基于首都机场出租车的信息采集与处理研究
发布时间：2021-09-05 00:44
本文主要研究的是机场出租车问题,在对各个因素以及数据进行深入分析的基础上,综合运用模糊综合评价、排队论等知识建立数学模型去解决问题,最后对模型的合理性及可靠性进行分析。对于影响司机决策的机理分析,首先要确定影响司机决策的因素,然后根据这些因素的重要程度找到它们分别所占的比重,建立单层次的模糊综合评价模型,从而分析出各个因素影响司机决策的机理,最后给出司机选择的策略。本文以北京市首都机场为例,通过网上搜集、文献查找等方式获得了2019年8、9月份每天不同时刻抵达机场的客流量,以及抵达机场的客流量中选择坐出租车离开的比例,对这两部分数据综合处理可以得到每天不同时刻在机场乘坐出租车的人数。然后通过搜集北京市出租车的GPS坐标,利用Matlab软件画出了北京市出租车聚集点热力图。最后,建立基于收益—成本的选择决策模型。根据此模型,可以在司机观测到蓄车池里出租车数量的前提下,给出租车司机决策方案。
【文章来源】：产业创新研究. 2020,(16)
【文章页数】：3 页
【部分图文】：
出租车聚集点热力图
工程技术112产业创新研究 2020.8（下）区、郊区中心、大型商场和飞机场附近。（1）模糊矩阵筛选设，则模糊矩阵：（2）为与的合成，其中，即也称为对的模糊乘积[1]。假设采用个因素来描述出租车司机的选择，设因素集为；再设评价这些因素的评语有个，评语集为；得出单因素综合评判矩阵。对于因素集上的各个因素的权重，利用和的合成运算计算出模糊集，通过给排序，从而帮助司机做出选择。上述模型可表示成述框图，见图2。图2述框图（2）对北京市机场出租车数据分析首先进行数据清洗。所谓数据清洗，即重新审查和校验收集到的数据，发现并纠正或删除数据文件中可识别的数据。对已经清洗过的数据进行下一步处理，首先，求出这30天各个时间点的平均客流量：（4）然后使用Matlab软件画出这30天平均每个时间点的客流量折线图，再画出9月6日、7日、8日三天的每个时间点的飞机乘客客流量的折线图，并整合到同一张图中，以便观察异同。（见图3）图3飞机乘客量折线图又因为下了飞机的乘客不一定都会选择出租车作为交通工具出行，通过林思睿的机场出租车运力需求预测技术研究[3]，可挖掘出飞机乘客在不同时间段存在不同比例的乘客会选择乘坐出租车。因此，对上述的数据做进一步的分析换算可得，9月6日、7日、8日三天的每个时间点的出租车乘客的客流量的折线图。（见图4）图4乘坐出租车的乘客量如图4所示，可以清晰地看出，单日客流量趋势与一个月内平均客流量趋势基本相同，即在凌晨1:00-9:00，北京首都机场抵达的航班数量较少，乘坐出租车的乘客也较少；在10:00-24:00抵达的航班数量较多，而在10:00-11:00其间乘坐出租车的乘客较少。所以，司机如果在凌晨1:00-9:00到机场的话，乘客比较少，如果蓄车池内车?
用和的合成运算计算出模糊集，通过给排序，从而帮助司机做出选择。上述模型可表示成述框图，见图2。图2述框图（2）对北京市机场出租车数据分析首先进行数据清洗。所谓数据清洗，即重新审查和校验收集到的数据，发现并纠正或删除数据文件中可识别的数据。对已经清洗过的数据进行下一步处理，首先，求出这30天各个时间点的平均客流量：（4）然后使用Matlab软件画出这30天平均每个时间点的客流量折线图，再画出9月6日、7日、8日三天的每个时间点的飞机乘客客流量的折线图，并整合到同一张图中，以便观察异同。（见图3）图3飞机乘客量折线图又因为下了飞机的乘客不一定都会选择出租车作为交通工具出行，通过林思睿的机场出租车运力需求预测技术研究[3]，可挖掘出飞机乘客在不同时间段存在不同比例的乘客会选择乘坐出租车。因此，对上述的数据做进一步的分析换算可得，9月6日、7日、8日三天的每个时间点的出租车乘客的客流量的折线图。（见图4）图4乘坐出租车的乘客量如图4所示，可以清晰地看出，单日客流量趋势与一个月内平均客流量趋势基本相同，即在凌晨1:00-9:00，北京首都机场抵达的航班数量较少，乘坐出租车的乘客也较少；在10:00-24:00抵达的航班数量较多，而在10:00-11:00其间乘坐出租车的乘客较少。所以，司机如果在凌晨1:00-9:00到机场的话，乘客比较少，如果蓄车池内车辆比较少，司机就可以等待较短的一段时间；反之亦成立。三、重要信息筛选分析Step1.确定备择对象集：（5）Step2.确定因素集：（6）Step3.确定权重矢量：（7）Step4.确定评价集：（8）Step5.确定评价矩阵：（9）Step6.进行模糊综合评价将评价因素的权重矢量与评价矩阵进行模糊合成变换，即模图1出租车聚集点热力图（3）
【参考文献】：
期刊论文
[1]综合客运枢纽出租车上客点管理模式和效率分析[J]. 吴娇蓉,李铭,梁丽娟. 交通信息与安全. 2012(04)
硕士论文
[1]机场出租车运力需求预测技术研究[D]. 林思睿.电子科技大学 2018
本文编号：3384330
【文章来源】：产业创新研究. 2020,(16)
【文章页数】：3 页
【部分图文】：
出租车聚集点热力图
工程技术112产业创新研究 2020.8（下）区、郊区中心、大型商场和飞机场附近。（1）模糊矩阵筛选设，则模糊矩阵：（2）为与的合成，其中，即也称为对的模糊乘积[1]。假设采用个因素来描述出租车司机的选择，设因素集为；再设评价这些因素的评语有个，评语集为；得出单因素综合评判矩阵。对于因素集上的各个因素的权重，利用和的合成运算计算出模糊集，通过给排序，从而帮助司机做出选择。上述模型可表示成述框图，见图2。图2述框图（2）对北京市机场出租车数据分析首先进行数据清洗。所谓数据清洗，即重新审查和校验收集到的数据，发现并纠正或删除数据文件中可识别的数据。对已经清洗过的数据进行下一步处理，首先，求出这30天各个时间点的平均客流量：（4）然后使用Matlab软件画出这30天平均每个时间点的客流量折线图，再画出9月6日、7日、8日三天的每个时间点的飞机乘客客流量的折线图，并整合到同一张图中，以便观察异同。（见图3）图3飞机乘客量折线图又因为下了飞机的乘客不一定都会选择出租车作为交通工具出行，通过林思睿的机场出租车运力需求预测技术研究[3]，可挖掘出飞机乘客在不同时间段存在不同比例的乘客会选择乘坐出租车。因此，对上述的数据做进一步的分析换算可得，9月6日、7日、8日三天的每个时间点的出租车乘客的客流量的折线图。（见图4）图4乘坐出租车的乘客量如图4所示，可以清晰地看出，单日客流量趋势与一个月内平均客流量趋势基本相同，即在凌晨1:00-9:00，北京首都机场抵达的航班数量较少，乘坐出租车的乘客也较少；在10:00-24:00抵达的航班数量较多，而在10:00-11:00其间乘坐出租车的乘客较少。所以，司机如果在凌晨1:00-9:00到机场的话，乘客比较少，如果蓄车池内车?
用和的合成运算计算出模糊集，通过给排序，从而帮助司机做出选择。上述模型可表示成述框图，见图2。图2述框图（2）对北京市机场出租车数据分析首先进行数据清洗。所谓数据清洗，即重新审查和校验收集到的数据，发现并纠正或删除数据文件中可识别的数据。对已经清洗过的数据进行下一步处理，首先，求出这30天各个时间点的平均客流量：（4）然后使用Matlab软件画出这30天平均每个时间点的客流量折线图，再画出9月6日、7日、8日三天的每个时间点的飞机乘客客流量的折线图，并整合到同一张图中，以便观察异同。（见图3）图3飞机乘客量折线图又因为下了飞机的乘客不一定都会选择出租车作为交通工具出行，通过林思睿的机场出租车运力需求预测技术研究[3]，可挖掘出飞机乘客在不同时间段存在不同比例的乘客会选择乘坐出租车。因此，对上述的数据做进一步的分析换算可得，9月6日、7日、8日三天的每个时间点的出租车乘客的客流量的折线图。（见图4）图4乘坐出租车的乘客量如图4所示，可以清晰地看出，单日客流量趋势与一个月内平均客流量趋势基本相同，即在凌晨1:00-9:00，北京首都机场抵达的航班数量较少，乘坐出租车的乘客也较少；在10:00-24:00抵达的航班数量较多，而在10:00-11:00其间乘坐出租车的乘客较少。所以，司机如果在凌晨1:00-9:00到机场的话，乘客比较少，如果蓄车池内车辆比较少，司机就可以等待较短的一段时间；反之亦成立。三、重要信息筛选分析Step1.确定备择对象集：（5）Step2.确定因素集：（6）Step3.确定权重矢量：（7）Step4.确定评价集：（8）Step5.确定评价矩阵：（9）Step6.进行模糊综合评价将评价因素的权重矢量与评价矩阵进行模糊合成变换，即模图1出租车聚集点热力图（3）
【参考文献】：
期刊论文
[1]综合客运枢纽出租车上客点管理模式和效率分析[J]. 吴娇蓉,李铭,梁丽娟. 交通信息与安全. 2012(04)
硕士论文
[1]机场出租车运力需求预测技术研究[D]. 林思睿.电子科技大学 2018
本文编号：3384330
本文链接：https://www.wllwen.com/jingjilunwen/dianzishangwulunwen/3384330.html
