基于FCD的出租車(chē)運(yùn)營(yíng)特征分析
——以上海市為例

呂振華,吳健平,姚申君,朱麗

(華東師范大學(xué)地理信息科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室,上海200241)

基于FCD的出租車(chē)運(yùn)營(yíng)特征分析
——以上海市為例

呂振華,吳健平,姚申君,朱麗

(華東師范大學(xué)地理信息科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室,上海200241)

為全面掌握出租車(chē)出行規(guī)律,科學(xué)評(píng)估其運(yùn)營(yíng)效率,提出了一種面向出租車(chē)運(yùn)營(yíng)管理的大規(guī)模浮動(dòng)車(chē)數(shù)據(jù)處理方法.以上海市一個(gè)月的出租車(chē)GPS數(shù)據(jù)為基礎(chǔ),通過(guò)對(duì)多項(xiàng)運(yùn)營(yíng)指標(biāo)的計(jì)算全面分析了工作日、周末及節(jié)假日上海市出租車(chē)的運(yùn)營(yíng)特征.結(jié)果表明,上海市日均出租車(chē)空駛率均值為39.1%,已接近合理范圍的臨界上限值,單日內(nèi)道路空駛率時(shí)空差異明顯;與工作日相比,周日和節(jié)假日的運(yùn)營(yíng)時(shí)間及載客時(shí)間短且運(yùn)營(yíng)效率不高.出租車(chē)運(yùn)營(yíng)效率有待改善.

浮動(dòng)車(chē);出租車(chē);運(yùn)營(yíng);上海

0 引言

出租車(chē)是公共汽車(chē)、軌道交通等城市常規(guī)公共交通的重要補(bǔ)充,是城市客運(yùn)交通的重要組成部分[1].然而由于缺乏有效管理,在北京、上海等大城市,高峰時(shí)段打不到車(chē)但出租車(chē)空駛率卻較高的現(xiàn)象普遍存在[2].全面分析與掌握出租車(chē)運(yùn)營(yíng)特征,可以有效提高行業(yè)整體運(yùn)營(yíng)效率,為出租車(chē)運(yùn)營(yíng)公司車(chē)輛調(diào)度、出租車(chē)行業(yè)規(guī)劃、交通管理部門(mén)政策制定提供決策支持.

傳統(tǒng)出租車(chē)運(yùn)營(yíng)數(shù)據(jù)采集方式有人工調(diào)查方法和基于計(jì)價(jià)器IC卡數(shù)據(jù)的方法.前者需耗費(fèi)大量的人力,調(diào)查數(shù)據(jù)的可靠性低；后者無(wú)法記錄每次出行的空間地理信息,而無(wú)法獲得車(chē)輛的空間分布情況.隨著移動(dòng)傳感技術(shù)的發(fā)展,浮動(dòng)車(chē)技術(shù)已逐漸成為出租車(chē)信息采集的主要手段.近年來(lái),國(guó)內(nèi)外學(xué)者已開(kāi)始利用浮動(dòng)車(chē)數(shù)據(jù)(Floating Car Data,FCD)開(kāi)展出租車(chē)運(yùn)營(yíng)特征的研究.文獻(xiàn)[3-5]對(duì)出租車(chē)運(yùn)營(yíng)服務(wù)評(píng)價(jià)進(jìn)行了建模,并通過(guò)仿真驗(yàn)證了其效用;文獻(xiàn)[6]利用100個(gè)出租車(chē)GPS數(shù)據(jù)確定出租車(chē)上下客點(diǎn)的位置,分析出行需求、出行距離和出行時(shí)長(zhǎng)3項(xiàng)指標(biāo);文獻(xiàn)[7]設(shè)計(jì)開(kāi)發(fā)了出租車(chē)運(yùn)營(yíng)狀況分析系統(tǒng);文獻(xiàn)[8]以北京為例提出了基于浮動(dòng)車(chē)數(shù)據(jù)的出租車(chē)運(yùn)營(yíng)管理指標(biāo)計(jì)算模型,計(jì)算了每日運(yùn)營(yíng)里程、每日運(yùn)營(yíng)時(shí)間等6個(gè)指標(biāo);文獻(xiàn)[9]以廣州市為例,選取5個(gè)典型工作日的出租車(chē)GPS數(shù)據(jù),分析了廣州市出租車(chē)運(yùn)營(yíng)的出行需求分布、里程空載率、時(shí)間空載率等6個(gè)指標(biāo),提取了廣州市出租車(chē)運(yùn)營(yíng)管理水平的重要特征參數(shù);文獻(xiàn)[10]提出面向出租汽車(chē)運(yùn)營(yíng)特征分析的數(shù)據(jù)處理流程,選取一個(gè)典型工作日,針對(duì)空駛率、運(yùn)營(yíng)速度、載客運(yùn)營(yíng)時(shí)長(zhǎng)等方面,分析了深圳市出租汽車(chē)行業(yè)運(yùn)營(yíng)現(xiàn)狀與特點(diǎn);文獻(xiàn)[11]設(shè)計(jì)了空駛率的計(jì)算方法;文獻(xiàn)[12]利用葡萄牙里斯本的出租車(chē)數(shù)據(jù)討論了出租車(chē)的運(yùn)營(yíng)策略;文獻(xiàn)[13]采用了時(shí)空觀測(cè)模型分析了北京市出租車(chē)的各項(xiàng)指標(biāo).然而,過(guò)往研究或未對(duì)浮動(dòng)車(chē)數(shù)據(jù)源及數(shù)據(jù)處理方面進(jìn)行探討[3-5],目前也尚未有論文全面研究面向出租車(chē)管理的數(shù)據(jù)處理方法;或樣本過(guò)小,指標(biāo)過(guò)少[6,13];或?qū)\(yùn)營(yíng)狀況缺乏具體的分析,忽略了周末及節(jié)假日的運(yùn)營(yíng)情況[7-13];尤其對(duì)空間分析略顯不足[3-10].

為全面掌握出租車(chē)出行規(guī)律,科學(xué)評(píng)估其運(yùn)營(yíng)效率,本研究提出了一種面向于大規(guī)模出租車(chē)運(yùn)營(yíng)管理的數(shù)據(jù)處理方法.以上海市一個(gè)月的出租車(chē)GPS數(shù)據(jù)為基礎(chǔ),通過(guò)對(duì)多項(xiàng)運(yùn)營(yíng)指標(biāo)的計(jì)算全面分析工作日、周末及節(jié)假日上海市出租車(chē)的運(yùn)營(yíng)特點(diǎn).

1 數(shù)據(jù)處理

1.1 原始數(shù)據(jù)描述

1.1.1 出租車(chē)軌跡數(shù)據(jù)

研究使用的FCD來(lái)源于上海市強(qiáng)生出租車(chē)公司管理的出租車(chē)行駛軌跡數(shù)據(jù)集.強(qiáng)生出租車(chē)公司是上海乃至中國(guó)最大的出租汽車(chē)經(jīng)營(yíng)商,有出租車(chē)近14 000輛,約占上海市出租汽車(chē)總量的25%.出租車(chē)以一定周期(平均10 s)回傳數(shù)據(jù),記錄行駛狀態(tài)(如位置坐標(biāo)、航向、速度等)及營(yíng)運(yùn)狀態(tài)(如空駛、載客等)信息.在強(qiáng)生公司提供的數(shù)據(jù)集中,包含約13 700輛出租車(chē)在2015年4月份共30日的軌跡點(diǎn)采樣數(shù)據(jù).軌跡點(diǎn)采樣數(shù)據(jù)按照行記錄的方式存儲(chǔ)在文本文件中,每一行記錄一個(gè)軌跡點(diǎn)的信息,每日歸檔一個(gè)文本文件.每日歸檔文件的大小約10 GB,包含近1.2億行采樣記錄.每一條記錄包含13個(gè)字段,分別表示車(chē)輛編號(hào)、GPS設(shè)備的報(bào)警標(biāo)志、是否空駛狀態(tài)、車(chē)頂指示燈的狀態(tài)、是否行駛在高架上、是否剎車(chē)、數(shù)據(jù)中心接受數(shù)據(jù)的時(shí)間、GPS設(shè)備測(cè)定的時(shí)間、采樣點(diǎn)的經(jīng)度坐標(biāo)、采樣點(diǎn)的緯度坐標(biāo)、采樣時(shí)刻的即時(shí)速度、車(chē)輛移動(dòng)方向與指北針的夾角、用于定位的衛(wèi)星個(gè)數(shù).

1.1.2 路網(wǎng)數(shù)據(jù)

論文研究所用的路網(wǎng)數(shù)據(jù)來(lái)源于OpenStreetMap[14].OpenStreetMap數(shù)據(jù)的優(yōu)點(diǎn)是數(shù)據(jù)可以免費(fèi)獲得,缺點(diǎn)是數(shù)據(jù)質(zhì)量不能?chē)?yán)格保證.為此,對(duì)下載的數(shù)據(jù)利用2015年上海市航空遙感數(shù)據(jù)進(jìn)行了編輯,修正原有數(shù)據(jù)中存在的錯(cuò)誤.

1.2 數(shù)據(jù)處理流程

面向出租車(chē)運(yùn)營(yíng)管理的大規(guī)模FCD處理流程包括數(shù)據(jù)預(yù)處理、地圖匹配、軌跡切分3個(gè)主要階段.整個(gè)數(shù)據(jù)處理過(guò)程依賴(lài)基于ESRI ArcGIS Engine 10.1的GIS二次開(kāi)發(fā).使用C#.NET及Visual Studio 2010作為開(kāi)發(fā)語(yǔ)言和工具;微軟SQL Server 2012作為存放軌跡及中間數(shù)據(jù)的數(shù)據(jù)庫(kù)管理系統(tǒng);DevExpress XPO(eXpress Persistent Objects)作為對(duì)象持久化模型,以簡(jiǎn)化對(duì)數(shù)據(jù)庫(kù)的操作.

1.2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理階段主要包括去噪處理、數(shù)據(jù)缺失檢測(cè)及軌跡壓縮三個(gè)步驟.

(1)去噪處理根據(jù)軌跡點(diǎn)的速度和時(shí)間字段剔除速度過(guò)大或時(shí)間記錄有誤的點(diǎn)(異常點(diǎn)).例如由于管控限制,行程速度一般不會(huì)超過(guò)80 km/h(限速),故速度大于80 km/h的點(diǎn)將會(huì)被剔除.本研究去除的異常點(diǎn)約占總數(shù)的0.3%.

(2)數(shù)據(jù)缺失檢測(cè)根據(jù)軌跡點(diǎn)的時(shí)間字段檢測(cè)數(shù)據(jù)缺失的軌跡.設(shè)定最長(zhǎng)時(shí)間間隔閾值,如相鄰兩個(gè)軌跡點(diǎn)時(shí)間間隔大于閾值,則認(rèn)為兩點(diǎn)之間有數(shù)據(jù)缺失,兩邊的軌跡不應(yīng)相連,而應(yīng)作為兩段子軌跡分別對(duì)待.本研究的樣本采樣間隔由1 s到240 s不等,55%左右穩(wěn)定在10 s,絕大多數(shù)在120 s之內(nèi)(99.9%).由樣本計(jì)算出租車(chē)的平均速度約為18 km/h,若缺失120 s,則連續(xù)兩個(gè)回傳數(shù)據(jù)的軌跡點(diǎn)間距過(guò)長(zhǎng),將大大影響地圖匹配及路徑重現(xiàn)的精度.故本研究將采用120 s作為時(shí)間間隔閾值.

(3)軌跡壓縮去除冗余數(shù)據(jù).根據(jù)軌跡點(diǎn)坐標(biāo)字段計(jì)算相鄰兩點(diǎn)距離,如后一個(gè)點(diǎn)與前一個(gè)點(diǎn)的距離小于閾值,則認(rèn)為這兩個(gè)點(diǎn)處于同一位置,后一個(gè)點(diǎn)是冗余的點(diǎn),可以去除.本研究選擇的距離閾值為10 m(與GPS的定位誤差相近).本研究的數(shù)據(jù)壓縮比(壓縮之后的軌跡點(diǎn)數(shù)與壓縮之前的軌跡點(diǎn)數(shù)之比)約為50%.

1.2.2 地圖匹配

地圖匹配的目的是要將車(chē)輛與當(dāng)前行駛的道路進(jìn)行關(guān)聯(lián).為了能從整體上保證軌跡點(diǎn)的地圖匹配精度,研究采用了基于點(diǎn)序列的地圖匹配方法,每次同時(shí)對(duì)一個(gè)序列中的點(diǎn)進(jìn)行地圖匹配,以保證匹配后前后點(diǎn)是路徑連接的.具體方法是∶每次從軌跡數(shù)據(jù)中讀取一個(gè)點(diǎn)序列;對(duì)序列中的每個(gè)點(diǎn)根據(jù)距離閾值查找候選匹配路段,根據(jù)路網(wǎng)數(shù)據(jù)中路段的連接關(guān)系和方向確定拓?fù)溥B通的所有組合路段(如候選匹配路段沒(méi)有拓?fù)溥B通則從路網(wǎng)數(shù)據(jù)中提取所有可能經(jīng)過(guò)的路段);從所有組合路段中確定最佳的組合路段,可選擇采用最佳路徑(距離最短或速度最快)作為確定最佳的組合路段.本研究采用的是最短路徑的方法.

1.2.3 軌跡切分

出租車(chē)的狀態(tài)首先可分為行駛和停車(chē).前者包括載客行駛和空車(chē)行駛;后者包括停車(chē)下班、停車(chē)吃飯、停車(chē)加油、停車(chē)修車(chē)、停車(chē)等客等實(shí)際停留情況(不包括由于堵車(chē)、等紅綠燈等引起的行駛過(guò)程中的停留,行駛過(guò)程中的停留作為行駛狀態(tài)).為了全面掌握出租車(chē)的運(yùn)營(yíng)狀態(tài),按停留/移動(dòng)對(duì)軌跡進(jìn)行分割;對(duì)停留軌跡按停留的持續(xù)時(shí)間、所處的時(shí)段時(shí)間以及與地標(biāo)點(diǎn)的位置關(guān)系作進(jìn)一步的劃分;對(duì)行駛軌跡,按照是否載客進(jìn)一步分割為載客軌跡和空車(chē)軌跡.

本文改進(jìn)了傳統(tǒng)的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法,尋找軌跡線(xiàn)上被高速移動(dòng)軌跡隔開(kāi)的低速(包括靜止)移動(dòng)軌跡作為停留. DBSCAN是在數(shù)據(jù)集中尋找對(duì)象高密度聚集的區(qū)域,將每個(gè)獨(dú)立的高密度區(qū)域標(biāo)注為類(lèi)簇.與其他聚類(lèi)方法相比,DBSCAN在噪聲處理、聚類(lèi)速度和分組有效性方面都有很多的優(yōu)點(diǎn).然而傳統(tǒng)的DBSCAN方法是基于歐氏平面,關(guān)注的密度為單位面積中點(diǎn)的個(gè)數(shù),閾值根據(jù)點(diǎn)的個(gè)數(shù)來(lái)定義;而停留檢測(cè)是基于道路網(wǎng)絡(luò),密度為單位距離的持續(xù)時(shí)間,閾值根據(jù)停留的持續(xù)時(shí)間來(lái)決定.針對(duì)停留檢測(cè)的特點(diǎn),本研究對(duì)DBSCAN方法進(jìn)行了改進(jìn),包括∶在搜索中,按照時(shí)間順序查找前后相鄰點(diǎn);在確定鄰域點(diǎn)時(shí),以速度閾值代替距離閾值;以及在確定是否為核心點(diǎn)時(shí),以最短時(shí)間間隔閾值代替最少點(diǎn)數(shù)閾值,即在鄰域內(nèi)持續(xù)停留的時(shí)間必須大于某個(gè)閾值.另外由于在低速移動(dòng)的軌跡中,偶爾也會(huì)有速度較快的點(diǎn)(如采樣時(shí)間間隔很小情況下,定位誤差造成的位置偏移也會(huì)使計(jì)算出的速度有較大的值),如果按照每個(gè)點(diǎn)的即時(shí)速度進(jìn)行判斷,就會(huì)造成有些停留不能檢測(cè)到或一個(gè)停留會(huì)分割成多個(gè)停留.針對(duì)這種情況,本研究在確定鄰域點(diǎn)時(shí),采用兩個(gè)速度閾值∶即時(shí)速度閾值和平均速度閾值.平均速度是指通過(guò)鄰域內(nèi)所有點(diǎn)的平均速度(鄰域內(nèi)首末點(diǎn)的路徑距離與時(shí)間差之比),即時(shí)速度閾值稍高于平均速度閾值,以保證速度稍高的點(diǎn)也能進(jìn)入鄰域;平均速度閾值用于保證鄰域內(nèi)所有點(diǎn)整體上是一個(gè)慢速移動(dòng)過(guò)程.本研究中,平均速度閾值為5 km/h,最大瞬時(shí)速度閾值為20 km/h,持續(xù)時(shí)間閾值為10 min(600 s).

根據(jù)檢測(cè)出的停留對(duì)軌跡進(jìn)行分割,并進(jìn)一步區(qū)分載客軌跡和空車(chē)軌跡.對(duì)停留軌跡根據(jù)停留的持續(xù)時(shí)間、停留的間隔時(shí)間等進(jìn)行綜合評(píng)判,分成休息停留軌跡和工作停留軌跡.休息停留的判斷方法為∶①若持續(xù)時(shí)間超過(guò)1 h,則判斷出租車(chē)司機(jī)下班,出租車(chē)停運(yùn);②若持續(xù)時(shí)間15 min到1 h,之前的3 h內(nèi)沒(méi)有停車(chē)吃飯事件,則判斷出租車(chē)司機(jī)停車(chē)吃飯,停留軌跡為休息停留軌跡.本研究出租車(chē)“運(yùn)營(yíng)”指的是行車(chē)軌跡以及除停車(chē)下班和休息以外的所有停留軌跡.

2 出租車(chē)運(yùn)營(yíng)特征分析

本研究基于2015年4月1—30日的出租車(chē)軌跡數(shù)據(jù),對(duì)影響出租車(chē)運(yùn)營(yíng)水平的多項(xiàng)指標(biāo)進(jìn)行計(jì)算,分析上海地區(qū)出租車(chē)基本運(yùn)營(yíng)特征.

2.1 運(yùn)營(yíng)時(shí)間和運(yùn)營(yíng)里程

日均運(yùn)營(yíng)時(shí)間(里程)指該日運(yùn)營(yíng)出租車(chē)的運(yùn)營(yíng)時(shí)間(里程)總和與該日運(yùn)營(yíng)的出租車(chē)總數(shù)之比,反映出租車(chē)的使用率以及出租車(chē)司機(jī)的工作強(qiáng)度.圖1是日均運(yùn)營(yíng)時(shí)間及運(yùn)營(yíng)里程30 d變化圖.表1為日均運(yùn)營(yíng)時(shí)間和運(yùn)營(yíng)里程按每個(gè)工作日、周末以及清明節(jié)分別計(jì)算的平均值和標(biāo)準(zhǔn)差.

出租車(chē)的日均運(yùn)營(yíng)時(shí)間在12—16 h之間波動(dòng),30 d的平均日均運(yùn)營(yíng)時(shí)間為14.8 h.翁劍成等基于2008年7月20—26日北京市中心區(qū)的出租車(chē)軌跡數(shù)據(jù)計(jì)算出單班出租車(chē)的日均運(yùn)營(yíng)時(shí)間為9.59 h,雙班為15.16 h;不考慮單雙班,日均運(yùn)營(yíng)時(shí)間為11.82 h[8].由該數(shù)據(jù)可得,上海市出租車(chē)的日均運(yùn)營(yíng)時(shí)間要高于北京市.由周一至周日的變異系數(shù)可知日均運(yùn)營(yíng)時(shí)間的周差異較小.與周日相比,周一至周六運(yùn)營(yíng)時(shí)間較長(zhǎng),尤以周五為最.清明節(jié)的日均運(yùn)營(yíng)時(shí)間明顯低于平日.出租車(chē)運(yùn)營(yíng)時(shí)間的變化可能與以下兩個(gè)原因有關(guān)：一方面節(jié)假日出行的人相對(duì)較少,出租車(chē)需求量較平時(shí)有所下降;另一方面與出租車(chē)司機(jī)的休息行為有關(guān),選擇節(jié)假日休息的出租車(chē)司機(jī)較平日多.工作日中,周一的運(yùn)營(yíng)時(shí)間也相對(duì)較短(平均約為14.64 h),原因可能是周一往往交通擁堵情況比較嚴(yán)重,出租車(chē)司機(jī)可能會(huì)減少運(yùn)營(yíng)時(shí)間.

圖1 日均運(yùn)營(yíng)時(shí)間和運(yùn)營(yíng)里程統(tǒng)計(jì)表Fig.1 Daily average operation time and mileage

表1 參數(shù)估計(jì)模擬結(jié)果Tab.2 Statistics on daily average operation time and mileage

在30 d里,出租車(chē)日均運(yùn)營(yíng)里程在350～480 km之間,30 d的平均值為422 km.在出租車(chē)運(yùn)行速度保持一致的情況下,日均運(yùn)營(yíng)里程和運(yùn)營(yíng)時(shí)間的30 d變化情況應(yīng)該相近,但對(duì)比兩條曲線(xiàn)及表1的數(shù)值,變化并不一致,日均運(yùn)營(yíng)里程在節(jié)假日與工作日的差別并不似運(yùn)營(yíng)時(shí)間那般明顯,且周波動(dòng)較大.例如清明節(jié)日均運(yùn)營(yíng)時(shí)間為12.90 h,遠(yuǎn)低于平日,而運(yùn)營(yíng)里程為431.48 km,與平日相仿,主要原因可能是節(jié)假日往往道路交通狀況較好,車(chē)輛通行順暢.

2.2 載客分析

載客情況包括載客時(shí)間、載客里程等指標(biāo),反映出租車(chē)的收益情況.

2.2.1 日均載客時(shí)間和日均載客里程

日均載客時(shí)間(里程)指該日運(yùn)營(yíng)出租車(chē)的載客總時(shí)間(里程)與該日運(yùn)營(yíng)的出租車(chē)總數(shù)之比.上海日均載客時(shí)間多數(shù)處在8～10 h范圍內(nèi),總平均值約為8.8 h;而日均載客里程一般在220～280 km之間,總平均值為250 km.

日均載客時(shí)間(里程)比率是指出租車(chē)一天的載客時(shí)間(里程)與運(yùn)營(yíng)時(shí)間(里程)的比例,反映駕駛員工作的有效性.圖2為日均載客時(shí)間與載客里程比率圖.表2為日均載客時(shí)間以及日均載客里程比率按每個(gè)工作日、周末以及清明節(jié)分別計(jì)算的平均值和標(biāo)準(zhǔn)差.平均載客利用率一般在56%～63%之間.清明節(jié)假期載客時(shí)間比率遠(yuǎn)低于其他時(shí)間,但載客里程比率的差距不明顯,這也說(shuō)明清明節(jié)的路況可能好于平時(shí).而周五的載客時(shí)間比率要高于其他時(shí)間,但這種差異在載客里程比率中不明顯,可能是周五的交通狀況較差導(dǎo)致出租車(chē)行駛不暢所致.

圖2 日均載客時(shí)間和載客里程比率Fig.2 Daily average ratio of time and mileage of trips with passengers

表2 日均載客時(shí)間和載客里程比率統(tǒng)計(jì)表Tab.2 Statistics on daily average ratio of time and mileage of trips with passengers

2.2.2 日均單次載客時(shí)間與日均單次載客里程

日均單次載客時(shí)間(里程)是指一天中平均每次載客的時(shí)間(里程),即所有出租車(chē)一天的載客時(shí)間(里程)總和與載客次數(shù)總和的比例.圖3為4月份30 d單次載客時(shí)間及載客里程曲線(xiàn)圖.表3為單次載客時(shí)間及載客里程統(tǒng)計(jì)表.與工作日相比,周末單次載客時(shí)間及單次載客里程低于工作日,一方面周末市民能有更多的選擇空間規(guī)劃最優(yōu)出行路線(xiàn);另一方面周末市民更可能選擇就近活動(dòng).工作日可能受?chē)?yán)格約定的工作時(shí)間限制,選擇長(zhǎng)距離坐出租車(chē)以保證時(shí)間的人會(huì)比較多.由于清明假期期間長(zhǎng)距離出行的可能性比較大,故清明節(jié)單次載客里程最遠(yuǎn)(約為9.14 km),而由于路況原因,花費(fèi)的時(shí)間最少(單次載客時(shí)間均值約為15 min).

為進(jìn)一步分析載客時(shí)間情況,將載客時(shí)間分成10個(gè)時(shí)間段,統(tǒng)計(jì)不同載客時(shí)間的頻率.圖4為各個(gè)載客時(shí)間段的比例及累計(jì)比例圖.上海的單次載客時(shí)間主要分布在30 min以?xún)?nèi),所占比例高達(dá)86%.作為地鐵的轉(zhuǎn)乘交通工具之一,單次短時(shí)間載客的比例非常高.載客時(shí)間小于5 min的次數(shù)占10%以上,小于10 min的載客占比高達(dá)四分之一.這主要?dú)w因于上海相對(duì)發(fā)達(dá)的城市軌道交通網(wǎng)絡(luò),多數(shù)人會(huì)優(yōu)先選擇軌道交通出行.對(duì)于軌道交通不能直接到達(dá)的地方,則傾向于選擇先到離目的地最近的軌道交通站,然后再轉(zhuǎn)乘出租車(chē),既經(jīng)濟(jì)又能保證出行時(shí)間.

圖3 日均單次載客時(shí)間和載客里程Fig.3 Daily average travelling time and mileage per trip with passengers

表3 日均單次載客時(shí)間和載客里程統(tǒng)計(jì)表Tab.3 Statistics on daily average travelling time and mileage per trip with passengers

圖4 單次載客時(shí)間比例和累積比例Fig.4 Percentages and accumulative percentages of time on trips with passengers

為進(jìn)一步分析載客里程情況,將載客里程分成10個(gè)不同等級(jí),統(tǒng)計(jì)不同載客里程的頻率.圖5為各等級(jí)載客里程的比例及累積比例圖.上海出租汽車(chē)載客出行距離在3 km(起步里程)范圍內(nèi)約占四分之一,6 km以?xún)?nèi)占比超過(guò)一半,10 km以上比例約為25.6%,15 km以上比例約為12.8%.以上數(shù)據(jù)充分反映2015年10月上海將出租車(chē)加價(jià)里程由10 km提高到15 km的政策[15]是有必要的、與時(shí)俱進(jìn)的.

圖5 載客里程比例和載客里程累積比例Fig.5 Percentages and accumulative percentages of mileage on trips with passengers

2.3 空駛分析

對(duì)空駛時(shí)間與里程的分析亦可反映出租車(chē)運(yùn)營(yíng)的效益,對(duì)合理分配資源有著極其重要的意義.

2.3.1 空駛時(shí)間和空駛里程

日均空駛時(shí)間是指該日運(yùn)營(yíng)出租車(chē)的空駛總時(shí)間與該日運(yùn)營(yíng)的出租車(chē)總數(shù)之比.而日均空駛時(shí)間比例,也稱(chēng)為日均時(shí)間空駛率,是指出租車(chē)一天的空駛時(shí)間與運(yùn)營(yíng)時(shí)間的比例.30 d均空駛時(shí)間在5.4～6 h之間變動(dòng),變化幅度很小.空駛時(shí)間比率在35%～40%之間變化,總的變化趨勢(shì)與載客時(shí)間比率的變化趨勢(shì)(見(jiàn)圖2)相反,即波峰點(diǎn)出現(xiàn)在周日和清明節(jié),而波谷出現(xiàn)在周五.出租車(chē)空駛率的合理區(qū)間目前還沒(méi)有統(tǒng)一標(biāo)準(zhǔn).借鑒發(fā)達(dá)國(guó)家和國(guó)內(nèi)先進(jìn)城市的經(jīng)驗(yàn),城市出租車(chē)空駛率大致為30%～40%較為合理[11].關(guān)金平等人利用深圳市2008年11月至2009年2月的出租車(chē)軌跡數(shù)據(jù)計(jì)算出深圳市空駛率為30.1%[16];翁劍成等基于2008年7月20—26日北京市中心區(qū)的出租車(chē)軌跡數(shù)據(jù)計(jì)算出單、雙班車(chē)空駛時(shí)間占運(yùn)行時(shí)間的比例分別為41.19%和43.47%[8].上海市的日均時(shí)間空駛率為39.1%,高于深圳市,低于北京市,已近警戒值.

為進(jìn)一步分析不同時(shí)段的空駛情況,以1 h為分析單位,計(jì)算出租車(chē)在24個(gè)不同時(shí)段內(nèi)的每小時(shí)空駛時(shí)間比例,了解周一至周日不同時(shí)段出租車(chē)的使用情況.表4為空駛比例過(guò)高(大于40%)或者過(guò)低(低于30%)的時(shí)段在工作日、周末及清明節(jié)的統(tǒng)計(jì)情況.周一到周四的空駛時(shí)間分布比較相似,空駛比例高的時(shí)間段一般在夜間23點(diǎn)至第2天早上7點(diǎn)(空駛時(shí)間比例在40%以上),出租車(chē)載客繁忙的時(shí)段主要為通勤時(shí)段,值得注意的是從下午1點(diǎn)開(kāi)始直至晚高峰出租車(chē)空駛比率都在30%以下,可能的原因是午飯過(guò)后上午外出工作結(jié)束的業(yè)務(wù)員回單位用車(chē)需求以及下午外出工作的業(yè)務(wù)員的用車(chē)需求.與其他工作日相比,周五23—24點(diǎn)的空駛比例比其他工作日低,可能的原因是由于朋友聚會(huì)或者周末前加班.此外,由于雙休日市民出行時(shí)間不如工作日那樣集中,工作日比較繁忙的上午8—9點(diǎn)時(shí)段在周日、節(jié)假日卻是空駛率較高的時(shí)段.一般周日市民出行晚,但歸家較早,故周日晚22—23點(diǎn)出租車(chē)的空駛比例就已經(jīng)達(dá)到40%以上.

日均空駛里程是指該日運(yùn)營(yíng)出租車(chē)的空駛總里程與該日運(yùn)營(yíng)的出租車(chē)總數(shù)之比.而日均空駛里程比例,也稱(chēng)為日均空間空駛率,是指出租車(chē)一天的空駛里程與運(yùn)營(yíng)里程的比例.上海日均空駛里程變化范圍在130～210 km之間,平均值約為172 km,變化幅度比較大.空駛里程比例一般在35%～45%之間,沒(méi)有明顯的周期變化,平均值為40.5%,高于空駛時(shí)間比例1.4%,說(shuō)明空駛速度稍高于載客速度(載客時(shí)間比例與載客里程比例相當(dāng),見(jiàn)2.2節(jié)).

表4 高(或低)空駛比例時(shí)段統(tǒng)計(jì)表Tab.4 Time slots of high(or low)rate of empty cruise

2.3.2 道路空駛比例

圖6 日均道路空駛比例空間分布圖Fig.6 Spatial distribution of daily average idle taxi ratio

道路空駛比例指一段時(shí)間內(nèi)經(jīng)過(guò)該路段的出租車(chē)中空車(chē)的比例,能從空間維度分析運(yùn)營(yíng)空駛情況.研究選擇一個(gè)典型工作日周一(4月20日)和周日(4月26日),計(jì)算一天中每個(gè)路段的日均空駛比例,將其分為6個(gè)等級(jí)(每隔20%分為一級(jí)).圖6為周一和周日道路空駛比例空間分布圖(外環(huán)線(xiàn)以?xún)?nèi)地區(qū)).無(wú)論工作日還是周日,外環(huán)-中環(huán)之間東部與北部以及中環(huán)和內(nèi)環(huán)之間位于浦東新區(qū)東南部地區(qū)的路段空駛率較高,而靠近內(nèi)環(huán)空車(chē)越少.工作日和周日相比較,周日整體空駛比例要高于工作日,尤其在內(nèi)環(huán)區(qū)域中表現(xiàn)明顯.這與上海職住分布對(duì)應(yīng)(工作地點(diǎn)在內(nèi)環(huán)區(qū)域而居住地在內(nèi)環(huán)外的市民占比較大).

為了進(jìn)一步分析道路空駛率的空間分布,將研究區(qū)域劃分為500 m×500 m的網(wǎng)格,分析網(wǎng)格中的平均空駛率與感興趣點(diǎn)以及人口的關(guān)系.具體步驟如下∶①計(jì)算每個(gè)網(wǎng)格的平均空駛率,計(jì)算公式為

②計(jì)算每個(gè)網(wǎng)格的人口總數(shù)與感興趣點(diǎn)總數(shù);③分別計(jì)算空駛率與人口總數(shù)及感興趣點(diǎn)總數(shù)的相關(guān)系數(shù).其中人口數(shù)據(jù)為上海門(mén)牌人口數(shù),來(lái)自公安局人口數(shù)據(jù)庫(kù)統(tǒng)計(jì)數(shù)據(jù);感興趣點(diǎn)為2014年上?？蒲?、購(gòu)物、娛樂(lè)、旅游、住宿等興趣點(diǎn)數(shù)據(jù),通過(guò)百度API獲取.結(jié)果如表5所示.由表可知,人口和感興趣點(diǎn)皆與空駛率相關(guān),人口多、感興趣點(diǎn)多的地方,空駛率較低的可能性更大;人口稀疏、感興趣點(diǎn)少的地方(比如上文提到的外環(huán)和中環(huán)之間東部和北部的某些區(qū)域),空駛率普遍比較高.相比人口,空駛率與感興趣點(diǎn)的相關(guān)性更大.而周日與工作日相比,周日的空駛率與人口和感興趣點(diǎn)的關(guān)聯(lián)度更大.可能的原因是工作日乘坐出租車(chē)是工作需要,而周日出行的目的地是友人居所或者商鋪、旅游景點(diǎn)等感興趣點(diǎn).

表5 相關(guān)性檢驗(yàn)結(jié)果Tab.5 Results of the correlation

對(duì)于工作日,結(jié)合2.3.1節(jié)分析結(jié)果,選取上午8—9點(diǎn)(早高峰)以及17—18點(diǎn)(晚高峰)兩個(gè)典型低谷時(shí)段計(jì)算道路空駛比例,其網(wǎng)格平均空駛率如圖7所示.早晚高峰差別較大,早高峰時(shí)期內(nèi)環(huán)內(nèi)多數(shù)道路空駛比例低于20%,內(nèi)環(huán)外中環(huán)內(nèi)大多數(shù)道路的空駛比例也較低,這說(shuō)明上班高峰是乘坐出租車(chē)的高峰期.而晚高峰內(nèi)環(huán)、中環(huán)道路空駛比例遠(yuǎn)高于早高峰,原因可能在于晚高峰時(shí)期市民有充足時(shí)間,可以選乘其他較為廉價(jià)的交通工具返回居住地.

對(duì)于周日,結(jié)合2.3.1節(jié)分析結(jié)果,選取低谷17—18點(diǎn)作為重點(diǎn)分析時(shí)段,結(jié)果如圖8所示.與工作日晚高峰時(shí)期(見(jiàn)圖7b)相比,內(nèi)環(huán)中心城區(qū)的出租車(chē)載客的概率更高.主要原因在于中心城區(qū)是傳統(tǒng)的商業(yè)區(qū),盡管上海在向多中心城市發(fā)展,但周末前往傳統(tǒng)商業(yè)區(qū)購(gòu)物會(huì)友的市民依然比較多,尤其在靜安寺、人民廣場(chǎng)等商業(yè)區(qū),沿路候車(chē)的人較多,大大降低了空駛的概率.而西部及西南部空駛率也比較低,可能與周日晚離滬人員搭乘出租車(chē)前往虹橋機(jī)場(chǎng)或高鐵站有關(guān).

3 結(jié)論

圖7 工作日典型時(shí)段網(wǎng)格平均空駛率Fig.7Averageidle taxi ratio by grid on typical time intervals in a normal weekday

圖8 周日典型時(shí)段道路空駛比例空間分布圖Fig.8 Averageidle taxi ratio by grid on typical time intervals on Sunday

基于上海市出租車(chē)GPS數(shù)據(jù),本文提出了數(shù)據(jù)處理的基本流程,尤其設(shè)計(jì)了基于改進(jìn)的DBSCAN的軌跡切分方法,提取了上海市出租車(chē)整體運(yùn)營(yíng)、載客和空駛3個(gè)方面的指標(biāo),分析了上海市出租車(chē)的運(yùn)營(yíng)特征.結(jié)果表明∶與工作日相比,周日和節(jié)假日的運(yùn)營(yíng)時(shí)間及載客時(shí)間短,且運(yùn)營(yíng)效率不高;單次載客時(shí)間在10 min以?xún)?nèi)占四分之一,30 min以?xún)?nèi)占86%;單次載客里程在起步里程3 km范圍內(nèi)占四分之一,在10 km以上比例為25.6%,15 km以上比例為12.8%;空駛比例均值為39.1%,接近合理范圍的臨界上限值;空駛速度略大于載客速度.空駛率空間分布差異明顯,與周邊人口和感興趣點(diǎn)的關(guān)系密切.

總體來(lái)說(shuō),上海市日均出租車(chē)空駛比例雖在合理區(qū)間之內(nèi),但仍略為偏高,道路空駛率時(shí)空差異明顯;與工作日相比,周日和節(jié)假日的運(yùn)營(yíng)效率不高,需要有關(guān)部門(mén)作出相應(yīng)調(diào)整.

需要指出的是,本研究?jī)H利用了強(qiáng)生公司開(kāi)放的一個(gè)月的數(shù)據(jù),因受數(shù)據(jù)限制,并不能更進(jìn)一步分析月、季差異.如果今后可以獲得更完備的數(shù)據(jù),可以對(duì)本研究所得的結(jié)論進(jìn)一步驗(yàn)證和補(bǔ)充.本文采用空間分析的方法探討了空駛率的空間分布,發(fā)現(xiàn)了空駛率受周邊環(huán)境影響.今后可繼續(xù)挖掘空間因素的影響程度,例如從時(shí)間和空間維度上深入研究各項(xiàng)環(huán)境因素(如各類(lèi)感興趣點(diǎn))對(duì)載客的影響,為決策者提供更多有用的信息.

[1]陸建,王煒.城市出租車(chē)擁有量確定方法[J].交通運(yùn)輸工程學(xué)報(bào),2004,4(1):92-95.

[2]陳盛,陸建.出租車(chē)交通調(diào)查分析及對(duì)策[J].交通標(biāo)準(zhǔn)化,2003(5):41-44.

[3]DENG C C,ONG H L,ANG B W,et al.A modelling study of a taxi service operation[J].International Journal of Operations&Production Management,1992,12(11):65-78.

[4]KIM H,OH J S,JAYAKRISHNAN R.Ef f ect of taxi information system on efficiency and quality of taxi services [J].Transportation Research Record Journal of the Transportation Research Board,2005,1903(1):96-104.

[5]XU J,WONG S C,TONG C O,et al.Modeling level of urban taxi services using neural network[J].Journal of Transportation Engineering,1999,125(3):216-223.

[6]胡小文,馮均佳.基于GPS數(shù)據(jù)采集的出租汽車(chē)交通運(yùn)行特點(diǎn)研究[J].城市交通,2007,5(2):91-95.

[7]扈中偉,于泉,邵長(zhǎng)橋,等.北京市出租車(chē)運(yùn)營(yíng)狀況分析系統(tǒng)開(kāi)發(fā)[J].道路交通與安全,2007(4):45-47.

[8]翁劍成,劉文韜,陳智宏,等.基于浮動(dòng)車(chē)數(shù)據(jù)的出租車(chē)運(yùn)營(yíng)管理研究[J].北京工業(yè)大學(xué)學(xué)報(bào),2010,36(6):779-784.

[9]莊立堅(jiān),韋清波,何兆成,等.基于浮動(dòng)車(chē)數(shù)據(jù)的出租車(chē)運(yùn)營(yíng)管理特性建模與分析[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2014, 33(4):122-127.

[10]莊立堅(jiān),宋家驊,段仲淵,等.基于浮動(dòng)車(chē)數(shù)據(jù)挖掘的出租汽車(chē)運(yùn)營(yíng)特征研究[J].城市交通,2016,14(1):59-64.

[11]康留旺.基于FCD的城市出租車(chē)空駛率及擁有量的計(jì)算[J].數(shù)字技術(shù)與應(yīng)用,2010(7):81-82.

[12]VELOSO M,PHITHAKKITNUKOON S,BENTO C,et al.Exploratory study of urban flow using taxi traces [C]//Proceedings ofthe First Workshop on Pervasive Urban Applications(PURBA’11),in conjunction with PERVASIVE’11,2011.

[13]ZHANG J,QIU P,DUAN Y,et al.A space-time visualization analysis method for taxi operation in Beijing[J]. Journal of Visual Languages&Computing,2015,31:1-8.

[14]OSMF.OpenStreetMap[CP/DK].[2016-04-23].https://download.geofabrik.de/asia/china.html.

[15]搖號(hào)網(wǎng).2015年上海出租車(chē)調(diào)價(jià)最新通知[EB/OL].(2015-10-08)[2016-3-24].http://www.bitenews.cn/zixun/6547.html.

[16]關(guān)金平,朱竑.基于FCD的出租車(chē)空駛時(shí)空特性及成因研究——以深圳國(guó)貿(mào)CBD為例[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010,49(s1):29-36.

(責(zé)任編輯：李萬(wàn)會(huì))

FCD-based analysis of taxi operation characteristics:A case of Shanghai

LYU Zhen-hua,WU Jian-ping,YAO Shen-jun,ZHU Li
(Key Laboratory of Geographic Information Science,Ministry of Education, East China Normal University,Shanghai200241,China)

In order to better understand the travel behavior of taxies and evaluate taxi operation efficiency,this paper proposed a taxi-operation-and-management-oriented work flow for processing big f l oating car data(FCD);calculated a set of taxi operation indicators;and analysed taxi operation characteristics on weekdays,weekends as well as public holidays based on GPS data during one month collected by taxies in Shanghai.It is found that daily average idle taxi ratio reaches 39.1%,close to the upper bound of the critical interval.The idle taxi ratio varies signif i cantly across space and time within one day.When compared with a normal weekday,sunday and public holiday are characterized by relatively low operation time and travelling time with passengers,and hence relatively low taxi operation efficiency.More countermeasures should be conducted to improve thecapability of taxi management.

f l oating car;taxi;operation;Shanghai

K909

A

10.3969/j.issn.1000-5641.2017.03.015

1000-5641(2017)03-0133-12

2016-04-26

國(guó)家自然科學(xué)基金(41301423);閔行區(qū)中小企業(yè)技術(shù)創(chuàng)新計(jì)劃項(xiàng)目(2014MH011)

呂振華,男,博士研究生,研究方向?yàn)榈乩硇畔⑾到y(tǒng)開(kāi)發(fā)與應(yīng)用. E-mail：zhlv@mlight.com.cn.

吳健平,男,教授,博士生導(dǎo)師,研究方向?yàn)榈乩硇畔⑾到y(tǒng)開(kāi)發(fā)與遙感應(yīng)用.

E-mail：jpwu@geo.ecnu.edu.cn.