出租车和网约车载客空间特征分析

本研究的目的在于通过挖掘出租车和滴滴的上下客数据,描述出租车和网约车载客行程的统计特征和空间特征并比较两者的异同。首先通过对出租车和滴滴的GPS数据进行处理获取了上下客数据,然后以OD对为单元分析了出租车和网约车行程的距离、时间和平均速度;接着分别以出租车、滴滴的上下客点为对象,通过热力图、全局Moran’sI检验和局部Moran’sI检验分析了两种方式的热点和空间特征。结果表明:网约车的平均行程距离和平均行程时间都更长,而出租车的平均速度更快;滴滴和出租车的大部分热点位置比较类似,但滴滴的服务范围比出租车更广;两类车辆的上下客点都分别存在空间相关性,但在城市外围有滴滴活跃而出租车不活跃的交通分析小区存在。     

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。     

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。     

消除疲劳驾车确保运行安全

公交、出租驾驶员大多实行开车一天、休息一天的营运作业。尤其是出租车驾驶员承包经营，流动分散，工作时间难以控制，开车的一天容易产生疲劳驾车的现象。本以出租车为例，就消除疲劳驾车发表浅解。     

基于LSTM 神经网络的降雨天旅行时间预测研究

降雨给城市道路行程时间的计算和预测带来了许多不确定因素. 以出租车GPS数据为研究对象，在考虑降雨数据的基础上，设计一个基于非最小路段的行程时间计算方法，建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证. 最后，以北京市中关村西区出租车行驶的10 d 的GPS数据进行方法验证. 结果表明，加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率. 并与应用较为广泛的BP 神经网络和 SVM进行对比分析，发现在满足数据精度的前提下，本文应用的算法和预测模型有较高的训练速度和预测可靠性.     

城市出租车拥有量确定方法

通过对城市居民和流动人口出行特征与出租车运营特征的调查分析，分析了城市出租车拥有量与出租车所承担的城市客运交通周转量及出租车空驶率的关系，提出了一种城市出租车拥有量的确定方法。该方法以出租车的空驶率、有效行驶里程、平均运营车速和平均日运营时间为参数。实例分析表明该方法既可以对目前城市所需要的出租车拥有量进行测算，也可以对规划年份出租车拥有量进行预测，简便实用，可操作性强。     

基于网格交通状态分类的行程时间规律挖掘与计算

在出租车轨迹数据挖掘的基础上，本文提出基于网格交通状态的行程时间计算方法。在区域网格化的基础上，利用出租车全球定位系统(Global Positioning System, GPS)数据构建区域网格宏观基本图，并对宏观基本图的流量-密度关系进行拟合；进而使用高斯混合聚类法，将区域交通状态分类为畅通、轻度拥堵和重度拥堵。对不同交通状态网格的行程时间进行挖掘分析，发现3类交通状态下网格行程时间表现出不同的分布特征，畅通、轻度拥堵和重度拥堵的最佳行程时间分布分别为Gamma分布、Weibull分布和对数正态分布；通过不同状态网格行驶时间联合概率密度分布的近似拟合推导出路径网格行程时间概率密度模型。本文提出的方法可以快速计算一 定可靠度条件下的行程时间，对不同线路和时间内的案例分析结果表明，该方法对路径行程时间估计的平均绝对误差在1%~16%，可以为交通诱导与未来导航提供技术方法支撑。     

停车诱导系统的车位信息处理模式探讨

驾驶员的信息接受率受车位信息质量的影响.针对预测车位数据与实际车位数据的差异问题,提出基于路径行程时间预测和停车需求变化趋势预测的车位信息处理模型,有助于提高城市停车诱导系统的效益.     

城市出租车运营网络平衡模型

为确定城市出租车的合理发展规模,研究了城市出租车网络的运营特性与载客和空载阶段的出租车路径选择行为特征,分析了固定需求条件下出租车运营网络的供需平衡关系,建立了城市出租车网络平衡模型,以客观地反映驾驶员的搜客行为规律,表征城市道路网、出租车运营规模、出租车搜索时间和乘客候车时间的相关关系,并针对模型结构特征设计了模型求解的迭代求解算法。算例计算分析表明,算法是收敛的,模型是可行的,能根据乘客等待时间确定城市出租车的合理发展规模,有利于城市出租车网络的规划与管理。     

莞惠首条跨市公交线开通

4月15日，博罗园洲至东莞石排的公交线路正式开通，成为东莞、惠州间首条开通的跨市公交线路。同时，从当天起，两市“的士”可送客到对方城市的任何地点，惠州市新增设的28个异地出租车返程配客点同时开始启用。     

基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据，按照充电行为类型提取车辆行程，并对行程中影响快速充电行为的潜在因素进行细致分析；基于Logistic回归模型进行显著性影响因素识别，结果表明，电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为；最后，基于显著影响因素建立模型，对私家电动汽车快速充电行为进行预测，预测结果表明，预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为，提高充电效率.     

基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据，按照充电行为类型提取车辆行程，并对行程中影响快速充电行为的潜在因素进行细致分析；基于Logistic回归模型进行显著性影响因素识别，结果表明，电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为；最后，基于显著影响因素建立模型，对私家电动汽车快速充电行为进行预测，预测结果表明，预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为，提高充电效率.     

�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.     

清远谋划一批交通新项目

为迎接省运会的举办，针对惠城区存在部分出租车在节假日期间不打表、挑客、拒载等问题，惠州市交通运输局从5月8日起，对惠城区中心区出租车市场进行专项整治。该局属下的执法局每天安排一个巡逻检查小组，加大对出租车市场的执法监督力度，重点打击出租车司机拒载、不打表、乱加价等违规营运行为，     

基于混合Logit模型的出租车超速者运营因素分析

根据超速频次、平均超速严重度和平均超速持续时间等3类超速特征，判断出租车超速者类型，明确运营因素对超速者类型的影响。本文利用成都市出租车GPS轨迹数据提取此3类超速特征，并筛选出若干运营因素。而后，应用模糊C-均值聚类确定4类出租车超速群体(超速者I、II、 III和IV型)。运用相关随机参数混合Logit模型，估计单个超速者的某运营因素在超过超速群体平均水平时，对该超速者类型的影响。结果显示：超速者I和II型的每小时超速频数、平均超速严重度低，但平均超速持续时间高；超速者III和IV型则相反。当超速者的日均行程距离、日均收入、低限速道路行程比例、夜间行程比例和全时段速度标准差超过群体均值时，其成为超速者III 和IV型的概率提高了15.39%~77.09%和42.98%~302.38%；成为超速者 I 型和 II 型的概率降低了-0.09%~26.57%和38.74%~68.34%。此外，日均行程距离、低限速道路上行程比例和夜间速度标准差等3类因素在估计中表现出异质性。     

非正规出租车存在下的出租车合理规模研究

现有的出租车合理规模是根据出租车分担率计算得出的,但分担率在调查过程中受抽样比 例、调查方式等因素的影响而存在较大误差,而且现有的出租车规模计算模型均未考虑非正规出 租车分担了部分客运需求的事实,导致规模计算结果普遍偏低。为减少计算偏差,采用全数调查 的方法,并结合出租车计价器的原始数据,直接测定出租车的日均载客人次、运营次数及单次载 客人数等指标,提出在出租车有效行驶里程计算模型中不再考虑出租车分担率指标;基于非正规 出租车客观存在而引入了非正规出租车承运比例指标,建立基于供需平衡的现时出租车合理保有 量计算修正模型。最后通过实证分析验证了修正后的模型是合理和实用的,有利于抑制非正规出 租车非法营运和城市出租车行业的健康发展。     

基于梯度关联规则的老年行人交通事故风险识别

为构建老年行人交通事故严重程度风险关联因素识别方法体系，本文应用极限梯度提升关联规则挖掘算法(Extreme Gradient Boost-Apriori，XGB-Apriori)识别城市道路老年行人交通事故风险因子。运用机器学习优化关联规则算法结构，通过机器学习库 scikit-learn 中 XGBoost (Extreme Gradient Boost)算法与SFM(Select From Model)特征选择类功能实现变量特征值的选择。进而，对Apriori算法设置有序定向约束，得到适用于交通事故致因分析的数据挖掘技术。通过逐层迭代识别关联项，选取频繁项集，总结高置信度、高提升度的关联规则。关联因素模型评估结果表明，本文采用的SFM功能准确度可达78.31%，关联规则XGB-Apriori算法较传统算法精度提升了91%。挖掘结果显示，驾驶员与行人的自身特征、车辆特征、碰撞状态以及道路特征均对老年行人交通事故的严重程度具有重要影响。其中，男性驾驶员造成的行人死亡事故频次较高，女性驾驶员造成的受伤事故频次较高；大型、重型车辆(SUV、卡车、施工车)发生死亡事故频次相对小轿车更高；位于匝道等道路线型弯曲的坡道中，老年行人发生致死交通事故的频次相对线型缓和路段更高。本文对老年行人交通事故耦合因素全面识别并针对性提出风险防控精准预判方法，为有效保护道路弱势群体提供必要的理论支持。     

多信号交叉口干线行程时间特性分析

城市道路多信号交叉口影响下的行程时间分布及可靠性是交通流理论研究中的重要方向 之一。本文基于灰色关联理论建立信号协调控制下的多信号交叉口行程时间影响因素模型。首 先,对车牌识别数据进行预处理,得到路段和干线行程时间数据;然后,利用Burr分布和高斯混合 模型对数据进行分布拟合,并进行拟合优度检验;最后,利用灰色关联法分析交叉口数量、干线长 度和干线流量与行程时间特性之间的关联关系。结果表明,单路段行程时间分布具有明显的双 峰现象,高斯混合模型适用于单路段行程时间的拟合;而Burr分布可以较好地描述多信号交叉口 干线行程时间分布右偏和高峰值的特征。交叉口数量、干线长度和干线流量与行程时间特性之 间有较强的相关性,且干线长度的影响更为显著,随着干线长度的增加,行程时间趋于一个稳定 的单峰分布,波动性减小,可靠性增加。     

市领导莅临我司视察指导工作

8月13日上午．昆明市委、市政府领导莅临我司视察指导工作。在集团公司领导的陪同下昆明市委、市政府领导参观了六公司GPS营运调度中心及车队驾驶员休息室．对公交车辆GPS调度情况进行了详细了解．对加强营运凋度管理提小了进一步的要求，并对驾驶员工作时间、休息及就餐问题进行了解。     

出租车超速行为道路因素随机系数空间模型构建

为准确揭示道路因素与路段出租车超速行为特征的关联关系，本文以成都市中心城区主 干道路段为研究单元，通过车载GPS设备获取大范围出租车超速行为样本。在筛选出10类典型城市道路特征的基础上，选择路段超速线密度和不同百分位数超速严重度作为研究对象；为减少空间效应对估计的干扰，本文验证了超速特征的空间相关性，并分别构建基于对数-高斯分布的标准线性模型和空间条件自回归模型、空间误差模型及空间滞后模型这3类空间模型，探究不同空间模型与出租车超速行为特征的拟合情况；同时，考虑道路组间异质性，进一步构建随机系数空间模型。结果表明：出租车路段超速线密度和超速严重度均存在显著空间自相关性，空间模型 对其拟合效果普遍优于传统模型；不同超速行为特征适用不同的空间模型，随机系数空间条件自回归模型对超速线密度拟合效果最优，而不同百分位数超速严重度适用的最佳拟合模型差异较大；路段限速、一块板横断面及非机动车车道这3类因素表现出对出租车超速行为特征的组间影响异质性；因素解释方面，路段限速、一块板横断面、非机动车车道、路段施工区与超速线密度显著相关；路段限速、非机动车车道、上下坡匝道、路段施工区及路段长度与超速严重度显著相关。