CN116402373A - 顾及动态人口数据的出租车服务综合不平等性评估方法 - Google Patents

顾及动态人口数据的出租车服务综合不平等性评估方法 Download PDF

Info

Publication number
CN116402373A
CN116402373A CN202310060273.4A CN202310060273A CN116402373A CN 116402373 A CN116402373 A CN 116402373A CN 202310060273 A CN202310060273 A CN 202310060273A CN 116402373 A CN116402373 A CN 116402373A
Authority
CN
China
Prior art keywords
service
taxi
inequality
dynamic population
index
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
Application number
CN202310060273.4A
Other languages
English (en)
Inventor
赵志远
姚伟
吴升
方莉娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202310060273.4A priority Critical patent/CN116402373A/zh
Publication of CN116402373A publication Critical patent/CN116402373A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出顾及动态人口数据的出租车服务综合不平等性评估方法，所述方法基于运营车辆轨迹数据，顾及动态人口分布，基于泰尔指数评估出租车服务相对于动态人口的不平等性，通过泰尔指数分解来评估不同研究区域分组对出租车服务不平等性的贡献，包括以下步骤；步骤S1、收集数据并进行预处理步骤S2、出租车服务水平计算；步骤S3、动态人口提取；步骤S4、泰尔指数计算与分解；本发明使用动态人口对出租车载客服务的不平等性进行评估，具有更高的合理性与准确性。

Description

顾及动态人口数据的出租车服务综合不平等性评估方法
技术领域
本发明涉及空间信息技术领域，尤其是顾及动态人口数据的出租车服务综合不平等性评估方法。
背景技术
城市公共交通规划面临的一个重要问题就是如何衡量和评估服务的公平性，为居民提供更具公平性的服务格局。出租车服务是满足居民日常出行的重要方式，是城市公共交通系统的重要组成部分。网约车是近年来新兴的出行方式，深刻改变了城市传统巡游出租车服务的运营格局。随着网约车平台的发展，传统的出租车司机能够自由地选择接单的方式，通过巡游与线上接单的模式同时进行接单以提高服务次数与效率。衡量城市出租车服务的公平性能够为出租车服务提供更加公平与合理的规划依据，具有重要的应用意义。
目前对于交通服务不平等性的评估方法主要有以下两种：(1)基于轨迹数据提取运营车辆服务热点区域与可达性，评估公共交通的平等性；(2)通过洛伦兹曲线与基尼系数，评估运营车辆服务不平等性。
现有技术存在的缺点主要有以下方面：首先，基于轨迹数据的车辆服务不平等性构建的方法中，主要基于固定的公共交通服务供给点，例如地铁、公共交通，难以面向不确定站点的个性化交通服务服务；其次，已有出租车服务水平的不平等性评估方法基于洛伦兹曲线与基尼系数，未考虑动态服务人口对出租车服务不平等性的影响因素，基尼系数的分解性较弱，难以判断不同因素对不平等性的贡献；最后，已有的统计学上的不平等性计算方法往往是以整体性的参数，缺少对不平等性影响因素的综合分析。
发明内容
本发明提出顾及动态人口数据的出租车服务综合不平等性评估方法，使用动态人口对出租车载客服务的不平等性进行评估，具有更高的合理性与准确性。
本发明采用以下技术方案。
顾及动态人口数据的出租车服务综合不平等性评估方法，所述方法基于运营车辆轨迹数据，顾及动态人口分布，基于泰尔指数评估出租车服务相对于动态人口的不平等性，通过泰尔指数分解来评估不同研究区域分组对出租车服务不平等性的贡献，包括以下步骤；
步骤S1、收集数据并进行预处理
步骤S2、出租车服务水平计算；
步骤S3、动态人口提取；
步骤S4、泰尔指数计算与分解。
步骤S1包括以下步骤；
步骤A1、收集包含车辆载客信息的车辆轨迹数据；
步骤A2、剔除数据中的异常值，即去除数值为空、经度和纬度位于目标区域空间范围之外的记录；
步骤A3、对轨迹数据进行排序。将车辆ID相同的数据进行归集，并按照时间顺序进行排列。
步骤S2包括以下步骤；
步骤B1、根据车辆具有指定平台的轨迹信息，将出租车服务分为仅用网约接单服务、仅巡游接单服务、混合接单等类别；
步骤B2、计算仅在网约车轨迹中出现的车辆，将其视为仅在线接单；
步骤B3、同理，将仅在传统出租车平台信息出现的车辆视为仅使用巡游服务的车辆；
步骤B4、计算两种接单平台均有轨迹信息记录的车辆，视为两种服务都使用的车辆；
步骤B5、计算出租车服务水平指标。首先，对于每辆出租车轨迹，按照车牌号、定位时间进行排列，提取车辆运营状态发生变化的轨迹点作为上客点；首先按照研究单元的出租车载客服务次数的占总体服务次数的比例，作为衡量计算出租车服务水平指标。
步骤S3的操作对于每对相临的原始车辆轨迹记录，包括以下操作；
获取动态数据：从可用渠道获得动态人口数据，并进行坐标校正等预处理；
计算动态人口比例：将人口数据利用时间和位置信息归并到对应时空分析单元，计算每一个单元内人口占比，计算出租车服务相对于人口的不平等性。
步骤S4的具体操作为；
研究区域分组：为了分析不同分组的参数对不平等性的贡献，方法依据研究区域地理特性将分组分为不同分组，探索对泰尔指数的贡献；
泰尔指数计算：首先统计不同分组内研究单元数量，不同分组内各研究单元的出租车载客服务次数、动态人口；其次统计各分组内总体出租车服务次数总和与动态人口总数；
泰尔指数分解：依据泰尔指数计算公式计算泰尔指数，依据分组数量计算分组的组内贡献与组间贡献。
步骤S3具体操作为；
通过开源数据平台获取动态人口提取，将动态人口投影于所研究的时空分析单元G(k，g)，计算每一个格网内动态人口空间分布的比例PP(k，g)并将其作为人口分布的比例，公式为：
Figure SMS_1
其中，H(k，g)表示研究单元G(k，g)内动态人口数量，
Figure SMS_2
表示研究区域热力指数总和，n表示研究单元数量。
步骤S2具体操作为：
使用PSR(k，g)表示所研究单元G(k，g)的出租车服务水平，即出租车载客服务次数的占总体服务次数的比例，公式为：
Figure SMS_3
其中，NumO(k，g)为研究单元内出租车搭载乘客次数；
出租车载客服务次数为研究单元内出租车搭载乘客次数，研究将轨迹中状态由空载转换为载客的点视为载客点，研究单元内载客点的数量为该时段该单元出租车载客服务水平，具体计算公式为
Figure SMS_4
其中，M为研究单元i内车辆的数量，NumO(i，t，m)为t时段研究单元i车辆m的载客点数量。
步骤S4的具体操作为：
泰尔指数的计算公式为：
Figure SMS_5
其中，T为总体泰尔指数，K为分组的数量，nk为分组k内格网数量，Ykg为第k区域第j研究单元的出租车载客服务次数，Yk为分组k的出租车总载客服务次数，Y为全部研究区域的总体载客服务次数，PSR(k，g)为研究单元G(k，g)的出租车载客服务次数的占总体服务次数的比例，计算公式为
Figure SMS_6
其中，Pkg为分组k内格网g的动态人口，P为研究区域总体的动态人口数量；
总体不平等性分解为区域内差异Tw与区域间差异Tb，计算方式为
T＝Tw+Tb 公式六；
所述泰尔指数用于分解不同区域内与区域间的不平等性，Tw表示区域内不平等性，Tb表示区域间不平等性，计算公式为
Figure SMS_7
Figure SMS_8
Yk为区域k的出租车总载客服务次数，Y为全部研究区域的总体载客服务次数，Pk为区域k的动态人口数量，P为区域总体的动态人口数量。
所述评估方法基于包含接单平台的车辆轨迹数据，将出租车分类为网约、巡游与两者皆用三类，提取出租车上客点，计算出租车载客服务空间分布；基于开源平台获取动态人口热力指数，计算不同时段动态人口数量；在此基础之上，提取出租车载客服务点，计算出租车服务分布；对待评估的研究区域进行分组，计算出租车服务的泰尔指数，并根据分组进行对不平等性贡献度进行分解。
本发明旨在基于运营车辆轨迹数据，顾及动态人口分布，基于泰尔指数评估出租车服务相对于动态人口的不平等性，通过泰尔指数分解探索不同研究区域分组对出租车服务不平等性的贡献，在此基础之上，构建一种顾及动态人口数据的出租车服务综合不平等性评估方法。
通过对比公共交通服务不平等性评估方法，本发明的方法相比于其他的方法具有如下优点：
本发明能够基于动态人口分布计算具出租车服务不平等性评估，对出租车服务人口进行了更具体并贴合实际的计算，避免了使用常住人口计算的不精确性，对具有人口分配特性的(如医疗机构分布、公共交通分布等)研究具有普适性。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
附图1是本发明的流程示意图。
具体实施方式
如图所示，顾及动态人口数据的出租车服务综合不平等性评估方法，所述方法基于运营车辆轨迹数据，顾及动态人口分布，基于泰尔指数评估出租车服务相对于动态人口的不平等性，通过泰尔指数分解来评估不同研究区域分组对出租车服务不平等性的贡献，包括以下步骤；
步骤S1、收集数据并进行预处理
步骤S2、出租车服务水平计算；
步骤S3、动态人口提取；
步骤S4、泰尔指数计算与分解。
步骤S1包括以下步骤；
步骤A1、收集包含车辆载客信息的车辆轨迹数据；
步骤A2、剔除数据中的异常值，即去除数值为空、经度和纬度位于目标区域空间范围之外的记录；
步骤A3、对轨迹数据进行排序。将车辆ID相同的数据进行归集，并按照时间顺序进行排列。
步骤S2包括以下步骤；
步骤B1、根据车辆具有指定平台的轨迹信息，将出租车服务分为仅用网约接单服务、仅巡游接单服务、混合接单等类别；
步骤B2、计算仅在网约车轨迹中出现的车辆，将其视为仅在线接单；
步骤B3、同理，将仅在传统出租车平台信息出现的车辆视为仅使用巡游服务的车辆；
步骤B4、计算两种接单平台均有轨迹信息记录的车辆，视为两种服务都使用的车辆；
步骤B5、计算出租车服务水平指标。首先，对于每辆出租车轨迹，按照车牌号、定位时间进行排列，提取车辆运营状态发生变化的轨迹点作为上客点；首先按照研究单元的出租车载客服务次数的占总体服务次数的比例，作为衡量计算出租车服务水平指标。
步骤S3的操作对于每对相临的原始车辆轨迹记录，包括以下操作；
获取动态数据：从可用渠道获得动态人口数据，并进行坐标校正等预处理；
计算动态人口比例：将人口数据利用时间和位置信息归并到对应时空分析单元，计算每一个单元内人口占比，计算出租车服务相对于人口的不平等性。
步骤S4的具体操作为；
研究区域分组：为了分析不同分组的参数对不平等性的贡献，方法依据研究区域地理特性将分组分为不同分组，探索对泰尔指数的贡献；
泰尔指数计算：首先统计不同分组内研究单元数量，不同分组内各研究单元的出租车载客服务次数、动态人口；其次统计各分组内总体出租车服务次数总和与动态人口总数；
泰尔指数分解：依据泰尔指数计算公式计算泰尔指数，依据分组数量计算分组的组内贡献与组间贡献。
步骤S3具体操作为；
通过开源数据平台获取动态人口提取，将动态人口投影于所研究的时空分析单元G(k，g)，计算每一个格网内动态人口空间分布的比例PP(k，g)并将其作为人口分布的比例，公式为：
Figure SMS_9
其中，H(k，g)表示研究单元G(k，g)内动态人口数量，
Figure SMS_10
表示研究区域热力指数总和，n表示研究单元数量。
步骤S2具体操作为：
使用PSR(k，g)表示所研究单元G(k，g)的出租车服务水平，即出租车载客服务次数的占总体服务次数的比例，公式为：
Figure SMS_11
其中，NumO(k，g)为研究单元内出租车搭载乘客次数；
出租车载客服务次数为研究单元内出租车搭载乘客次数，研究将轨迹中状态由空载转换为载客的点视为载客点，研究单元内载客点的数量为该时段该单元出租车载客服务水平，具体计算公式为
Figure SMS_12
其中，M为研究单元i内车辆的数量，NumO(i，t，m)为t时段研究单元i车辆m的载客点数量。
步骤S4的具体操作为：
泰尔指数的计算公式为：
Figure SMS_13
其中，T为总体泰尔指数，K为分组的数量，nk为分组k内格网数量，Ykg为第k区域第j研究单元的出租车载客服务次数，Yk为分组k的出租车总载客服务次数，Y为全部研究区域的总体载客服务次数，PSR(k，g)为研究单元G(k，g)的出租车载客服务次数的占总体服务次数的比例，计算公式为
Figure SMS_14
其中，Pkg为分组k内格网g的动态人口，P为研究区域总体的动态人口数量；总体不平等性分解为区域内差异Tw与区域间差异Tb，计算方式为
T＝Tw+Tb 公式六；
所述泰尔指数用于分解不同区域内与区域间的不平等性，Tw表示区域内不平等性，Tb表示区域间不平等性，计算公式为
Figure SMS_15
Figure SMS_16
Yk为区域k的出租车总载客服务次数，Y为全部研究区域的总体载客服务次数，Pk为区域k的动态人口数量，P为区域总体的动态人口数量。
所述评估方法基于包含接单平台的车辆轨迹数据，将出租车分类为网约、巡游与两者皆用三类，提取出租车上客点，计算出租车载客服务空间分布；基于开源平台获取动态人口热力指数，计算不同时段动态人口数量；在此基础之上，提取出租车载客服务点，计算出租车服务分布；对待评估的研究区域进行分组，计算出租车服务的泰尔指数，并根据分组进行对不平等性贡献度进行分解。
实施例：
本例以国内某大城市2019年与2020年某日共16,845,132条共网约车与巡游车两类出租车轨迹数据集为例，分析测试本发明方法对于出租车服务不平等性评估方法的有效性。
阈值的选取与所研究的问题和研究区域的地理特征、轨迹密度相关。较好地，在本实施例中，在1小时时间窗口、500米网格分辨率的情况下，本发明于某开源数据平台获取人口动态分布数据，对动态人口分布比例进行计算，结合出租车载客分布计算泰尔指数，并以城市功能区的分组方式为例对泰尔指数进行分解，共分为旅游、工业、住宅等8类分组。
测试结果表明：(1)基于动态人口的计算结果，相比于基于静态人口评估的出租汽车不平等性最大高估了89.25％；(2)2020年，网约车数量下降了18.8％，相对于人口的服务不平等性有10％的增长，而仅用巡游接单的出租车数量维持在较为稳定的数量，不平等性也处于较高水平且较为稳定；(3)出租汽车公平性在不同类型城市功能区之间的差异显著，对于仅巡游的车辆，59.03％的总体不平等性有商业用地贡献，对于仅网约接单的服务，工业和旅游用地分别贡献了35.07％和19.32％的不平等性。
本方法使用动态人口对出租车载客服务的不平等性进行评估，具有更高的合理性与准确性。

Claims (9)

1.顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：所述方法基于运营车辆轨迹数据，顾及动态人口分布，基于泰尔指数评估出租车服务相对于动态人口的不平等性，通过泰尔指数分解来评估不同研究区域分组对出租车服务不平等性的贡献，包括以下步骤；
步骤S1、收集数据并进行预处理
步骤S2、出租车服务水平计算；
步骤S3、动态人口提取；
步骤S4、泰尔指数计算与分解。
2.根据权利要求1所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：步骤S1包括以下步骤；
步骤A1、收集包含车辆载客信息的车辆轨迹数据；
步骤A2、剔除数据中的异常值，即去除数值为空、经度和纬度位于目标区域空间范围之外的记录；
步骤A3、对轨迹数据进行排序。将车辆ID相同的数据进行归集，并按照时间顺序进行排列。
3.根据权利要求1所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：步骤S2包括以下步骤；
步骤B1、根据车辆具有指定平台的轨迹信息，将出租车服务分为仅用网约接单服务、仅巡游接单服务、混合接单等类别；
步骤B2、计算仅在网约车轨迹中出现的车辆，将其视为仅在线接单；
步骤B3、同理，将仅在传统出租车平台信息出现的车辆视为仅使用巡游服务的车辆；
步骤B4、计算两种接单平台均有轨迹信息记录的车辆，视为两种服务都使用的车辆；
步骤B5、计算出租车服务水平指标；首先，对于每辆出租车轨迹，按照车牌号、定位时间进行排列，提取车辆运营状态发生变化的轨迹点作为上客点；首先按照研究单元的出租车载客服务次数的占总体服务次数的比例，作为衡量计算出租车服务水平指标。
4.根据权利要求1所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：步骤S3的操作对于每对相临的原始车辆轨迹记录，包括以下操作；
获取动态数据：从可用渠道获得动态人口数据，并进行坐标校正等预处理；
计算动态人口比例：将人口数据利用时间和位置信息归并到对应时空分析单元，计算每一个单元内人口占比，计算出租车服务相对于人口的不平等性。
5.根据权利要求4所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：步骤S4的具体操作为；
研究区域分组：为了分析不同分组的参数对不平等性的贡献，方法依据研究区域地理特性将分组分为不同分组，探索对泰尔指数的贡献；
泰尔指数计算：首先统计不同分组内研究单元数量，不同分组内各研究单元的出租车载客服务次数、动态人口；其次统计各分组内总体出租车服务次数总和与动态人口总数；
泰尔指数分解：依据泰尔指数计算公式计算泰尔指数，依据分组数量计算分组的组内贡献与组间贡献。
6.根据权利要求5所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：步骤S3具体操作为；
通过开源数据平台获取动态人口提取，将动态人口投影于所研究的时空分析单元G(k，g)，计算每一个格网内动态人口空间分布的比例PP(k，g)并将其作为人口分布的比例，公式为：
Figure FDA0004061128670000021
其中，H(k，g)表示研究单元G(k，g)内动态人口数量，
Figure FDA0004061128670000022
表示研究区域热力指数总和，n表示研究单元数量。
7.根据权利要求6所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：步骤S2具体操作为：
使用PSR(k，g)表示所研究单元G(k，g)的出租车服务水平，即出租车载客服务次数的占总体服务次数的比例，公式为：
Figure FDA0004061128670000031
其中，NumO(k，g)为研究单元内出租车搭载乘客次数；
出租车载客服务次数为研究单元内出租车搭载乘客次数，研究将轨迹中状态由空载转换为载客的点视为载客点，研究单元内载客点的数量为该时段该单元出租车载客服务水平，具体计算公式为
Figure FDA0004061128670000032
其中，M为研究单元i内车辆的数量，NumO(i，t，m)为t时段研究单元i车辆m的载客点数量。
8.根据权利要求7所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：步骤S4的具体操作为：
泰尔指数的计算公式为：
Figure FDA0004061128670000033
其中，T为总体泰尔指数，K为分组的数量，nk为分组k内格网数量，Ykg为第k区域第j研究单元的出租车载客服务次数，Yk为分组k的出租车总载客服务次数，Y为全部研究区域的总体载客服务次数，PSR(k，g)为研究单元G(k，g)的出租车载客服务次数的占总体服务次数的比例，计算公式为
Figure FDA0004061128670000034
其中，Pkg为分组k内格网g的动态人口，P为研究区域总体的动态人口数量；
总体不平等性分解为区域内差异Tw与区域间差异Tb，计算方式为
T＝Tw+Tb 公式六；
所述泰尔指数用于分解不同区域内与区域间的不平等性，Tw表示区域内不平等性，Tb表示区域间不平等性，计算公式为
Figure FDA0004061128670000041
Figure FDA0004061128670000042
Yk为区域k的出租车总载客服务次数，Y为全部研究区域的总体载客服务次数，Pk为区域k的动态人口数量，P为区域总体的动态人口数量。
9.根据权利要求1所述的顾及动态人口数据的出租车服务综合不平等性评估方法，其特征在于：所述评估方法基于包含接单平台的车辆轨迹数据，将出租车分类为网约、巡游与两者皆用三类，提取出租车上客点，计算出租车载客服务空间分布；基于开源平台获取动态人口热力指数，计算不同时段动态人口数量；在此基础之上，提取出租车载客服务点，计算出租车服务分布；对待评估的研究区域进行分组，计算出租车服务的泰尔指数，并根据分组进行对不平等性贡献度进行分解。
CN202310060273.4A 2023-01-18 2023-01-18 顾及动态人口数据的出租车服务综合不平等性评估方法 Pending CN116402373A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310060273.4A CN116402373A (zh) 2023-01-18 2023-01-18 顾及动态人口数据的出租车服务综合不平等性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310060273.4A CN116402373A (zh) 2023-01-18 2023-01-18 顾及动态人口数据的出租车服务综合不平等性评估方法

Publications (1)

Publication Number Publication Date
CN116402373A true CN116402373A (zh) 2023-07-07

Family

ID=87009228

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310060273.4A Pending CN116402373A (zh) 2023-01-18 2023-01-18 顾及动态人口数据的出租车服务综合不平等性评估方法

Country Status (1)

Country Link
CN (1) CN116402373A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116739322A (zh) * 2023-08-16 2023-09-12 天津市政工程设计研究总院有限公司 基于服务获取指数的出租车供需评估方法、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116739322A (zh) * 2023-08-16 2023-09-12 天津市政工程设计研究总院有限公司 基于服务获取指数的出租车供需评估方法、设备及介质
CN116739322B (zh) * 2023-08-16 2023-12-22 天津市政工程设计研究总院有限公司 基于服务获取指数的出租车供需评估方法、设备及介质

Similar Documents

Publication Publication Date Title
Jenn Emissions benefits of electric vehicles in Uber and Lyft ride-hailing services
CN107767659B (zh) 基于arima模型的共享单车吸引量和发生量预测方法
Mayakuntla et al. A novel methodology for construction of driving cycles for Indian cities
Zhao et al. Uncovering the spatiotemporal patterns of CO2 emissions by taxis based on Individuals' daily travel
CN106529754B (zh) 基于大数据分析的出租车运营情况评估方法
Ho et al. Developing Singapore Driving Cycle for passenger cars to estimate fuel consumption and vehicular emissions
US10621604B2 (en) Method for defining metropolitan area based on regional inter-city flow intensity measurement model
CN109643485A (zh) 一种城市道路交通异常检测方法
López-Martínez et al. Modelling the fuel consumption and pollutant emissions of the urban bus fleet of the city of Madrid
Zhang et al. Green travel mobility of dockless bike-sharing based on trip data in big cities: A spatial network analysis
CN111861022B (zh) 一种基于大数据分析优化电动汽车充电站选址的方法
CN109934403A (zh) 基于数学模型的电动汽车居民区域充电负荷分析预测方法
CN107832910B (zh) 一种评价道路交通特征对一氧化碳排放浓度影响的方法
CN116402373A (zh) 顾及动态人口数据的出租车服务综合不平等性评估方法
Bhatti et al. Development and analysis of electric vehicle driving cycle for hilly urban areas
CN110889086B (zh) 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法
Eisenmann et al. Are cars used differently in Germany than in California? Findings from annual car-use profiles
CN111784027A (zh) 计及地理信息的城市范围电动汽车充电需求预测方法
Zhao et al. Understanding the spatio-temporally heterogeneous effects of built environment on urban travel emissions
Yugendar et al. Driving cycle estimation and validation for Ludhiana City, India
CN115345351A (zh) 一种基于用户行为的电动汽车充电负荷预测方法
CN114666738A (zh) 基于手机信令的国土空间规划方法和系统
Salanova et al. Use of probe data generated by taxis
CN112085315A (zh) 一种基于机动车通勤出行的加油站碳排放强度计算方法
D'Acierno et al. The adoption of micro-mobility solutions for increasing student accessibility: The case study of the University of Naples, Italy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination