CN106355541A - 一种基于gps数据的出租车打车难易度识别方法 - Google Patents
一种基于gps数据的出租车打车难易度识别方法 Download PDFInfo
- Publication number
- CN106355541A CN106355541A CN201610785294.2A CN201610785294A CN106355541A CN 106355541 A CN106355541 A CN 106355541A CN 201610785294 A CN201610785294 A CN 201610785294A CN 106355541 A CN106355541 A CN 106355541A
- Authority
- CN
- China
- Prior art keywords
- taxi
- region
- time period
- difficulty
- taking difficulty
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000029305 taxis Effects 0.000 abstract description 4
- 230000000306 recurrent effect Effects 0.000 abstract 2
- 238000004458 analytical method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种打车难易度识别方法,包括步骤:S1:获取各区域一天中各时间段的出租车运营状态数据,其中,运营状态数据包括该时段内以空车状态进入该区域的车辆数、在该区域下客的出租车数和在该区域内上客的出租车数;S2:计算各区域一天中各时间段的打车难易度值:S3:将打车难易度值离散化为打车难易度状态指标Sij;S4:根据各区域在较长一段时期内(1个月以上)的打车难易度状态指标确定常发性打车难区域。与现有技术相比,本发明可以根据实时出租车GPS数据,实时识别打车难区域,为出租车调度提供基础;也可根据历史数据,识别经常性打车难区域,为合理调配出租车运力、设置出租车扬招站提供依据。
Description
技术领域
本发明涉及一种打车分析方法,尤其是涉及一种基于GPS数据的出租车打车难易度识别方法。
背景技术
出租车是满足城市居民机动化出行需求,尤其是个性化出行需求的一种常见交通工具。然而,由于种种历史缘由,我国主要城市的出租车数量在过去十年间基本增长停滞,整体运力不足的矛盾日趋突出,高峰期出租车辆供给不足等原因导致多地出现打车难现象。而另一方面,我国的出租车主要采用扬招的方式,出租车通过巡客来寻找乘客,造成了大量的空驶,增加了城市交通的负担。如何有效调配出租车运力,保障供需平衡,缓解打车难问题;以及通过设置扬招站点的方式,减少出租车的空驶,是交通管理人员关注的重点问题。
因此,有效识别城市的出租车打车难区域,把握其时空变化规律,是合理调配出租车运力的基础。
传统方法通常采用抽样问卷调查的方法,根据出租车打车的等候时间,描述城市或某一区域的打车难易度。然而,问卷调查的方法费时费工,而且能够获取的样本有限,难以反映城市各时段各区域的实际情况。另一种方法是理论模型与实际数据相结合,假定出租车在某一路段的到达概率服从某种理论分布,根据出租车的车载GPS,计算出租车的平均行驶速度和空驶率,同时考虑出租车的总量,估算乘客在给定等待时间内在能在某一路段打到车的概率,由此描述该路段的打车难易度。但是,出租车的到达概率分布标定比较困难,而且不同区域的情况也不一样,因此,该方法应用起来比较困难。
为满足出租车运营管理和调度的需要,我国各大城市的出租车基本上都安装了车载GPS设备,由此可以得到出租车的位置和载客状态,为分析城市各区域的出租车打车难状态提供了良好的数据基础。本发明直接利用出租车的车载GPS数据,构建打车难易度指数,能够较方便地识别城市的打车难区域,能同时满足实时分析和历史数据分析的要求,具有良好的应用价值。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于GPS数据的出租车打车难易度识别方法。
本发明的目的可以通过以下技术方案来实现:
一种打车难易度识别方法,包括步骤:
S1:获取各区域一天中各时间段的出租车运营状态数据,其中,所述运营状态数据包括该时段内以空车状态进入该区域的车辆数、在该区域下客的出租车数和在该区域内上客的出租车数;
S2:计算各区域一天中各时间段的打车难易度值:
其中:Yij为打车难易指数,Uij为时间段j内以空车状态进入区域i的车辆数,Dij为时间段j内在区域i下客的出租车数,Pij为时间段j内在区域i内上客的出租车数;
S3:将打车难易度值离散化为打车难易度状态指标Sij,其中,打车难易度状态指标分为5种状态:打车难、打车较难、打车较易、打车易和冷门,对应的取值分别为4、3、2、1、0;
S4:根据各区域在选定周期内的每天的打车难易度状态指标确定常发性打车难区域。
所述步骤S3具体包括步骤:
S31:判断是否Uij=0,若为是,则Sij=0,若为否,则执行步骤S32;
S32:判断是否Uij+Dij≤5,若为是,则执行步骤S33,若为否,则执行步骤S34;
S33:将打车难易度值离散化为打车难易度状态指标:
S34:将打车难易度值离散化为打车难易度状态指标:
所述步骤S4具体包括步骤:
S41:将一天中的所有时间段等分位多个连续的时间段组;
S42:计算选定周期内,各区域在各时间段组中的打车难状态出现的比例:
其中:Aik为区域i在时间段组j内打车难状态出现的比例,A1ik为区域i在时间段j内出现Sij=1的总次数,A2ik为区域i在时间段j内出现Sij=2的总次数,A3ik为区域i在时间段j内出现Sij=3的总次数,A4ik为区域i在时间段j内出现Sij=4的总次数;
S43:根据各区域在各时间段组中的打车难状态出现的比例,计算各区域在各时间段组中的常发性打车难状态Fik:
S44:当Fik为3时,判定为常发性打车难,当Fik为2时为偶发性打车难,当Fik为1是为常发性打车易。
所述时间段的跨度为15分钟。
所述时间段组的跨度为60分钟。
所述步骤S4中,根据各区域在工作日和休息日的各时间段组中的打车难易度状态指标,确定工作日时的常发性打车难区域和休息日时的常发性打车难区域。
与现有技术相比,本发明具有以下优点:
1)可以根据实时出租车GPS数据,实时识别打车难区域,为出租车调度提供基础;也可根据历史数据,识别经常性打车难区域,为合理调配出租车运力、设置出租车扬招站提供依据。
2)将打车难易度值离散化为打车难易度状态指标,可以使分析结果更加稳定可靠,有利于对非线性关系进行诊断和描述等。
3)以Uij+Dij为0和5两个节点进行分开设计换算方式,Sij的换算可以更加准确。
4)常发性打车难状态的识别过程以0.3、0.6作为节点,该节点是采用厦门的实证数据分析得到,可以使得“常发性打车难状态”的分类最为合理,也就是各分类内部的差异最小、而各分类之间的差异最大。
5)打车难易度状态指标的识别过程以0.4、0.7作为节点,该节点是采用厦门的实证数据分析得到,可以使得“打车难易度状态”的分类最为合理,也就是各分类内部的差异最小、而各分类之间的差异最大
附图说明
图1为本发明方法的主要步骤流程示意图;
图2为厦门2014年5月的工作日和休息日各小时的常发性打车难栅格数量示意图;
图3为厦门2014年5月的工作日和休息日打车难区域的空间分布示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
一种打车难易度识别方法,如图1所示,包括步骤:
S1:获取各区域一天中各时间段的出租车运营状态数据,其中,运营状态数据包括该时段内以空车状态进入该区域的车辆数、在该区域下客的出租车数和在该区域内上客的出租车数;
S2:计算各区域一天中各时间段的打车难易度值:
其中:Yij为打车难易指数,值越低表明剩余空车越少,打车越难,Uij为时间段j内以空车状态进入区域i的车辆数,通过出租车GPS数据中的位置信息统计得到,Dij为时间段j内在区域i下客的出租车数,通过出租车GPS数据中的运营状态信息统计得到,Pij为时间段j内在区域i内上客的出租车数,通过出租车GPS数据中的运营状态信息统计得到;
S3:将打车难易度值离散化为打车难易度状态指标Sij,其中,Sij分为5种状态:打车难、打车较难、打车较易、打车易和冷门,对应的取值分别为4、3、2、1、0;
步骤S3具体包括步骤:
S31:判断是否Uij=0,若为是,则Sij=0,若为否,则执行步骤S32;
S32:判断是否Uij+Dij≤5,若为是,则执行步骤S33,若为否,则执行步骤S34;
S33:将打车难易度值离散化为打车难易度状态指标:
S34:将打车难易度值离散化为打车难易度状态指标:
S4:根据各区域在较长一段时期内(1个月以上)的打车难易度状态指标确定常发性打车难区域。
对于Uij=0,表示区域内的乘客打车严重依赖于在该区域内下客的车辆,因此属于冷门区域,而Uij+Dij≤5时,由于可用出租车的数量过少,因此将打车难易度状态指标默认提高了一个级别,修正后的打车难易度状态指标会更加准确。
步骤S4具体包括步骤:
S41:将一天中的所有时间段等分位多个连续的时间段组;
S42:计算在较长一段时期内(1个月以上,可分为工作日和休息日),各区域在各时间段组中的打车难状态出现的比例:
其中:Aik为区域i在时间段组j内打车难状态出现的比例,A1ik为区域i在时间段j内出现Sij=1的总次数,A2ik为区域i在时间段j内出现Sij=2的总次数,A3ik为区域i在时间段j内出现Sij=3的总次数,A4ik为区域i在时间段j内出现Sij=4的总次数;
S43:根据各区域在各时间段组中的打车难状态出现的比例,计算各区域在各时间段组中的常发性打车难状态Fik:
S44:当Fik为3时,判定为常发性打车难,当Fik为2时为偶发性打车难,当Fik为1是为常发性打车易。
时间段的跨度为15分钟,对应的时间段组的优选跨度为60分钟。
步骤S4中,根据各区域在工作日和休息日的各时间段组中的打车难易度状态指标,确定工作日时的常发性打车难区域和休息日时的常发性打车难区域。
对一个城市空间的区域的划分可以采用栅格法将城市空间区域划分为长宽均为100米的栅格(正方形),并按照一定规则对栅格进行编号,每个栅格有对应的行编号、列编号以及总编号。把栅格作为基本的空间分析单元,也就是一个区域。
为减少打车难易指数的波动性,采用15分钟作为基本的时间分析单元,从0:00开始,将一天划分为96个时间分析单元,也就是时间段。
由此,可以确定栅格i在j时段的打车难状态。对全市的所有栅格进行计算,可以得到全市在j时段的打车难区域的空间分布。
常发性打车难区域识别
对于区域的常发性打车难状态,采用1小时作为分析单元(即时间段组),分为工作日和休息日两种情况进行分析。采用较长一段时期内的出租车GPS数据进行分析(1个月以上),分别统计各栅格在工作日和休息日每个小时内的打车难状态出现次数,计算栅格i在小时k内出现打车难状态的比例
由此,可以确定栅格i在小时k内的常发性打车难状态。若分为工作日和休息日两种情况进行分析,则可以得到栅格i分别在工作日和休息日的小时k内的常发性打车难状态。对全市的所有栅格进行计算,可以得到全市工作日和休息日在各小时的常发性打车难区域的空间分布。
采用上述方法,对厦门2014年5月份的情况进行分析。
得到厦门2014年5月的工作日和休息日各小时的常发性打车难栅格的数量如图2所示。
此外还可以得到厦门2014年5月的工作日和休息日打车难区域的空间分布如图3所示。
Claims (6)
1.一种打车难易度识别方法,其特征在于,包括步骤:
S1:获取各区域一天中各时间段的出租车运营状态数据,其中,所述运营状态数据包括该时段内以空车状态进入该区域的车辆数、在该区域下客的出租车数和在该区域内上客的出租车数;
S2:计算各区域一天中各时间段的打车难易度值:
其中:Yij为打车难易指数,Uij为时间段j内以空车状态进入区域i的车辆数,Dij为时间段j内在区域i下客的出租车数,Pij为时间段j内在区域i内上客的出租车数;
S3:将打车难易度值离散化为打车难易度状态指标Sij,其中,打车难易度状态指标分为5种状态:打车难、打车较难、打车较易、打车易和冷门,对应的取值分别为4、3、2、1、0;
S4:根据各区域在选定周期内的每天的打车难易度状态指标确定常发性打车难区域。
2.根据权利要求1所述的一种打车难易度识别方法,其特征在于,所述步骤S3具体包括步骤:
S31:判断是否Uij=0,若为是,则Sij=0,若为否,则执行步骤S32;
S32:判断是否Uij+Dij≤5,若为是,则执行步骤S33,若为否,则执行步骤S34;
S33:将打车难易度值离散化为打车难易度状态指标:
S34:将打车难易度值离散化为打车难易度状态指标:
3.根据权利要求2所述的一种打车难易度识别方法,其特征在于,所述步骤S4具体包括步骤:
S41:将一天中的所有时间段等分位多个连续的时间段组;
S42:计算选定周期内,各区域在各时间段组中的打车难状态出现的比例:
其中:Aik为区域i在时间段组j内打车难状态出现的比例,A1ik为区域i在时间段j内出现Sij=1的总次数,A2ik为区域i在时间段j内出现Sij=2的总次数,A3ik为区域i在时间段j内出现Sij=3的总次数,A4ik为区域i在时间段j内出现Sij=4的总次数;
S43:根据各区域在各时间段组中的打车难状态出现的比例,计算各区域在各时间段组中的常发性打车难状态Fik:
S44:当Fik为3时,判定为常发性打车难,当Fik为2时为偶发性打车难,当Fik为1是为常发性打车易。
4.根据权利要求1所述的一种打车难易度识别方法,其特征在于,所述时间段的跨度为15分钟。
5.根据权利要求4所述的一种打车难易度识别方法,其特征在于,所述时间段组的跨度为60分钟。
6.根据权利要求1-5中任一所述的一种打车难易度识别方法,其特征在于,所述步骤S4中,根据各区域在工作日和休息日的各时间段组中的打车难易度状态指标,确定工作日时的常发性打车难区域和休息日时的常发性打车难区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610785294.2A CN106355541A (zh) | 2016-08-30 | 2016-08-30 | 一种基于gps数据的出租车打车难易度识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610785294.2A CN106355541A (zh) | 2016-08-30 | 2016-08-30 | 一种基于gps数据的出租车打车难易度识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106355541A true CN106355541A (zh) | 2017-01-25 |
Family
ID=57856199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610785294.2A Pending CN106355541A (zh) | 2016-08-30 | 2016-08-30 | 一种基于gps数据的出租车打车难易度识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355541A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507407A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 营运车辆服务的处理方法、装置、设备及计算机可读存储介质 |
CN109785612A (zh) * | 2019-03-13 | 2019-05-21 | 重庆皓石金科技有限公司 | 一种基于容易载客系数的出租汽车智能调度方法及装置 |
CN110009155A (zh) * | 2019-04-08 | 2019-07-12 | 上海拉扎斯信息科技有限公司 | 业务区域配送难度的估计方法、装置和电子设备 |
CN111435470A (zh) * | 2019-01-11 | 2020-07-21 | 上海博泰悦臻网络技术服务有限公司 | 一种出行路线规划方法、存储介质、服务器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103000025A (zh) * | 2012-11-28 | 2013-03-27 | 北京百度网讯科技有限公司 | 一种为用户提供乘车参考信息的方法和装置 |
CN103578265A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于出租车gps数据的打车热点获取方法 |
CN103632532A (zh) * | 2012-08-22 | 2014-03-12 | 北京掌城科技有限公司 | 一种出租车的打车诱导方法 |
-
2016
- 2016-08-30 CN CN201610785294.2A patent/CN106355541A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578265A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于出租车gps数据的打车热点获取方法 |
CN103632532A (zh) * | 2012-08-22 | 2014-03-12 | 北京掌城科技有限公司 | 一种出租车的打车诱导方法 |
CN103000025A (zh) * | 2012-11-28 | 2013-03-27 | 北京百度网讯科技有限公司 | 一种为用户提供乘车参考信息的方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507407A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 营运车辆服务的处理方法、装置、设备及计算机可读存储介质 |
CN111435470A (zh) * | 2019-01-11 | 2020-07-21 | 上海博泰悦臻网络技术服务有限公司 | 一种出行路线规划方法、存储介质、服务器 |
CN109785612A (zh) * | 2019-03-13 | 2019-05-21 | 重庆皓石金科技有限公司 | 一种基于容易载客系数的出租汽车智能调度方法及装置 |
CN109785612B (zh) * | 2019-03-13 | 2021-07-06 | 重庆皓石金科技有限公司 | 一种基于容易载客系数的出租汽车智能调度方法及装置 |
CN110009155A (zh) * | 2019-04-08 | 2019-07-12 | 上海拉扎斯信息科技有限公司 | 业务区域配送难度的估计方法、装置和电子设备 |
CN110009155B (zh) * | 2019-04-08 | 2021-07-09 | 上海拉扎斯信息科技有限公司 | 业务区域配送难度的估计方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123833B (zh) | 一种道路状况的规划方法和装置 | |
CN104778263B (zh) | 一种电动车充电站系统仿真数据挖掘方法 | |
CN102324128B (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN102542841B (zh) | 一种停车指数计算及发布方法 | |
CN107239844B (zh) | 一种基于Hadoop的石油运输车辆油耗预测方法 | |
CN104899405B (zh) | 数据预测方法和系统以及报警方法和系统 | |
CN108242149A (zh) | 一种基于交通数据的大数据分析方法 | |
CN105550789A (zh) | 一种公交出行客流的预测方法 | |
CN106503869A (zh) | 一种基于站点短时需求预测的公共自行车动态调度方法 | |
CN101465059B (zh) | 城市道路交通安全态势鉴判预警系统 | |
CN106355541A (zh) | 一种基于gps数据的出租车打车难易度识别方法 | |
CN104809344A (zh) | 一种基于ic卡数据的公交站点区间客流估计方法 | |
CN101615340A (zh) | 公交动态调度中的实时信息处理方法 | |
CN102052946B (zh) | 车用燃油监管方法 | |
CN106448132A (zh) | 一种常规公交服务指数实时评价系统及评价方法 | |
CN102157075A (zh) | 公交到站的预测方法 | |
CN105390013A (zh) | 一种利用公交ic卡预测公交到站时间的方法 | |
CN110348614A (zh) | 一种获取乘客od的方法及公交客流的预测方法 | |
CN104102979B (zh) | 一种办公用车信息化系统及其应用方法 | |
CN105241472A (zh) | 一种基于obd车速的车辆行驶里程统计方法及装置 | |
CN104298832A (zh) | 一种基于rfid技术的路网交通流分析方法 | |
CN102324111B (zh) | 基于公交ic卡数据的车辆运行方向判断方法 | |
CN103761870A (zh) | 一种公交车负载计量系统 | |
CN105825675B (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
CN106710010A (zh) | 一种出租车计价器的在线远程诊断系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |