基于多源数据的夜间出行需求空间效应及其异质性分析

为了揭示多维因素对出租车夜间出行需求的空间影响机制与局部关联特征，基于多源数据，利用空间计量模型和多尺度地理加权回归（MGWR）模型分别从全局和局部视角研究多维因素对夜间出行需求影响的空间效应及其异质性。首先，利用出租车GPS数据在分析夜间出行时空分布特征的基础上，明确夜间场景下的研究区域及时段划分；其次，从建成环境、人口分布、路网结构3个维度提出夜间出行需求影响因素指标体系，并基于POI数据、手机信令数据和路网数据进行指标量化。在交通小区尺度下分时段构建空间杜宾模型，从全局视角探讨不同时段下主要影响因素对夜间出行需求的空间效应；通过构造距离负指数衰减形式的空间权重矩阵，量化分析关键影响因素的空间溢出效应随地理距离变动的过程。最后，借助MGWR模型从局部视角分析主要影响因素对夜间出行需求影响的空间异质特征。研究结果表明：各解释变量对夜间出行需求的直接效应大多在0.05水平下显著，而溢出效应差异明显；美食与停车设施密度影响最为显著，两者的溢出效应在不同时段分别表现为负向和正向影响，即美食设施呈现出虹吸现象，停车设施具有诱发作用；停车和美食设施对夜间出行需求的空间溢出效应随距离变化均具有非线性衰减特征，分别呈现先增强后减弱的倒“U”形过程和负向先减弱后增强的过程，并在地理距离分别为1 500 m和1 000 m时，空间溢出效应达到最强；MGWR模型拟合效果优于经典GWR模型，局部回归系数的空间分布模式表明关键影响因素对夜间出行需求空间作用的异质特征显著。研究结论从夜间设施影响范围及强度的空间差异等方面为夜间交通需求的科学预测提供理论依据，进而为夜间商业及交通配套设施的合理配置提供方法支撑。     

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。     

基于系统动力学的网约车准入条件政策仿真研究

为分析网约车准入条件政策的实施对网约车数量以及城市机动车出行量的影响,针对网约车规制政策问题的特殊性,首先运用Bertrand博弈理论构建了网约车与出租车的价格博弈模型,分析了网约车与出租车的博弈关系、最优价策略以及网约车系统各要素之间的影响关系。其次,在明确博弈变量的逻辑关系后,运用系统动力学方法,构建了以网约车为核心各因素之间相互影响的准入条件政策仿真模型。通过对现有准入条件政策的深入研究,将其归纳为车辆特征限制和司机户籍限制两方面,剖析其对网约车数量和城市机动车出行量的影响。然后,在此基础上结合博弈模型中变量的逻辑关系,绘制了因果关系图和存量流量图。通过调整政策参数,对比准入条件政策实施前后网约车数量和城市机动车出行量等变量的变化趋势。最后,以天津市网约车准入条件政策为例对模型进行了实证分析得到了仿真结论。仿真结果表明:限制车辆特征和司机户籍间接地规制了网约车数量;随着网约车数量的减少,私家车上路数量逐渐增大,城市机动车出行量也逐渐随之增大,从长远来看,不利于缓解城市交通拥堵。网约车的使用对缓解交通拥堵具有积极作用,不能盲目跟风,各地应根据自身实际情况合理制定网约车的准入条件政策,有效地引导网约车的发展。     

不同需求影响下的自行车出行路径规划方法

目前已有自行车出行路径规划方法普遍存在需求差异性考虑不足、方案精度较低等问题,无法满足人们逐步严苛的出行需求,根据出行多样化需求(单一需求、复合需求)进行规划方法研究可以拓宽自行车出行路径选择手段.以通勤性出行、事务性出行、休闲性出行作为主要出行目的,通过文献研究、实地调查和因素分析,确认了出行时间、出行安全和出行环境3个方面的需求以及各需求下的影响因素,基于北京市西城区路网基础数据进行数值标定、算法描述等,分别研究了单一需求和复合需求影响下的自行车出行路径规划方法,根据不同出行目的下的需求差异性分别给出推荐路径.考虑到过街影响提高了出行时间需求下的推荐精度,单一影响与复合影响的差异也可以提供更多自行车出行路径的选择方法.      

北京市学龄儿童通学出行行为特征分析

针对学龄儿童通学出行时间与城市通勤高峰时段重叠,常引发学校周边区域严重拥堵,也给学龄儿童出行安全造成隐患问题,以北京市2014年居民出行数据为基础,分析6~18岁学龄儿童出行方式、出行距离与出行时耗等出行行为特征,并对比北京市学龄儿童2006年、2011年和2014年相应数据.研究发现:近年来北京市学龄儿童通学出行呈现出明显的机动化需求,其中非积极方式通学出行的比例持续增长,积极方式(Active School Travel,简称AST)比例下降,就近入学政策对通学出行总体有积极的影响.结合通学出行特征,从发展公共交通、校车、网约车多样化接送服务,整合优质教育资源,改善校园周边AST出行环境等方面,提出了解决学龄儿童通学出行问题的对策和建议.     

基于空间滞后模型的公共自行车出行特征及影响因素分析

为充分挖掘公共自行车时空出行特征,探讨城市空间环境与骑行需求的潜在联系.以宁波市中心城区为案例,基于公共自行车IC卡数据获取出行时空变化规律,在验证租、还车需求具有空间自相关性的基础上,通过建立空间滞后模型,分析了人口密度、道路分布、公共交通、站点配置和建成环境因素对骑行需求的影响.研究表明:①工作日、非工作日内租、还...     

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.     

基于网约车数据的居民出行需求特征分析及需求预测

采用南京市网约车数据研究居民出行行为特征.首先,根据不同的土地类型,将南京市核心区划分为102个独立小区;然后,对出行需求的时空特征分析可以动态调整一天内不断变化的出行需求和交通供给;最后,采用WAVE-SVM耦合模型来预测居民出行需求,结果表明该方法具有较高的预测精度,还可以捕捉到短时交通需求的非平稳特性.     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...     

网约车和传统出租车的博弈分析

传统出租车一直是城市交通的重要组成部分,满足了相当一部分市民出行需求,但是随着移动互联网的普及,网约车横空出世,近年来,滴滴打车等网约车平台层出不穷,成为了人们出行的一种新型交通方式,为人们的出行提供了极大的便利。文章应用博弈论中的合作博弈和非合作博弈模型,分别对网约车和出租车进行博弈分析。研究结果表明,网约车和出租车双方进行合作博弈所获得的利润大于非合作博弈时的利润,从而得出结论双方应该进行合作,从而达到共赢。最后根据研究结果,提出还需要一系列更完整的规章制度去减少网约车存在的一些风险,以合作思维,创立出租车生态圈。