本站小編為你精心準備了出租車回程候客點布局研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《交通與運輸》2017年第1期

摘要：出租車作為城市交通的重要組成部分，往往通過設置出租車侯客點，實現異地載客。基于出租車GPS原始數據，給出數據處理方法，在此基礎上對廣佛間出行乘客上下車行為進行分析，獲取其空間特征，最后提出基于K-means聚類算法的出行距離最短的回程侯客點的布局模型，為科學地設置出租車回程侯客點提供一定的理論基礎。

關鍵詞：回程侯客點；GPS數據；聚類分析；布局研究

0引言

在同城化趨勢下，毗鄰地區居民往來頻繁，為避免出租車回程空載導致資源浪費，毗鄰地區交通主管部門通常通過協調設置出租車回程候客點來解決這一問題，如廣佛、潮汕等。但目前現有回程候客點的設置主要依據經驗設定，缺乏一定的理論基礎。出租車GPS數據可實現大范圍、全天候車輛行駛信息的數據采集，可以記錄乘客的上下客時間和位置。本文利用廣州市出租車GPS數據，對廣佛間乘客上下車點進行識別，分析其出行行為特征，提出基于K-means聚類算法的出行距離最短的回程候客點的布局模型，為城市出租車交通管理方法的研究和出租車市場的科學管理奠定堅實的基礎。

1數據處理

1.1數據預處理

選用廣州市中心六區一周出租車GPS數據，包括出租車的車牌號、存儲時間、采樣時間、緯度、經度、速度、行駛方向、數據有效性、載客狀態等字段。數據預處理[1-3]的第1步是數據格式調整，主要包括將經緯度坐標轉換為WGS-84坐標，將設備記錄的世界標準時間轉換為北京時間；第2步為數據過濾，根據以往對異常數據的研究方法及廣佛兩市的地理位置等限定條件，設定5項過濾條件：①GPS存儲時間≤采樣時間+30min；②EFF=1；③瞬時速度Speed≤200km/h；④112.95°≤經度Longitude≤114.05°；⑤22.43°≤緯度Latitude≤23.93°。第3步剔除冗余數據，出租車每隔15s會上傳一次GPS信息，但實際情況中，經常會出現傳送不止一遍的情況，為了保證數據的有效性，需對這些重復數據予以剔除。

1.2上下客點識別

出租車載客狀態變化的時刻即為乘客上下車的時刻，（上客：0→1；下客：1→0），考慮GPS終端返回數據的時間較短，采用載客狀態顯示1或0的時刻作為乘客的上或下客點，該時刻的GPS數據經緯度坐標為乘客上或下車經緯度[4]。上下客點識別[5]的第1步是數據排序，將GPS數據轉化為按LICENSEPLATENO（車牌號）、GPS_TIME（采樣時間）順序排序的點序列；第2步為數據點轉化為數據段，將各相鄰數據點i、j的CAR_STAT1(i)、CAR_STAT1(j)首尾依次相接，即將數據點轉化為數據段，記為CAR_STAT1(ij)；第3步識別上、下客點經緯度，若CAR_STAT1(ij)=CAR_STAT1(01)，則j可識別為1次出行的起點；若CAR_STAT1(ij)=CAR_STAT1(10)，則i可識別為1次出行的終點；第4步數據輸出，識別為1次出行起終點的數據經緯度對（LONGITUDE(i)，LATITUDE(i)），（LONGITUDE(j)，LATITUDE(j)）進行保留輸出，其他刪除。

1.3佛山方向上客點可視化呈現

利用Arcgis軟件，將廣州市廣佛出行乘客上客點的GPS坐標數據批量投影到shp格式的廣州市電子地圖上，進行可視化呈現。

（1）采取幾何分析算法[6]對廣佛出租車起訖點在地圖上進行地圖匹配。第1步是選取匹配路段，選取廣佛兩市內主要道路節點作為地圖匹配的基準點。將以定位點為中心的誤差范圍內的道路節點與定位點進行比較，選取與定位點距離最近的路段作為最終的匹配路段；第2步為確定具體位置，采用垂直投影的方法確定該定位點在匹配路段的具體位置。

（2）導入Arcgis中的GPS點位，篩選廣佛出行起點。按位置選擇出行起點位于廣州市、出行訖點落入佛山市的有效點位，導出有效點位數據（6854個），進行廣佛出行乘客上客點可視化呈現。

2出租車上客熱點分析

繪制廣佛間出行廣州出租車上客點分布熱力圖。出租車上客點集中分布于兩大區域，一是廣州市綜合客運樞紐，如白云國際機場、廣州南站、廣州站、廣州東站，二是廣佛交界處的公路客運站場、城市交通站場，如滘口汽車站、潯峰崗地鐵站、黃沙地鐵站、芳村客運站（坑口地鐵站附近）、西朗地鐵站等。

3回程候客點布局研究

3.1布局原則[8]

（1）宜設置在人流量大、密集且具有大量廣佛間出租車需求的場所，如兩地大型商業區、居住區、醫院、旅游景點的出入口處；

（2）宜設置在兩市重要客運樞紐的出入口，方便兩地居民換乘市內交通；

（3）宜設置在與主干路相交的次干道或支路上，可結合已有的輔道或非機動車道設置，并設置相應引導性標志牌；

（4）宜分布于廣佛兩地交界的鎮街，在城市出入口設置回程候客點；

（5）考慮本市出租車運營，回程候客點不宜過于縱深至城市中心腹地。

3.2布局模型

依據各路段廣佛間出行上客需求空間分布和城市道路路段交通設置等狀況，提出基于區域劃分的出行距離最短的回程候客點的布局模型。

3.2.1基于K-means聚類算法[9]，獲取初始布局點位

聚類分析可以以乘客上客點之間的距離來衡量上客點之間的親疏程度，本文選用算法簡單、收斂速度較快的K-means聚類算法對廣佛間出行上客點經緯度數據進行聚類，獲取初始點位方案。算法原理如下：

Step1從6854個（數據樣本量）乘客上客點中隨機選擇18個（預先設定的簇中心個數）上客點初始簇中心；

Step2剩下的上客點根據其與選擇的18個上客點的空間直線距離，劃分到與其較近的初始簇中心；

Step3重新計算各簇的新的簇中心；

Step4重復Step2、Step3，直到標準測度函數（簇內誤差平方總和）收斂為止；

Step5輸出初始回程候客點點位經緯度數據。

3.2.2合并、移動初始簇中心，確定回程候客點布局方案

聚類分析獲得的各簇別內乘客上客點的數據相差較大，如14簇別僅1個上客點，而5簇別1386個上客點，這是由K-means聚類算法系統指定初始簇中心和各地區乘客上客需求差異較大引起的。因此得到的初始點位僅能作為方案制定的數據支持，具體方案的制定還需要結合回程候客點的布局原則、廣佛兩地實際的交通設施狀況，對初始點位進行合并、移動。

Step1將點位數Ci位數≤50的簇別合并到就近簇別；

Step2將簇別中心距廣佛邊界里程數Si>12km的簇別合并到就近簇別；

Step3甄選簇別中心2km以內的重要樞紐、商場、居住區，將簇別中心移動至符合條件的客運樞紐、商業中心的出入口處；

Step4優先考慮現有回程候客設施，結合已有的輔道或非機動車道設置，并設置相應引導性標志牌；

Step5獲取回程候客點最終布局方案。

4結術語

本文利用出租車GPS原始數據，給出數據的預處理、異地出行上下客識別的方法，針對異地出行乘客熱點進行分析，獲取空間分布特征，對異地乘客出行行為的分析，具有一定的客觀性，可為城市交通管理部分的出租車行業管理提供一定的數據支撐。基于K-means聚類算法的回程候客點布局模型，可為城市間出租車回程候客點的設置提供一定的理論基礎。由于本文出租車GPS數據僅為廣州市中心六區數據，未覆蓋廣州市全市范圍且未包含佛山市出租車數據，而且回程候客點的布局還應考慮兩市交通運行以及相關政策情況，因此，最后得出的布局方案具有一定的局限性，后續研究可進一步完善。

參考文獻：

[1]何雯等.基于GPS軌跡的規律路徑挖掘算法[J].吉林大學學報（工學版），2014,44(6):1764-1770.

[2]白竹等.基于GPS數據的擁擠狀態下出租車運行信息提取技術[J].黑龍江工程院學（自然科學版），2012,26(4):27-30.

[3]張俊濤等.利用出租車軌跡數據挖掘城市居民出行特征[J].地理與地理信息科學，2015,31(6):104-108.

[4]童曉君等.基于出租車GPS數據的城市居民出行行為分析[J].電腦與電信，2012(1):56-59.

[5]齊林.基于GPS數據的出租車交通運行特性研究及應用[D].哈爾濱工業大學，2013.

[6]欒麗娜.基于GPS數據的城市出租車運營分析與數據挖掘[D].山東大學，2015.

[7]廣州市交通運輸研究所.廣佛公共交通一體化研究[R].2016.

[8]葉海飛.出租車停靠站的設置方法[J].交通標準化，2014,42(15):68-72.

[9]翟東海等.最大距離法選取初始簇中心的K-means文本聚類算法的研究[J].計算機應用研究，2014,31(3):713-715.

作者：李曉玉；蘇躍江；吳德馨 單位：廣州市交通運輸研究所