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.     

基于时空轨迹数据的出行特征挖掘方法

在车联网应用发展的背景下,许多城市的私家车和出租车上安装了配备GPS 设备的智能终端, 产生着大量的时空轨迹数据.为挖掘这些数据蕴含的驾驶员出行特征, 本文以北京市出租车时空轨迹数据为例,基于时空GIS 的视角提出并实现了驾驶员居住 地挖掘方法和作息规律性分析方法. 样本实验结果一方面展示了驾驶员居住地空间分 布,另一方面表明作息规律性总相似度在0.6–1之间的驾驶员数量较多,占到了总数的 73.75%.通过本文方法挖掘的信息可为出租车的管理提供辅助决策,方法同样适用私家 车时空轨迹数据的挖掘,对私家车出行规律的研究和掌握更有意义.     

基于出行需求时空分布的出租车停靠站选址方法

为提高出租车运营效率,改善出租车经营效益,满足出行者出行需求,使出租车停靠站布局与出租车出行需求更匹配,针对出租车停靠站的选址方法研究十分必要。首先基于相关调查数据,分析了出租车出行需求的时空分布特征,界定并提出了出租车出行需求热点分布,分析了出行需求和城市形态的协调性关系。建立了出租车停靠站选址模型,将最大覆盖出行需求作为目标函数,以要求达到的停靠站载客能力、停靠站数量及服务范围等为约束条件,在选址位置、计划修建数量、站点服务能力等方面分析了模型的适用条件。针对柳州市的实例分析表明,该方法可以较好地满足出租车出行需求,具有较高的合理性与可行性。     

基于时空聚类算法的轨迹停驻点识别研究

利用手机等智能移动终端获取个体出行GPS轨迹数据,提出了一种新的时空聚类算法AT-DBSCAN识别轨迹中的停驻点.该方法以固定长度的滑窗搜索核心点,以时空邻近条件定义簇间距离,以簇密度大小规定合并次序.提出了出行次数一致性、出行起止时刻误差、停驻点时长误差、停驻点中心偏移距离4个算法验证指标,弥补了传统查全率、查准率等忽略停驻点时空信息准确性的不足.结果表明,识别的停驻点有98%的位置误差在30m以内,100%的时长误差在5min以内,98%的出行起止时刻误差在5min以内.此外,算法对于室内活动、定位飘移、路径重合程度高等复杂轨迹具有较好的泛化能力.     

基于GPS 轨迹挖掘的城市空间动态交互特征研究

对城市移动轨迹进行深入挖掘，有助于更加精细地理解城市空间动态交互特征. 以兰州市出租车GPS轨迹为基础，采用栅格方法，分析城市栅格空间的交通出行量. 以栅格为节点，以交通出行量为权重，建立动态有向加权复杂网络. 采用Infomap 算法识别城市社团结构，研究兰州市城市结构的时空演化特征，并对城市社团识别结果进行可视化分析. 研究表明，休息日和工作日城市动态时空交互存在明显差异. 工作日的城市空间交互距离和范围较大，空间交互更加紧密；休息日的空间交互范围相对较小，分裂程度较大. 高峰期和非高峰期城市空间交互也有不同，城市空间交互随时间动态变化. 研究结果可为政府管理城市，商家运营和居民出行提供决策服务.     

基于压力传感器的出租车客流检测系统

出租车作为城市客运交通系统的重要组成部分,是城市常规公共交通的重要补充,出租车客流是合理确定其投放规模的重要依据。设计一款基于压力传感器的出租车客流检测系统,该系统由主控制器、压力传感器、GPS位置传感器以及电源构成,用以采集出租车在每次营运任务中的乘客数量,并利用GPS位置传感器对乘客出行的起讫点数据进行采集,精确获取出租车出行方式的居民出行数据,为分析出租车利用效率及客流时空分布特性、确定出租车合理投放规模提供可靠的数据支持。     

基于车牌识别数据的城市路网运行状态识别方法实践

采用城市车牌识别数据进行路网运行状态观测和分析,设计了基于车牌识别数据的交通卡口聚类算法、车辆轨迹还原算法及速度分类树算法,建立了路网运行状态识别模型,结合乌鲁木齐的城市交通路网形态和车辆构成特征,通过与出租车GPS统计数据的对比和融合分析,研究了乌鲁木齐市的交通出行特征、路网运行速度与流量变化规律,以及路网运行与常发拥堵路段的关系,提出了一种利用车牌识别数据进行城市路网运行状态识别的方法。     

基于出租车GPS数据的路段平均速度估计模型

为了解决现有基于GPS数据的路段平均速度估计模型应用条件苛刻、难以满足低成本和高精度信息需求问题,考虑不同类型GPS车辆运行特征,设计了两个基于出租车GPS数据估计路段平均速度的改进模型.基于两个改进模型,设计了路段平均速度的融合估计方法.用某城市局部路网的出租车GPS数据验证两个改进模型,并与传统模型进行了对比分析....     

城市建成环境对出租车出行需求影响研究—— 基于空间溢出效应的分析

城市建成环境对交通出行具有深刻的影响,为探讨快速城市化时期我国城市 建成环境对出租车出行需求的影响,本文构建了考虑空间溢出效应的计量模型,以北京 市为例开展了实证研究.基于交通分区空间尺度,利用出租车GPS 数据获取了交通分区 出行需求,度量了住宅类、工作岗位类及交通设施类等变量表征建成环境,进而研究建成 环境对出租车出行需求的影响.通过传统最小二乘法的多元回归模型、空间自回归模型与 空间杜宾模型进行对比发现,空间杜宾模型的拟合度和解释力最优,研究建成环境对出 租车出行需求的影响时不能忽略空间溢出效应.利用空间杜宾模型参数估计结果,分析了 建成环境的住宅类、工作岗位类及交通设施类变量对出租车出行需求的直接效应、溢出 效应与总效应.本文力求掌握出租车出行需求产生的内在城市环境因素,为降低出租车空 驶率、实现出租车空间需求预测及分布均衡提供依据.     

基于深度CNN-LSTM-ResNet组合模型的出租车需求预测

利用海量的离线GPS数据进行出租车需求预测是智能城市与智能交通系统的重要组成部分.本文提出了一种基于深度学习的出租车需求预测方法(CNN-LSTM-ResNet),将出租车GPS数据和天气数据等转化为栅格数据,输入模型获得预测结果.该模型先使用卷积神经网络(CNN)提取城市范围交通流量的空间特征,然后引入残差单元加深网络层数,并利用长短期记忆网络(LSTM)提取GPS数据的临近性、周期性和趋势性,最后通过权重融合以上3个分量,并与外部因素(天气、节假日和空气质量指数)进一步融合,从而预测城市特定区域的出租车需求.采用西安市出租车GPS数据进行实验验证,结果表明,该模型与传统预测模型(如ARIMA,CNN,LSTM)相比具有更高的预测精度.     

基于热点探测的城市区域公交可达性研究

提出基于出租车轨迹数据挖掘的城市区域公交可达性评估优化方法. 利用核密度分析和热点探测，识别出租车用户出行敏感区并用出行热度表征区域用户需求，研究敏感区域公交可达性. 从影响阻抗大小的指标出发定义公交可达性，选取影响可达性的关键指标描述阻抗，以各指标与热点值之间的相关性为权重获取公交可达性计算公式. 引入区域公交供需变异系数指标，供需莫兰散点图及区域公交供需差分布图，评价整个城市及热点区域的公交可达性供需情况，识别区域不平衡程度协助公交系统优化供给. 以西安市为例进行分析，结果表明：其区域公交供需的变异系数为1.89，存在一定的不平衡性；根据供需差及散点图的分布规律，识别出优先处理敏感区，采取措施提高其可达性对优化整个城市匹配度最为有效.     

考虑能源类型的城市出租车运营效率评价研究

以分析西安市燃气型、电动型及甲醇型3种能源类型出租车在运营中的既有期望运营投入和非期望运营投入，既有期望产出和非期望产出为基础，本文构建基于DEA-Malmquist的考虑能源类型的出租车运营效率评价模型。从西安市出租车管理处提取西安市 2020 年 9~12 月期间 14946辆出租车的GPS轨迹数据，并随机选取1000辆甲醇型出租车、1000 辆电动型出租车及 1000辆燃气型出租车作为样本进行实例分析。通过处理3000辆出租车GPS数据，得到乘客在工作日和双休日不同时段的出行需求和特征，分析3种不同能源类型出租车的运营效率差异。所得结论可为西安政府部门对不同能源类型出租车的管理运营提供决策支持。     

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.     

基于公交数据挖掘的时刻表排班协同换乘优化

为实现公交换乘协同排班,减少乘客出行换乘时间,本文对公交信息系统的IC卡数据及车辆GPS数据进行数据挖掘,提取换乘信息并对现有的发车排班进行优化.首先,构建了公交运行状态信息提取模型,提取现有的公交运行状态信息.在此基础上,设计了邻域搜索的公交时刻排班优化算法,得到最佳发车排班时刻表.为验证所提出方法的有效性,选取了成都市的56路和3路公交线路的实际数据进行案例验证.结果表明:通过优化排班的方法,在不改变现有的公交供需条件的前提下,可以有效实现协同换乘;与原有的公交服务相比,优化之后的公交服务能够更加贴近出行需求,提升线路之间的换乘衔接效率,从而提高公交服务质量.