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。      

基于泊松分布的出租车合乘概率及等待时间建模

为了反映城市出租车合乘的成功率,准确描述合乘的效果,利用出租车合乘概率和等待时间对合乘问题进行分析。依据泊松分布原理,讨论出租车合乘中出租车载客车辆的泊松分布,建立基于泊松分布的出租车合乘概率模型,并通过概率模型结合n重伯努利试验原理,构建出租车合乘等待时间模型,探讨出租车数量、空载率、平均行驶速率和行驶目的地分布对合乘概率和合乘等待时间的影响。以南京市雨花南路路段出租车行驶的GPS数据为研究对象,对模型进行验证。研究结果表明:出租车载客车辆数据通过显著水平为0.05的K-S检验,其分布服从泊松分布;出行的高峰时段,路段内出租车数量增大,空载率降低,对于行驶目的地分布相对集中的区域,出租车合乘的概率为60%~80%,合乘的等待时间为5~15min;出行的低峰时段,路段内出租车的数量减少,空载率增加,对于行驶目的地分布相对集中的区域,出租车合乘的概率为20%~60%,合乘等待时间在15min以上;在该路段内的出租车平均行驶速度相对稳定,对出租车合乘概率和等待时间影响较小;出租车合乘适宜在日常出行的高峰时段采用,可通过1次载客多次合乘的方式提高合乘效率;该模型具有一定的有效性和实用性,能够为交通管理部门和合乘者选择合乘提供参考。     

北京市电动出租车运营指标体系及特征分析

本文在介绍北京市电动出租车运营概况的基础上,从运行速度指标、运能运量指标和运营特征指标3个方面,建立了面向电动出租车行业动态运营监测和管理需求的指标体系及计算模型,并通过对出租车动态回传的GPS数据和计价器数据的特征及适用范围分析,确定了以计价器数据为基础,通过对比燃油出租车的运营特征指标,量化电动出租车运营特征的分析方法。分析结果表明,电动出租车受电池性能、配套设施、道路奈件及候客模式等多方面因素的影响,呈现载客速度低、运送距离短、里程利用率低、时间利用率高等特点。最后,结合电动出租车运营特点提出相应建议。     

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.     

基于特征图谱的区域出租车出行需求分布特征研究

以北京为例,基于出租车计价器数据和GPS数据,提取各活动空间的出租车需求发生、吸引强度,选取载客热点交通小区作为典型居民活动空间.采用主成份分析法实现数据降维,并采用Canopy-K means聚类方法,将典型活动空间划分为6类,包括居住地、就业区、商业娱乐区、旅游景区、交通枢纽区及综合型区域.采用特征图谱表征方法,分析了不同类型活动空间出租车出行需求分布时空特征.研究对于掌握区域出租车出行需求产生和吸引的时空分布特征与预测、改善出租汽车运输服务质量,具有重要的意义.     

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。     

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.      

北京市某区域电动出租车运营分析及规模预测

近年来,电动出租车的发展受到了各地政府的积极鼓励和扶持。但由于电动汽车续航里程短、初期成本高等问题,电动出租车的运营能力、安全性和运营管理等方面还存在很大提升空间。本文对北京市某区域电动出租车的运营现状进行了分析与对比,利用空驶率法对车辆发展规模进行了预测。分析及预测结果表明,该区域电动出租车的运营能力还有待提高,车辆配备还不能满足当前的出行需求,应该从电动出租车的配备、管理、技术及运营模式等方面逐步完善和提升。     

基于城市公共交通可达性的医疗服务空间分异及均等化——以大连市为例

医疗卫生服务是城市公共服务体系的核心要素,其可达性强度对于城市居民的就医便利化具有决定性影响。利用ArcGIS软件生成大连市主城区医院分布图,使用网络分析模块计算各小区就医平均可达时间;将平均可达时间作为评价指标,探讨高峰与平峰时段,公共交通与私家车的就医可达性水平高低、各小区和医院的空间分布特征及差异;通过Moran's I指数和LISA局部聚类模型,探讨医疗服务均等化存在不足的地区;以各小区最短可达时间为标准,划定各级医院的医疗服务腹地,并分析其形成原因。研究表明:(1)大连市主城区小区就医可达性整体水平较好,高峰与平峰时段的可达性呈圈层式分布。高峰时段公共交通相对私家车就医具有明显的优势;平峰与高峰时段差异较大,平峰时段平均可达时间在10～20 min的小区比重较大,达到68.1%;医院可达性水平整体较好,30 min覆盖面积达到96.53%;从核心区至外围区,交通阻力对可达性带来的影响逐渐增加;街道尺度下的医疗服务均等化水平差异明显,整体空间自相关性较弱,存在医疗资源分配不均衡现象;各医疗腹地内,医院的数量与距离对腹地的医疗服务能力具有决定性影响,缺医地区极易造成居民对一级医院的依赖性。     

基于运营数据的出租车违规行为研究

为解决相关管理部门对出租车经营违规行为监管处于事后获取或采用巡查方式的问题,为管理部门对出租车加强事前预防和管理决策提供有力保障,利用时间序列匹配GPS数据与计价器数据,通过地图匹配方法、Dijkstra算法、计价器获取了不同的里程数据。分析了出租车GPS里程和最短路径、GPS里程与计价器里程、GPS里程计算费用与计价器费用的关系。经过对连续一段时间内数据的统计分析,计算了上述关系的比值。采用D-S证据理论方法,以里程、时间、费用作为约束指标,综合判别了其行为是否违规,并将分析结果直观显示在地图上。利用深圳市2015年9月8日至2015年11月7日16 275辆出租车GPS数据和计价器数据进行了实例验证,经过与管理部门进行核对,发现其查处的违规车辆均在分析结果中有所体现,由此说明该方法切实有效。     

基于组合模型的车辆出行特征模式划分

精准掌握车辆的出行规律研究智能化城市交通管理及规划的基础工作,而掌握车辆出行规律的前提是探究车辆的出行特征。为研究城市道路交通车辆的出行特征模式,通过对历史RFID轨迹数据挖掘,对私家车、出租车样本轨迹数据进行定性分析,总结车辆运行的分布特征规律。基于数理统计分析,建立了出行频次、在网时间、轨迹重复率、出行时段,活动偏好区域、干线影响区偏好等出行特征指标体系。通过对出行特征指标的定制选取,建立基于密度峰值(CFSFDP)算法与BP神经网络算法的出行特征群体辨识模型。研究了私家车、出租车存在的特征群体,辨识出不同的出行模式,即实现出行特征群体的辨识。选取重庆市主城区域内的RFID数据进行试验分析,分别基于私家车、出租车提取的出行特征指标,进行CFSFDP算法的聚类分析,找到聚类中心,归纳分类数据。再利用分类数据进行BP神经网络训练学习,评价模型试验结果。结果表明:私家车存在3种出行特征群体:商用私家车群体、通勤私家车群体、其他私家车群体,群体识别率为97.2%。出租车具有2种出行特征群体:其他区域偏好出租车群体、干线影响区偏好出租车群体;群体识别率高达99.18%。     

基于车公里载客量的公交线路客运量预测研究

对公交线路客运量的有效预测是制定线路运营计划、合理规划运营线路和优化公交运营调度的基础.通过分析线路车公里载客量的周期波动特征,提出以车公里载客量和公交车载客里程为关键影响因素,建立公交线路客运量预测模型.实验结果表明,该模型预测效果较好,相对误差低于15%,具有较强的实用性.     

网约车服务对城市传统出租车使用的冲击效应

网约车服务的迅速发展对包括传统出租车在内的城市出行方式产生了重大冲击。针对传统出租车使用的冲击问题，收集中国33个地级及以上行政级别城市2010—2016年的平衡面板数据，采用双重差分法（DID）进行量化，并进行动态效应分析、稳健性检验、城市规模等级异质性和城市区位异质性分析。研究结果表明，网约车服务对传统出租车的使用产生显著的负向冲击，使传统出租车使用平均减少了25.46%；随着时间的推移，网约车服务对传统出租车使用的负向冲击呈现先加强后变弱的规律；城市规模异质性分析发现网约车服务致使超大城市中传统出租车使用减少了28.68%，致使大城市中传统出租车使用减少了22.12%；城市区位异质性分析发现网约车服务使东部城市传统出租车使用减少了27.96%，使西部城市传统出租车使用减少了21.2%。      

基于D-S证据理论的出租车减排策略评价

针对目前出租车污染减排策略效果的评价缺少数据支持的问题,研究了基于层次分析法及D-S证据理论的评价模型.通过文献梳理筛选了出租车维护保养、提高燃油标准、减少出租车空驶里程、定期更换尾气净化装置、推广新能源汽车等5种出租车污染减排策略.随后从经济、环境、社会和技术4个方面,建立了出租车减排策略效果评价的指标体系.运用层次分析法获得了子准则层指标权重,运用D-S证据理论从公众、政府管理者、研究人员、专家等多主体角度综合分析了不同减排策略的效果.结果 表明,推广清洁能源汽车策略效果的评价值比提高燃油标准策略高9.35%,比定期更换尾气净化装置策略高11.59%,比车辆维修与保养策略高16.56%,比减少出租车空驶里程策略高21.29%.      

校车周末高峰时段交通量预测与特殊日期调整

准确的校区间高峰时段交通量预测,不仅可以帮助校车运营部门在高峰时段确定合理的发车间隔提高运营效率节约运营成本;还可以减少师生的候车时间,改善校车服务水平减少拥挤保证运行安全都有重要意义。采用BP神经网络模型对校区间周末高峰时段交通量进行了预测,选择了温度和下雨量2个因素作为输入变量,在训练数据的选取上采用了移动窗口的方法。另外模型提供了对特殊日期运量预测的调整。通过对实测数据进行验证,结果表明该模型简单、快捷和实用。     

基于流量和出租车GPS数据的城市道路网络宏观基本图

为把握城市宏观交通状况,发掘城市道路网络交通流内在特性,从而达到缓解日益严峻的交通问题的目的,对交叉口流量和出租车GPS两类数据进行数据融合,运用宏观基本图(MFD)和广义宏观基本图(GMFD)在城市道路网络中的存在性以及二者之间存在的差异,以路网平均车辆数、路网通行能力和密度分布为指标来描述MFD和GMFD,并提出一种利用路段流量和出租车GPS数据拟合得到MFD和GMFD的方法,发现路网中密度的不均匀分布是导致路网通行能力不高的原因.针对由长沙市13个道路交叉口组成的区域路网,分别计算出分小区和分路段的MFD特征值,提出了根据存储空间能力(即临界路网平均车辆数的大小)对拥堵路网进行合理分流的方法,实现高峰时期拥堵路段的路径诱导以及路网通行能力的最大化.     

基于电动出租车数据的充电桩选址聚类方法比较

为有效降低出租车运营企业及经营者的经济成本,通过分析出租车的卫星轨迹数据,比较和选取用于电动出租车充电桩选址规划的聚类方法。以上海市电动出租车充电站的选址规划为研究对象,分别基于孤立森林和聚类算法设计异常值检测方法,对相关时段的出租车卫星数据进行清理以及数据可视化处理;比较层次聚类（Agglomerative Clustering）、高斯混合模型（Gaussian Mixture Model, GMM）、K-means聚类、Mean-Shift聚类以及谱聚类（Spectral Clustering） 5种算法的聚类效果,并选取K-means算法作为充电桩选址规划参考算法。从城市区域划分及企业运营角度确定充电桩选址方案,为未来上海市区电动出租车充电桩的数量和容量配置提供设计依据。     

面向航班高峰期的机场地勤车辆多阶段优化调度方法

在航班运行高峰时段内,地面服务需求更加集中,机场可调度的地勤车辆数量有限,可能引发航班延误,导致机场多方面损失。针对该问题,研究了地勤车辆多阶段优化调度方法,重点考虑摆渡车和加油车2种地勤保障车路由与时间窗口限制,以航班准点率及延误时间为评价指标进行优化调度。构建了具有4类节点和5类弧的容量-费用网络G1,通过设置合适弧容量及费用参数,确定最小费用流规划模型;采用拉格朗日松弛启发式算法对模型求解,通过不断寻优,设置对偶间隙初值、容许误差,最大迭代次数,输出预测结果;深入分析高峰时段的航班运行状态,构建基于时空网络的整数线性规划模型,优化第一阶段未服务航班的总延误时间;结合最小化最大值定理,构建单航班服务延误模型,将单个航班延误造成的损失降到最低。最后,基于实际航班数据,结合机坪平面布局开展仿真实验和验证,结果表明：利用优化调度得到加油车和摆渡车准时服务的最大航班数分别为30,131架·次,待服务航班的最小总延误时间分别为223,542 min,航班总延误下降21.56%,显著缩短航班延误时间,提升了机场场面的整体运行效率。     

区域公路交通与新型城镇化协整关系的实证研究

为揭示区域公路交通与新型城镇化之间的关系,基于黑龙江省2005—2015年时间序列数据,利用计量经济学方法对区域公路交通与新型城镇化之间的协整关系进行实证研究,构建了协整方程和误差修正模型。选取公路里程、公路密度、客运量、旅客周转量、货运量、货物周转量和营运车辆拥有量7个指标表征区域公路交通发展水平,选取城镇化率表征城镇化发展水平。利用ADF单位根检验法,检验了区域公路交通与新型城镇化发展水平时间序列数据的平稳性。利用Johansen检验法和Granger因果关系检验法,检验了区域公路交通和新型城镇化之间的长期均衡关系和因果关系。利用误差修正模型分析了区域公路交通与新型城镇化之间的短期相互影响。检验结果表明:在5%的显著性水平下,黑龙江省公路里程、客运量、旅客周转量与城镇化率为一阶平稳序列,公路里程与城镇化率一阶协整;公路里程与城镇化率之间存在长期均衡的协整关系,黑龙江省公路里程对城镇化率的弹性为11.364;公路里程与城镇化率之间具有双向的Granger因果关系,区域公路交通发展能推动城镇化的进程,城镇化的进程也能加快区域公路交通发展,但具有一定的时滞。研究表明:城镇化率的增长可通过区域公路里程的增加来解释,要遵循"适度超前"的原则规划区域公路交通运输体系。