The invention discloses a roadside taxi stop location optimization method based on track big data, which includes: acquiring taxi GPS track data, preprocessing and extracting taxi demand data; analyzing the above data in time and space, identifying taxi travel hot spots; judging the hot spot state characteristics, determining a reasonable roadside taxi stop waiting area; dividing the waiting area in the waiting area Passenger travel sub area, calculate the travel demand of sub area; select the center of mass of sub area as the waiting point of stop, establish the passenger travel distance matrix; build the roadside taxi stop model; optimize the solution model through heuristic algorithm to determine the best location scheme. Through data analysis and optimization modeling, the invention provides a scientific and rigorous decision-making standard for the location of roadside taxi stops, has the advantages of strong applicability and high accuracy, solves the contradiction problem of the coexistence of the difficulty of taking a taxi and the high empty rate of the taxi, and creates a convenient and efficient waiting environment for the public.
【技术实现步骤摘要】
基于轨迹大数据的路侧式出租车停靠站选址优选方法
本专利技术属于数据挖掘技术和交通系统规划领域,具体的说是一种基于轨迹大数据的路侧式出租车停靠站选址优化方法。
技术介绍
出租车是城市多层次公共交通出行系统的重要组成部分。随着互联网通讯技术的发展,网约车逐渐成为年轻人青睐的一种打车方式,然而,目前出租车的主要运作模式仍是路边扬招。在这种传统模式下,乘客和出租车司机处于信息隔离的状态,经常出现人找车、车找人的矛盾现象。在时间和空间上存在的供需不匹配,致使打车难和出租车空驶率高、运营效率低等问题并存。为了增加收入,出租车司机通常前往交通繁忙、人流量较大的区域寻找客户,随之产生的出租车路侧随意停靠、占道、换道行为,在一定程度上加剧了周边交通的拥堵和空气污染问题。路侧式出租车停靠站,指在道路上供出租车泊车候客,但不配有现场调度功能的出租车专用区域。在路侧设置出租车停靠站能够有效规范出租车无序的载客行为,降低出租车空驶率,缓解交通压力,为乘客提供高效、便捷的候车条件。但是,大量、密集地设置出租车停靠站是不现实的,会导致出租车失去其灵活性和便利性。在实际规划中,出租车停靠站的位置选择主要取决于交警部门的经验或者部分司机和乘客的调查反馈。由于缺乏科学、严谨的决策标准,导致目前国内大部分城市的路侧式出租车停靠站利用率极低,甚至形同虚设,不但无法发挥停靠站自身的积极作用,还造成了公共空间资源的浪费。因此,为了便于市政规划部门合理增设交通便民设施,提高出租车运营效率,方便社会公众出行,缓解城市交通的区域压力,对路侧式出租车停靠站的选 ...
【技术保护点】
1.一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,该方法包括以下步骤:/n步骤一、获取出租车GPS轨迹数据,对原始数据进行预处理,删除无效和冗余的数据,提取出租车需求信息,包括出租车上客点和下客点数据;/n步骤二、对上述数据进行时空分析,识别出租车出行热点,包括出租车上客和下客热点;/n步骤三、结合实际位置环境,判断热点状态特征,确定合理的路侧式出租车停靠站待建区;/n步骤四、在待建区内划分乘客出行子区,计算各个子区的出行需求量;/n步骤五、选择子区的质心作为停靠站候选点,建立乘客出行距离矩阵;/n步骤六、构建路侧式出租车停靠站选址模型,包括总经济费用最小的目标函数和考虑实际限制因素的约束条件;/n步骤七、通过启发式算法优化求解模型,确定最佳选址方案,包括:路侧式出租车停靠站的设置数量、位置以及理想的出行需求分配方式。/n
【技术特征摘要】
1.一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,该方法包括以下步骤:
步骤一、获取出租车GPS轨迹数据,对原始数据进行预处理,删除无效和冗余的数据,提取出租车需求信息,包括出租车上客点和下客点数据;
步骤二、对上述数据进行时空分析,识别出租车出行热点,包括出租车上客和下客热点;
步骤三、结合实际位置环境,判断热点状态特征,确定合理的路侧式出租车停靠站待建区;
步骤四、在待建区内划分乘客出行子区,计算各个子区的出行需求量;
步骤五、选择子区的质心作为停靠站候选点,建立乘客出行距离矩阵;
步骤六、构建路侧式出租车停靠站选址模型,包括总经济费用最小的目标函数和考虑实际限制因素的约束条件;
步骤七、通过启发式算法优化求解模型,确定最佳选址方案,包括:路侧式出租车停靠站的设置数量、位置以及理想的出行需求分配方式。
2.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述的步骤一的具体步骤如下:
11)获取出租车GPS轨迹数据,所述的出租车GPS轨迹数据包括车辆标识号ID、定位时间Timestamp、经纬度坐标(x,y)、车载状态Status(0/1),其中,0代表空载,1代表重载;
12)提取车载状态由0变成1时的1点数据,构建出租车上客点数据集R1(0→1)={t,s,(x,y)};提取车载状态由1变成0时的0点数据,构建出租车下客点数据集R0(1→0)={t,s,(x,y)},其中,t表示定位时间,s表示车载状态。
3.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述的步骤二的具体步骤如下:
21)将出租车上、下客数据按照时间进行分类即以周为单位进行分类,并且根据日变化规律确定出租车出行的高峰日;
22)将高峰日的出租车上、下客数据导入ArcGIS平台进行空间核密度分析,实现出租车出行热点区域的可视化。
4.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述的步骤三中结合实际位置环境,判断热点状态特征的具体方法如下:
出租车出行热点由于所处位置环境的不同通常呈现两种状态:一、点状的辐射态,该状态出现在火车站、汽车站、机场和大型人流聚集和疏散的场所,这些地方已经配备了出租车停靠站以满足旅客的出行需求,因此不适宜作为路侧式出租车停靠站的待建区;二、网状的分布态,该状态出现在商圈、居民区、并且覆盖多条街道,人车流量大,交通繁忙的区域,适合并需要设置路侧式出租车停靠站。
5.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述步骤四的具体方法如下:
41)选取分割长度2R,将待建区内的道路划分为相邻的网格,沿着道路中线将网格分成上行和下行两个方向的出行子区;定义向东或向南为顺时针方向CW,向西或向北为逆时针方向CCW,根据上行和下行方向定义顺时针方向出行子区Scw和逆时针方向出行子区Sccw;
42)相对于顺时针出行子区Scw的位置,将逆时针出行子区Sccw沿着道路中线整体平移距离R,形成交错排列的位置结构;
43)判断上客点在道路中线两侧的位置,统计顺时针方向出行子区Scw内的上客次数Ncw和逆时针方向出行子区Sccw内的上客次数Nccw;
44)根据出租车平均每次上客人数n,计算出行子区Scw和Sccw的出行需求量分别为:Qcw=Ncw·n和Qccw=Nccw·n。
6.根据...
【专利技术属性】
技术研发人员:曲昭伟,王鑫,宋现敏,李志慧,陈永恒,陶鹏飞,夏英集,
申请(专利权)人:吉林大学,
类型:发明
国别省市:吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。