出租车回程候客点布局研究范文

《交通与运输》2017年第1期

摘要：出租车作为城市交通的重要组成部分，往往通过设置出租车侯客点，实现异地载客。基于出租车GPS原始数据，给出数据处理方法，在此基础上对广佛间出行乘客上下车行为进行分析，获取其空间特征，最后提出基于K-means聚类算法的出行距离最短的回程侯客点的布局模型，为科学地设置出租车回程侯客点提供一定的理论基础。

关键词：回程侯客点；GPS数据；聚类分析；布局研究

0引言

在同城化趋势下，毗邻地区居民往来频繁，为避免出租车回程空载导致资源浪费，毗邻地区交通主管部门通常通过协调设置出租车回程候客点来解决这一问题，如广佛、潮汕等。但目前现有回程候客点的设置主要依据经验设定，缺乏一定的理论基础。出租车GPS数据可实现大范围、全天候车辆行驶信息的数据采集，可以记录乘客的上下客时间和位置。本文利用广州市出租车GPS数据，对广佛间乘客上下车点进行识别，分析其出行行为特征，提出基于K-means聚类算法的出行距离最短的回程候客点的布局模型，为城市出租车交通管理方法的研究和出租车市场的科学管理奠定坚实的基础。

1数据处理

1.1数据预处理

选用广州市中心六区一周出租车GPS数据，包括出租车的车牌号、存储时间、采样时间、纬度、经度、速度、行驶方向、数据有效性、载客状态等字段。数据预处理[1-3]的第1步是数据格式调整，主要包括将经纬度坐标转换为WGS-84坐标，将设备记录的世界标准时间转换为北京时间；第2步为数据过滤，根据以往对异常数据的研究方法及广佛两市的地理位置等限定条件，设定5项过滤条件：①GPS存储时间≤采样时间+30min；②EFF=1；③瞬时速度Speed≤200km/h；④112.95°≤经度Longitude≤114.05°；⑤22.43°≤纬度Latitude≤23.93°。第3步剔除冗余数据，出租车每隔15s会上传一次GPS信息，但实际情况中，经常会出现传送不止一遍的情况，为了保证数据的有效性，需对这些重复数据予以剔除。

1.2上下客点识别

出租车载客状态变化的时刻即为乘客上下车的时刻，（上客：0→1；下客：1→0），考虑GPS终端返回数据的时间较短，采用载客状态显示1或0的时刻作为乘客的上或下客点，该时刻的GPS数据经纬度坐标为乘客上或下车经纬度[4]。上下客点识别[5]的第1步是数据排序，将GPS数据转化为按LICENSEPLATENO（车牌号）、GPS_TIME（采样时间）顺序排序的点序列；第2步为数据点转化为数据段，将各相邻数据点i、j的CAR_STAT1(i)、CAR_STAT1(j)首尾依次相接，即将数据点转化为数据段，记为CAR_STAT1(ij)；第3步识别上、下客点经纬度，若CAR_STAT1(ij)=CAR_STAT1(01)，则j可识别为1次出行的起点；若CAR_STAT1(ij)=CAR_STAT1(10)，则i可识别为1次出行的终点；第4步数据输出，识别为1次出行起终点的数据经纬度对（LONGITUDE(i)，LATITUDE(i)），（LONGITUDE(j)，LATITUDE(j)）进行保留输出，其他删除。

1.3佛山方向上客点可视化呈现

利用Arcgis软件，将广州市广佛出行乘客上客点的GPS坐标数据批量投影到shp格式的广州市电子地图上，进行可视化呈现。

（1）采取几何分析算法[6]对广佛出租车起讫点在地图上进行地图匹配。第1步是选取匹配路段，选取广佛两市内主要道路节点作为地图匹配的基准点。将以定位点为中心的误差范围内的道路节点与定位点进行比较，选取与定位点距离最近的路段作为最终的匹配路段；第2步为确定具体位置，采用垂直投影的方法确定该定位点在匹配路段的具体位置。

（2）导入Arcgis中的GPS点位，筛选广佛出行起点。按位置选择出行起点位于广州市、出行讫点落入佛山市的有效点位，导出有效点位数据（6854个），进行广佛出行乘客上客点可视化呈现。

2出租车上客热点分析

绘制广佛间出行广州出租车上客点分布热力图。出租车上客点集中分布于两大区域，一是广州市综合客运枢纽，如白云国际机场、广州南站、广州站、广州东站，二是广佛交界处的公路客运站场、城市交通站场，如滘口汽车站、浔峰岗地铁站、黄沙地铁站、芳村客运站（坑口地铁站附近）、西朗地铁站等。

3回程候客点布局研究

3.1布局原则[8]

（1）宜设置在人流量大、密集且具有大量广佛间出租车需求的场所，如两地大型商业区、居住区、医院、旅游景点的出入口处；

（2）宜设置在两市重要客运枢纽的出入口，方便两地居民换乘市内交通；

（3）宜设置在与主干路相交的次干道或支路上，可结合已有的辅道或非机动车道设置，并设置相应引导性标志牌；

（4）宜分布于广佛两地交界的镇街，在城市出入口设置回程候客点；

（5）考虑本市出租车运营，回程候客点不宜过于纵深至城市中心腹地。

3.2布局模型

依据各路段广佛间出行上客需求空间分布和城市道路路段交通设置等状况，提出基于区域划分的出行距离最短的回程候客点的布局模型。

3.2.1基于K-means聚类算法[9]，获取初始布局点位

聚类分析可以以乘客上客点之间的距离来衡量上客点之间的亲疏程度，本文选用算法简单、收敛速度较快的K-means聚类算法对广佛间出行上客点经纬度数据进行聚类，获取初始点位方案。算法原理如下：

Step1从6854个（数据样本量）乘客上客点中随机选择18个（预先设定的簇中心个数）上客点初始簇中心；

Step2剩下的上客点根据其与选择的18个上客点的空间直线距离，划分到与其较近的初始簇中心；

Step3重新计算各簇的新的簇中心；

Step4重复Step2、Step3，直到标准测度函数（簇内误差平方总和）收敛为止；

Step5输出初始回程候客点点位经纬度数据。

3.2.2合并、移动初始簇中心，确定回程候客点布局方案

聚类分析获得的各簇别内乘客上客点的数据相差较大，如14簇别仅1个上客点，而5簇别1386个上客点，这是由K-means聚类算法系统指定初始簇中心和各地区乘客上客需求差异较大引起的。因此得到的初始点位仅能作为方案制定的数据支持，具体方案的制定还需要结合回程候客点的布局原则、广佛两地实际的交通设施状况，对初始点位进行合并、移动。

Step1将点位数Ci位数≤50的簇别合并到就近簇别；

Step2将簇别中心距广佛边界里程数Si>12km的簇别合并到就近簇别；

Step3甄选簇别中心2km以内的重要枢纽、商场、居住区，将簇别中心移动至符合条件的客运枢纽、商业中心的出入口处；

Step4优先考虑现有回程候客设施，结合已有的辅道或非机动车道设置，并设置相应引导性标志牌；

Step5获取回程候客点最终布局方案。

4结术语

本文利用出租车GPS原始数据，给出数据的预处理、异地出行上下客识别的方法，针对异地出行乘客热点进行分析，获取空间分布特征，对异地乘客出行行为的分析，具有一定的客观性，可为城市交通管理部分的出租车行业管理提供一定的数据支撑。基于K-means聚类算法的回程候客点布局模型，可为城市间出租车回程候客点的设置提供一定的理论基础。由于本文出租车GPS数据仅为广州市中心六区数据，未覆盖广州市全市范围且未包含佛山市出租车数据，而且回程候客点的布局还应考虑两市交通运行以及相关政策情况，因此，最后得出的布局方案具有一定的局限性，后续研究可进一步完善。

参考文献：

[1]何雯等.基于GPS轨迹的规律路径挖掘算法[J].吉林大学学报（工学版），2014,44(6):1764-1770.

[2]白竹等.基于GPS数据的拥挤状态下出租车运行信息提取技术[J].黑龙江工程院学（自然科学版），2012,26(4):27-30.

[3]张俊涛等.利用出租车轨迹数据挖掘城市居民出行特征[J].地理与地理信息科学，2015,31(6):104-108.

[4]童晓君等.基于出租车GPS数据的城市居民出行行为分析[J].电脑与电信，2012(1):56-59.

[5]齐林.基于GPS数据的出租车交通运行特性研究及应用[D].哈尔滨工业大学，2013.

[6]栾丽娜.基于GPS数据的城市出租车运营分析与数据挖掘[D].山东大学，2015.

[7]广州市交通运输研究所.广佛公共交通一体化研究[R].2016.

[8]叶海飞.出租车停靠站的设置方法[J].交通标准化，2014,42(15):68-72.

[9]翟东海等.最大距离法选取初始簇中心的K-means文本聚类算法的研究[J].计算机应用研究，2014,31(3):713-715.

作者：李晓玉；苏跃江；吴德馨 单位：广州市交通运输研究所