基于GPS数据的出租车通勤识别及时空特征分析

发布时间：2019-08-24 14:33

【摘要】：为研究城市居民出行活动中使用出租车完成的通勤行为及其时空分布特征,基于出租车GPS设备所生成车辆活动轨迹数据,利用地理信息数据库处理及GIS技术,对出租车出行起讫点信息进行甄别,在交通小区划分的基础上,构建了出租车载客出行行为OD矩阵,提出了基于出租车出行的通勤客流识别模型,并据此建立了通勤距离和时长的计算模型,用于通勤行为的时空特征分析。最后,以西安市为实证对象,对建立的模型进行实证分析。研究结果表明:各交通小区间出租车出行交通流波动系数在0.2时较为稳定;工作日的早高峰通勤交通流为20 000~27 000车次,晚高峰通勤交通流为15 000~27 000车次,其中,周一和周二相对稳定,周三至周五略有增加;工作日出租车早、晚高峰平均载客车次数基本一致,周二出租车通勤人数最多,周四相对较少;整月内所有工作日早高峰出行中依靠出租车的通勤出行量约占单日高峰交通流均值的27%;出租车通勤出行平均距离为3.7km,通勤距离主要分布在2.5~7km,通勤出行的平均时长为17min,通勤时间主要分布在10~20min;就业地和居住地的识别结果与实际土地利用性质所代表的地块属性基本一致,该方法可对城市居民使用出租车方式的通勤行为以及就业地和居住地进行有效识别,并为城市通勤服务交通系统优化及空间活动的异质性分析提供依据。
【图文】：

活动事件,数据描述,轨迹

ｍ·ｈ－１ｄ方向９０°正北方向夹角，正北为０，顺时针ｐ总里程１３２５ｍ累计里程ｑ总时间１３６５８４５４００００μｓ累计时间出租车日常交通活动行为由多个ＧＰＳ轨迹点构成，这些点按照时间序列线性链接，构成车辆行驶轨迹，并可反映车辆上、下客活动信息。上、下客事件的准确位置可认为是在完成１次上客、下客的轨迹状态发生变化的连续２个点之间。因此，出租车上、下客事件可被认为是一个由０→１，１→０的、有方向及起止点的线性事件（图１）。图１ＧＰＳ活动事件轨迹数据描述Ｆｉｇ．１ＴｒａｊｅｃｔｏｒｙＤａｔａＤｅｓｃｒｉｐｔｉｏｎｏｆＧＰＳＡｃｔｉｖｅＥｖｅｎｔ１．２轨迹数据逻辑模型出租车轨迹数据所形成的线性事件可被认为是由车辆ＧＰＳ信息所反馈信息的时间序列，，该序列为一系列包含时间信息、空间信息、运营信息的点集，其可表示为１组集合｛Ｐ１，Ｐ２，Ｐ３，…，Ｐｎ｝，其中，ｎ为指定时段内某出租车所形成轨迹点总数，Ｐｉ为某时刻轨迹点；对于任一Ｐｉ点，有ｉ∈（１，ｎ）。在ＧＰＳ轨迹数据基本构成基础上，根据研究需要，Ｐｉ可设计为包含６项基本信息的一维数组，Ｐｉ＝｛ｌｉ，ｘｉ，ｙｉ，ｔｉ，ｓｉ，ｖｉ｝。其中，ｌｉ为车牌；ｘｉ和ｙｉ分别为ｔｉ时刻车辆所处位置经纬度值；ｓｉ，ｖｉ分别为ｔｉ时刻车辆载客状态和行驶速度。其中ｓｉ＝１为载客，ｓｉ＝０为空驶。１．３地图信息匹配本文所指的地图匹配，是指通过特定算法，将出租车ＧＰ

数据匹配,道路网络,轨迹

的对应，将位于不同坐标系中的点和路段关联起来，找到车辆行驶轨迹所对应道路，进而确定车辆在地图中某路段上的具体位置和行驶方向，以便分析车辆出行活动中的通勤特性及空间规律。以西安市为例，借助网络电子地图数据获取底图［图２（ａ）］，以此为基础，使用ＡｒｃＧＩＳ工具绘制电子地图［图２（ｂ）］，其中，电子地图包含空间信息和属性信息两部分，空间信息包括地理位置信息和拓扑属性信息，空间地物被抽象为节点、路段（线）、交通小区（面）的形式，空间地物之间的联系通过拓扑关系实现。图２西安市道路网络及轨迹数据匹配Ｆｉｇ．２Ｘｉ’ａｎ’ｓＲｏａｄＮｅｔｗｏｒｋａｎｄＴｒａｊｅｃｔｏｒｙＤａｔａＭａｔｃｈｉｎｇ１３６中国公路学报２０１７年
【作者单位】：长安大学经济与管理学院;西安建筑科技大学土木工程学院;
【基金】：国家自然科学基金项目(41301130) 教育部人文社会科学研究基金项目(12YJCZH051) 中央高校基本科研业务费专项资金项目(CHDW2011JC018,310823161001)
【分类号】：U491

【相似文献】