数的出租车需求空间分布评价指标.结果表明:网络约租车的日均载客次数、载客里程以及载客时间明显低于出租车,运营强度仅为传统出租车的40%,两者次均载客里程、载客时间无明显差异;网络约租车订单主要集中在早晚高峰以及夜间时段,约占总订单量的50%以上,其服务热点载客区域与出租车服务对应的热点区域大部分吻合,对城市外围区域出租车供给紧张区域补充作用显著,高峰时段均衡系数最高可提升9%.本文可对出租车行业的科学管理和服务提升提供有效支撑.     

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。     

基于卫星定位系统的营运车辆时空特征研究综述

获取营运车辆的时空大数据,识别车辆运行区间、车辆运营时长、车辆运行车速等关键参数,对于深入挖掘车辆位置的空间、时间分布特征具有重要意义.在分析卫星定位系统的数据特点及相关定位技术的基础上,从计算机、地理学以及交通科学3个不同领域,对位置时空数据及其特点展开了比较分析.以典型营运车辆数据——基于出租车轨迹的出行分布研究以及联网联控"两客一危"分析为例,对基于卫星定位系统的典型营运车辆时空特征分析的理论、方法及关键技术进行综述.      

基于手机信令数据的区域通道出行特征研究

针对传统OD调查耗时长、费用高、精度低等问题,提出利用手机信令数据建立用户特征提取模型,从用户不同出行状态触发附近基站产生的时空轨迹数据,判定用户状态与时空特征。研究区域通道客流出行次数、方向不均匀性、出行方式等特征指标,并在重庆主城-合川-江津三个区域通道进行实例分析。应用结果表明,该方法基于重庆移动手机信令数据,可定量分析三个区域通道之间的出行特征;相较于传统OD调查,具有费用低和可行性高等优点,可以为未来区域铁路网与公路网的规划布局提供依据。     

基于时空约束的出行方式选择行为分析

城市居民的日常出行往往受出行计划的限制。为定量分析其产生的时空约束对出行方式选择行为的影响,以时空棱柱理论为基础,构建了出行过程中的时空约束范围。通过计算时空可达性(包含变量活动地点吸引力、自由活动时间、交通时间)定量描述时空约束,并将其作为选择方案的特性变量加入效用函数中,建立了基于时空约束的多项Logit模型。通过问卷调查收集的数据进行模型标定与检验,分析了时空约束对出租车、私家车、地铁及公交汽车4种出行方式的综合影响。将活动地点吸引力-自由活动时间及活动地点吸引力-交通时间进行组合,研究了其共同作用下对出行方式选择的影响。结果表明:出行计划中存在限制型活动的情形下,时空约束为显著性影响因素,其对4种交通方式的影响程度顺序为出租车私家车地铁公交汽车;对于不同时空范围内的出行,活动地点吸引力-自由活动时间和活动地点吸引力-交通时间共同作用时,对出行方式选择概率的影响存在较为明显的差异性。     

基于网约车数据的居民出行需求特征分析及需求预测

采用南京市网约车数据研究居民出行行为特征.首先,根据不同的土地类型,将南京市核心区划分为102个独立小区;然后,对出行需求的时空特征分析可以动态调整一天内不断变化的出行需求和交通供给;最后,采用WAVE-SVM耦合模型来预测居民出行需求,结果表明该方法具有较高的预测精度,还可以捕捉到短时交通需求的非平稳特性.     

大都市集中功能区客流出行分析及发展策略

以北京市城市交通综合调查数据为依据,从访客来访目的、到达方式、出发区域及出行距离2类空间特征、行人及车辆到发时间分布2类时间特征和停车特征对居住区等4种集中功能区的客流特征进行分析,针对北京市集中功能区现存的问题,从交通设施的配给、停车位的配建、引导市民公交出行等角度提出交通层面的发展策略和改进建议.     

基于空间滞后模型的公共自行车出行特征及影响因素分析

为充分挖掘公共自行车时空出行特征，探讨城市空间环境与骑行需求的潜在联系。以宁波市中心城区为案例，基于公共自行车IC卡数据获取出行时空变化规律，在验证租、还车需求具有空间自相关性的基础上，通过建立空间滞后模型，分析了人口密度、道路分布、公共交通、站点配置和建成环境因素对骑行需求的影响。研究表明:①工作日、非工作日内租、还车需求的全局Moran's I分别为0.294，0.281，0.272和0.271，表现出显著的空间正相关性；②各模型的拟合优度R2分别是0.431，0.424，0.412，0.401，具有良好的拟合效果与解释性；③道路分布、建成环境变量对公共自行车使用的影响效应存在时间差异，其中公交专用道里程与非工作日内的站点需求量呈负相关，工作日内POI混合度对租、还车需求具有正向引导作用。      

城市出租车交通分布预测模型

现有交通需求预测方法以居民出行分析为基础,预测得出的出租车交通分布量实质上是载客出租车的交通分布量,因此其预测值比实际值偏小.基于出租车的运行规律,提出了出租车出行概念,将系统中出租车总出行量分解为载客出租车出行量和空驶出租车出行量,并运用Logit概率选择模型,建立了载客出租车出行量与空驶出租车出行量之间的关系,从而得出了总体出租车的交通分布预测方法.该方法既可以模拟城市现状的出租车交通分布状况,也可以对规划年出租车的交通分布进行预测,避免了传统分析方法对空驶出租车交通量的疏漏.     

一种基于多源数据的出租车分布预测方法研究

为了改善传统的交通需求预测方法以居民出行OD调查为基础,得出的交通分布结果受样本量等因素影响,预测值与实际值相差较大的问题,本文提出基于现有出租车GPS数据、计价器数据和电召数据的一种基于多源数据融合的出租车分布预测方法,进行出租车出行分布预测.该方法可以根据多源历史数据估计出租车OD分布,并可通过预测未来出租车OD分布,提高预测准确率.     

基于泊松分布的出租车合乘概率及等待时间建模

为了反映城市出租车合乘的成功率,准确描述合乘的效果,利用出租车合乘概率和等待时间对合乘问题进行分析。依据泊松分布原理,讨论出租车合乘中出租车载客车辆的泊松分布,建立基于泊松分布的出租车合乘概率模型,并通过概率模型结合n重伯努利试验原理,构建出租车合乘等待时间模型,探讨出租车数量、空载率、平均行驶速率和行驶目的地分布对合乘概率和合乘等待时间的影响。以南京市雨花南路路段出租车行驶的GPS数据为研究对象,对模型进行验证。研究结果表明:出租车载客车辆数据通过显著水平为0.05的K-S检验,其分布服从泊松分布;出行的高峰时段,路段内出租车数量增大,空载率降低,对于行驶目的地分布相对集中的区域,出租车合乘的概率为60%~80%,合乘的等待时间为5~15min;出行的低峰时段,路段内出租车的数量减少,空载率增加,对于行驶目的地分布相对集中的区域,出租车合乘的概率为20%~60%,合乘等待时间在15min以上;在该路段内的出租车平均行驶速度相对稳定,对出租车合乘概率和等待时间影响较小;出租车合乘适宜在日常出行的高峰时段采用,可通过1次载客多次合乘的方式提高合乘效率;该模型具有一定的有效性和实用性,能够为交通管理部门和合乘者选择合乘提供参考。     

基于多源数据的公交出行特征分析

为准确分析公交消费数据不完整情况下的公交出行特征,基于乘客上车刷卡数据、支付宝扫码数据及公交GPS数据,运用时空匹配法和出行链理论挖掘分析乘客上下车站点、公交线路OD矩阵、出行空间分布特性及消费时间分布特征。实际验证结果表明:1)使用IC卡和支付宝的乘客数量近似相等,使用现金人数较少,约占整体的6%;2)乘客出行次数在2次以下占总数的84%,换乘需求较少,公交可达性较高;3)高峰期消费次数均超过25000次/h,约占全天总数的23%,居民出行目的较为单一,大部分往返于居民区与办公商业区,与实际情况相符。     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

基于居民出行时耗与出行比例关系的OD矩阵估算新方法

建立了基于居民出行时耗与出行比例关系的OD矩阵估算新方法，该方法依据出行时耗分布规律进行，将小区出行量离散为不同出行时耗区间的出行量，并根据出行时耗区间所覆盖的交通吸引小区的面积及吸引量进行交通分布，方法运用中还可根据城市不同区域交通特征调整区域居民出行时耗分布，从而克服了重力模型OD估算结果与出行时耗特征不一致及模型参数全局不变等缺点。实例证明了该方法优于重力模型OD矩阵估算精度。     

基于交通信息特征图谱的信号控制评价方法

为有效评价交通信号控制的效果,提出了一种基于特征图谱的评价方法.首先,采用两阶段K-means聚类对车辆运行速度轨迹进行聚类,得到描述速度轨迹特征的交通模式;然后,根据模式吸引度、路段评价指数、分布均衡度等指标构建交通信号控制评价的特征图谱,直观体现交通流演变的时空规律.最后,以北京市道路为例进行验证.结果表明,基于特征图谱的评价方法能够细致、直观地描绘交通流的演变过程和运行状态,进而对信号控制进行有效地评价,具有良好的实用性.     

基于路径搜索的交通拥堵判别研究

由于出租车上多数使用GPS设备,从而产生了结构复杂、海量丰富的浮动车数据.本文基于实测GPS数据,在已有交通拥堵时空特性研究基础上,引进差异聚合系数,该系数由Pearson和Kendall相关系数组成,并搜索区域道路网络中的高相关路径.构造时空莫兰指数及莫兰象限,在时间-空间关联分析的基础上,用高相关路径搜索路网对拥堵区域进行判别.采用海口市长滨4路的实际浮动车数据进行案例分析,验证了该判别方法的可靠性.