基于GPS数据的出租车供需不平衡时空分布及影响因素研究

发布时间：2021-01-01 08:39

　　出租车作为城市交通中必不可少的一部分,为出行者提供了便利、快捷的门到门运输服务。本文基于出租车GPS数据,通过指标构建、回归分析,从驾驶员行为、系统规划角度分别研究了出租车供需不平衡时空分布及其影响因素,为改善出租车市场供需不平衡现状,提高出租车的运行效率奠定基础。本文以上海市为案例城市,在驾驶员行为角度下,以高、中、低三种时间空车率水平为因变量。从寻、送客策略,提取出自变量,建立广义多水平定序Logit回归模型,并进行了弹性分析。在系统规划角度下,视上车次数为需求,结合平均空车时间、平均载客速度这两个供需不平衡指标,以21:00-22:00时间段为例,可视化了存在供需不平衡问题的区域,并发现问题区域大部分存在于黄浦江西侧的中心城区。之后,以识别出的供需情况为因变量,从社会经济属性、交通属性以及建成环境属性建立自变量,分别进行线性回归、多元Logistic回归。结果显示:多元Logistic回归效果更好。人口密度、住宅用地面积,兴趣点的个数以及道路密度显著影响供大于求问题。而商业用地的面积以及公交车站数、到最近地铁站的距离将显著影响供大于求和供小于求问题。本论文分析了出租车空车率的分布... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

文章的技术框架

图 2-1 匹配路段的选取方法Fig.2-1 The choosing method of matching street segments待匹配的点是交叉口的节点时，那么考虑定位点 P 前后点的位点前后点的匹配路段加入到待匹配路段的集合中去，从而点最近的路段当作这个匹配节点的匹配路段，示意图如图 2-终的匹配路段为距离近的路段 L2：图 2-2 交叉口匹配路段选取方法ig.2-2 The choosing method of matching street segments around intersecti

路段为 L2。图 2-1 匹配路段的选取方法Fig.2-1 The choosing method of matching street segments待匹配的点是交叉口的节点时，那么考虑定位点 P 前后点的匹位点前后点的匹配路段加入到待匹配路段的集合中去，从而选点最近的路段当作这个匹配节点的匹配路段，示意图如图 2-2终的匹配路段为距离近的路段 L2：

【参考文献】：
期刊论文
[1]出租车载客点个性化推荐算法[J]. 张跃威,屈卫东.  计算机系统应用. 2017(06)
[2]基于数据场的出租车轨迹热点区域探测方法[J]. 周勍,秦昆,陈一祥,李志鑫.  地理与地理信息科学. 2016(06)
[3]基于运营系统的出租车出行需求短时预测模型[J]. 林永杰,邹难.  东北大学学报(自然科学版). 2016(09)
[4]城市出租车空载率时空特征及其影响因素研究——以深圳市为例[J]. 鞠炜奇,杨家文,林雄斌.  规划师. 2015(S2)
[5]“打车难”的成因分析与破解对策[J]. 樊启敏,刘伍刚.  交通科技. 2013(S1)
[6]基于FCD的城市出租车空驶率及拥有量的计算[J]. 康留旺.  数字技术与应用. 2010(07)
[7]基于FCD的出租车空驶时空特性及成因研究——以深圳国贸CBD为例[J]. 关金平,朱竑.  中山大学学报(自然科学版). 2010(S1)
[8]基于浮动车技术的动态交通拥挤预测模型[J]. 黄玲,徐建闽.  华南理工大学学报(自然科学版). 2008(10)

硕士论文
[1]基于轨迹数据挖掘的短时出租车区域分布预测研究[D]. 李秉帅.吉林大学 2017
[2]基于出租车轨迹的出行需求预测方法研究[D]. 康科.长安大学 2017
[3]基于出租车供需关系的大规模出租车轨迹数据挖掘研究[D]. 吕江波.兰州交通大学 2016
[4]基于出租车GPS轨迹的智能推荐系统[D]. 姚鹏.长安大学 2015
[5]基于出租车轨迹数据挖掘的推荐模型研究[D]. 赵苗苗.首都经济贸易大学 2015
[6]基于GPS数据的城市出租车运营分析与数据挖掘[D]. 栾丽娜.山东大学 2015
[7]基于GPS数据的出租车交通运行特性研究及应用[D]. 齐林.哈尔滨工业大学 2013
[8]基于GPS浮动车的城市道路交通事件检测技术研究[D]. 颜安.长安大学 2010
[9]行业管制下分时段大城市出租车供需关系研究[D]. 王虎军.北京交通大学 2007



本文编号：2951285