基于GPS数据的出租车出行需求预测研究

近年来“网约车”数量越来越多，“网约车”等待时间长与载客热区需求大等问题也逐步显现，乘车体验亟需改善。在成都市出租车GPS数据的基础上，研究出租车出行分布规律，划分工作日为早、晚、夜高峰相关时段，引入k-距离曲线改进DBSCAN空间聚类算法，对出租车上下客点进行聚类分析，并用数据挖掘得出载客热区。采用BP神经网络预测载客热区的出行需求，预测结果表明，早高峰时段BP神经网络模型的MAPE分别较随机森林模型、岭回归模型提高了3.25%和5.87%，晚高峰时段提高了2.98%和4.32%、夜高峰时段提高了1.44%和2.58%，验证了BP神经网络在出租车需求预测方面的可行性。      

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。     

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.     

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.     

综合客运枢纽车道边通行能力分析

基于对南京火车站车道边出租车流、社会车流的调查,通过分析车道边交通流特性,运用交通流理论建立一定条件下的车道边通行能力计算方法.提出了车道边基本通行能力的定义,分析调查数据获得车辆落客时间的统计分布规律,运用可接受间隙理论计算车辆汇入等待时间,完成对车辆占用停车位时间的调整;接着考虑停车及入口选择行为的影响,对车道边通行能力计算公式进行修正,并将其应用于郑州市综合客运交通枢纽车道边的规划设计.结果表明,当枢纽车道边到达车流服从泊松分布时,方法能够有效定量的计算综合客运枢纽车道边的通行能力.     

考虑多模式失效概率的长下坡路段重型卡车事故预测模型

为挖掘多模式失效概率与长下坡路段重型卡车事故之间的关系，建立了重型卡车在长下坡路段的多模式失效概率与车辆事故之间的关系模型。并针对重型卡车在长下坡路段可能的失效模式，如侧滑、侧翻、视距不足、制动失效，在此基础上建立了多模式失效概率预测模型；通过蒙特卡罗法模拟并求解单模式失效的概率，宽界限法求解失效系统的多模式失效概率；将多模式失效概率作为解释变量与其他道路因素结合，分别建立泊松模型、随机效应泊松模型、随机参数泊松模型，将多模式失效概率与重型卡车事故建立函数关系；对比3种模型的拟合优度指标，优选出最优事故预测模型，用来挖掘重型卡车事故与多模式失效概率之间的关系。以华盛顿州71段长下坡10年的重型卡车事故数据及道路设计数据进行方法验证。结果表明:随机参数泊松模型与随机效应泊松模型的拟合优度相差较小，二者均优于泊松模型；当考虑多模式失效概率时，平曲线半径、纵坡坡度、超高对重型卡车事故的影响均不显著，即三者的影响被削弱，尤其是平曲线半径和超高，多模式失效概率的弹性(0.239)远大于二者的弹性(平曲线半径和超高的弹性分别仅为0.097和0.002)；重型卡车的事故与多模式失效概率近似线性关系，且截距不为0。即多模式失效概率可用于道路安全分析的表征指标，但与事故概率不等价。      

城市道路交通网络系统容量评估模型

以出行者出行行为选择为基础,以最大化网络容量为目标,建立了城市道路交通网络容量双层规划评估模型。其中下层引入停车路段（搜索停车设施所行驶的路段）和步行路段,把停车设施转化为道路路段,以出行分布、方式分担和均衡配流组合模型来反映出行者出行目的地、出行方式服从多项式Logit和出行路径服从用户均衡原则的出行选择行为;上层以网络储备容量最大化为目标,考虑网络的路段通行能力、外部环境以及服务水平要求等约束条件下的最大流量问题。最后给出了相应的启发式求解算法。研究结果表明：该模型和算法有效且易于操作。     

浮动车数据路网时空分布特征研究

以出租车作为浮动车数据采集源,针对浮动车数据路网分布的不均衡性,提出覆盖强度和覆盖率2个指标,通过大量样本分析浮动车数据路网分布的时变特征,以及在不同区域、不同通道上的分布特征.结果表明:浮动车数据的路网覆盖强度和覆盖率在一天中具有持久而稳定的高峰时段,在一周的工作日内能够保持稳定;高等级道路在各个时段总是具有更高的覆盖强度和覆盖率,根据浮动车数据计算的路段行程车速与人工实测数据吻合较好;在非高峰时段、非中心区域,以及低等级道路上,浮动车数据的覆盖强度和覆盖率相对不足.     

基于数据驱动的城市快速路段拥堵状态辨识及诱导对象选择方法

交通诱导实施效果不佳的主要原因之一是具有差异性出行特征的出行者无法接受单一的诱导方案。针对城市快速路高峰时段拥堵问题, 研究了考虑车辆出行特征差异的交通诱导对象精准识别方法, 以保障诱导方案的实施效果。利用高德路况数据提取拥堵路段, 根据拥堵路段与相邻路段交通状态的相关性提出拥堵源路段识别方法; 利用车牌识别数据提取使用快速路车辆的出行特征, 包括快速路出行强度、地面道路出行强度、快速路出发时刻离散度和快速路路径选择多样性; 采用K-means++算法对车辆出行特征进行聚类, 识别出显著影响道路交通状态的出行者, 并为出行者推荐适合其出行特征的错峰或绕行诱导方案。以苏州快速路为例, 研究发现: 针对拥堵源路段的交通诱导能有效改善拥堵路段的交通状态; 类型3车辆(高频出行且易绕行)占单月工作日早高峰所有使用快速路车辆总数的14%, 却占单日早高峰总交通量的51%, 是重点诱导对象; 通过精准识别, 可推荐诱导车辆数占总车辆数的47%。      

基于路段的路径行驶时间分布研究

行程时间可靠性是指通过一天中某一时间段的路径行程时间的一致性.这项研究为出行者提供最佳出发时间,使他们在最大可能性下准点到达目的地.本研究基于自动车辆识别技术收集数据,可直接获取道路网络的行驶时间数据,样本数据全面、充足.为了向出行者提供可靠的出行信息,数据的处理和分析可以通过直方图,PDF和CDF来展示行驶时间的分布情况.本研究基于路段行驶时间的分布,计算路径行驶时间的分布.考虑到复杂且难以直接获取路径行驶时间概率密度分布图,本文采用蒙特卡罗模拟方法从路段行驶时间分布产生可信的路径分布,并将模拟结果与检测到的实际数据进行比较,以验证方法的准确性和可靠性.     

山区高速公路组合线形路段车道偏移行为

为在道路设计阶段确定平纵组合与相邻路段线形对车道偏离的影响,并为减少因道路线形因素引发的侧碰、追尾甚至车辆驶出路外事故提供改善依据,基于真实的山区高速公路道路设计参数及周边地形,搭建驾驶模拟场景,利用驾驶模拟试验获取小客车车道偏离数据,并对应获取车辆当前所在路段及上、下游路段的线形参数。以车辆车道内行驶为参照,沿道路行进方向,将车道偏离行为分为左偏驶离车道与右偏驶离车道。因车道偏离受驾驶人影响,采用双层Logit模型,分别判定道路线形及驾驶人层的影响。研究结果表明：相比直线路段,曲线更易引发车道偏离行为,驾驶人易偏向于曲线内侧行驶;上游300 m路段曲率差越大、平均车速越大,则车道偏离的概率增大;相对于缓坡（-2%≤坡度S≤2%）,行驶于上坡（S>2%）或下坡（S<2%）路段时,车辆车道偏离概率减小;车辆行驶于外侧车道的左偏驶离车道概率大于行驶于内侧车道;驾驶人因素对左偏驶离车道的影响比例为8.8%,对右偏驶离车道的影响比例为25.6%。研究结论可从组合线形角度帮助工程师设计更安全的山区高速公路。     

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.      

基于收费数据的高速公路车辆运行速度算法

为精准统计高速公路车辆平均运行速度,依托联网收费数据,分析影响平均速度统计结果的多源干扰因素,提出2种处理干扰因素的研究思路,估计每种思路的统计误差,通过在服务区开展调查获取驶入概率、间隔行驶里程、停驶时间及其占总行程时间的比例,引入变异系数对比停驶时间和间隔行驶里程的波动情况,明确在总行程时间中剔除服务区停驶时间的研究思路的局限性,基于间隔行驶里程分布区间中位值,通过样本量加权计算车辆驶入服务区的间隔行驶里程,结合陕西省2019年6月客货车辆平均行程的交通量分布情况,最后提出以206 km为间隔行驶里程、省内出行车流、ETC客车和货车作为统计约束条件,在联网收费数据中寻找不驶入服务区的短途行驶车辆作为最优样本来完成平均运行速度统计方法改进,通过陕西省数据验证统计方法的可行性。研究结论可为路网运行状态分析、路段车辆安全风险评估与监测提供有力的技术支撑。     

基于轨迹数据的共享电动自行车逆行风险行为影响因素研究

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明：CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h^-1及加速度在0.3~1.0 m·s^-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。     

基于SP调查的乘客站点等待时间意愿研究

研究公交站点乘客等待行为,可了解乘客对于站点公交不准点的心理承受范围和意愿,用于站点时刻表的设计和智能公交调度.通过不同出行目的下的SP问卷调查,得到济南市的样本数据491份.公交延迟到达站点的样本数据分析发现乘客对于公交的延误平均可忍受的等待时间为4. 62 min.对年龄、性别、职业、月收入、上下班时间是否固定等影响因素进行敏感性分析,发现这些影响因素对站点乘客的等待时间没有显著差异.通过对不同出行时段和出行目的的分析发现,不同的出行目的下早高峰、晚高峰、平峰和周末乘客的等待时间差异比较大,公交调度应该在不同时段采取不同的策略.对于公交车提前到达公交站点时间的调研分析发现,80%左右的乘客希望公交仍按照原时刻表发车.基于以上分析总结出了不同可接受度的公交延误范围,以用于公交调度的范围参考.     

隧道与互通出口小净距路段换道可靠性研究

为分析高速公路隧道与互通出口小净距路段在不同交通流状况下的车辆驶出概率,提出了基于交通仿真的安全换道概率模型。首先,采用VISSIM标定仿真模型并进行正交试验,获取小净距路段在不同净距长度、交通量、驶出比例、大型车比例下的交通数据,在此基础上确定瞬时交通流密度及相应车流平均速度的计算方法,构建相应的分布模型,通过K均值聚类算法研究不同速度下的瞬时交通流密度大小和出现概率;同时引入可靠度方法并利用微分法来构建车辆安全换道概率模型,综合考虑车速、车流密度、目标车道临界可插入间隙等因素的不确定性,应用蒙特卡罗仿真法搭建求解概率模型的算法,并通过MATLAB对模型进行求解;针对分流车初始位置的不同,分别得到了不同交通量、大型车比例、净距长度下的换道驶出成功率,进而研究不同交通流状况组合下的净距长度。结果表明：交通量、大型车比例、净距长度对净距路段内侧车道车辆换道驶出成功率有显著性影响,研究结果可为规范的进一步完善提供参考。     

基于强化学习的限行政策下双模式出发时间选择仿真研究

结合多Agent方法和强化学习模型,建立了城市高峰时段通勤者出行方式及出发时间选择的计算机仿真模型.仿真研究了限行政策下通勤者的出行选择行为,再现了交通均衡的形成过程.根据仿真结果分析了不同公交改善措施的实施效果.结果表明限行政策实施后,公交出行人数增加18%,一定程度上缓解了高峰时段的拥堵状况,但也会导致出行者在非禁行日公交出行的概率减小,因此仅采取限行政策起到的作用是有限的.在小汽车限行政策下,提高公共交通发车频率,能够使公交出行人数增加17.5%,小汽车拥堵等待时间减少85%,有效地改善了道路交通状况,相比之下,降低公交价格的改善作用不明显.研究中采用的多Agent方法可以直观方便地描述丰富的个体行为,同时在描述个体行为与系统的互动方面具有一定的优势,为探索复杂交通现象的形成和演化过程提供了一种有效的途径.      

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.     

基于浮动车停车点数据交叉口车辆排队长度计算方法

浮动车数据中存在许多行驶速度为零的停车点数据记录,它们和交叉口车辆排队长度存在一定的空间关系.针对此提出一种新的基于浮动车停车点数据计算交叉口前车辆排队长度的方法.首先根据车辆停车点地理位置和正常行驶点的连续关系及和路段的相对位置进行地图匹配,提取出路段上交叉口前正常排队停车点数据;然后从正常排队停车点数据中计算出相对交叉口的浮动车数据相对位置关系,根据对浮动车停止点距离交叉口的位置密度分布变化进行2次统计计算,推算出交叉口前车辆排队长度.最后通过实际浮动车数据计算实例对本方法进行了说明和验证.     

清明节专栏

苏州公交精心组织清明客运工作3月19日起,苏州公交开始一年一度的清明客运高峰。开通8条扫墓专线,保证市民正常出行。8条扫墓专线要求做到公示线路牌、票价表,进行导乘服务;保持车辆设施完好,车厢内外整洁卫生,按规定开启空调,按规定走向行驶。同时,所有公墓线路均采用无人售票形式,返程乘客多的公墓线在返程点安排投币监督员。