基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

基于出租车轨迹数据的道路空驶率分析

出租车作为城市公共交通的重要组成部分,在其运营过程中产生了海量的轨迹数据,这些轨迹数据中包含了大量隐含的规律及有价值的信息,对其进行数据挖掘可以得到出租车的出行特征及运营规律,从而优化出租车运营模式、增加司机收益.而OpenStreetMap项目是众源地理数据中极具代表性的项目,其数据量丰富、现势性强、成本低廉,被广泛应用.针对这一现状,依据空驶率的定义,提出道路空驶率的概念,并利用深圳市出租车轨迹数据及深圳市OpenStreetMap矢量地图数据,对其预处理后挖掘各条道路上出租车行驶数目及其载客情况,据此计算出租车在各条道路的空驶率,进而基于出租车轨迹分析道路空驶情况,最终得到出租车在各街道的空驶特征,从而为城市交通管理及出租车运营提供参考依据.     

基于出租车GPS大数据的城市热点出行路段识别方法

连续两个出租车 GPS定位点之间的时空间隔使得乘客上下车的位置必然介于一个线性区间内,据此提出轨迹线密度方法,用于在位置界限模糊的热点出行区域进一步搜索热点路段.利用成都市出租车 GPS数据,借助核密度估计分析出租车上下客位置的时空特性;基于轨迹线密度方法,计算了成都市春熙路商圈的路网密度值,划分路段热点强度,识别出了热点路段的位置,结合实际的出行需求分布完成方法有效性的验证.结果表明,本文所采用的方法能够有效识别出行需求旺盛的城市热点路段,不仅可以为出租车司机寻找客源提供重要的参考,还能够在交通相关部门选择出租车停靠站的位置时提供数据支持.     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

�ںϳ��⳵��ʻ����IJ��·���滮����

出租车驾驶员对城市道路交通状况较为熟悉,他们选择的路径具有代表性,因此将出租车驾驶员路径选择经验融合到路径规划算法中,对提高出行效率具有重要的意义.本文提出一种融合出租车驾驶经验的层次路径规划方法,主要包括三部分：首先,从出租车GPS数据中提取出出租车载客行驶轨迹;然后,根据各路段出租车行驶频率高低对路网进行分层,构建基于出租车经验路径的分层路网;在此基础上,使用Dijkstra算法实现层次路径规划.最后,本文以广州市为研究区域,将该方法得到的规划路径与经典路径规划算法的结果进行比较.结果表明,融合出租车驾驶经验的路径规划方法所得路径在行程时间上占有一定的优势.     

基于上落客时空特征的出租车停靠站选址模型

为了规范出租车运营,改善出行者候车环境,提高出租车经营效益,进行基于出租车出行需求特征的停靠站选址研究有着十分重要的现实意义.本文首先界定了出租车出行需求时空热点的含义,基于样本出租车GPS数据研究出行需求的时空聚集特征,得到了出行高峰时段和出行热点区域.将出行需求作为依据应用于出租车停靠站选址,提出了基于最大覆盖的停靠站选址模型,同时结合出行者的不确定性交通行为和消费特点,在车站服务能力、出行者步行距离和计划修建数量等方面分析了模型的适用条件.实例区域的选址研究结果表明,以客观需求为依据的选址方法,可以更好地契合出行者的出行需求,具有较高的实用性.     

基于非负矩阵分解的出租车时空行为聚类分析

为探讨出租车的时空行为特征,采用非负矩阵分解法从时间和空间两个维度对出租车行为进行聚类分析.首先划分时空单元,以上客点的时空分布特征表征出租车的时空行为,并构建时空行为矩阵,然后采用非负矩阵分解法进行出租车聚类.最后以广州市为例进行研究,聚类结果表明:出租车受广州市空间结构特征的影响聚成了 4类,而受时间维度的影响较小,但不同时段的行为也有明显差异.4类出租车都形成了明显的围绕区域商业活动中心集中运营的空间行为模式以及调整运营范围以适应不同时段出行活动需求的时间行为模式.研究揭示了出租车的时空行为与城市空间结构、城市出行活动的联系,能为出租车和城市管理发展提供参考.     

基于手机传感器数据的交通出行调查实证评估

应用手机传感器与调查问卷, 同步采集了校园内高校学生2周的真实出行轨迹; 考虑了真实出行环境下的手机传感器数据特征, 结合高斯滤波预处理数据, 根据轨迹点的时空聚类特性, 用时空聚类算法识别了出行端点和出行时间, 结合轨迹点速度、加速度特征, 利用支持向量机识别了出行方式; 将手机传感器数据与调查问卷、查核线数据对比, 分析了手机传感器数据出行特征识别的准确程度, 验证了出行特征的提取效果。分析结果表明: 手机传感器与问卷调查识别出行链的成功匹配比例为81.66%, 说明手机传感器数据可有效记录出行轨迹; 时空聚类算法参数中核心点空间半径为26.92 m, 最小样本点为129, 时间约束为129 s时, 出行端点识别准确率为93.02%, 出行时间识别准确率为90.84%, 说明手机传感器识别出行端点和出行时间的效果较好; 当支持向量机设置类型为经典支持向量机, 核函数为径向基函数, 惩罚系数为0.797, 核参数为2.260时, 出行方式识别准确率为89.86%, 即利用手机传感器能够有效识别出行方式。可见, 手机传感器数据识别结果合理, 能为手机传感器数据应用于实际出行调查做支撑。      

基于时空行为规律挖掘的公交乘客分类方法

应用智能公交系统(APTS)提取个体乘客出行信息，构造了公交出行链，研究了基于时空行为规律挖掘(STBRM)的公交乘客分类方法；应用时间序列表征乘客出行时间特征，利用互相关距离(CCD)算法计算了个体乘客出行时间规律；应用带噪声基于密度的空间聚类(DBSCAN)算法，挖掘了个体乘客的出行空间规律；依据出行强度和出行时空规律，将乘客划分为极少出行、时间规律、空间规律、时空规律和不规律等5个群体；以出行天数、类似上车时间数量和类似上车站点数量为聚类指标，应用K-Means++算法将乘客划分为高规律、中规律和低规律3类，比较了本文提出的STBRM方法和K-Means++聚类方法的分类结果，揭示了2种方法分类结果之间的关系。研究结果表明: 当时段划分长度取5 min，时间规律性判断阈值取3.0时，利用CCD算法识别时间模式规律乘客的效果最佳，与常用的DBSCAN算法相比，识别率提升了14.64%；增加时间窗长度能够提高时间、空间模式规律判定结果的稳定性；时间窗长度达到3周后，空间模式规律的乘客比例下降趋缓，达到6周后趋于稳定；时间窗长度达到2周后，时间模式规律的乘客比例增长趋缓，达到4周后趋于稳定；时间规律、空间规律和时空规律等3类乘客数量仅占总乘客数量的30.4%，但其出行量占到了总出行量的84.7%，公交依赖度很高，应作为公交机构重点保障的对象；本文提出的STBRM方法与K-Means++聚类方法的分类结果具有较强的关联性，规律性极高或极低的群体高度重合。      

合乘模式下司机收入公平模型及仿真

针对出租车合乘模式下司机的收入问题,建立了合乘模式下司机收入公平心理模型,采用公平理论分析了司机的心理及行为,通过仿真计算,分析了合乘模式下乘客总需求量及司机公平心理对司机收入的影响.研究结果表明,乘客总需求对合乘模式下司机总体的平均收入有较大的影响,合适的供需比下实施合乘才能提高司机收入;在供需比较大时,司机争抢乘客的行为会导致司机个体收入差距增大,部分司机收入降低的现象;为成功实施合乘模式,必须考虑当地出租车市场的供需比情况,并且建立合理的措施以防范司机争抢乘客的行为出现.所得结论对出租车合乘政策的制定与管理有一定的指导意义.     

基于VIKOR 的多主体出租汽车客运服务质量评价

为了检验政府监管人员、企业管理者、驾驶员、乘客四类不同出租汽车客运参与主体服务质量评价的一致性,以SERVPERF模型为基础,经过修正后构建了4 大类17 个出租汽车客运服务质量评价指标,开展了杭州市出租汽车客运服务质量问卷调查,采用VIKOR方法进行了不同主体的出租汽车客运服务质量评价排序,以乘客评价结果为参照,发现政府监管人员、企业管理者、驾驶员对出租汽车客运服务质量评价偏高,其中驾驶员最为明显.结果表明,将SERVPERF模型与VIKOR方法相结合用于出租汽车客运服务质量评价排序有效,消除驾驶员的自满倾向对提高出租汽车客运服务质量有意义.     

考虑轨迹相似度的综合客运枢纽出租车合乘方法研究

针对综合客运枢纽出租车停靠点乘客滞留问题，提出一种考虑轨迹相似度的枢纽出租车合乘模型. 以车辆数最小与总里程最短为目标，基于包围面积的轨迹相似度指标在形态上约束合乘后车辆的行驶轨迹. 设计两阶段算法求解此NP-hard 问题，第1 阶段利用kmedoids 方法对乘客需求聚类，第2 阶段设计蚁群算法求解得到乘客匹配方案及合乘行驶路径. 实测数据实验证明：该方法能较好优化车辆数和总里程，减少乘客等待时间；轨迹相似性度量约束能有效提高合乘后路径的JAC值，满足乘客希望合乘路径与原始路径差异最小化的心理.     

基于TOPSIS的出租汽车客运服务质量评价排序

为进一步明确政府监管人员、企业经营者、驾驶员与乘客的出租汽车客运服务质量感知差距,以杭州出租汽车服务质量调查为基础,采用逼近理想排序技术（TOPSIS）对不同参与主体的服务质量评价结果进行排序,计算出租汽车客运服务质量评价值贴近度,将出租汽车客运服务质量评价值从高到低排序为驾驶员、政府监管人员、企业经营者、乘客,发现出租汽车客运驾驶员、政府监管人员和企业经营者服务质量评价均高于乘客。结果表明,TOPSIS用于出租汽车客运服务质量评价排序有效,消除服务提供者的自满情绪有助于提高出租汽车客运服务质量。     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足，本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法，实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理，以此为属性数据，通过迭代计算轮廓系数确定k 值完成轨迹点聚类，结合二次处理方法对类簇进行拆分和融合以划分道路交通状态；在特征级建立多源数据融合方法，实现交通状态速度值计算；以归一化后的速度值为属性数据，通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明，本文方法能够实现道路交通状态精细划分，能有效地识别出道路局部位置的交通状态，进而可为城市道路交通管理提供决策支持.     

杨凌示范区出租车需求分析与预测

对杨凌示范区城乡居民的OD出行情况以及出租车驾驶员运营情况进行问卷调查,得到基础数据,并基于供需平衡的需求量预测方法,以2013年为基年,对杨凌示范区出租车的需求量进行合理预测。预测结果显示,到2020年杨凌示范区对出租车的需求量为289辆。