目的了解北京市出租车司机腰痛(low back pain,LBP)患病率并探讨其相关因素。方法2023年3月至9月,对北京市出租车公司组织于本院体检中心接受健康检查的421名出租车司机进行横断面研究,收集司机的资料,根据是否发生LBP将司机分为LBP组和...目的了解北京市出租车司机腰痛(low back pain,LBP)患病率并探讨其相关因素。方法2023年3月至9月,对北京市出租车公司组织于本院体检中心接受健康检查的421名出租车司机进行横断面研究,收集司机的资料,根据是否发生LBP将司机分为LBP组和非LBP组,对比两组患者资料差异。结果多因素Logistic回归分析结果显示,经常饮酒、体质量指数(超重、肥胖)、与乘客关系差、日工作时长>12 h、背椅不可调节是出租车司机发生LBP的相关因素(P<0.05)。结论出租车司机LBP发生率较高,影响出租车司机LBP发生的因素包括经常饮酒、体质量指数(超重、肥胖)、与乘客关系差、日工作时长、背椅不可调节等因素,这些因素均为可调节因素,给予针对性干预有望减少出租车司机的LBP患病率。展开更多
基于行驶轨迹全球导航卫星系统(GNSS)数据,提出了出租车运动学片段提取规则和方法。根据主成分分析(PCA)及累积贡献率,确定了8个表征运动学片段的关键指标;结合K‒均值聚类算法,挖掘出租车运动特征模式。为了确保运动特征模式关键指标权...基于行驶轨迹全球导航卫星系统(GNSS)数据,提出了出租车运动学片段提取规则和方法。根据主成分分析(PCA)及累积贡献率,确定了8个表征运动学片段的关键指标;结合K‒均值聚类算法,挖掘出租车运动特征模式。为了确保运动特征模式关键指标权重的客观合理性,采用考虑指标关联性的CRITIC(criteria importance through intercriteria correlation)法和考虑指标离散程度的熵权法,构建了基于纳什均衡的组合赋权的多准则妥协解排序(VIKOR)评价模型,用于多时空情景下出租车运动特征模式评价和出租车行驶状态研判。结果表明,基于纳什均衡的组合赋权法可以有效融合CIRTIC法与熵权法对评价指标的优势,获得更合理的权重系数。就安全性、效率和舒适性而言,出租车行驶状态在主干路和次干路上优于在支路上。早高峰出租车行驶安全性最佳,平峰和晚高峰相对一般。展开更多
城市出租车需求预测在降低出租车空车行驶率、缓解道路交通拥堵方面发挥着重要作用。然而,由于城市路网结构的复杂性,出租车流量的准确预测一直是一项挑战。为了更好地捕捉出租车数据的空间特征,准确预测未来的需求变化,我们提出了一种...城市出租车需求预测在降低出租车空车行驶率、缓解道路交通拥堵方面发挥着重要作用。然而,由于城市路网结构的复杂性,出租车流量的准确预测一直是一项挑战。为了更好地捕捉出租车数据的空间特征,准确预测未来的需求变化,我们提出了一种新颖的时空预测模型。该模型融合了Tucker分解和深度学习的优势,不仅能够捕获出租车需求数据之间的时空相关性,还考虑到了外部因素的潜在影响。最终,通过对五个真实世界的数据集进行出租车需求预测实验,我们验证了本文提出的模型在预测性能方面的有效性。Urban taxi demand forecasting plays an important role in reducing empty cab trips and easing road traffic congestion. However, accurate prediction of cab flows has been a challenge due to the complexity of urban road network structures. To better capture the spatial characteristics of cab data and accurately predict future demand changes, we propose a novel spatial-temporal prediction model. The model incorporates the strengths of Tucker decomposition and deep learning to not only capture the spatial-temporal correlation between cab demand data, but also take into account the potential impact of external factors. Ultimately, by conducting cab demand prediction experiments on five real-world datasets, we validate the effectiveness of the model proposed in this paper in terms of prediction performance.展开更多
文摘目的了解北京市出租车司机腰痛(low back pain,LBP)患病率并探讨其相关因素。方法2023年3月至9月,对北京市出租车公司组织于本院体检中心接受健康检查的421名出租车司机进行横断面研究,收集司机的资料,根据是否发生LBP将司机分为LBP组和非LBP组,对比两组患者资料差异。结果多因素Logistic回归分析结果显示,经常饮酒、体质量指数(超重、肥胖)、与乘客关系差、日工作时长>12 h、背椅不可调节是出租车司机发生LBP的相关因素(P<0.05)。结论出租车司机LBP发生率较高,影响出租车司机LBP发生的因素包括经常饮酒、体质量指数(超重、肥胖)、与乘客关系差、日工作时长、背椅不可调节等因素,这些因素均为可调节因素,给予针对性干预有望减少出租车司机的LBP患病率。
文摘基于行驶轨迹全球导航卫星系统(GNSS)数据,提出了出租车运动学片段提取规则和方法。根据主成分分析(PCA)及累积贡献率,确定了8个表征运动学片段的关键指标;结合K‒均值聚类算法,挖掘出租车运动特征模式。为了确保运动特征模式关键指标权重的客观合理性,采用考虑指标关联性的CRITIC(criteria importance through intercriteria correlation)法和考虑指标离散程度的熵权法,构建了基于纳什均衡的组合赋权的多准则妥协解排序(VIKOR)评价模型,用于多时空情景下出租车运动特征模式评价和出租车行驶状态研判。结果表明,基于纳什均衡的组合赋权法可以有效融合CIRTIC法与熵权法对评价指标的优势,获得更合理的权重系数。就安全性、效率和舒适性而言,出租车行驶状态在主干路和次干路上优于在支路上。早高峰出租车行驶安全性最佳,平峰和晚高峰相对一般。
文摘城市出租车需求预测在降低出租车空车行驶率、缓解道路交通拥堵方面发挥着重要作用。然而,由于城市路网结构的复杂性,出租车流量的准确预测一直是一项挑战。为了更好地捕捉出租车数据的空间特征,准确预测未来的需求变化,我们提出了一种新颖的时空预测模型。该模型融合了Tucker分解和深度学习的优势,不仅能够捕获出租车需求数据之间的时空相关性,还考虑到了外部因素的潜在影响。最终,通过对五个真实世界的数据集进行出租车需求预测实验,我们验证了本文提出的模型在预测性能方面的有效性。Urban taxi demand forecasting plays an important role in reducing empty cab trips and easing road traffic congestion. However, accurate prediction of cab flows has been a challenge due to the complexity of urban road network structures. To better capture the spatial characteristics of cab data and accurately predict future demand changes, we propose a novel spatial-temporal prediction model. The model incorporates the strengths of Tucker decomposition and deep learning to not only capture the spatial-temporal correlation between cab demand data, but also take into account the potential impact of external factors. Ultimately, by conducting cab demand prediction experiments on five real-world datasets, we validate the effectiveness of the model proposed in this paper in terms of prediction performance.
