GPS軌跡數(shù)據(jù)和POI數(shù)據(jù)約束的廈門市出租車與網(wǎng)約車運(yùn)營特征研究

張學(xué)東，賈禮朋，鄧少存，王雪迪，周澤旭

(1. 北京建筑大學(xué) 測繪與城市空間信息學(xué)院， 北京 100044; 2. 北京建筑大學(xué) 自然資源部城市空間信息重點(diǎn)實(shí)驗(yàn)室， 北京 100044)

出租車與網(wǎng)約車作為城市客運(yùn)交通系統(tǒng)的重要組成部分，以高效、便捷、靈活等特點(diǎn)深受民眾青睞。出租車與網(wǎng)約車每天運(yùn)營都會產(chǎn)生大量的上、下車點(diǎn)位等相關(guān)信息，對這些數(shù)據(jù)進(jìn)行科學(xué)合理的關(guān)聯(lián)與挖掘，研究運(yùn)營車輛在工作日、休息日以及節(jié)假日的運(yùn)營數(shù)據(jù)特征，對公共交通管理、調(diào)度和居民通勤等都具有重要意義。

針對出租車的運(yùn)營情況，許多學(xué)者通過出租車運(yùn)力利用率和空駛率數(shù)據(jù)研究消費(fèi)者出行的時(shí)空分布特征[1]，探索城市出租車供給與消費(fèi)者出行的平衡關(guān)系[2-3]。對不同服務(wù)方式下出租車的服務(wù)質(zhì)量[4]、服務(wù)功能[5]、服務(wù)價(jià)格[6]和服務(wù)利潤[7]進(jìn)行量化研究，并分析出租車服務(wù)能力的時(shí)空分異規(guī)律[8-9]。通過分析出租車服務(wù)利潤的影響因素，如客源時(shí)空分布[10]、熱點(diǎn)區(qū)域[11]、里程或時(shí)間利用率、工作時(shí)間和區(qū)域選擇等，評價(jià)出租車運(yùn)營效益[12]，優(yōu)化出租車的乘客路線，提高出租車司機(jī)的收入。針對網(wǎng)約車的運(yùn)營情況，相關(guān)學(xué)者重點(diǎn)對其運(yùn)營管理和運(yùn)營特征方面展開研究。例如，汪光燾等[13]總結(jié)國內(nèi)外打車軟件的主要區(qū)別，指出國內(nèi)打車軟件的管理較為復(fù)雜、較容易引起社會矛盾，并建議在國家層面提出指導(dǎo)性意見。高永等[14]通過對問卷調(diào)查數(shù)據(jù)擴(kuò)樣測算發(fā)現(xiàn)，網(wǎng)約車的無序發(fā)展是導(dǎo)致城市小汽車出行量增加、局部區(qū)域(時(shí)段)擁堵加劇的重要原因。

綜上，以往關(guān)于出租車與網(wǎng)約車的研究多集中在供需平衡、乘客出行行為、影響運(yùn)營效益因素和提高運(yùn)營效益等方面，并取得了一些重要進(jìn)展，但是這些研究往往局限于單一類運(yùn)營車輛，很少對出租車與網(wǎng)約車之間的差異化進(jìn)行對比分析，也缺乏從不同時(shí)空維度估算車輛運(yùn)營效益。因此，本文基于車輛GPS軌跡數(shù)據(jù)和百度興趣點(diǎn)(POI)數(shù)據(jù)，以廈門市出租車和網(wǎng)約車為例，通過構(gòu)建車輛運(yùn)營特征指標(biāo)體系，研究2類運(yùn)營車輛在工作日、休息日與節(jié)假日在不同行政區(qū)劃、不同功能區(qū)之間隨時(shí)間變化的規(guī)律與差異性，并引入了加權(quán)時(shí)間運(yùn)力利用率指標(biāo)，以探索運(yùn)營效益的時(shí)空變化特征，為出租車和網(wǎng)約車的融合發(fā)展提供數(shù)據(jù)支撐。

1 數(shù)據(jù)源與預(yù)處理

本文使用2019-05-31至2019-06-09為期10天的廈門市出租車和網(wǎng)約車GPS軌跡數(shù)據(jù)，以及爬取的POI數(shù)據(jù)。其中，GPS軌跡數(shù)據(jù)包括5個(gè)工作日、2個(gè)休息日和3個(gè)節(jié)假日的約3億條數(shù)據(jù)。針對GPS軌跡數(shù)據(jù)中存在的無關(guān)數(shù)據(jù)、越界數(shù)據(jù)、空值和重復(fù)數(shù)據(jù)等異常數(shù)據(jù)，研究采用閾值法對數(shù)據(jù)進(jìn)行清洗。剔除約4.3%的異常數(shù)據(jù)后，最終得到22 000多輛出租車和網(wǎng)約車的有效數(shù)據(jù)215 071 015條。每個(gè)軌跡數(shù)據(jù)包括5個(gè)字段，分別為經(jīng)脫敏處理后的車輛ID、日期與時(shí)間、經(jīng)度、緯度以及乘客狀態(tài)，GPS軌跡數(shù)據(jù)示例見表1。

表1 GPS軌跡數(shù)據(jù)示例Tab.1 Sample GPS track data

車輛的GPS軌跡數(shù)據(jù)由車載設(shè)備終端產(chǎn)生，以即時(shí)通信方式上傳。車輛的行駛軌跡數(shù)據(jù)由一系列GPS軌跡點(diǎn)組成，即車輛在每一時(shí)刻的位置組成。這些GPS軌跡點(diǎn)根據(jù)時(shí)間序列連接起來，形成行駛軌跡，反映車輛每天的活動(dòng)情況。車輛的GPS軌跡數(shù)據(jù)中包含乘客狀態(tài)信息，可以提取出訂單信息。實(shí)際上，出租車與網(wǎng)約車的服務(wù)過程是一組有向線性事件，其乘客狀態(tài)在0和1之間不斷變化，如圖1所示。一般來說，在車輛的乘客狀態(tài)發(fā)生2次變化的2點(diǎn)之間，會形成一個(gè)服務(wù)過程或一個(gè)乘客搜索過程。

圖1 出租車和網(wǎng)約車的服務(wù)過程Fig.1 Service process of taxi and online hailing

將GPS軌跡數(shù)據(jù)按照出租車ID進(jìn)行分類，構(gòu)建每輛出租車的每日軌跡數(shù)據(jù)集。進(jìn)而將出租車的每日軌跡數(shù)據(jù)集按時(shí)間順序排列，從中選取所有訂單的起點(diǎn)和終點(diǎn)數(shù)據(jù)，從而生成訂單數(shù)據(jù)集。

最后，將訂單數(shù)據(jù)集中的起點(diǎn)位置坐標(biāo)與POI數(shù)據(jù)進(jìn)行匹配，生成訂單的所屬功能區(qū)。地圖匹配過程具體如下：

1)將訂單數(shù)據(jù)中經(jīng)緯度的坐標(biāo)系統(tǒng)一為百度坐標(biāo)系，保證坐標(biāo)一致性。

2)匹配離上車點(diǎn)最近的POI。

3)根據(jù)百度POI行業(yè)分類，將POI劃分為12個(gè)功能區(qū)。

4)通過調(diào)用百度地圖的地址，逆解析接口匹配與起點(diǎn)位置相應(yīng)的行政區(qū)劃。

5)將匹配到的行政區(qū)劃和功能區(qū)加入訂單數(shù)據(jù)集中，示例見表2。

表2 訂單數(shù)據(jù)集示例Tab. 2 Sample order data set

2 運(yùn)營特征指標(biāo)體系

根據(jù)訂單數(shù)據(jù)集，結(jié)合出租車與網(wǎng)約車的運(yùn)營特點(diǎn)，按照科學(xué)性、系統(tǒng)性和差異性的運(yùn)營特征選取原則[15]，研究確定了運(yùn)營效益指標(biāo)和訂單時(shí)空分布指標(biāo)2類運(yùn)營特征指標(biāo)體系，從工作日、休息日和節(jié)假日3個(gè)時(shí)間點(diǎn)進(jìn)行對比分析。為進(jìn)一步分析兩者的運(yùn)營特征差異，引入加權(quán)時(shí)間運(yùn)力利用率指標(biāo)，對比在網(wǎng)約車與出租車數(shù)量比不同時(shí)兩者的運(yùn)營效益。

2.1 運(yùn)營效益指標(biāo)

運(yùn)營效益指標(biāo)主要包括日均出車時(shí)間、日均載客次數(shù)、載客里程、載客時(shí)間和加權(quán)時(shí)間運(yùn)力利用率5項(xiàng)指標(biāo)，這5項(xiàng)指標(biāo)可以準(zhǔn)確地刻畫出租車和網(wǎng)約車的運(yùn)營效益及自身運(yùn)營特征，同時(shí)可以反映兩者的差異性。

日均出車時(shí)間和日均載客次數(shù)表征出租車和網(wǎng)約車每日的工作強(qiáng)度，也反映出該區(qū)域內(nèi)乘客的打車需求，日均出車時(shí)間T和日均載客次數(shù)S的計(jì)算式分別為：

(1)

(2)

式中：fti為運(yùn)營車輛i第一單開始時(shí)間，lti為最后一單結(jié)束時(shí)間，n為單日運(yùn)營車輛數(shù)量。Ni為運(yùn)營車輛i的訂單數(shù)，i=0,1,2…m。

運(yùn)營車輛的運(yùn)營效益可用用車資源(服務(wù)能力)和用戶滿意度(服務(wù)水平)的匹配程度表達(dá)。在運(yùn)營車輛數(shù)量固定的情況下，顧客對出租車出行需求的滿意程度越高，運(yùn)營效益就越高，反之效益就越低。運(yùn)力利用率作為衡量出租車運(yùn)營效益的主要指標(biāo)，可分為時(shí)間運(yùn)力利用率和里程運(yùn)力利用率。

以時(shí)間運(yùn)力利用率為例，時(shí)間運(yùn)力利用率是指運(yùn)力利用時(shí)間與運(yùn)營時(shí)間的比值。假設(shè)出行需求量不變，則運(yùn)力利用時(shí)間越長，顧客出行需求的滿足程度越高。因此，運(yùn)力利用率在一定程度上可以代表出租車運(yùn)營效率的高低。按里程計(jì)算的運(yùn)力利用率會受到司機(jī)駕駛習(xí)慣和外部因素的影響。例如，出租車司機(jī)尋找乘客會以慢速行駛，而沒有乘客的里程數(shù)相對較低，導(dǎo)致運(yùn)力利用率出現(xiàn)系統(tǒng)性偏差。一般地，勞動(dòng)生產(chǎn)要素的供給實(shí)踐是按時(shí)間計(jì)算的，因此，用時(shí)間來衡量和計(jì)算出租車運(yùn)營效益更為合適。

與傳統(tǒng)時(shí)間運(yùn)力利用率fh相比，加權(quán)時(shí)間運(yùn)力利用率Fh可以避免不同司機(jī)間訂單量差異較大造成的影響。

(3)

(4)

式中：wi為運(yùn)營車輛i的訂單數(shù)量，W為總訂單量，hi與h′i分別為運(yùn)營車輛i的載客時(shí)間和空車時(shí)間。網(wǎng)約車的載客時(shí)間為乘客上下車時(shí)間之差，去除了司機(jī)接單后至乘客上車之間的時(shí)段。

2.2 訂單時(shí)空分布指標(biāo)

基于訂單數(shù)據(jù)集，可分析訂單數(shù)量變化規(guī)律和空間分布規(guī)律。一般而言，每小時(shí)訂單數(shù)量一方面反映居民在不同時(shí)間段對出租車和網(wǎng)約車的需求，另一方面也反映了車輛運(yùn)營者在不同時(shí)間段內(nèi)的勞動(dòng)強(qiáng)度及載客意愿。以1 h為基本單位，從工作日、休息日和節(jié)假日3個(gè)時(shí)間點(diǎn)分析出租車和網(wǎng)約車24 h內(nèi)不同時(shí)間段的訂單數(shù)量變化規(guī)律，從而定量化刻畫出租車和網(wǎng)約車的運(yùn)營強(qiáng)度差異。

根據(jù)相關(guān)研究，居民出行的空間分布特征具有一定的規(guī)律性。不同行政區(qū)劃之間，由于區(qū)域經(jīng)濟(jì)發(fā)展的不均衡性導(dǎo)致了需求量上的差異。將訂單數(shù)據(jù)集按廈門市行政區(qū)劃分，首先統(tǒng)計(jì)分析2019-05-31至2019-06-09各區(qū)訂單總量的差異性，而后從工作日、休息日和節(jié)假日分析不同行政區(qū)劃內(nèi)出租車和網(wǎng)約車的日均訂單數(shù)量。另外，基于POI數(shù)據(jù)，將訂單分配到不同功能區(qū)，進(jìn)而分析在工作日、休息日和節(jié)假日不同功能區(qū)訂單數(shù)量所占總訂單數(shù)量的百分比。為了進(jìn)一步研究出租車和網(wǎng)約車的空間分布特征，利用ArcGIS軟件生成覆蓋廈門市大部分區(qū)域的網(wǎng)格單元，統(tǒng)計(jì)每個(gè)網(wǎng)格單元中的上車點(diǎn)數(shù)量并進(jìn)行歸一化處理后，得到上車熱點(diǎn)區(qū)域的空間分布情況，進(jìn)而分析兩者在服務(wù)范圍上的差異。

3 運(yùn)營特征分析

3.1 運(yùn)營效益分析

3.1.1 日均出車時(shí)間與日均載客次數(shù)

圖2為出租車與網(wǎng)約車的日均出車時(shí)間和日均載客次數(shù)情況。由圖2可知，在工作日、休息日和節(jié)假日，出租車的日均出車時(shí)間為20.0 h左右。節(jié)假日時(shí)出租車的運(yùn)營強(qiáng)度最大，日均出車時(shí)間為22.8 h，比休息日高出3.5 h。網(wǎng)約車的日均出車時(shí)間則較為穩(wěn)定，約為出租車日均出車時(shí)間的2/3，運(yùn)營強(qiáng)度較低。分析其原因可知，廈門市部分出租車實(shí)行“兩班倒”的運(yùn)營模式，因此，出租車出車時(shí)間遠(yuǎn)高于網(wǎng)約車。人們在工作日、休息日和節(jié)假日從事不同的社會經(jīng)濟(jì)活動(dòng)，有不同的出行目的和交通需求，這使得人們在選擇出行方式上有較明顯的差異。此外，出租車的日均載客次數(shù)約為44次，網(wǎng)約車的日均載客次數(shù)約為18次。說明網(wǎng)約車的日載客次數(shù)遠(yuǎn)低于出租車，運(yùn)營強(qiáng)度較低。出租車在休息日的日均載客次數(shù)最多，高于45次；而網(wǎng)約車則在節(jié)假日時(shí)接單最多。

圖2 出租車與網(wǎng)約車的日均出車時(shí)間和 日均載客次數(shù)情況Fig. 2 Daily departure time and number of passengers carried by taxi and online ride-hailing

3.1.2 載客里程與載客時(shí)間

圖3為出租車與網(wǎng)約車載客里程統(tǒng)計(jì)結(jié)果，圖4為不同時(shí)期的載客時(shí)間統(tǒng)計(jì)結(jié)果。由圖3可知，出租車的載客里程中位數(shù)約為4.8 km，并且在工作日、休息日和節(jié)假日中沒有明顯變化。網(wǎng)約車的載客里程中位數(shù)約為5.3 km，比出租車的次均載客里程中位數(shù)高出近10%，在節(jié)假日時(shí)最高達(dá)到了5.6 km。圖4也反映了乘客在遠(yuǎn)距離出行時(shí)偏向于選擇網(wǎng)約車，分析其原因可知，由于網(wǎng)約車公司的優(yōu)惠補(bǔ)貼措施，網(wǎng)約車的價(jià)格比出租車有一定優(yōu)勢，這就導(dǎo)致了乘客遠(yuǎn)距離出行時(shí)通常會選擇網(wǎng)約車。

圖3 次均載客里程的統(tǒng)計(jì)結(jié)果Fig. 3 Average passenger mileage statistics

圖4 次均載客時(shí)間的統(tǒng)計(jì)結(jié)果Fig. 4 Statistical results of average passenger carrying time

3.1.3 加權(quán)時(shí)間運(yùn)力利用率

圖5 加權(quán)時(shí)間運(yùn)力利用率Fig. 5 Weighted time capacity utilization

由于不同時(shí)間、不同行政區(qū)劃的網(wǎng)約車與出租車數(shù)量比不同，可得到兩者的加權(quán)時(shí)間運(yùn)力利用率。如圖5所示，在網(wǎng)約車與出租車數(shù)量比在2.0～2.5時(shí)，兩者的加權(quán)時(shí)間運(yùn)力利用率呈現(xiàn)近似的變化趨勢，在兩者比例為2.0時(shí)達(dá)到局部高點(diǎn)。在兩者比例大于2.5時(shí)，出租車的加權(quán)時(shí)間運(yùn)力利用率相較于網(wǎng)約車提高較多，與網(wǎng)約車形成較大差距。經(jīng)分析發(fā)現(xiàn)，一方面是由于出租車司機(jī)大多選擇網(wǎng)絡(luò)接單與“揚(yáng)招”接客相結(jié)合的形式，運(yùn)營效益得到提高；另一方面是因?yàn)槌鲎廛囄挥诮?jīng)濟(jì)較好的行政區(qū)內(nèi)，居民出行需求高，不需要花費(fèi)大量時(shí)間尋找客源。另外，由于網(wǎng)約車的載客時(shí)間為乘客上下車時(shí)間之差，沒有考慮網(wǎng)約車接單后趕到乘客上車點(diǎn)的時(shí)間，造成了網(wǎng)約車加權(quán)時(shí)間運(yùn)力利用率偏低。網(wǎng)約車的加權(quán)時(shí)間運(yùn)力利用率整體上變化范圍不大，而出租車的加權(quán)時(shí)間運(yùn)力利用率與行政區(qū)GDP和出租車數(shù)量之比，以及和網(wǎng)約車與出租車數(shù)量比，都呈現(xiàn)出一定的相關(guān)性，且在兩者比例小于2.5時(shí)加權(quán)時(shí)間運(yùn)力利用率偏低。這表明，在廈門經(jīng)濟(jì)不發(fā)達(dá)地區(qū)，要合理調(diào)控出租車與網(wǎng)約車的數(shù)量，在廈門經(jīng)濟(jì)發(fā)達(dá)區(qū)，居民出行需求旺盛，網(wǎng)約車的加入并沒有降低出租車的運(yùn)營效益，兩者可和諧發(fā)展。

3.2 訂單時(shí)空分布

3.2.1 訂單數(shù)量日變化

圖6為2019-05-31至2019-06-09出租車與網(wǎng)約車0:00—24:00的訂單量。由圖6可知，兩類運(yùn)營車輛都具有明顯的、不平衡的變化趨勢，訂單數(shù)量主要集中于早高峰、中午高峰和晚高峰。早高峰時(shí)間集中在6:00—8:00，出租車與網(wǎng)約車的訂單數(shù)量都迅速增加，達(dá)到一天中的第一個(gè)高峰。中午高峰在14:00左右，人們的出行需求經(jīng)回落后再一次增加，但對網(wǎng)約車的需求高峰會比出租車稍晚一些。晚高峰在17:00—19:00，此時(shí)大量居民回家，訂單數(shù)量再次上升。出租車與網(wǎng)約車的運(yùn)營差異主要表現(xiàn)在晚高峰后，出租車的訂單數(shù)量會進(jìn)一步上升，而網(wǎng)約車的訂單數(shù)量則下降。分析其原因發(fā)現(xiàn)，一方面是由于人們夜生活豐富，公共交通停運(yùn)導(dǎo)致；另一方面則是由于出租車多采用“兩班倒”的運(yùn)營模式，可以繼續(xù)接單，而網(wǎng)約車司機(jī)大多選擇回家休息。

圖6 訂單數(shù)量日變化Fig. 6 Daily change of order quantity

3.2.2 不同行政區(qū)之間的差異

從整體上看，廈門市運(yùn)營車輛訂單數(shù)量存在空間不平衡的現(xiàn)象。思明區(qū)為35.67%，湖里區(qū)為28.49%，集美區(qū)為14.04%，海滄區(qū)為9.32%，翔安區(qū)為8.26%，同安區(qū)為4.21%。廈門主城區(qū)(思明區(qū)和湖里區(qū))訂單數(shù)量占總訂單量的比例為64.16%，說明主城區(qū)對出租車和網(wǎng)約車的需求量相對較大。在其他行政區(qū)中，經(jīng)濟(jì)發(fā)達(dá)、人口密集的行政區(qū)訂單數(shù)量較多，說明用車量與經(jīng)濟(jì)和人口具有正相關(guān)關(guān)系。例如集美區(qū)，其GPD和常住人口數(shù)量分別約為789億元和70萬人，單位面積上的訂單數(shù)量較高。而同安區(qū)，由于經(jīng)濟(jì)基礎(chǔ)薄弱，運(yùn)營車輛數(shù)量少，訂單數(shù)量是廈門6個(gè)行政區(qū)中最少的，且由于行政區(qū)面積最大，所以單位面積上的訂單數(shù)量最少。

圖7為工作日、休息日和節(jié)假日行政區(qū)運(yùn)營車輛訂單數(shù)量占比。由圖7可知，在休息日和工作日，兩類運(yùn)營車輛的訂單數(shù)量占比沒有明顯變化，但是在節(jié)假日，網(wǎng)約車在湖里區(qū)和思明區(qū)的訂單占比上升，說明網(wǎng)約車司機(jī)在2個(gè)區(qū)里接到了更多的訂單，而出租車的訂單占比少于網(wǎng)約車。這是由于湖里區(qū)和思明區(qū)是廈門市的旅游熱點(diǎn)地區(qū)，游客數(shù)量較多，且出租車的運(yùn)力趨于飽和(加權(quán)時(shí)間運(yùn)力利用率達(dá)到0.7左右)；又因游客對網(wǎng)約車的接受程度也比較高，進(jìn)而選擇網(wǎng)約車出行，造成了網(wǎng)約車訂單占比上升。

圖7 工作日、休息日和節(jié)假日時(shí)行政區(qū)運(yùn)營車輛訂單數(shù)量占比Fig.7 Proportion of vehicle orders in administrative Region on rest days, working days and holidays

圖8 廈門市不同功能區(qū)運(yùn)營車輛日均訂單量分布Fig.8 Distribution of taxi order volume in different functional areas in Xiamen

3.2.3 不同功能區(qū)之間的差異

在POI數(shù)據(jù)行業(yè)分類的基礎(chǔ)上，根據(jù)訂單來源地的地理位置，將所有訂單分為購物、交通、教育、金融、酒店、居住、餐飲、生活服務(wù)、文化、休閑、醫(yī)療和政府部門12個(gè)功能區(qū)，對工作日、休息日和節(jié)假日的日均訂單量進(jìn)行分析(圖8)?？傮w來看，2類運(yùn)營車輛的訂單分布沒有明顯差異。工作日的訂單數(shù)量普遍高于休息日和節(jié)假日。居住功能區(qū)的訂單數(shù)量占比在工作日的差異大于其他功能區(qū)，并且交通功能區(qū)和醫(yī)療功能區(qū)在休息日和節(jié)假日明顯下降。政府部門功能區(qū)的訂單數(shù)量占比在工作日、休息日和節(jié)假日幾乎相同，因?yàn)檎畽C(jī)構(gòu)在休息日和節(jié)假日仍有運(yùn)作。由此可見，廈門市的訂單數(shù)量在不同功能區(qū)的分布在空間上是不平衡的。訂單數(shù)量較低的功能區(qū)有生活服務(wù)、文化、政府部門等，數(shù)量較高的功能區(qū)有居住、餐飲、購物等。居住區(qū)、醫(yī)療區(qū)和交通區(qū)工作日的訂單量明顯高于休息日和節(jié)假日，而餐飲區(qū)則相反。

3.2.4 服務(wù)范圍上的差異

為了研究出租車和網(wǎng)約車在服務(wù)范圍上的差異，利用ArcGIS軟件生成了覆蓋廈門市大部分區(qū)域的網(wǎng)格單元。根據(jù)以往的研究，網(wǎng)格太大會導(dǎo)致精度缺失，網(wǎng)格太小則會影響計(jì)算效果。GRAUWIN等[17]又進(jìn)一步證明網(wǎng)格的大小既要滿足降噪要求，又要滿足城市活動(dòng)模式等詳細(xì)研究的需求。因此，本文選擇500 m×500 m的網(wǎng)格進(jìn)行表達(dá)，將出租車和網(wǎng)約車訂單數(shù)據(jù)集中的上車位置與網(wǎng)格進(jìn)行空間連接，統(tǒng)計(jì)每個(gè)網(wǎng)格單元中的上車數(shù)量情況。又因兩者訂單絕對數(shù)量差異較大，需要對統(tǒng)計(jì)結(jié)果進(jìn)行歸一化處理，最終得到上車熱點(diǎn)區(qū)域的空間分布情況，如圖9所示。

圖9 上車位置空間分布特征Fig.9 Spatial distribution characteristics of boarding position

由圖9(a)、(c)和(e)可知，在工作日、休息日和節(jié)假日，出租車的熱點(diǎn)載客區(qū)域都集中在廈門市中心，熱度由島內(nèi)向島外遞減。例如，摩爾蓮花購物廣場、明發(fā)商業(yè)大廈、廈門國際中心和廈門市火車站等都是大客流密集區(qū)。由圖9(b)、(d)和(f)可知，網(wǎng)約車的載客熱點(diǎn)區(qū)域與出租車的載客熱點(diǎn)區(qū)域基本重合，這在一定程度上緩解了上述熱點(diǎn)區(qū)域的出行壓力。除此之外，網(wǎng)約車在島外也出現(xiàn)了一些新的熱點(diǎn)區(qū)域，并且服務(wù)范圍遠(yuǎn)大于出租車。這表明在思明區(qū)和湖里區(qū)之外，網(wǎng)約車在空間上彌補(bǔ)了出租車運(yùn)力較為緊張的區(qū)域，明顯改善了廈門島外的供需關(guān)系。

4 結(jié)論

本文利用廈門市出租車與網(wǎng)約車的GPS軌跡數(shù)據(jù)和POI數(shù)據(jù)，從運(yùn)營效益和訂單時(shí)空分布2個(gè)方面分析了2類車輛的運(yùn)營特征。研究結(jié)論如下：

1) 出租車運(yùn)營強(qiáng)度明顯高于網(wǎng)約車，但網(wǎng)約車載客里程中位數(shù)高于出租車。出租車日均出車時(shí)間與日均載客次數(shù)均高于網(wǎng)約車，其中，出租車日均出車時(shí)間約為網(wǎng)約車的1.5倍，日均載客次數(shù)約為網(wǎng)約車的2.4倍。網(wǎng)約車載客里程中位數(shù)約為5.3 km，出租車的載客里程中位數(shù)約為4.8 km，網(wǎng)約車比出租車的載客里程中位數(shù)高出近10%。

2) 在行政區(qū)GDP和出租車數(shù)量比值較低時(shí)，出租車的加權(quán)時(shí)間運(yùn)力利用率整體偏低，但在網(wǎng)約車與出租車數(shù)量比為2.0時(shí)達(dá)到局部高點(diǎn)，所以在經(jīng)濟(jì)不發(fā)達(dá)區(qū)(如同安區(qū))，要盡量控制出租車與網(wǎng)約車的數(shù)量比為2.0。

3) 出租車與網(wǎng)約車都具有明顯的、不平衡的日變化趨勢，接單量都集中在早、中午、晚高峰期，但出租車的訂單數(shù)量會在晚高峰后繼續(xù)增加，而網(wǎng)約車則會減少。

4) 2類車輛在不同行政區(qū)、不同功能區(qū)內(nèi)的訂單變化大致相同。在工作日和節(jié)假日2類車輛在不同行政區(qū)內(nèi)占比穩(wěn)定，但在節(jié)假日網(wǎng)約車在湖里區(qū)和思明區(qū)訂單數(shù)量占比上升。另外，在休息日和節(jié)假日，兩者在居住功能區(qū)所占比重明顯均低于工作日。

5) 在服務(wù)范圍上，網(wǎng)約車有效緩解了廈門島外居民對出租車的需求壓力，成為出租車的有效補(bǔ)充。

由于本研究僅使用了GPS軌跡數(shù)據(jù)和POI數(shù)據(jù)，因此，將來可考慮增加更多的相關(guān)數(shù)據(jù)豐富設(shè)定指標(biāo)內(nèi)容，如車輛計(jì)價(jià)器數(shù)據(jù)和道路擁堵數(shù)據(jù)等，更全面和客觀地分析2類運(yùn)營車輛的運(yùn)營效益和時(shí)空分布規(guī)律，從而為出租車行業(yè)改革和網(wǎng)約車監(jiān)管提供有效數(shù)據(jù)支持。