基于GPS數(shù)據(jù)的出租車路徑選擇行為研究

楊 揚，姚恩建*，潘 龍，趙 楠

(1.北京交通大學城市交通復雜理論與技術教育部重點實驗室，北京100044；2.北京城市交通協(xié)同創(chuàng)新中心，北京100044；3.惠州市住房和城鄉(xiāng)規(guī)劃建設局城市交通規(guī)劃所,廣東，惠州516000)

基于GPS數(shù)據(jù)的出租車路徑選擇行為研究

楊 揚1,2，姚恩建*1,2，潘 龍1，趙 楠3

(1.北京交通大學城市交通復雜理論與技術教育部重點實驗室，北京100044；2.北京城市交通協(xié)同創(chuàng)新中心，北京100044；3.惠州市住房和城鄉(xiāng)規(guī)劃建設局城市交通規(guī)劃所,廣東，惠州516000)

出租車路徑選擇行為研究對于剖析城市交通流時空分布規(guī)律及交通流分配具有重要意義.基于北京市出租車調(diào)度系統(tǒng)采集的GPS（Global Positioning System）數(shù)據(jù)，本文首先通過旅程數(shù)據(jù)提取、地圖匹配及雙向掃除算法，構建車輛路徑選擇行為分析所需的RP（Revealed Preference）數(shù)據(jù).其次，在綜合考慮道路網(wǎng)絡條件和交通條件對駕駛員路徑選擇行為影響的基礎上，構建基于PSL（Path-Size Logit）模型的出租車多路徑概率選擇模型.案例分析結(jié)果表明，出租車駕駛員更傾向于選擇旅行時間短、轉(zhuǎn)向次數(shù)少、主干路和次干路比例較高的路徑.同時，文中所提出的路徑選擇行為建模方法，對于提高GPS數(shù)據(jù)的使用價值具有積極的意義.

交通工程；路徑選擇行為；PSL模型；出租車；GPS數(shù)據(jù)

1 引 言

車輛路徑選擇行為建模是分析駕駛員路徑選擇行為及路網(wǎng)交通流分配的基礎.出租車作為城市交通流中重要的組成部分，其路徑選擇行為會對交通網(wǎng)絡的運行產(chǎn)生較大的影響，分析其路徑選擇行為將有助于分析城市交通流時空分布規(guī)律，為交通流分配奠定基礎，進而為交通網(wǎng)絡的合理設計和管理提供依據(jù).近年來，Yang等[1]和Wong等[2]在分析基于道路網(wǎng)絡出租車出行特征的基礎上，分別構建了固定需求和彈性需求下的出租車網(wǎng)絡均衡模型.馬俊來等[3]和邊揚等[4]在上述研究的基礎上，考慮了出行需求對出租車路徑選擇行為的影響，構建了城市出租車運營網(wǎng)絡平衡模型.四兵鋒[5]分析了多方式網(wǎng)絡下出租車的路徑選擇行為.雖然上述研究均對出租車路徑選擇行為進行了分析，但是并沒有實際數(shù)據(jù)的支持，研究結(jié)論難以準確描述實際路網(wǎng)中的出租車路徑選擇行為.周元鋒等[6]通過SP(Stated preference)調(diào)查數(shù)據(jù)分析了VMS(Variable Message Signs)對出租車駕駛員路徑選擇行為的影響.但是，SP調(diào)查結(jié)果難以準確反映出租車在真實道路條件下的路徑選擇結(jié)果.因此，基于RP調(diào)查數(shù)據(jù)分析出租車真實環(huán)境下的路徑選擇行為，是對上述研究的有效補充.

隨著信息通訊手段的進步和車載導航儀、智能手機等設備的普及，GPS數(shù)據(jù)的精度日益提高且獲取更加容易.通過對GPS數(shù)據(jù)進行提取和加工能夠獲得人們真實的出行路徑選擇數(shù)據(jù)，其效果等效于對出行者進行了RP調(diào)查.因此，許多學者開展了基于GPS數(shù)據(jù)分析真實條件下車輛路徑選擇行為的研究.Li[7]基于GPS數(shù)據(jù)分析了早晨通勤客流的路徑選擇行為.Mandir等[8]在研究慕尼黑都市圈中駕駛員路徑選擇行為中，運用C-logit模型構建了基于GPS數(shù)據(jù)的車輛路徑選擇模型，以證明交通信息有助于節(jié)約出行總時間和總能耗.Hood等[9]和Broach等[10]在研究自行車出行者的路徑選擇行為中，運用PSL模型構建了基于GPS數(shù)據(jù)的自行車出行者的路徑選擇模型，以避免重復路段的影響.

本文基于北京市出租車GPS數(shù)據(jù)，通過旅程數(shù)據(jù)提取、地圖匹配、K-最短路算法中的雙向掃除算法構建路徑選擇行為分析所需的RP數(shù)據(jù).在綜合考慮道路條件和交通狀態(tài)對駕駛員路徑選擇行為影響的基礎上，利用非集計理論構建多路徑概率選擇模型，分析真實條件下的出租車路徑選擇行為，探討各影響因素的影響程度及其相互關系，為小汽車出行路徑誘導方案的制定，以及考慮多重因素作用下的交通流分配模型提供重要參考，所提出的建模方法也為完善城市智能交通系統(tǒng)提供幫助.

2 建模方法

2.1 數(shù)據(jù)采集及預處理

本文所采用的數(shù)據(jù)主要包括車輛GPS數(shù)據(jù)、電子地圖數(shù)據(jù)和交通狀態(tài)數(shù)據(jù)等三個方面.車輛GPS數(shù)據(jù)來源于北京浮動車歷史數(shù)據(jù)庫中的原始浮動車數(shù)據(jù)，該數(shù)據(jù)庫采集自北京市出租汽車，原始浮動車數(shù)據(jù)記錄時間為當天0:00–24:00.數(shù)據(jù)庫中一條記錄包含了車輛編號、數(shù)據(jù)采集時間點、浮動車GPS點(Pi)位置、浮動車的行駛速度、行駛方位角、乘客乘車狀態(tài)和事件信息等.電子地圖數(shù)據(jù)包含了北京市道路的基本屬性、道路網(wǎng)的交叉路口點、道路連接點等信息.交通狀態(tài)數(shù)據(jù)包含了北京市各條鏈路全天的平均速度，以5 min為間隔，全天共288條數(shù)據(jù).

由于城市中建筑物對信號傳輸過程的影響，以及GPS測量精度等，造成浮動車在定位時存在較大誤差，使得原始浮動車數(shù)據(jù)中存在一些異常數(shù)據(jù)，包括定位信息在一段時間內(nèi)保持不變的無效數(shù)據(jù)，速度遠高于正常行駛速度的異常數(shù)據(jù)等.上述數(shù)據(jù)都會對地圖匹配精度產(chǎn)生較大影響.因此，在對浮動車數(shù)據(jù)進行地圖匹配前，首先依據(jù)以下判斷邏輯對異常數(shù)據(jù)進行排除：

（1）根據(jù)道路等級設定浮動車速度的最高閾值（快速路100 km/h；主干道80 km/h；次干道和支路60 km/h）.

（2）當前浮動車點到上一個有效浮動車點之間的距離小于30 m時，為了避免GPS數(shù)據(jù)本身的誤差對地圖匹配產(chǎn)生干擾，將其視為無效浮動車數(shù)據(jù)點進行剔除，再計算下一個浮動車點到有效浮動車點之間的距離.

2.2 數(shù)據(jù)處理

2.2.1 旅程數(shù)據(jù)提取

浮動車數(shù)據(jù)中交錯記錄了出租汽車空駛和載客的全部信息.通常，出租汽車駕駛員采取巡游攬客，空駛時是一種無目的的駕駛行為，不存在強烈的目的性和時間性，并不能反映真實的路徑選擇結(jié)果.相反，駕駛員在載客時目的明確，所選路徑是駕駛員和乘客共同意愿的體現(xiàn).因此在利用原始浮動車數(shù)據(jù)進行路徑選擇建模時，需要提取載客運行過程的信息作為分析數(shù)據(jù)，以避免空駛狀態(tài)信息對出行路徑選擇行為研究的影響.在此，將出租車從開始載客直至目的地乘客下車的全過程中所行駛的路徑定義為旅程數(shù)據(jù).如圖1所示，出租汽車按1-2-3-4-5-6-7的順序行駛，圖中圓點表示浮動車位置，空心和實心分別表示出租汽車空駛和載客狀態(tài).通過旅程識別，可提取得到出租車的旅程數(shù)據(jù)，即圖中所對應3-4-5-6-7順序.

2.2.2 地圖匹配

由于受到采集頻率的限制，相鄰浮動車數(shù)據(jù)點間相距較遠且可由多條路徑進行串聯(lián)，單純依靠浮動車的GPS信息并不能準確反映車輛真實的走行路徑.因此，本文采用文獻[11]中提出的地圖匹配算法對浮動車數(shù)據(jù)點進行地圖匹配，獲得旅程的駕駛員所選路徑及各組成路段.結(jié)果如圖2中實線所示.

圖1 旅程識別Fig.1 Trip identification

圖2 地圖匹配結(jié)果Fig.2 The travel trajectory based on map matching

2.3 備選路徑集生成

作為路徑選擇行為建模過程中必不可少的環(huán)節(jié)，備選路徑集生成是指針對任一起訖點，確定哪些路徑是出行者考慮的備選路徑.備選路徑集合的大小和組成將嚴重影響標定路徑選擇行為模型的準確性[12].典型的備選路徑生成算法包括K-最短路算法、鏈路標記法、鏈路懲罰法、鏈路消除法、分支定界法和基于仿真模擬的算法等.但是從算法效率和準確性等方面考慮，只有基于最短路徑算法的備選路徑生成算法適用于大型的交通網(wǎng)絡[9].因此，采用K-最短路算法中執(zhí)行效率相對較高的雙向掃除算法[13]（含回路處理）篩選得到每個OD(Origin Destination)對間的K條最短路徑，構造得到備選路徑集合.考慮到出行者對于出行時間最為敏感，若某條路徑的時間超過其最大忍耐值，出行者將不會再考慮該出行路徑[14].因此，按照乘客可以忍受的路徑時間與最短路徑時間的差值（絕對值和相對值）設定可接受的臨界閾值，運用非補償原則確定最終的備選路徑集合，并與匹配得到的車輛真實走行路徑共同組成路徑選擇行為分析所需的RP數(shù)據(jù).其中絕對差值和相對差值的臨界閾值分別取10 min和1.5倍，且只刪去均不滿足兩種閾值的路徑.

2.4 模型的構建

傳統(tǒng)的MNL(Multinomial Logit)模型因具有IIA（independence of irrelevant alternatives）特性，難以適用于真實的交通路網(wǎng)中.因此，相關學者提出了諸多改進的路徑選擇模型.按照模型結(jié)構可將改進的路徑選擇模型分為MNL修正模型、基于廣義極值理論的離散選擇模型和混合Logit模型等三類.由于后兩類模型依然存在計算效率低等問題，難以運用于大型的交通網(wǎng)絡.相反地，MNL修正模型通過在效用函數(shù)中添加表征相似性度量的修正項，克服了由于IIA特性引起的統(tǒng)計誤差的同時，繼承了MNL模型易于計算的特點，在實踐中擁有良好的適用性.因此，本文選擇MNL修正模型中的PSL模型（Ben-Akiva&Bierlaire,1999）[15]作為車輛路徑選擇行為模型的基本框架.

其中PSL模型修正項為

Γk——路徑k中路段的集合；

Krs——OD對rs上的路徑集合；

RS——所有OD對的集合；

la——路段a的長度；

修正后的效用函數(shù)為

β——值為正的參數(shù)；

選擇概率的計算公式為

3 實例分析

3.1 數(shù)據(jù)

選取北京市內(nèi)面積約為10 km×10 km的區(qū)域作為研究范圍，如圖3所示.提取該范圍內(nèi)出租汽車的GPS數(shù)據(jù)（即原始浮動車數(shù)據(jù)），經(jīng)過數(shù)據(jù)預處理、旅程提取及地圖匹配等處理后，獲得406個OD對及相應的路徑行駛軌跡數(shù)據(jù).

由于出租車司機對北京市道路網(wǎng)絡和交通條件擁有較高的熟悉度，因此在探索備選路徑集合時，可結(jié)合北京市道路網(wǎng)5 min間隔的歷史旅行時間數(shù)據(jù)庫，以總的旅行時間為搜索標準，運用K-最短路算法中的雙向掃除算法搜索任一OD對間的可行路徑，取前K條路徑作為備選路徑集合，并且備選路徑集中必須包括實際走行路徑.考慮可行路徑的數(shù)量應受限于人的感知能力，因此設定備選路徑集的最大元素數(shù)量為6.通過提取路徑的道路條件和交通狀態(tài)指標形成描述各路徑的特征向量，為后續(xù)路徑選擇行為分析和建模提供數(shù)據(jù)基礎.其中，道路條件指標包括旅行距離、左轉(zhuǎn)次數(shù)、右轉(zhuǎn)次數(shù)、快速路比例、主干路比例、次干路比例和支路比例等，交通狀態(tài)指標包括旅行時間和旅行速度等.最后，根據(jù)已確定的臨界閾值和刪除邏輯，篩選得到最終的備選路徑集合.

圖3 研究范圍Fig.3 Study areas in Beijing city

3.2 模型標定結(jié)果

綜合考慮影響因素相關性，并比較不同影響因素組合帶入模型的t檢驗結(jié)果，最終選擇的模型特征變量及其說明如表1所示.

表1 模型特征變量及其說明Table 1 Illustration of route choice model’s variables

在確定模型特征變量之后，運用最大似然估計法對PSL模型進行標定，并與MNL模型的標定結(jié)果進行對比分析，具體結(jié)果如表2所示.

表2 模型標定結(jié)果Table 2 Model estimation results

從表2中可以看出，兩個模型中各參數(shù)的t值均滿足要求，表明上述參數(shù)的標定結(jié)果具有良好的統(tǒng)計有效性.PSL模型中修正項所對應的系數(shù)為正，符合模型的基本原理.上述兩個模型的調(diào)整優(yōu)度比均較高，但與MNL模型相比，PSL模型的調(diào)整優(yōu)度比更好.由此可見，盡管上述模型均能較好地描述車輛的路徑選擇行為，但相對于MNL模型而言，PSL模型能更好地表現(xiàn)實際路徑選擇行為.

3.3 結(jié)果分析

(1)系數(shù)分析.

旅行時間變量對應系數(shù)為負，即路徑所需的旅行時間越長，其效用越小，被選擇的概率越低，表明駕駛員更傾向于選擇旅行時間短的路徑，與實際相符.左轉(zhuǎn)次數(shù)和右轉(zhuǎn)次數(shù)變量的對應系數(shù)均為負，表明駕駛員傾向于選擇轉(zhuǎn)向較少、線路較為順直的路徑.路徑中主干路和次干路所占比例項對應的系數(shù)為正，表明駕駛員在路徑選擇時會傾向于選擇主干路和次干路比例較高的路徑.可能原因在于：由于北京機動車保有量較高，使得快速路在很長一段時間內(nèi)處于擁堵的狀態(tài)，出租汽車駕駛員憑借對交通路網(wǎng)的熟悉程度會選擇其它等級的道路以避免交通擁堵.因此，相對于較為擁堵的快速路和道路通行能力較低的支路而言，主干路和次干路更加受到出租車駕駛員的偏愛.

(2)邊際替代率.

邊際替代率(Marginal Rates of Substitution, MRS)是指在效用保持不變的前提下，增加因素αi的一個單位值時所需要減少的另一因素αj的值.計算公式為

因此，其他影響因素與路徑所需旅行時間項之間的邊際替代率如表3所示.

表3 邊際替代率計算結(jié)果Table 3 Calculation results of MRS

分析可知，若增加一次左轉(zhuǎn)，為保持其效用不變，旅行時間需要減少近1 min；若增加一次右轉(zhuǎn)，為保持其效用不變，旅行時間需要減少近20 s.據(jù)此不難發(fā)現(xiàn)，相對于右轉(zhuǎn)而言，駕駛員優(yōu)先選擇左轉(zhuǎn)次數(shù)少的路徑，并且每一次左轉(zhuǎn)相當于三次右轉(zhuǎn)對于駕駛員路徑選擇的影響，這與現(xiàn)實生活中車輛左轉(zhuǎn)比右轉(zhuǎn)更為復雜的事實相符，進一步說明了模型的有效性.

4 研究結(jié)論

本文基于北京市出租車GPS數(shù)據(jù)，通過旅程識別處理、地圖匹配和K-最短路計算等過程構建了包含實際走行路徑的備選路徑集合，并通過路徑特征值提取獲得出租汽車路徑選擇行為分析的RP數(shù)據(jù).然后，結(jié)合路徑影響因素分析，構建了基于PSL模型出租汽車多路徑概率選擇模型，形成了基于GPS數(shù)據(jù)的路徑選擇行為建模及分析方法，提高了GPS數(shù)據(jù)的使用價值，為智能交通系統(tǒng)的完善提供幫助.通過與MNL模型結(jié)果的對比，表明PSL模型能更好的描述城市路網(wǎng)中的路徑選擇行為.分析結(jié)果表明，出租汽車駕駛員更傾向于選擇旅行時間短、轉(zhuǎn)向次數(shù)少、主干路和次干路比例較高的路徑.同時對于出租汽車駕駛員而言，路徑中進行一次左轉(zhuǎn)相當于增加了1 m in的旅行時間，而進行一次右轉(zhuǎn)僅相當于增加了20 s的旅行時間.

[1]Yang H,Wong S C.A network model of urban taxi services[J].Transportation Research Part B: Methodological,1998,32(4):235-246.

[2]Wong K I,Wong S C,Yang H.Modeling urban taxi services in congested road networks with elastic demand[J].Transportation Research Part B: Methodological,2001,35(9):819-842.

[3]馬俊來,邊揚,王煒.基于駕駛行為分析的城市出租車運營網(wǎng)絡平衡模型[C].中國城市交通規(guī)劃2006年年會暨第22次學術研討會,2006.[MA J L, BIAN Y,WANG W.A equilibrium model of urban taxi service network based on analyzing taxi-driving behaviors[C].The 22th Conference on Chinese Urban Transportation Planning,2006.]

[4]邊揚,王煒,陸建.城市出租車運營網(wǎng)絡平衡模型[J].交通運輸工程學報,2007,7(1):93-98.[YANG B, WANG W,LU J.Equilibrium model of urban taxi service network[J].Journal of Traffic and Transportation Engineering,2007,7(1):93-98.]

[5]四兵鋒,孫壯志,趙小梅.基于隨機用戶平衡的混合交通網(wǎng)絡流量分離模型[J].中國公路學報,2006,19 (1):93-96.[SI B F,SUN Z Z,ZHAO X M.Mixed traffic network flow-split model based on stochastic user equilibrium[J].China Journal of Highway and Transport, 2006,19(1):93-96.]

[6]周元峰.基于信息的駕駛員路徑選擇行為及動態(tài)誘導模型研究[D].北京:北京交通大學,2007. [ZHOU Y F.Research on driver route choice behavior in the presence of information and dynamic guidance model[D].Beijing:Beijing Jiaotong University, 2007.]

[7]Li H.Investigating morning commute route choice behavior using global positioning systems and multi-day travel data[D].Atlanta:Georgia Institute of Technology, 2004.

[8]Mandir E,Pillat J,Friedrich M,et al.Choice set generation and model identification for route choice using GPS data from smart phones[C]//Proceedings of the Conference on Innovations in Travel Modeling of the Transportation Research Board,Tempe,Arizona.2010.

[9]Hood J,Sall E,Charlton B.A GPS-based bicycle route choice model for san francisco,california[J]. Transportation Letters:The International Journal of Transportation Research,2011,3(1):63-75.

[10]Broach J,Dill J,Gliebe J.Where do cyclists ride?A route choice model developed with revealed preference GPS data[J].Transportation Research Part A:Policy and Practice,2012,46(10):1730-1740.

[11]姚恩建,左婷.基于低頻浮動車數(shù)據(jù)的實時地圖匹配算法[J].北京工業(yè)大學學報,2013,39(006):909-913. [YAO E J,ZUO T.Real-time map matching algorithm based on low-sampling-rate probe vehicle data[J]. Journal of Beijing University of Technology,2013,39 (006):909-913.]

[12]Prato C G,Bekhor S.Modeling route choice behavior: How relevant is the composition of choice set?[J]. Transportation Research Record:Journal of the Transportation Research Board,2007,2003(1):64-73.

[13]Rink K A,Rodin E Y,Sundarapandian V.A simplification of the double-sweep algorithm to solve the k-shortest path problem[J].Applied Mathematics Letters,2000,13(8):77-85.

[14]Swait J.A non-compensatory choice model incorporating attribute cutoffs[J]. Transportation Research Part B:Methodological,2001,35(10):903-928.

[15]Ben-Akiva M,Bierlaire M.Discrete choice methods and their applications to short term travel decisions[M]. Handbook of Transportation Science,Springer US,1999.

Taxi Route Choice Behavior Modeling Based on GPS Data

YANG Yang1,2，YAO En-jian1,2，PAN Long1，ZHAO Nan3
(1.MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology,Beijing Jiaotong University, Beijing 100044,China;2.Center of Cooperative Innovation for Beijing Metropolitan Transportation,Beijing 100044,China; 3.Department of Traffic Planning,Housing and Urban-Rural Development of Huizhou,Huizhou 516000,Guangdong,China)

Taxi route choice behavior analysis is of great significance to study urban traffic flow’s spatiotemporal distribution and assignment.First,based on the GPS data collected from taxi dispatch system,RP data for taxi route choice behavior analysis are obtained by using trip-identification method,map matching and double-sweep algorithm.Second,by considering the comprehensive impacts of road network condition and traffic status on taxi drivers’route choice behavior,a PSL model based vehicle route choice model is developed.Finally,the results of case study show that taxi drivers incline to choose the route with less travel time,lower frequency of the left turns and right turns,and higher total ratio of arterial road and sub-arterial road.Meanwhile,the modeling approach of route choice behavior is of positive significance to improve the use value of GPS data.

traffic engineering;route choice behavior;path-size Logit model;taxi;global positioning system data

1009-6744（2015）01-0081-06

：U491.1

：A

2014-08-15

：2014-10-16錄用日期：2014-10-22

國家“973”計劃資助項目（2012CB725403）；中央高校基本科研業(yè)務費專項資金（2013YJS051）.

楊揚（1989-），男，江西宜春人，博士生. ＊

：enjyao@bjtu.edu.cn