论文部分内容阅读
路网规模的不断扩张、路网结构的日渐复杂、机动车保有量的逐年攀升,对城市交通流时空均衡调控、交通事故与环境控制带来了巨大的挑战,而路径选择作为影响路网流量的关键因素,在缓解城市交通问题中有着举足轻重的作用。随着智能交通的普及,各类路径诱导系统可在一定程度上为出行者提供一些基本的路径选择参考,但这些诱导系统均采用了传统路径规划算法生成时间或距离最短路径来推荐给出行者,而出行者在实际出行中表现出的路径选择与推荐路径之间存在着较大差异,良好的路径选择集应以大量出行者实际的路径选择数据为依据。不同于空载的盲目巡游,出租车载客路径选择具备小汽车出行中存在的出行目的,且车载GPS系统已普遍接入出租车这一公共交通工具中,为大范围、大规模获取实际路径选择数据提供了技术支持。此外,租车驾驶员对路网了解程度较高,具备丰富的驾驶经验,往往能够选择最有效率的路径。据此,本研究对车租车载客路径选择行为进行分析,以期在数据驱动下,发掘出租车载客路径选择特征,为城市机动车路径诱导、流量分配提供参考。本研究的主要内容如下:以西安市出租车GPS数据为基础,结合研究目的,对GPS数据集进行预处理,并在原始OSM路网基础上进行重构,构建本研究所需的路网模型。借助Python统一GPS数据及路网数据坐标系,并依据FME搭建流程化模型实现地图匹配。然后,构建承载差值法对出租车上下客点进行识别,从时间、空间角度对上下客点的分布特征进行分析,并借助DBSCAN空间聚类挖掘上下客热点区域。在得到的12个上客热点区域、12个下客热点区域中,选取11个下客热点作为后续热点OD匹配、路径获取的基础。其次,分下客点逆向递推及上客点再聚类两步提出了热点OD匹配的方法,实现了同一起讫点(上下客点)间大量出租车载客出行的获取。以11个下客热点聚类簇为基础,依据热点OD匹配方法,获取到18对热点OD,其中O为上客点、D为下客点。在热点OD匹配基础上,实现热点OD间载客路径的提取,并借助Python实现热点OD间路径的出行信息获取,借助FME构建节点及各等级道路获取框架实现热点OD间路径的道路信息获取。再次,依据路径OD欧氏距离-出行量分布,提出了5种基于路径迂回度K-means聚类的载客路径类别划分方案,并引入AIC原则对载客路径分类方案进行择优,基于AIC-K-means将出租车载客路径分为了短距离、中距离及长距离三类。然后,在18对热点OD中分别选取三类载客出行所对应的热点OD作为研究对象,在MNL模型基础上分别构建了与本研究相适应的PS-Logit模型,并从路径选择概率、PS-Logit及MNL模型标定结果、边际代替率三个方面,对出租车载客路径选择模型进行了对比分析。最后,分别从模型系数定性分析、实际热点OD载客路径选择模型试算两个方面,对三类出租车载客路径选择模型进行了校核,验证了模型的有效性。