基于网络核密度的网约车上下客热点识别

为分析网约车上下客热点的时空分布特性,利用网约车订单数据,构建基于网络核密度估计的上下客热点识别模型,采用回归模型对热点进行聚类和分级。通过研究区域划定、数据清洗和筛选,引入以路网距离为度量的网络核密度估计方法,基于非均质网络方向延展和网络距离衰减效应,对工作日和非工作日的特征时段内网约车上下客点的核密度值进行估计。采用零膨胀负二项回归模型对核密度值进行聚类,识别出研究区域的热点路段分布及其等级。通过与平面核密度估计结果对比分析,本文提出的网络核密度估计方法体现了上下客热点在路段和交叉口的分布特点,表征了实际的交通需求与路网结构的关系。研究结论为优化城市网约车的运营管理、提高城市居民出行效率提供理论依据。     

基于网约车订单数据的居民出行特征研究——以北京市为例

为了解不同类型网约车乘客的出行特征,帮助网约车司机制定合理的寻客策略,以北京市出租车网络订单数据及快车网络订单数据为基础,采用K-均值(K-means)聚类方法,以乘客出行时间、行程时间、上车区域用地性质及下车区域用地性质作为特征变量,对两种网约车的订单数据进行聚类分析,并分别将其划分为4种需求类型。对出租车网络订单及快车网络订单的4种需求类型进行对比分析,发现二者的乘客出行需求呈现出相似的特征。其中有两类需求受乘客出行时间影响较大,工作日早晚高峰的出行需求更为活跃,乘客上下车区域的用地性质集中于混合用地性质。另外两类需求受乘客出行时间影响较小,乘客上下车区域集中于混合用地与居住用地、商业服务设施用地、绿地及广场用地3种用地类型之间。对订单数据进行统计分析发现,快车网络订单行程时间集中在10～20min,出租车网络订单的行程时间集中在10～45min。快车订单以短时出行为主,当乘客行程时间较长时选择出租车的概率更大。     

基于网约车订单数据的居民出行特征研究

为了解不同类型网约车乘客的出行特征,帮助网约车司机制定合理的寻客策略,以北京市出租车网络订单数据及快车网络订单数据为基础,采用K-均值（K-means） 聚类方法,以乘客出行时间、行程时间、上车区域用地性质及下车区域用地性质作为特征变量,对两种网约车的订单数据进行聚类分析,并分别将其划分为4种需求类型。对出租车网络订单及快车网络订单的4种需求类型进行对比分析,发现二者的乘客出行需求呈现出相似的特征。其中有两类需求受乘客出行时间影响较大,工作日早晚高峰的出行需求更为活跃,乘客上下车区域的用地性质集中于混合用地性质。另外两类需求受乘客出行时间影响较小,乘客上下车区域集中于混合用地与居住用地、商业服务设施用地、绿地及广场用地3 种用地类型之间。对订单数据进行统计分析发现,快车网络订单行程时间集中在10~20min,出租车网络订单的行程时间集中在10~45min。快车订单以短时出行为主,当乘客行程时间较长时选择出租车的概率更大。     

出租车高效益行程特征

为提高出租车营运效率和服务水平，以重庆为案例，研究出租车行程特征与出租车驾驶员单位时间收入的关联机理。首先，基于关联的出租车营运数据和轨迹数据构建行程特征指标；其次，构建随机森林预测模型分析行程特征对单位时间收入的相对重要性及显著性；然后，构建多分类Logistic回归模型分析行程特征对单位时间收入的量化影响。研究结果表明：行程特征指标可用于预测驾驶员单位时间收入且准确性较好，送客速度、寻客时长、长单数量对平均单位时间收入预测的相对重要性最大；寻客行程迂回度、送客行程迂回度、寻客里程的增加会显著促使普通效益驾驶员降为低效益驾驶员，而寻客行程迂回度、寻客区域偏好度、寻客里程的减少及送客速度的增加会显著促使普通效益驾驶员上升为高效益驾驶员。高效益驾驶员具有寻客积极主动、不偏好特定区域、倾向预期通行速度快的短路径、有长单偏好但不刻意追求等特征。本文弥补了先前相关研究在行程特征与效益的关联性构建，多样化行程特征对单位时间收入的表征与预测，高效益出租车驾驶员营运特征勾勒等方面的不足；可为城市交通管理、出租车数量管控及运价调整等提供理论依据和技术支撑。     

考虑网约车竞争的机场出租车供需均衡博弈模型

为有效解决机场出租车供需不均衡问题，本文基于完全信息下静态非合作博弈理论提出机场出租车司机及乘客两个群体决策的纯策略博弈模型。将网约车竞争影响引入出租车司机群体决策收益函数的构建中，探讨不同竞争强度对出租车司机群体决策结果的影响。同时，考虑排队长度、上客速率、交通状况、交通费用及多交通方式分流等因素研究乘客群体决策的收益函数，反映乘客群体不同决策结果对司机的影响。以北京首都国际机场为案例进行实证分析。结果显示：在北京市网约车行业平均竞争水平下，两群体通过互馈影响达到纳什均衡时，整体供给略高于需求，其中，早晚高峰时段机场出租车呈现供大于求的状态；地铁停运后的凌晨则需求远大于供给。针对当前网约车竞争水平下达到纳什均衡时的机场出租车每日供需不均衡现象，可以适当提高出租车司机对网约车竞争影响的认知。     

弹性需求下的出租车市场均衡模型

为了探究出租车市场均衡模型的性质，假设乘客根据预期出行成本的变动来选择是否乘坐出租车，构建了弹性需求下的出租车市场均衡模型，分析了出租车平均行驶速度、城市规模以及乘客等车时间价值对出租车服务水平、使用效率以及打车软件使用率的影响。算例表明：出租车平均行驶速度的提高使扬招乘客和网约乘客等待时间均减少，巡游车和网约车空驶时间均增加； 随着城市规模的扩大，扬招乘客和网约乘客等待时间先增加后减少，巡游车和网约车空驶时间先减少后增加；乘客等车时间价值的提高使扬招乘客等待时间和网约车空驶时间均减少，网约乘客 等待时间和巡游车空驶时间均增加；不同城市规模下，出租车平均行驶速度的提高均能提高打车软件的使用率，城市规模非常小时，乘客等车时间价值的提高使打车软件的使用率减少，当城市达到一定规模时，乘客等车时间价值的提高则会提高打车软件的使用率。     

基于出租车GPS数据的扬招点选址确定方法

：为了使出租车扬招点设置位置与出租车需求更匹配,建立了一个出租车扬招点选址模 型。首先通过对出租车GPS 数据的分析,获得出租车的上客点分布。然后建立数学规划模型, 将最小扬招点个数作为目标函数,以要求达到的扬招点服务覆盖率为约束条件。最后,利用已 知上客点位置分布,给定服务距离以及目标覆盖率,通过模型求得扬招点设置个数及位置。以 南京市新街口地区路网为例,在约5km2范围内,设定扬招点服务距离为300m、目标覆盖率为 85%,通过该方法求得需要设置11 个扬招点才能达到目标,并得到了具体的选址方案。之后, 进行出租车扬招点设置个数敏感性分析,结果可从服务质量和成本经济性两方面为扬招点设置 提供依据。     

基于竞合关系分析的网约车与出租车适度规模研究

为确定城市网约车与出租车的适度规模，促进网约车与出租车健康发展，基于协同演化理 论，建立网约车和出租车在竞争、合作、竞合环境下的Lotka-Volterra演化模型，进行数据模拟仿真 分析，确定不同环境下城市网约车与出租车达到平衡状态时的适度规模。结果表明：网约车与出 租车的演化结果与竞争影响系数和合作效应系数有关；在竞争环境下，激烈的竞争导致劣势方被 市场淘汰，优势方最终达到规模阈值；当竞争趋于缓和时，两者能在市场中达到平衡稳定后共存； 在合作环境下，两者都有较大的发展空间，能更好地促进新旧业态的融合发展；在竞合环境下，两 者的发展趋势与竞争环境下的发展趋势相似，但合作可以延缓劣势方的消亡速度。最后提出推 动网约车与出租车公平竞争，兼顾新旧业态、促进融合发展的建议。     

网络行程时间可靠性评价方法与影响因素

采用区域划分方法研究了网络行程时间率的概率分布, 提出了基于OD对的网络行程时间可靠性指标以评价城市交通可靠性; 选取影响行程时间可靠性指标的相关因素, 建立了多元线性回归模型, 用逐步回归法求解模型, 并进行了模型参数显著性检验; 根据杭州市和北京市的网约车数据计算了网络行程时间可靠性指标, 并与高峰拥堵延迟指数进行对比, 分析了网络行程时间可靠性指标的时间和空间分布规律。研究结果表明: 在多元线性回归模型中, 规划行程时间率与等待时间、费用、距离、行程时间和OD对间行程次数这5个自变量拟合得到的决定系数为0.772, 平均行程时间率与5个自变量拟合得到的决定系数为0.857, 2个模型拟合程度均较好, 回归模型显著; 规划行程时间率回归模型中等待时间、行程时间和实际行程距离的回归系数分别为0.386、0.399与-1.286, 平均行程时间率回归模型中等待时间、行程时间和实际行程距离的回归系数分别为0.162、0.177与-0.676, 2个交通可靠性指标都与等待时间和行程时间呈正相关, 和实际行程距离呈负相关; 提出的网络行程时间可靠性指标与高峰拥堵延迟指数变化趋势一致, 较好地符合现实交通状况, 从多角度反映了交通可靠性特征, 可以为路网规划提供决策支持, 帮助居民更好地进行出行路径选择。      

基于轨迹数据的网约车排放时空特征分析

网约车逐渐成为城市中重要的交通方式之一,由于网约车出行特征与其他交通方式显著不同,其环境影响仍有待深入研究。为揭示网约车的排放特征,基于成都市网约车GPS轨迹数据,采用大数据分析方法得到网约车在各轨迹段的平均速度、行驶里程等参数,然后应用机动车排放模型COPERT实现对研究区域内网约车CO、HC、NOx和CO2排放的量化,并进一步分析其时空分布特征。结果显示：2016年11月18日成都市研究区域内网约车CO、NOx、HC、CO2的排放量分别为151,41.5,8.93,125497.6 kg;网约车排放的高峰时段发生在 9:00-10:00、14:00-15:00 和 17:00-18:00;网约车高排放区域主要分布于二环高架路、二环路、蜀都大道附近,其中部分路段交叉口的排放最为突出;区域平均速度可显著影响该区域网约车平均排放因子。因此,政府相关部门可针对网约车高排放时段和地区,采取交通需求管理及车辆限速控制等治理手段,以减少中心城区的交通排放。研究成果可为网约车环境影响评估提供科学方法,为城市网约车管理的相关政策制定提供决策依据。     

基于机器学习的网约车合乘出行碳减排状态预测

网约车合乘出行可有效提高车辆运输效率,与常规网约车出行相比具有显著的碳减排潜力。然而,现实中网约车合乘出行能否真正减少碳排放受多方面因素影响,往往存在较大差异与不确定性。为识别碳减排潜力较大的网约车合乘订单,提出一种基于机器学习的网约车合乘出行碳减排状态预测模型,并解析其碳减排机理。首先,基于成都市真实的网约车合乘订单与轨迹数据,应用COPERT(COmputer Program to calculate Emissions from Road Transport)排放模型分别计算合乘出行碳排放量及其替代的独乘出行碳排放量,进而得到合乘出行相比独乘出行的碳减排量。然后,基于历史的合乘行程碳减排及其订单特征数据,训练XGBoost(eXtreme Gradient Boosting)模型以预测未来潜在合乘出行的碳减排状态。最后,采用ALE (Accumulated Local Effects)分析方法对预测模型进行特征变量解析,以识别影响合乘出行碳减排状态的关键因素。结果显示：研究区域内平均每次网约车合乘出行可减少碳排放307.23 g,但仍有15%的网约车合乘行程未能实现减碳;XGBo...     

长春市轨道交通换乘方式选择影响因素分析

通过对长春市居民轨道交通换乘方式的调查数据整理,利用多元Logistic模型,分析不同影响因素对居民城市轨道交通换乘方式选择的影响,得出出行者性别对出租车换乘有显著影响,男性更偏向于选择出租车换乘,拥有网约车打车APP对常规公交换乘有显著影响。打车软件的流行使居民出行换乘的方便性大大增加。学历水平越高的出行者越喜欢选择比较环保的步行和自行车换乘方式。月收入越高的更加注重出行的时效性,更偏好选择高效率的网约车换乘方式出行。出行距离对出行者是否选择轻轨+轻轨换乘影响较大,出行时间在出租车、小汽车、网约车这几种出行时间相差不大的换乘方式中影响不大。最后对城市的轨道交通换乘发展的优化提出合理的建议。     

考虑市场与利润的网约车与行业主体博弈分析

为系统分析网约车与行业原有主体的矛盾,从网约车的视角,综合考虑市场份额和利润效益,采用博弈论的方法,分别讨论网约车与传统出租车、乘客、政府之间的利益冲突.构建最优策略博弈模型并进行分析,求解混合策略博弈均衡解.结果表明:网约车与传统出租车均无策略选择最优概率,将处于持续的互相博弈状态中,网约车优劣服务成本差和价格是乘客选择乘坐与否的关键因素,政府管制成本和对非法经营的罚金是促使网约车合法经营的关键因素,为网约车自身发展和政府对网约车的监管提供理论支持和决策建议.     

基于浮动车数据的出租车规模确定方法

通过对出租车GPS数据进行预处理、地图匹配、运营信息挖掘,可以获得与出租车运营有关的信息,单次行驶的时间、距离、经过的路径等。从浮动车数据钟挖掘出租车运营信息,获得出租车在城市运营中的平均运营速度、平均运营时间、平均出行距离等信息,并在结合城市出租车需求的基础上,给出了确定出租车合理规模的方法。同时以广州的出租车数据为基础,对该方法进行了验证。结果表明该方法能够更准确地为出租车提供合理规模,为出租车管理及交通规划等提供科学依据。     

基于混合Logit 模型的网约车选择行为研究

近年来,网约车发展迅速,而现有研究较少从市场角度理解用户对网约车的选择偏 好.本文构建了基于混合Logit选择模型,选取网约车依赖性、出行目的等出行相关属性,年龄等 个人社会经济属性为效用函数特征变量,假设到达时间、在车时间和费用为随机变量并服从对 数正态分布.使用D-efficient效率设计法生成问卷,在成都市开展网约车使用特征与选择偏好的 实证调查.基于观察数据标定模型,参数显著性及符号解释了城市综合交通背景下出行方式选 择的关键因素.对出租车和网约车费用进行边际效应分析,明确了价格变化对出行结构的影响.     

深圳小学生上学交通特征及方式选择影响因素

上学交通是社会关注的热点。基于深圳小学交通调查数据和空间环境、交通基础设施等数据,采用多项logistic模型分析小学生上学交通方式选择的影响因素,为交通设施规划改造提供参考。深圳小学生平均上学距离约为2.24 km,平均时长约为21.5 min。学生上学交通方式与性别、年级关系较弱,与家长是否陪伴、上学距离、家庭拥车等因素紧密相关。学校区位对上学交通方式的选择影响不大,但是学区与学校周边的空间特征则作用明显。建议加大基础教育资源供给,优化学区划设,通过优化街道空间设计,增强学区的步行及自行车友好性,转变学生出行方式。     

长沙加快建设高铁枢纽智慧大脑

<正>网约车等客停车,智能化约车,数据共享……市民在搭乘高铁时关心的这些事,将逐步完善。近日,长沙火车南站发布《出行环境优化年实施方案》,在功能配套、车站环境、服务质量等方面加大优化力度。长沙火车南站将2019年定位"出行环境优化年",为方便高峰期旅客"快进快出",搭建了"雷锋"车队司机微信群,提高调度出租车的应急效率。还将推进高铁、地铁、公交车、出租车、网约车及     

基于典型经验路径库的路径规划算法

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。为了挖掘出租 车驾驶员的路径选择经验,最大程度地保留经验选择并融合到路径规划算法中,建立了基于典型 经验路径库的路径规划算法。首先,通过对出租车GPS数据进行预处理、地图匹配、载客轨迹信 息提取,建立出租车历史载客轨迹集;然后,基于网格划分建立不同时段、不同网格之间的经验 路径库;最后,提出了基于典型经验路径库的路径规划算法,并以广州市交通网络和浮动车为实 验数据。实验结果表明,该算法得到的路径其行程时间较少,平均速度较高,能够保持道路等级 的连贯性,且能适应不同时段的交通情况,更符合个人认知。     

���ڸ����������ij���·�����㷽��

城市道路交通运行状况信息（路况信息）的准确、实时的获取和处理是交通诱导、交通控制等应用的基础。而路况信息一般用路段平均通过时间和平均速度来表示。本文在分别对基于平均速度和基于平均通过时间的算法误差分析的基础上，提出了基于浮动车技术的城市路况计算方法。并利用广州市出租车综合管理系统提供的浮动车数据，结合车牌计时和跟车测试等实验对该方法的有效性进行了验证。实验结果表明本文所提出的方法是有效且实用的。     

基于多源数据的网约车与地铁接驳特征分析

网约车出行作为一种新兴的出行模式,在人们日常出行中发挥着重要作用。基于网约车订单数据,引入手机信令、地图导航等多源数据,首先,分析网约车与地铁接驳的时空特征,并与手机用户的地铁接驳出行数据进行对比;其次,基于XGBoost(extreme gradient boosting,极端梯度增强算法)构造充分考虑接驳距离、地铁乘距、接驳需求、公交便利程度、通勤出行占比等因素的回归模型;最后,从到达地铁站与离开地铁站两个方面,分析各因素对网约车与地铁接驳的影响。结果表明:使用网约车到达地铁站的订单量远大于离开地铁站的订单量,网约车与地铁接驳距离在1.5~3.5km的接驳量最大;网约车与地铁接驳存在明显的早高峰和晚高峰时段,高峰时段使用网约车与地铁接驳的出行占比与手机用户使用地铁出行的占比一致。