北京市出租汽車智能召車分析及評價方法研究

王家川

（北京市交通信息中心，北京100073）

北京市出租汽車智能召車分析及評價方法研究

王家川*

（北京市交通信息中心，北京100073）

利用打車APP軟件通過智能手機進行出租汽車預約是近來北京市使用較為廣泛的出租汽車用車方式.為了解這一新興用車方式時間和空間分布的特點，本文通過構建訂單數(shù)據(jù)處理模型，對智能召車軟件訂單數(shù)據(jù)進行分析，揭示出智能召車的時空分布特性，包括夜間用車高峰明顯、周六為每周訂單數(shù)量低谷、用車即時性強，以及中心城區(qū)訂單數(shù)量隨環(huán)路變化呈線性增長趨勢，核密度空間分布不均勻等特點.并根據(jù)智能召車與出租汽車行業(yè)運營管理基礎指標的對比分析，提出了一種智能召車軟件評價方法，并以兩個周期為例對智能召車軟件應用效果進行了評價.

城市交通；時空特性；評價方法；智能召車；出租汽車

1 引言

出租汽車作為一種相對舒適的出行方式，是城市交通的重要組成部分，是對軌道交通、地面公交等公共交通系統(tǒng)的有效補充.北京市實施出租汽車總量控制政策，出租汽車保有量控制在6.66萬輛，在國內(nèi)一線城市中位居前列，而公眾反映“打車難”的問題卻時有出現(xiàn).由于公眾對出租汽車的使用需求具有非常大的靈活性，因此既要控制出租車的空駛率，又要滿足公眾的用車需求，是行業(yè)管理面臨的難題［1］.

預約用車是提高出租汽車運行效率，減少無效空駛和交通擁堵的有效方式.相當長的一段時間之內(nèi)，電話召車是預約用車的主要方式，用戶撥打調度中心電召服務號碼，由調度中心向入網(wǎng)車輛車載終端下發(fā)訂單信息，司機接受訂單后，車輛及駕駛員信息由調度中心發(fā)給乘客，司機與乘客之間的需求和響應有調度中心的參與.隨著移動互聯(lián)網(wǎng)技術的發(fā)展，以及智能手機的普及，通過手機智能召車軟件召車的方式不斷增多.由于通過智能召車軟件召車是司機和乘客之間的直接對接，這一行業(yè)現(xiàn)象能夠相對真實地反映司乘雙方供需情況.

目前對智能召車的研究還不夠深入，它對出租汽車行業(yè)產(chǎn)生重大影響的現(xiàn)象具有何種特性，如何對其進行評價并引導其發(fā)展，是行業(yè)管理部門需要進行研究和解決的問題.因此探究智能召車的現(xiàn)狀，分析其特性，評價智能召車軟件的應用效果，是進一步滿足公眾需求，提高服務質量的有效手段.本文通過分析某款使用廣泛具有代表性的召車軟件A，對智能召車的時空特性進行分析，并對智能召車軟件的評價方法進行研究.

2 數(shù)據(jù)來源與格式

2.1 數(shù)據(jù)來源

北京市統(tǒng)一電召平臺接入了虛擬調度平臺96106電話召車訂單，以及2014年在用的多種智能召車軟件訂單數(shù)據(jù)，以其中智能召車軟件A的訂單數(shù)據(jù)為對象進行分析.由于智能召車訂單數(shù)據(jù)傳輸波動性大，且需避免春節(jié)等假日對出租汽車運營的影響，因此采用較為平穩(wěn)階段的第4周（1月20日至1月26日）數(shù)據(jù)，并判定訂單信息中司機為在崗的從業(yè)人員，車輛為在冊出租車輛，對訂單數(shù)據(jù)進行分析.

2.2 訂單數(shù)據(jù)格式及分析模型

智能召車訂單除了司乘雙方信息、車輛信息等，反映出行需求特性的主要有以下幾項：

訂單時間——乘客提出訂單請求的時間；

訂單地點——乘客提出訂單請求的地點，由智能手機的GPS定位功能生成，為經(jīng)緯度坐標信息；

用車時間——乘客預定的乘坐出租汽車的時間；

用車地點——乘客預定的乘坐出租汽車的地點；

目的地——乘客乘坐出租車需到達的目的地點；

訂單狀態(tài)——這一訂單的最終狀態(tài)（包括：無應答；訂單完成；司機爽約；乘客爽約；應答前取消；應答后取消）.

構建數(shù)據(jù)處理模型如圖1所示.

圖1 智能召車訂單數(shù)據(jù)處理模型Fig.1 Data process model of orders of taxi booking Apps

智能召車訂單中，成功訂單（即訂單狀態(tài)為“訂單完成”）不僅顯示服務完成，也表明了“乘客需求得到滿足，司機愿意接受這一工作”，因此，以下選擇成功訂單數(shù)據(jù)進行分析.

3 智能召車時空特性分析

3.1 時間特性分析

3.1.1 按小時分析

將每日訂單按小時劃分為區(qū)間段，計算第4周每日各小時內(nèi)成功訂單數(shù).如圖2所示.

圖2 2014年第4周每日各小時內(nèi)訂單數(shù)量分布圖Fig.2 Order amount per hour of each day in the 4thweek，2014

從圖2可知，每日用車在上午和下午均出現(xiàn)高峰，7:00-9:00為每天第一個用車高峰，18:00-23:00為第二個用車高峰.兩個通勤時段均包含在用車高峰內(nèi).其中21:00-23:00為每日用車最高峰，0:00-5:00為每天用車最低谷.與交通流量變化趨勢不完全一致，每日晚間用車需求達到頂峰.因此，可以看出智能召車需求有相當一部分是滿足夜間出行目的的.

對10至12周數(shù)據(jù)分析，訂單在每日各時段的分布也基本符合這一特性，而夜間用車量的峰值特點更為明顯，遠高于通勤早晚高峰，如圖3所示.

圖3 10至12周每日各小時訂單數(shù)量分布圖Fig.3 Order amount per hour of each day in the 10thto 12thweeks，2014

3.1.2 日變化分析

以第4周數(shù)據(jù)分析訂單量日變化趨勢，得到圖4.分析得出使用智能召車軟件訂單的需求工作日略高于周末，周六為用車需求最低谷.第10周至12周訂單也有同樣的特性，如圖5所示.

圖4 第4周每日訂單總數(shù)Fig.4 Order amount of the 4thweek，2014

圖5 第10-12周每日訂單總數(shù)變化Fig.5 Order amount of the 10thto12thweek，2014

3.1.3 即時用車和預約用車對比分析

按照電召服務相關規(guī)定，電召服務從時間維度分為即時用車和預約用車.即時用車指約車時間與用車時間間隔小于30 min；預約用車指約車時間與用車時間間隔大于30 min且小于24 h［2］.

對于智能召車訂單，訂單時間即為約車時間，定義訂單時間與用車時間間隔Δt為

式中 tu為用車時間；to為訂單時間.

對于智能召車，即時用車訂單數(shù)與訂單總數(shù)的對比關系如圖6所示.

圖6 第4周每日即時用車訂單數(shù)與訂單總數(shù)對比Fig.6 Amount of Instant order VS total amount each day in the 4thweek，2014

即時用車的訂單數(shù)量占總量的比例在90%以上.按照Δt值所在區(qū)間對訂單數(shù)量進行統(tǒng)計，得到表1.

表1 第4周每日Δt占比統(tǒng)計Table 1 Percentage ofΔteach day of the 4thweek，2014

使用該智能召車軟件時，除非選擇“預約”類別，否則就是乘客表明自己是“現(xiàn)在用車”，生成的訂單時間和用車時間一致，Δt=0.這種情形說明乘客用車需求最為迫切.可以看出，智能召車軟件訂單除了強“即時性”需求，還對2-12小時之間這種中長區(qū)間預約用車有一定需求.而1-2個小時較短時間內(nèi)，1天以上的長時間預約所占比例非常低.

3.2 智能召車空間特性分析

3.2.1 空間數(shù)據(jù)可用性

用戶使用智能召車軟件時，軟件自動采集所在的位置經(jīng)緯度上傳.因此通過對訂單數(shù)據(jù)中訂單地點的分析，可以得出訂單的空間分布特性.

由于智能手機采集GPS經(jīng)緯度可能受到天氣、建筑物遮蔽還有網(wǎng)絡影響，會產(chǎn)生“漂移”現(xiàn)象.而根據(jù)相關管理要求[3]及經(jīng)驗，北京市出租汽車接受北京市域范圍之外的訂單的可能性很低，因此，進行空間分析時需對北京市域范圍以外的數(shù)據(jù)進行過濾，以保證分析的可用性.通過ArcGIS工具將訂單數(shù)據(jù)生成以經(jīng)緯度為坐標的空間數(shù)據(jù)，對第4周數(shù)據(jù)進行空間位置過濾，得到北京市域內(nèi)的訂單均超過99%，表明成功訂單中GPS“漂移”導致數(shù)據(jù)失真的比例較低，訂單地點這一數(shù)據(jù)可用性較高，如表2所示.

表2 每日空間位置位于北京市域內(nèi)的訂單數(shù)與訂單總數(shù)對比Table 2 Percentage of order amount in Beijing of the 4thweek，2014

3.2.2 城中心區(qū)訂單數(shù)分布與環(huán)路關系

分別以二環(huán)、三環(huán)、四環(huán)、五環(huán)、六環(huán)區(qū)域范圍內(nèi)對訂單數(shù)量進行分析，得到圖7.

圖7 第4周訂單不同環(huán)路范圍內(nèi)總數(shù)Fig.7 Order amount in each Ring-road area of each day of 4thweek，2014

在六環(huán)路以內(nèi)，隨著環(huán)路區(qū)域范圍的擴大，訂單數(shù)量逐步增長.通過添加趨勢線，對比擬合優(yōu)度，每日線性趨勢線得出的R2>0.98.可以得出結論，在從二環(huán)到六環(huán)以內(nèi)，訂單數(shù)量隨著環(huán)路的變化呈線性增長趨勢，如圖8所示.

圖8 第4周訂單量隨環(huán)路變化的趨勢線Fig.8 Trend line of order amount with Ring-road area

3.2.3 訂單在各行政區(qū)域單元的分布

采用將訂單與行政區(qū)劃數(shù)據(jù)空間與屬性疊加（Spatial Join）方式，分析訂單在具體空間單元的分布.以每個行政區(qū)劃內(nèi)的點要素疊加之和（Join_Count，也就是每個單元內(nèi)的訂單數(shù)）對地圖進行符號化，分級方法選用標準方差（StandardDeviation）法，渲染色最深的區(qū)域是大于2.5倍標準方差的區(qū)域，得到20, 22,24,26日訂單分布，如圖9所示.

圖9 20，22，24，26日各區(qū)域訂單分布圖Fig.9 Order amount in each cell of 20th，22nd，24th，26th，January，2014

這種方法得出用車量較高且比較穩(wěn)定的區(qū)域分布在中心城區(qū)西北部的中關村、學院路、清河、東北旺等地區(qū)；東北部來廣營、望京、南皋、平房等地；東部國貿(mào)、CBD等地區(qū)；南部亦莊地區(qū)；近郊區(qū)中昌平區(qū)的回龍觀、霍營地區(qū)，通州永順等區(qū)域.

在數(shù)量對比的基礎上，對于分布在各個行政區(qū)劃單元中的成功訂單數(shù)據(jù)的強度進行分析.采用空間分析中的核密度（Kernel Density［4］）分析，得出20,22,24,26日訂單核密度分布如圖10所示.

圖10 20，22，24，26日訂單核密度分布圖Fig.10 Kernel density of order amount of 20th，22nd，24th，26th，January，2014

智能召車訂單核密度高的區(qū)域基本重合，即用車高密度區(qū)域分布穩(wěn)定.以東二環(huán)至東四環(huán)間北側范圍，建國路至農(nóng)展館路、朝陽公園路這一區(qū)域核密度最高.

前文分析提出每日訂單的早晚高峰特性，以22日的早高峰、晚高峰，以及夜間高峰時段分析訂單的核密度分布，分別得到圖11、圖12、圖13.在早高峰時，訂單的核密度較高的區(qū)域分布范圍相對廣泛，而晚高峰及夜間高峰聚集性更高.

4 智能召車評價方法研究

4.1 評價指標

市場上召車APP軟件種類較多，目前對其并無評價方法，本文通過分析其對出租汽車運營的影響，研究評價指標.

（1）召車成功率.

在傳統(tǒng)電召方式中，召車成功率是對調度中

式中 Si（Success rate）為i日召車成功率；Ci為i日智能召車成功訂單數(shù)；Ni為i日智能召車訂單總數(shù).

（2）智能召車與傳統(tǒng)電話召車對比值.

智能召車軟件推行以來，因其便捷性等特點，訂單總量逐步增長，原有的電話召車方式出現(xiàn)了較大的下降.智能召車相比電話召車的比值越高（即電話召車相比智能召車的比值越低），說明其替代傳統(tǒng)電召的趨勢越明顯.

式中 Ri（Ratio ofApp to telephone）為智能召車與電話召車對比值；Ci為i日智能召車成功訂單數(shù)；心調派能力、入網(wǎng)車輛，以及司機經(jīng)驗和職業(yè)素質的直接評價標準.召車成功率同樣適于衡量智能召車軟件的應用效果.Ti為i日電話召車成功訂單總數(shù).

圖11 22日7：00-9：00訂單核密度分布圖Fig.11 Kernel density of order amount from 7 to 9 o’clock of 22nd，January，2014

圖12 22日18：00-21：00訂單核密度分布圖Fig.12 Kernel density of order amount from 18 to 21 o’clock of 22nd，January，2014

圖13 22日21：00-次日0：00訂單核密度分布圖Fig.13 Kernel density of order amount from 21 o’clock of 22ndto 0 o’clock of 23rd，January，2014

（3）智能召車與總運次對比值.

出租汽車每載客一次，稱為一個運次.而智能召車成功訂單產(chǎn)生的運次，是其來源之一，智能召車訂單占總運次的比例越大，說明其在整體運營中的重要程度越高.

式中 Pi（Percentage of taxi ridership）為智能召車產(chǎn)生的運次占總運營次數(shù)百分比；Ci為i日智能召車成功訂單數(shù)；Fi為i日出租汽車總運營次數(shù).

以2014年第4周的A智能召車軟件訂單分析其召車成功率，96106統(tǒng)一電召平臺電話訂單與智能召車訂單對比值（即，），以及智能召車占總運次的對比值，得到圖14.

圖14 2014年第4周智能召車各項評價指標Fig.14 Success rate，reciprocal of Ratio of App to telephone and Percentage of taxi ridership of the 4thweek，2014

4.2 智能召車軟件評價方法

通過以上分析，本文認為對一款智能召車軟件的應用評價，應從其服務效果、在行業(yè)運營總量的占比、對傳統(tǒng)電話召車方式的替代程度，以及用戶的使用體驗等方面進行分析評價.由于用戶體驗這一因素受智能召車軟件企業(yè)頻繁變化的行業(yè)優(yōu)惠政策影響，因此不納入評價指標.

定義

式中 E為智能召車軟件應用評價指數(shù)；m和n分別為評價期的起止日期；k為包含m和n在內(nèi)的評價期總天數(shù)；Si為智能召車軟件召車成功率；Ri為智能召車與電話召車對比值；Pi為智能召車產(chǎn)生的運次占總運營次數(shù)百分比.Si，Ri，Pi的計算公式分別如式（2）、式（3）、式（4）所示.

4.3 智能召車評價示例

對某智能召車軟件A第4周應用效果進行評價，各項指標如表3所示.

表3 第4周每日智能召車各項評價指標值Table 3 Indexes of a Taxi-booking App each day of 4thweek

按照式（5）得出，2014年第4周某智能召車軟件應用評價指數(shù)為56.40.

同樣分析該智能召車軟件第10周的應用效果，各項指標如表4所示.

表4 第10周每日智能召車各項評價指標值Table 4 Indexes of a Taxi-booking App each day of 10thweek

按照式（5）得出，2014年第10周某智能召車軟件A應用評價指數(shù)為71.73.

按照本文的評價方法，可以得出第10周該軟件應用效果高于第4周，其中的召車成功率和與電話召車對比值都有較大增長.

5 研究結論

北京市出租汽車智能召車具有早晚高峰的特點，且在下班通勤高峰后，夜晚高峰更突出，已經(jīng)超過通常意義上17：00-19：00這一時間范圍，以周為單位每周六是訂單量最低點.不同于傳統(tǒng)電召的“約車”，智能召車更偏于即時“用車”.在空間分布上，出租汽車智能召車應用需求主要集中在六環(huán)內(nèi)，隨著環(huán)路覆蓋區(qū)域的變化，從二環(huán)至六環(huán)呈線性增長趨勢，且分布非常不均勻，集中在中心城區(qū)東部、西北等工作崗位密集地區(qū)、休閑商業(yè)地區(qū)等.智能召車訂單已經(jīng)占有實際載客運營次數(shù)相當?shù)谋壤?，替代電話召車程度不斷增?本文提出了以召車成功率，與電召對比值和占運次百分比為評價指標的評價方法，并得出了智能召車A軟件兩個評價期的應用效果.

［1］ 孫偉杰，張藝娜王超，信息不對稱角度下的出租車空載率成因分析［J］.高等函授學報（自然科學版），2013，26（2）：15-17.［SUN W J，ZHANG Y N，WANG C.Analysis of causes of taxi unloaded ratio in view of asymmetric information［J］.Journal of High Correspondence Education（Natural Science），2013，26（2）：15-17.］

［2］ 北京市交通委員會運輸管理局.北京市出租汽車電召服務管理試行辦法［EB］.（2013-5-7）［2014-4-18］. http：//zhengwu.beijing.gov.cn/gzdt/gggs/t1308674.htm.［Transportation administration ofBeijing Municipal Commission of Transport.Beijing taxi-calling service administration proposed regulation［EB］.（2013-5-7）［2014-4-18］.http：//zhengwu.beijing.gov.cn/gzdt/gggs/ t1308674.htm.］

［3］ 百度百科.北京市出租汽車管理條例［EB］.（2013-3-20）［2014-5-15］.http：//baike.baidu.com/view/4083355. htm？fr=aladdin. ［baike.baidu.com， Beijing taxi administration regulation［EB］.（2013-3-20）［2013-5-15］. http：//baike.baidu.com/view/4083355.htm？fr= aladdin.］

［4］ Silverman B W.Density estimation for statistics and data analysis［M］.New York：Chapman and Hall，1986.

Analysis and Evaluation Method on Taxi Booking APP in Beijing

WANG Jia-chuan
(Beijing Transportation Information Center，Beijing 100073)

Nowadays using taxi booking app with Smartphone is a new way to take a taxi and it becomes more and more popular in Beijing.A data process model is put forward and the orders of taxi booking app is analyzed to find out the timely and spatial characteristics,such as night-peak,a low on Saturday and high instantaneity,linear increasement with ring-roads,and non-uniformity of kernel density spatially.This paper also studies the evaluation method of taxi booking app based on its comparison with the basic indexes of taxi management,and evaluates application effect of two periods.

urban traffic;spatial-temporal characteristics;evaluation method;taxi booking app;taxi

1009-6744（2015）02-0223-09

U121

A

2014-06-27

2015-01-09 錄用日期：2015-01-15

王家川（1978-），女，北京人，高級工程師，碩士. *通信作者：wangjiachuan@bjjtw.gov.cn