基于出行需求时空分布的出租车停靠站选址方法

为提高出租车运营效率,改善出租车经营效益,满足出行者出行需求,使出租车停靠站布局与出租车出行需求更匹配,针对出租车停靠站的选址方法研究十分必要。首先基于相关调查数据,分析了出租车出行需求的时空分布特征,界定并提出了出租车出行需求热点分布,分析了出行需求和城市形态的协调性关系。建立了出租车停靠站选址模型,将最大覆盖出行需求作为目标函数,以要求达到的停靠站载客能力、停靠站数量及服务范围等为约束条件,在选址位置、计划修建数量、站点服务能力等方面分析了模型的适用条件。针对柳州市的实例分析表明,该方法可以较好地满足出租车出行需求,具有较高的合理性与可行性。     

基于出租车GPS大数据的城市热点出行路段识别方法

连续两个出租车 GPS定位点之间的时空间隔使得乘客上下车的位置必然介于一个线性区间内,据此提出轨迹线密度方法,用于在位置界限模糊的热点出行区域进一步搜索热点路段.利用成都市出租车 GPS数据,借助核密度估计分析出租车上下客位置的时空特性;基于轨迹线密度方法,计算了成都市春熙路商圈的路网密度值,划分路段热点强度,识别出了热点路段的位置,结合实际的出行需求分布完成方法有效性的验证.结果表明,本文所采用的方法能够有效识别出行需求旺盛的城市热点路段,不仅可以为出租车司机寻找客源提供重要的参考,还能够在交通相关部门选择出租车停靠站的位置时提供数据支持.     

基于个体出行链的区域城际铁路规划方法研究

基于"基础设施即服务"的理念研究区域城际铁路规划问题,精准考虑带时间窗的个体出行特征和运输服务供给,构建时空网络联系基础设施、服务供给和出行需求3个维度.在所有路段存在的前提下,考虑城际铁路、城市轨道交通和城市道路等基础设施及其运输服务供给,为每类出行者生成满足其出行时间窗的备选出行链集合,以所有出行者广义费用和总投资...     

出租车停靠站的设置方法

作为规范出租车路边停靠的重要设施,目前出租车停靠站的设置较为随意、导致站点使用效果不理想,且对道路交通产生较大影响.针对该问题,根据出租车“招手即停”的停靠与运营特征,提出了满足出租车停靠站功能需求的四大选址区域.在此基础上,从出租车停靠站的站住选址、设置形式、配套设施设置等方面,提出一套科学、合理的出租车停靠站设置方法,以指导出租车停靠站规划实践,进而提高出租车停靠站的设置合理性与使用效率.     

北京市出租车乘客需求预测模型研究

出租车作为一种交通方式在城市交通系统中发挥着重要作用。在北京市区不同路段的全天机动车交通量中,出租车的道路占有率相差很大且空驶率偏高,因此,进行北京市出租车乘客需求预测势在必行。在分析北京市出租车出行特征和规律的基础上,结合以往研究过的出租车交通需求模型的缺陷,根据出租乘客需求量的影响因素提出基于出行广义成本的北京市出租车乘客需求模型,并以朝阳区为例进行研究,使模型的有效性得到了验证。     

基于随机系数Logit模型的市内出行方式选择行为研究

出行方式选择行为研究对出行行为分析和预测具有重要意义. 以往研究假定某一群体内的所有出行者的偏好都一样,这与实际不相符. 随机系数Logit 模型假定出行者的偏好不一致,并能分析出行者个体特征对于出行者偏好的影响. 本文利用随机系数Logit 模型对市内机动化出行行为研究. 考虑到心理因素对出行者出行选择行为具有影响,本文在研究中加入了出行可靠性、出行舒适性、出行灵活性3 个潜在心理因素. 通过研究表明,随机系数Logit 模型比传统的离散选择模型具有更高的拟合度. 随机系数Logit 模型的效用函数中,步行时间的系数为非随机变量;但车内时间的系数为随机变量,且与出行者结婚状况,是否有车,是否开车上班,月收入是否超过10 000元,以及对交通灵活性的主观需求相关.     

出行前交通诱导决策系统的静态博弈模型

对出行前交通诱导决策系统的设计需求进行了分析.通过对公交出行策略和个体机动车出行策略进行分析,建立了基于公交和个体机动车等效出行时间的静态博弈模型,模型与出行者的出发时刻和优化出行路径的路段集相关.采用枚举的方式,将出发时刻离散为间隔1 min来对出行前不同出行方式决策博弈模型进行求解.通过实例分析可以看出,提出的出行前交通诱导决策博弈模型可实现对出行者进行出发时刻、出行方式、出行路径的诱导.     

基于随机系数Logit 模型的市内出行方式选择行为研究

出行方式选择行为研究对出行行为分析和预测具有重要意义. 以往研究假定某一群体内的所有出行者的偏好都一样,这与实际不相符. 随机系数Logit 模型假定出行者的偏好不一致,并能分析出行者个体特征对于出行者偏好的影响. 本文利用随机系数Logit 模型对市内机动化出行行为研究. 考虑到心理因素对出行者出行选择行为具有影响,本文在研究中加入了出行可靠性、出行舒适性、出行灵活性3 个潜在心理因素. 通过研究表明,随机系数Logit 模型比传统的离散选择模型具有更高的拟合度. 随机系数Logit 模型的效用函数中,步行时间的系数为非随机变量;但车内时间的系数为随机变量,且与出行者结婚状况,是否有车,是否开车上班,月收入是否超过10 000元,以及对交通灵活性的主观需求相关.     

无人驾驶汽车对出行方式选择行为的影响

无人驾驶汽车对出行者出行选择行为具有重要影响,进而可以影响到城市交通需求、城市空间布局和城市规划. 基于扩展技术接受模型和考虑不同出行者偏好的异质性,建立带潜变量的随机系数Logit模型,研究出行者的出行特征、心理潜变量和个体的社会经济属性对无人驾驶汽车选择行为的影响. 结果表明:与传统的多项Logit模型相比,带潜变量的随机系数Logit模型拟合度更高;不同的出行者对出行费用的偏好具有异质性,在效用函数中,出行费用服从正态分布;无人驾驶汽车选择行为不仅受到出行特征和社会经济属性的影响,而且还受到感知信任、社会规范和行为意向等心理潜变量的影响;降低无人驾驶汽车的出行费用可以提升出行者选择无人驾驶汽车出行的概率.      

基于土地利用的出租车停靠规模预测模型研究

从出租车客流的出行特征出发,指出当前出租车停靠规模预测方法的不足之处.根据交通出行需求与土地利用之间的关系,并考虑位势因子、居民出行和出租车运行特征等因素,建立基于土地利用的出租车停靠规模预测模型,并以深圳市宝安区为例,提出了预测模型的算法.实践结果表明,预测模型能较好地体现用地与出租车停靠需求的关系,客观反映出租车停靠站的的实际发展要求.     

城市建成环境对出租车出行需求影响研究—— 基于空间溢出效应的分析

城市建成环境对交通出行具有深刻的影响,为探讨快速城市化时期我国城市 建成环境对出租车出行需求的影响,本文构建了考虑空间溢出效应的计量模型,以北京 市为例开展了实证研究.基于交通分区空间尺度,利用出租车GPS 数据获取了交通分区 出行需求,度量了住宅类、工作岗位类及交通设施类等变量表征建成环境,进而研究建成 环境对出租车出行需求的影响.通过传统最小二乘法的多元回归模型、空间自回归模型与 空间杜宾模型进行对比发现,空间杜宾模型的拟合度和解释力最优,研究建成环境对出 租车出行需求的影响时不能忽略空间溢出效应.利用空间杜宾模型参数估计结果,分析了 建成环境的住宅类、工作岗位类及交通设施类变量对出租车出行需求的直接效应、溢出 效应与总效应.本文力求掌握出租车出行需求产生的内在城市环境因素,为降低出租车空 驶率、实现出租车空间需求预测及分布均衡提供依据.     

基于浮动车数据挖掘的出租汽车运营特征研究

为支持出租汽车运营评价和行业规划,科学掌握其运营现状与特点,以深圳市一个典型工作日为例,研究浮动车数据挖掘在出租汽车运营特征研究中的应用.依托对浮动车数据的特征解析,提出面向出租汽车运营特征分析的数据处理流程,针对空驶率、运营速度、载客运营时长、出行需求的时空差异等方面分析深圳市出租汽车行业运营现状与特点.该研究可为出租汽车运营评价提供新视角,从对既有数据深度挖掘的角度提升行业效益.     

出行信息公开对出租车交通系统运行的影响

基于仿真研究乘客出行信息公开程度对出租车交通系统运行效率的影响.将乘客出行信息公开程度划分为出行信息未公开,全公开,半公开模式;制定路网搭建,乘客生成与退出,出租车与乘客匹配,出租车行驶规则;模拟出租车搜索、匹配、搭载、送达乘客过程;分析不同信息公开程度对出租车空驶率,乘客候车时间,送达人数,司机平均收益等的影响.研究表明,仅公开出发地信息的半公开模式有助于提高出租车交通系统运行效率与服务质量,且有效地避免由于出租车司机有意选择高收益乘客而造成“隐形拒载”低收益乘客问题.为保证每位出行者的公平性,建议采用仅公开出发地信息的出行信息半公开模式.     

出行信息公开对出租车交通系统运行的影响

基于仿真研究乘客出行信息公开程度对出租车交通系统运行效率的影响.将乘客出行信息公开程度划分为出行信息未公开，全公开，半公开模式；制定路网搭建，乘客生成与退出，出租车与乘客匹配，出租车行驶规则；模拟出租车搜索、匹配、搭载、送达乘客过程；分析不同信息公开程度对出租车空驶率，乘客候车时间，送达人数，司机平均收益等的影响.研究表明，仅公开出发地信息的半公开模式有助于提高出租车交通系统运行效率与服务质量，且有效地避免由于出租车司机有意选择高收益乘客而造成“隐形拒载”低收益乘客问题.为保证每位出行者的公平性，建议采用仅公开出发地信息的出行信息半公开模式.     

考虑乘客心理的出租车合乘决策方法研究

针对出租车合乘研究中缺少对乘客心理的考虑,基于前景理论构建出租车合乘模式决策模型,提出一种考虑乘客心理的合乘出行决策方法.考虑行程时间、费用、舒适度对乘客心理决策的影响,通过计算机模拟,分析不同付费比例和交通拥堵率在乘客心理因素影响下对乘客合乘决策的影响.研究结果表明,合乘付费比例对乘客合乘决策的影响较大,合乘比例随付费比例的降低而增加,0.7 的付费比例对多数乘客没有刺激作用;付费比例降至0.65 及其以下时,交通拥堵率对合乘比例的影响较小,合乘比例相对稳定. 所得结论对出租车合乘政策的制定与管理有一定的指导意义.     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

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.