高鐵樞紐商圈出租車需求時(shí)空特征研究

馬新露 程明遠(yuǎn)

（重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶 400074）

居民的出行活動(dòng)特征與城市空間發(fā)展密切相關(guān)，探尋居民出行的時(shí)空特征、內(nèi)在的機(jī)制，對(duì)城市管理與規(guī)劃具有重要意義[1]。高鐵樞紐商圈是城市新興的地域?qū)傩?，隨著GPS定位技術(shù)的不斷發(fā)展，居民出行數(shù)據(jù)的獲取越來越迅速、客觀，各行業(yè)各領(lǐng)域積累了大量的出行軌跡數(shù)據(jù)，這些軌跡數(shù)據(jù)中蘊(yùn)含著人類行為的時(shí)空分布模式[2]。出租車作為城市居民出行中最方便快捷的公共交通工具，在其運(yùn)營(yíng)過程中產(chǎn)生了海量的軌跡數(shù)據(jù)[3]?，F(xiàn)階段對(duì)出租車軌跡數(shù)據(jù)的挖掘主要集中在居民出行特征分析、人群移動(dòng)規(guī)律發(fā)展以及社會(huì)活動(dòng)模式挖掘三個(gè)方面，其中，居民出行特征分析是人群移動(dòng)規(guī)律發(fā)現(xiàn)和社會(huì)活動(dòng)模式挖掘的基礎(chǔ)[4]。出租車出行隨機(jī)性強(qiáng)，不受線路約束，乘客涵蓋各個(gè)年齡段、各個(gè)階層的群體。對(duì)于沒有軌道交通的城市空間，出租車換乘概率相對(duì)較小，上下車點(diǎn)是居民真實(shí)的出發(fā)地與目的地。因此，大規(guī)模的出租車GPS上下車點(diǎn)（origin-destination，OD）是研究居民活動(dòng)情況的理想數(shù)據(jù)源。本文主要利用出租車訂單OD數(shù)據(jù)，對(duì)出租車出行活動(dòng)的時(shí)空特征進(jìn)行分析，研究出租車在高鐵樞紐商圈區(qū)域內(nèi)的時(shí)間和空間的運(yùn)營(yíng)特征，并結(jié)合高鐵班次數(shù)據(jù)以及天氣數(shù)據(jù)，進(jìn)一步解釋出租車需求量與各個(gè)影響因素之間的關(guān)系。

1 研究區(qū)域及數(shù)據(jù)

研究區(qū)域?yàn)橹貞c市沙坪壩站以及三峽廣場(chǎng)構(gòu)成的高鐵樞紐商圈。數(shù)據(jù)來源為2020年6～8月重慶市出租車運(yùn)營(yíng)的訂單數(shù)據(jù)，每輛出租車一次完整的載客行為對(duì)應(yīng)一條數(shù)據(jù)，當(dāng)乘客下車時(shí)將單筆訂單的數(shù)據(jù)記錄上傳至終端。

1.1 數(shù)據(jù)描述

出租車訂單數(shù)據(jù)包含了出租車完成一筆訂單后，設(shè)備終端上傳的數(shù)據(jù)，包含了9個(gè)有效字段，每個(gè)月的數(shù)據(jù)大小為2 G左右，共包含全城每個(gè)月1 300多萬(wàn)條數(shù)據(jù)，主要包含字段：車輛車牌號(hào)、乘客上車經(jīng)緯度、乘客下車經(jīng)緯度、乘客上下車時(shí)間、訂單行駛里程、訂單最終價(jià)格。

1.2 數(shù)據(jù)處理

原始出租車GPS數(shù)據(jù)中由于GPS設(shè)備老化、GPS信號(hào)被屏蔽等因素，導(dǎo)致設(shè)備不能返回GPS數(shù)據(jù)或返回的GPS數(shù)據(jù)有誤。根據(jù)數(shù)據(jù)真實(shí)情況，對(duì)訂單數(shù)據(jù)的處理主要由以下步驟組成：（1）刪除經(jīng)緯度異常，GPS記錄不在區(qū)域內(nèi)數(shù)據(jù)；（2）根據(jù)完整字段的格式將不完整部分補(bǔ)充字段結(jié)構(gòu)不完整數(shù)據(jù)；（3）刪除一條數(shù)據(jù)中部分字段為0值或空值的數(shù)據(jù)；（4）只留下一條有用數(shù)據(jù)，刪除其余重復(fù)數(shù)據(jù)。

2 出租車需求時(shí)間特征

選取2020年6～8月期間出租車訂單數(shù)據(jù)作為研究數(shù)據(jù)，其中包括工作日58 d、周末22 d以及節(jié)假日3 d。

2.1 不同場(chǎng)景時(shí)均需求量

將三個(gè)場(chǎng)景的數(shù)據(jù)分別求取每小時(shí)時(shí)間段的平均值，不同場(chǎng)景需求量如圖1所示。

圖1 不同場(chǎng)景需求量

由圖1可知，三場(chǎng)景在不同時(shí)間段的需求量皆不同，尤其是節(jié)假日需求量更特殊，原因可能是節(jié)假日期間居民對(duì)于高鐵樞紐站以及商圈的需求在時(shí)間上更分散，沒有規(guī)律性。綜上所述，三個(gè)場(chǎng)景出租車在每個(gè)時(shí)段的需求量均不同，因此，不同場(chǎng)景對(duì)于出租車每小時(shí)的需求量均存在差異。

2.2 時(shí)間序列周期性

出租車需求量的周期性主要表現(xiàn)在當(dāng)日出租車小時(shí)需求量與前n周（n=1，2，3，...，n）的需求量之間的關(guān)系，選取6月18日（周四）為研究日，對(duì)應(yīng)的前一周相同星期屬性（6月11日）和前兩周相同星期屬性（6月4日）的數(shù)據(jù)為對(duì)應(yīng)，如圖2所示。

圖2 相同星期屬性

出租車的需求量與前一周及前兩周同星期屬性的需求量有較強(qiáng)的關(guān)聯(lián)性，部分時(shí)段相差較大，但變化趨勢(shì)相似，因此，前n周的相同屬性的需求量與當(dāng)日需求量之間的聯(lián)系也較強(qiáng)烈。

2.3 星期屬性相關(guān)性

每天需求量如圖3所示。

圖3 每天需求量

周一～周五的需求量整體變化曲線較為相似，在8：00～10：00時(shí)間段內(nèi)產(chǎn)生區(qū)別，但整體走勢(shì)類似。周六和周日的出行需求不同，在大部分時(shí)間出行需求與周中相似的情況下，同樣在8：00～10：00時(shí)間段內(nèi)需求量相比周中形成了一個(gè)波峰的形勢(shì)，此現(xiàn)象體現(xiàn)了周末兩天居民購(gòu)物或高鐵出行，早上階段對(duì)出租車的需求均明顯大于周中的現(xiàn)象。

3 出租車需求空間特征

3.1 出入量

出租車的需求量不僅與時(shí)間序列相關(guān)，與當(dāng)時(shí)區(qū)域所存在的出租車量也有關(guān)系，因此，可以使用出入特征表達(dá)此性質(zhì)。出入差（Xgap）是用來表達(dá)某一時(shí)段研究區(qū)域內(nèi)出租車到達(dá)（Xin）與出發(fā)（Xout）情況的量值：

式中：Xout——區(qū)域內(nèi)每小時(shí)出租車的出發(fā)量；Xin——研究區(qū)域內(nèi)每小時(shí)出租車的到達(dá)量。Xgap越高，表明當(dāng)前時(shí)段內(nèi)該地區(qū)越傾向于出租出行的目的地，越低則更傾向于出發(fā)地，接近0表示地區(qū)出租車的流入流出情況接近平衡。

3.2 交通狀態(tài)

路段車速是體現(xiàn)路段擁堵程度的重要指標(biāo)[5]，根據(jù)交通工程相關(guān)理論，分別按照85%位、50%位、30%位、15%位車速對(duì)道路擁堵狀況進(jìn)行確定[6]。越擁堵的路段出租車的客運(yùn)量越低，車速可以直觀體現(xiàn)租車的運(yùn)營(yíng)狀態(tài)。由訂單數(shù)據(jù)行駛里程字段與出租車上下客時(shí)間得到的速度為行程車速，與出租車GPS數(shù)據(jù)包含的瞬時(shí)速度有所區(qū)別。區(qū)域小時(shí)平均行程速度可以宏觀展示整個(gè)區(qū)域的交通狀態(tài)，交通狀態(tài)對(duì)居民選擇出租車出行具有重要的作用。

通過對(duì)研究區(qū)域、速度對(duì)應(yīng)擁堵狀況的確定，取2020年6～8月區(qū)域內(nèi)行駛里程小于4 km的速度，即85%位、50%位、30%位、15%位的車速為37、26.0、22.0、18.0 km/h，通過對(duì)每小時(shí)平均行程速度的區(qū)間劃分進(jìn)行分級(jí)。

4 出租車需求影響因素分析

出租車出行需求代表了乘客對(duì)以出租車為代表的小型公共交通的需求，結(jié)合上文所述，得到最終與研究區(qū)域內(nèi)出租車需求量相關(guān)的時(shí)空特征分別為：（1）時(shí)間段；（2）前1 h需求量；（3）前2 h需求量；（4）前1 h出入差；（5）前1 h區(qū)域交通狀態(tài)；（6）場(chǎng)景屬性。

4.2 變量影響系數(shù)研究

通過數(shù)據(jù)標(biāo)準(zhǔn)化組成影響因素指標(biāo)，本文使用XgBoost重要度分析算法對(duì)指標(biāo)的重要程度進(jìn)行排序，如圖4所示。

圖4 指標(biāo)重要度排序

居民選擇出租車出行是為了減少工作及生活出行的煩瑣程度，但交通狀況的擁堵對(duì)居民選擇出租車出行具有決定性影響，擁堵狀態(tài)下幾乎不會(huì)選擇乘坐出租車出行，因此，交通狀態(tài)是決定出租車需求量的主要因素。其次，區(qū)域內(nèi)出租車的出入量對(duì)于出租車需求的影響，區(qū)域內(nèi)出租車出入量可直觀反映區(qū)域內(nèi)出租車的時(shí)段保有量，出入量可體現(xiàn)當(dāng)前區(qū)域的出租車狀態(tài)，如出租車大量駛?cè)?、出租車大量駛出或出入平衡狀態(tài)，對(duì)出租車需求的影響較大。時(shí)間序列對(duì)出租車需求量同樣屬于較重要的影響因素，因此，前兩個(gè)時(shí)間段的需求量在重要度分析中占據(jù)重要的地位。出租車需求量隨機(jī)性較強(qiáng)，不同于高速公路車輛出行等現(xiàn)象，因此，時(shí)段、星期屬性為排列最后兩位的重要因素。

5 結(jié)語(yǔ)

本文主要針對(duì)高鐵樞紐商圈進(jìn)行了時(shí)間及空間的特征分析，并使用XgBoost對(duì)時(shí)空特征指標(biāo)進(jìn)行了重要度排序，分析了對(duì)高鐵樞紐商圈出租車需求影響因素較靠前的指標(biāo)，為高鐵樞紐商圈的建設(shè)、出租車對(duì)高鐵樞紐商圈的選型提供了理論依據(jù)。