基于出租车运营GPS数据的城市公交线路优化方法研究

城市公交线路优化是在现有城市公交资源的条件下通过修改公交路径、公交站点位置、公交发车频率等可控条件,以提高公交运行效率,提升公交吸引力出行分担率的主要方法。目前公交线路优化方法一般存在耗时长、工作量大、理论性强而实际应用困难等问题。随着GPS、移动互联网等技术的成熟及应用设备成本的下降,越来越多的城市运营出租车都安装了GPS监控设备。由于出租汽车与公交车在运送目的、运行道路等方面的高度关联性,出租车运营数据可以侧面反映出居民出行需求及公交服务水平,可以通过出租车运营GPS数据设计一种城市公交线路优化方法。这种公交线路优化方法获取的参数数据具有时效性强,准确反映出近期(甚至即时)的城市交通运行状况和局面交通需求状况;效果可视性好,由GIS地图反映出的出租车位置点、起讫点、公交车站点布设、途径路径等数据直观可靠。同时,具有调查成本低,获取数据范围广,数据量大,方便快捷等特点,利用这种方法为未来建立实用性强的公交线路优化方法,为建立公交线路优化指标体系提出新的思路。

城市出租车运营网络平衡模型

为确定城市出租车的合理发展规模,研究了城市出租车网络的运营特性与载客和空载阶段的出租车路径选择行为特征,分析了固定需求条件下出租车运营网络的供需平衡关系,建立了城市出租车网络平衡模型,以客观地反映驾驶员的搜客行为规律,表征城市道路网、出租车运营规模、出租车搜索时间和乘客候车时间的相关关系,并针对模型结构特征设计了模型求解的迭代求解算法。算例计算分析表明,算法是收敛的,模型是可行的,能根据乘客等待时间确定城市出租车的合理发展规模,有利于城市出租车网络的规划与管理。

信息系统下出租车运营市场网络均衡模型

目前在大中城市中应用智能手机叫车软件搭乘出租车成为受到广泛关注的出行现象,本文通过考虑存在叫车服务即出租车派遣服务模式,建立了信息系统下出租车运营市场网络均衡模型.该模型在获得出租车运营市场相关数据的基础上,通过设计的算法可以求出各个节点的顾客平均等待时间.在数值实验中,分析了模型中不同参数值对于算例网络中各个节点的顾客平均等待时间的影响程度.结果表明各种参数值的变化对减少顾客平均等待时间的影响不同,其中降低空驶过程中出租车司机选择乘客及服务模式的随机程度对降低各个节点顾客平均等待时间影响显著,而各节点处乘客需求量和到达的随机程度,以及叫车服务费用对于各节点顾客平均等待时间的降低影响并不明显.

出租车运营中空车行为的仿真研究

我国出租车运营系统有下列特点:1)空车在路网上巡游来寻找乘客,空车行为对系统性能影响显著;2)路边随机停靠搭载是主要的上下车形式.基于此,采用了离散事件仿真技术模拟出租车在路网上搜索乘客并提供出行服务的动态过程,研究了不同空车策略对系统性能的影响.仿真结果表明,基于历史信息的空车策略能够有效提高系统运营效率,而提供呼叫服务对于出租车运营方是不利的.该研究有助于出租车公司提高空车效率,也能够为城市交通管理部门决策提供理论依据.

考虑需求分布影响的城市出租车运营平衡模型

基于出租车空驶搜索行为由到目标区域的出行时间和出行需求分布特征共同决定,研究城市出租车网络的运营特性与载客和空驶阶段的出租车路径选择行为特征,分析固定需求条件下出租车运营网络的供需平衡关系,建立需求分布影响下的城市出租车网络平衡模型,并针对模型结构特征设计了模型求解的迭代求解算法。算例计算分析结果表明,该算法是收敛的,能根据乘客等待时间确定城市出租车的合理发展规模,为城市出租车网络的规划与管理提供科学依据。

存在打车软件服务的出租车运营市场仿真模型

针对目前出租车服务市场盛行使用打车软件现状,分析了存在打车服务情况下出租车司机载客与乘客的打车行为,构建了基于离散事件的出租车运营市场仿真模型.模型考虑了乘客需求在路网的分布,以及空驶出租车巡游搜索乘客和接单行为,模拟了乘客在交通路网中使用打车软件召唤空驶出租车行为及出租车搜索乘客的动态过程,采取事件扫描法推进仿真时间步长,得到乘客的平均等待时间和出租车平均收益等指标.算例网络的仿真结果表明,在相同的出租车市场规模下,随着使用打车软件乘客比例的增加,并不能有效减少乘客的平均等待时间;而在相同打车软件使用率下,随着出租车数量增加,乘客是否使用打车软件,其平均等待时间都会减少,并通过多次仿真结果得到综合考虑出租车收益与乘客等待时间的最优出租车市场规模.

基于运营系统的出租车出行需求短时预测模型

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统出租车需求网格划分方法,考虑了地形、建筑群和道路网络特征,保持了网格自身出行特性的完整性.其次,根据实时收集的出租车数据,建立了易于计算的出行需求估计方法.最后,以实际数据为基础,对影响短时出行量的主要变量进行了相关性分析,提出了基于人工神经网络的短时需求预测模型,根据相关性分析确定了模型结构.以实际获取的出租车数据为例,验证了提出的需求估计和预测模型.结果证明:相比于传统自回归滑动平均模型,提出的人工神经网络模型其平均绝对误差百分比提高了32%.此外,人工神经网络模型的绝对误差百分比超过50%的概率低于10%,而自回归滑动平均模型高达23%.

城市出租车运营研究综述

综述分析了城市出租车服务的相关研究,介绍了经济学框架下的研究、网络平衡数学模型以及排队论与仿真方法的应用,回顾了取得的进展,分析了难以精确描述服务过程、部分结论与实际情况存在一定差距的原因。指出未来研究的关键是考虑系统动态性,特别是动态的空车行为。仿真方法是一个有潜力的方向。

基于出租车运营数据和POI数据的出行目的识别

为了有效获取出租车乘客出行目的,提出了一种基于出租车运营数据和POI(Point of Interest)数据的出行目的识别方法.构建了基于乘客出行特征和下车所属POI点类别的乘客出行目的识别模型,该方法从出行特征及乘客下车点最终可能到达的目的地所属POI点类型两个方面确定乘客的出行目的.为了验证所提方法的有效性及实用性,对成都地区展开了出租车出行调查,并利用调查数据对模型进行了精度验证.结果发现,相比于现有的利用出行特征推断出行目的的方法,本文提出的决策树+POI(II)能够提高最终识别准确度15.76%.最后,将所提方法应用于成都1周的实际运营数据中,成功地识别出219 942名乘客的出行目的,说明该方法能够应用于实际数据量较大的出行目的识别.本文提出的方法,可以作为出行调查的辅助手段.

基于深度强化学习的电动出租车运营优化

作为公共交通的重要组成部分,电动出租车对电动车推广具有重要的示范意义。相较于燃油出租车,电动出租车需要耗费更多充电时间,降低了出租车司机的使用意愿,全面推广面临较大阻力。强化学习方法方兴未艾,适用于出租车运营的顺序决策过程。基于强化学习,本文构建双深度Q学习网络(double deep Q-learning network,DDQN)模型模拟电动出租车的运行。根据出租车的实时状态选择并执行最优载客、充电、空驶和等待等动作,通过训练得到全局最优的电动出租车运营策略,实现电动出租车运营智能优化。利用美国纽约市曼哈顿岛的出租车出行数据进行试验。结果表明:相较于简单的电动出租车运营模式,DDQN优化策略最高将充电等待时长降低70%,拒载率降低53%,司机的载客收入提高7%。相对于电池容量,充电速率和车辆总数对出租车运营收入影响更大,当充电速率达到120 kW时,电动出租车达到最佳的运营表现,政府在推广电动出租车的过程中应当建设更多高速率的充电站以提升电动出租车的运营表现。

出租车行业运营发展问题及改革阻碍——以北京市为例

出租车行业运营的特点、问题和未来的行业改革方向一直备受关注。北京市的出租车行业运营发展经历了二十多年的曲折历程,期间屡次改革调整形成了目前较有代表性的"北京出租车运营模式",但却从未动摇过出租车行业的特许经营制度。这种特许经营制度是缺乏合法性与合理性基础的,加之诸多阻碍因素制约,导致出租车改革局面止步不前,而唯有市场化改革才是出租车行业健康发展的唯一出路。

由出租车和乘客构成的特殊结构排队系统仿真

出租车排队系统的特殊性体现在:1)服务台移动;2)服务台与服务对象双向排队等待;3)服务台具备主动搜索服务对象的能力;4)服务时间受到路网动态交通流和信号灯的影响。基于此,采用离散事件仿真技术模拟出租车在路网上搜索乘客并提供出行服务的动态过程。校核与验证的结果表明:仿真模型能够更真实和精确地描述出租车运营系统,仿真结果与实际系统是一致的。

出租车空车搜索多主体仿真模型

出租车运营中空车与乘客的相互搜索是一个动态、随机的复杂交互过程,解析方法难以刻画这类行为.采用多主体技术设计城市出租车运营仿真架构,模拟出租车与乘客在路网上相互搜索的动态过程.出租车主体采用慎思结构实现,乘客决策依据随机效用理论,路网分解为道路、交叉口和站场三类Agent.模型能够描述出租车运营中常见的路边随机上下车行为,并考虑了出租车运营的动态交通环境,可以为解决我国出租车问题提供理论支持.

基于浮动车数据的出租车规模确定方法

通过对出租车GPS数据进行预处理、地图匹配、运营信息挖掘,可以获得与出租车运营有关的信息,单次行驶的时间、距离、经过的路径等。从浮动车数据钟挖掘出租车运营信息,获得出租车在城市运营中的平均运营速度、平均运营时间、平均出行距离等信息,并在结合城市出租车需求的基础上,给出了确定出租车合理规模的方法。同时以广州的出租车数据为基础,对该方法进行了验证。结果表明该方法能够更准确地为出租车提供合理规模,为出租车管理及交通规划等提供科学依据。

基于多主体技术的出租车定价仿真优化方法

出租车定价是一个多目标、多峰值、难以建立显式数学模型的复杂优化问题。采用多Agent技术建立仿真平台,模拟出租车和乘客在城市中相互搜索以及出租车运送乘客的服务过程。利用仿真平台研究城市出租车运营系统定价问题,设定分担率线性加权的价格优化目标,并运用仿真优化方法求解,为城市出租车系统定价提供新的思路和方法。

手机打车软件对北京市出租汽车运营影响分析

手机打车软件作为互联网在交通行业最先、影响最大的应用产品,对出租汽车行业运营所产生的影响受到社会各界的广泛关注。尤其是在2014年春节后,嘀嘀打车和快的打车两款产品的大规模补贴活动和宣传浪潮,形成了业界和社会的讨论热潮。根据百度指数统计,2014年2月＂打车软件＂一词的周均搜索量已经超过2万次,一度成为社会关注和讨论热点。北京市拥有6.

信息条件下城市出租车乘客等待时间测算模型

打车软件使信息条件下的城市出租车运营特征明显区别于传统巡游模式,为了准确测算出在此信息条件下出租车乘客的等待时间,首先由交通小区实载出租车的到发量关系将各小区划分为饱和、平衡及不饱和小区,然后考虑信息条件对空驶出租车搜索行为的影响以预测出空驶出租车分布矩阵,最终根据出租车的单次空驶时间与乘客单次等待时间守恒关系构建出各小区乘客的平均等待时间模型。在数值实验中,在同一网络里与传统背景下均衡模型对比可知打车软件对不同小区的乘客等待时间影响不同。对于饱和及平衡小区,乘客单次平均等待时间缩短了65%,对于未饱和小区乘客单次平均等待时间增加了23%~58%,同时该区域出租车空驶率降低。计算结果表明：打车软件能增强信息透明度,降低出租车空驶率,对乘客等待时间有一定的影响,可提供对打车软件的引导及管理的决策依据。

与Uber“博弈”的背后 看看国外出租车发展如何顺应潮流

在世界上许多大城市,人们都面临着打车难、打车贵的问题,这给网络预约车服务提供了发展空间。网络专车服务在快速发展,但也与传统出租车行业发生了＂激烈对撞＂,成为不少政府的一大难题。在加强专车管理的同时,一些国家和地区也开始着手改善传统出租车的运营情况。Uber在全球＂且行且困扰＂2015年7月25日,因不满美国知名打车软件＂优步＂（Uber）抢了生意,法国巴黎的出租车司机25日罢工并堵住机场和火车站入口,以示抗议。

基于参数化宏观建模的城市出租车与专车保有量测算

针对目前城市出租车行业和专车行业的现状,利用车联网导航通信技术准确获取出租车的运营管理数据,结合城市居民和流动人口的出行特征,以出租车空驶率为主要参数,建立保有量的数学模型并计算出出租车的最佳数量。并且以济南市为例应用该模型验证分析,计算出租车的合理拥有量,最后结合济南市目前的交通问题及专车情况提出了解决建议。

出租车公司自主定价 的哥和企业商定收费标准 广州出租车承包费放开

近日,省发改委已下发《关于放开出租汽车承包费及有关问题的通知》,自8月15日起对出租汽车承包经营费实行市场调节价,由的哥和企业在合同中约定具体收费标准,不再实行政府指导价。广州市发改委有关负责人表示,承包费实行市场调节价之后,由的哥和企业双向约定承包费,不再实行政府指导价。"