基于供需平衡的出租车规模确定方法

通过对出租车规模影响因素的分析,对预测模型参数进行了选取,建立了供需平衡的预测模型可用来预测出租车的合理规模。考虑到出租车的出车率和运力的不可储存性等因素,对模型进行了修正,结合平顶山市出租车发展规模现状,进行了实例分析与论证。

基于空间滞后模型的出租车需求影响因素分析

为研究晚高峰出租车需求影响因素以实现对晚高峰出租车需求的精准预测,利用西安市出租车GPS数据,通过数据预处理和地图匹配,得到以交通小区为单位的出租车需求并对其空间自相关性进行分析,研究了出租车需求与其他交通方式设施供给之间的关系并建立了晚高峰出租车需求的空间滞后模型.结果表明,空间滞后模型在拟合优度和系数解释上均优于传统线性回归模型,且出租车需求与地铁可达性、公共停车场供给和公交车供给呈正相关。

基于情境感知注意机制的出租车需求深度学习预测模型

针对出租车需求预测方法中由于未充分挖掘数据导致的预测精度较低问题,提出一种基于情境感知注意机制的递归卷积神经网络出租车需求预测方法。根据城市路网划分出一组细粒度区域,得到出租车需求的三个时空依赖性预测结果。设计由局部卷积层和门控神经单元组成的即时时空模块,提取相邻区域和函数相似区域之间的空间相关性,以及连续时隙中的时间相关性。基于循环神经网络提出一种新的情境感知注意机制,将每个区域的三个预测合并在一起,将情境因素输入到完全连接层中来学习分配给每个预测的权重。以纽约市和成都市的实际数据集为基础进行综合实验,结果表明所提出方法有较高的预测精度以及运行时间优势。

上海新能源出租车充电桩规模和建设途径分析

为提高新能源出租车的充电保障能力,更好地促进上海新能源出租车发展,首先,梳理上海充电桩建设现状以及相关扶持政策;其次,通过对车辆位置数据的分析,得出新能源出租车运营特点和充电时空需求,从而测算出新能源出租车专用快充桩0.9万~1.2万个需求规模和在上海各行政区分布规划;最后,结合既有设施条件,明确上海新能源出租车专用充电桩的公共停车场、P+R停车场、公交停车场、公园绿地、桥孔等5个模式的建设实现路径,并针对不同类型的充电设施提出重点任务和服务要求。

杨凌示范区出租车需求分析与预测

对杨凌示范区城乡居民的OD出行情况以及出租车驾驶员运营情况进行问卷调查,得到基础数据,并基于供需平衡的需求量预测方法,以2013年为基年,对杨凌示范区出租车的需求量进行合理预测。预测结果显示,到2020年杨凌示范区对出租车的需求量为289辆。

基于出租车轨迹数据的城市居民出行特征挖掘

针对城市交通中出租车寻客与调度困难等问题,提出一种基于KAN N-DBSCAN聚类算法与BP神经网络的热点区域需求预测模型,通过挖掘居民出行聚集模式进而对需求量预测分析.首先在对乌鲁木齐市出租车GPS轨迹数据预处理的基础上,通过数理统计法分析居民出行行为规律与空间出行特征;其次建立基于自适应DBSCAN聚类算法的热点区域识别模型,优化了聚类中参数标定过程,实现了分时段载客热点区域的探测;最后构建BP神经网络进一步对热点区域的居民出行需求进行预测.研究表明:居民出行活动热点区域受不同时间段的影响,交通枢纽以及商业购物区是出行的高热度区域;通过BP神经网络与随机森林模型对比发现,BP神经网络更适用于进行热点区域的交通需求预测.

基于双模态信息的出租车需求预测

现有需求预测方法对路段相关性挖掘能力不足,导致空间特征提取不充分。针对此问题,利用路段的邻接关系和需求时序形状相似关系两种模态信息分别构建路段静态拓扑图和序列形状相似图,表征更深层的路段空间关系。其次,基于图注意力网络(Graph Attention Network, GAT)与门控递归单元(Gate Recurrent Unit, GRU)构建时空多图注意力网络(Spatiotemporal Multi-graph Attention Network, ST-MGAT),以使用两个图挖掘数据的时空特征。实验表明,ST-MGAT的平均绝对误差、均方根误差和平均绝对百分误差分别为0.758 1、0.641 2和6.976 3%,均优于对比模型。此外,该方法在短时预测方面表现更佳。

基于GCN和TCN的多因素城市路网出租车需求预测

在巡游模式下,出租车与乘客间供需不易匹配,造成出租车空载和乘客打车难现象并存,准确高效地实现路网出租车需求预测有利于有效缓解这一问题.针对现有交通流预测模型对空间特征提取不充分,特别是对城市路网内路段之间的空间关系没有全面挖掘这一问题,充分考虑路网内路段间的3种空间关系,对其分别构建路段间的局部关系图、路段全局关系图和路段OD次数关系图,提出一种由图卷积网络与时间卷积网络相结合的出租车需求预测模型.其中,采用图卷积网络对城市路网内路段的空间关系特征进行挖掘,采用时间卷积网络对交通数据集中的时间序列特征进行挖掘,并且考虑外部因素的影响.实验中,首先从真实出租车GPS轨迹数据中提取城市路网中各个路段的出租车出行量,并利用道路上在多个时隙形成的出行量序列对预测模型进行验证.结果表明,相比其他交通流预测模型,所提出的预测模型具有较优的平均绝对误差、均方根误差和平均绝对百分误差.

出租汽车拥有量确定方法研究述评

出租汽车拥有量确定方法是关系一个城市出租汽车客运市场供需均衡、经营者和驾驶员合理收益、居民生活便利、行业发展的重要问题。文章通过分析出租汽车拥有量确定方法相关的研究成果,归纳总结了当前国内出租汽车拥有量确定中采用的主要方法,包括供需平衡法、比例法、回归分析法、灰色系统预测法、神经网络法、多目标优化法、基于管制强度的配置方法等,分析阐述了各种方法已有研究取得的成果和存在的不足,从方法本身的特点、适用的条件、数据的可得性、出租汽车客运市场的现实情况等方面,分别探讨了各种方法进一步深入研究的方向和优化思路,以期完善各种方法的应用研究,建立相关的理论模型。

考虑空间分布的电动出租车中长期充电需求预测

为提升电动汽车充电站利用率,完善城市充电设施,全面推广电动汽车的应用,对电动出租车的充电需求进行预测。将电动出租车行程数据进行清洗,提取具有研究价值的OD数据,与城市POI兴趣点、路网系统融合,得出电动出租车的出行规律、空间分布特征。根据城市近6年电动出租车的历史保有量数据和发展态势,通过灰色预测模型得到城市未来8年电动出租车保有量预测值。考虑电动出租车出行特征、耗电情况及各区域充电桩功率情况,建立符合实际情况的充电需求预测模型,通过蒙特卡洛方法对电动出租车充电行为进行模拟。对仿真结果进行分析,得出基于空间分布的电动出租车中长期充电需求情况。