随着经济和出行需求多样化的发展,网约车出行在人们的日常出行活动中扮演着愈发重要的角色。乘客的出行过程中产生了大量的定位数据,这些定位数据所反映出的居民活动空间移动范围广,记录时间长,为研究城市区域内的人员流动及其在时间和空间上的变化提供了新的依据。本文在总结国内外相关学者对居民出行时空规律相关研究的基础上,结合网约车平台产生的订单数据及相关的地理空间数据,开展了以下几个方面的研究工作:(1)统计分析居民的网约车出行活动随时间产生的变化情况,对比了工作日与休息日网约车出行量随时间变化规律的差异,根据网约车出行量随时间的变化特征将一天划分为四个时段,并分别统计对比了工作日和休息日的不同时段内,居民乘网约车出行的行程时间、出行距离和平均车速等参数的均值、变化范围及变化趋势。(2)使用基于密度的OPTICS(Ordering Point to Identify the Cluster Structure)聚类算法对出行过程中的上下车位置进行聚类,以识别出行活动的热点区域。此算法可以降低聚类过程对输入参数的敏感性,使得聚类结果更为客观准确。在识别热点区域的基础上,对热点区域的空间分布及其随时间的变化情况进行了研究。出行热点区域总体分布上在靠近城市中心的区域内,大型交通站点周边区域的网约车活动强度始终维持在较高水平。出行热点在空间上存在一定的不均衡性,上车活动的热点区域不一定也有较多的下车活动发生。(3)通过出行活动空间分布的标准差椭圆研究网约车出行活动的核心区域及其在城市空间上展现出的方向性。结果显示网约车出行活动在城市的各个方向上较为均衡,并未在某一方向上产生明显的偏重,这也反映出城市相对合理的空间布局。创建泰森多边形划分研究区域、确定单个地铁站点的服务范围,计算每个区域内网约车出行活动的集聚程度,对各个区域内出行活动的集聚程度进行可视化展示及差异对比,分析不同集聚程度的区域在城市空间上的分布状况。由城市中心向外围延伸,出行活动在地铁站点周边的集聚程度总体上在逐渐减弱,但是在大型交通站点附近出行活动在空间上的集聚程度显著高于邻近区域。(4)使用有序Logistic回归模型研究兴趣点(Point of Interest,即POI)种类及数量对出行活动强度的影响。研究发现不同种类兴趣点对于出行活动的影响不同,即使是同类兴趣点对于上下车活动的影响也会有差异。交通设施对于网约车出行活动强度的影响最为显著,餐饮和医疗设施对于网约车出行活动的影响较为显著,生活服务设施和体育休闲服务设施对于下车活动没有显著影响,然而对于上车出行活动有显著影响。本文从时间和空间角度对居民乘网约车出行的活动特征进行了研究,此研究不仅有助于加深我们对居民出行行为和模式的理解,还能从交通管理的角度解释不同时段、不同地区内乘客的出行需求,有利于网约车车辆的调度管理,也可以作为网约车平台上订单预测、车辆调配的参考,实现有限资源的有效分配和充分利用。同时本文的研究结果也可为基于位置的服务,如消费推荐、店铺选址等提供依据,对城市规划与管理亦有着重要的参考价值。