论文部分内容阅读
信息时代计算机软硬件发展迅猛,使得高频(秒级)浮动车数据的采集、存储和管理成为可能。出租车作为传统的交通运输工具之一,是城市客运公共交通系统的重要组成部分,它与地铁、公共汽车、共享单车等共同服务了市民的日常出行。但它在城市公共客运交通中究竟扮演着何种角色?其它客运公共交通运输工具对它的运营特征的时空分布规律究竟造成了怎样的影响?
为解决上述问题,本文首先对高频采样的浮动车、地铁公共汽车刷卡、共享单车、城市路网、房价及人口等多源数据进行预处理和融合。接着针对预处理后的高频采样浮动车数据的特点,构建了运营出租车规模、车速、空载率、空驶率、载客时长和载客距离这些具体的出租车运营特征测度指标。然后深入挖掘和量化分析了运营出租车规模、出租车上下车客流、车速、空载率、空驶率时空分布,载客时长、载客距离分布等运营特征,得出出租车运营车辆规模在正常出行时段(07:00~22:00)内基本不变;白天同时段载客车辆平均车速均高于空载车辆平均车速;上车地点最多的地方亦是下车地点最多的地方;出租车供给随需求的变化同步等结论。同时综合上海市路网、地铁、公共汽车、共享单车等数据全方位分析了上海市民市内出行可选择的公共交通运输工具,以探究出租车运营特征时空变化规律的原因,最后得出出租车是以中短途运输为主的城市客运公共交通运输工具;与地铁、公共汽车、共享单车在07:00~22:00时段内主要是竞争关系,其余时段主要是互补关系,凌晨00:00~06:00时段内是承运主角,其余时段以配角居多;在其它公共交通运输工具尚未覆盖的地方(多为郊区),出租车存在一定规模的市场,但鉴于那些地方客流量同样较稀少,故大部分出租车的轨迹仍在市中心等结论。
最后,由打车难问题展开,先用乘客打车平均等待时间量化打车难易程度,并将影响打车难易程度的原因归为直接原因和间接原因两大类,先对直接原因(出租车供需和司机拒载)构建测度指标,进而构建出租车-乘客交通系统健康诊断模型(HBRM),HBRM中的参数即为间接原因的测度指标。HBRM统一了打车难易程度及其所有原因,还可对交通系统健康状况进行诊断,从而对症下药地解决存在问题的交通场景。
为解决上述问题,本文首先对高频采样的浮动车、地铁公共汽车刷卡、共享单车、城市路网、房价及人口等多源数据进行预处理和融合。接着针对预处理后的高频采样浮动车数据的特点,构建了运营出租车规模、车速、空载率、空驶率、载客时长和载客距离这些具体的出租车运营特征测度指标。然后深入挖掘和量化分析了运营出租车规模、出租车上下车客流、车速、空载率、空驶率时空分布,载客时长、载客距离分布等运营特征,得出出租车运营车辆规模在正常出行时段(07:00~22:00)内基本不变;白天同时段载客车辆平均车速均高于空载车辆平均车速;上车地点最多的地方亦是下车地点最多的地方;出租车供给随需求的变化同步等结论。同时综合上海市路网、地铁、公共汽车、共享单车等数据全方位分析了上海市民市内出行可选择的公共交通运输工具,以探究出租车运营特征时空变化规律的原因,最后得出出租车是以中短途运输为主的城市客运公共交通运输工具;与地铁、公共汽车、共享单车在07:00~22:00时段内主要是竞争关系,其余时段主要是互补关系,凌晨00:00~06:00时段内是承运主角,其余时段以配角居多;在其它公共交通运输工具尚未覆盖的地方(多为郊区),出租车存在一定规模的市场,但鉴于那些地方客流量同样较稀少,故大部分出租车的轨迹仍在市中心等结论。
最后,由打车难问题展开,先用乘客打车平均等待时间量化打车难易程度,并将影响打车难易程度的原因归为直接原因和间接原因两大类,先对直接原因(出租车供需和司机拒载)构建测度指标,进而构建出租车-乘客交通系统健康诊断模型(HBRM),HBRM中的参数即为间接原因的测度指标。HBRM统一了打车难易程度及其所有原因,还可对交通系统健康状况进行诊断,从而对症下药地解决存在问题的交通场景。