基于出租车GPS数据的居民出行行为分析读书报告.docxVIP

国内外在“基于出租车GPS数据的居民出行行为分析”课题下的研究进展概括而言“基于出租车GPS数据的居民出行行为分析”的主要任务和工作是利用出租车GPS 数据对居民出行行为进行分析。影响居民出行行为的因素有很多，如交通政策、城市布局、距离、费用等。居民出行行为的研究内容一般包括出行交通方式选择、出行距离、出行时间和出行目的地等。研究城市居民的出行行为特征不但有利于城市规划，还有利于资源的合理配置。居民的出行行为是一个动态的，复杂的多因子影响的选择过程。对于城市居民出行行为的研究，国外开展地比较早。Bhat在1998 年使用波士顿地区的家庭活动调查数据，研究个体下班回家后的活动计划问题；Hess和Wardarn等人则对城市居民出行时间价值进行了研究。国内相关的研究虽然起步较晚，但也取得了一些成果，如赵淑芝等通过构造居民出行方式选择效用函数，对居民出行行为时间价值进行了分析；赵一斌等人则提出一个基于时间、空间和序列特征的出行行为分析理论框架。以上这些研究大都采用传统的居民出行行为研究方法，比如采用问卷调查的方式进行，这种方式需要耗费大量人力和时间，成本较高，另外由于调查受到时间和空间的限制，使得结果不一定准确，结果分析也较为繁琐。本文从另外一种角度出发，利用出租车GPS 轨迹数据对城市居民的出行行为特征进行分析，通过将GPS 轨迹数据与GIS 电子地图进行匹配叠加，引入基于GIS 的交通分析方法，求解居民出行的时间和空间分布特征，结果更加客观真实。具体的工作大致流程是先进行数据处理，定义数据，并剔除一些错误数据，然后将数据入库。而研究的方法是将乘客上/ 下车点作为主要的研究内容，将一天划分为八个时间段，分别统计各个时间段内乘客上/ 下车点数据，判别居民出行的时间段分布。将代表居民出行需求的点（上车点）和出行空间分布信息的点（下车点）匹配到GIS 地图上，通过图形识别和叠加分析，可以得知哪些路段和区域的居民出行需求是最旺盛的，而哪些区域又是进出量最大的热点区域，从而判别居民出行的空间分布。最后对结果进行分析。得出结论。不过这类方法也具有其不足的一面，因为影响居民出行行为的因素有很多，如出行者收入、出行距离、年龄，职业，性别等，这些信息无法从出租车轨迹数据获知。另外，居民除了选择出租车作为出行方式之外，还可能选择步行、公交车、自驾等，这些因素都有待于完善。而提到出行，就不得不提到交通情况，也就是道路拥堵情况，而具体到判别交通是否拥堵上，或者说拥堵的程度上，国内外也有一些不同的算法与判定方式，国内外学者进行了广泛的研究。Ｍｅｙｅｒ等建立了一些主要城市区域的拥堵指标。Ｌｉｎｄｌｅｙ等根据道路路段以及城市区域的不同特点，基于充分的调查数据，对拥堵指数中的参数进行了设计。邓卫等［４］基于高速公路交通突变理论，提出了在确认交通拥堵出现的同时判别交通拥堵类型的算法。佟炳勋从交通拥堵与道路服务水平的关系出发，对道路交通拥堵进行了界定。刘梦涵采用累计Ｌｏｇｉｓｔｉｃ回归法建立了道路交通拥堵强度评价模型。王曦针对交通流速度变量存在混合分布的特点，建立了基于高斯混合分布的交通拥堵评价模型。此外，许多学者使用模糊数学工具对城市道路的拥堵度进行模糊识别，以此判断道路交通拥堵情况。在前人研究的基础上，模型运用矩形边界法来识别道路，利用出租车的行驶速度能够直接、准确反映道路交通状态的特点，并根据道路的隶属度客观、有效的反映交通拥堵的实际状态。模型中的原始数据主要保存了出租车上装配的ＧＰＳ终端所采集的数据，这些数据包括序号、车牌号码、ＧＰＳ时间、经度、纬度、车辆状态（空车、重车）、车辆速度、车辆方向（８个方向）等信息。用status表示出租车的空重车状态，当值为０时表示车的状态为空车，当值为１时表示车的状态为重车。由于出租车特殊的行驶特性，部分信息不能真实的反映道路交通状况，必须进行奇异数据的排除。出租车有载客和空载２种状态。当出租车载客时，驾驶员为了增加营业额，通常试图以较快的速度到达目的地。这种状态下的ＧＰＳ信息可以比较真实的反映道路交通运行状态。但是当出租车空载时，驾驶员往往处于觅客中，通常不会以较快的速度行驶，甚至停车待客。此时的ＧＰＳ信息不能如实反映道路交通运行状况，是奇异数据。因此，对原始ＧＰＳ数据中车辆状态ｓｔａｔｕｓ为０（空车）且行驶速度很小的数据进行剔除。深圳市位于东经１１３°５２′～１１４°２１′，北纬２２°２７′～２２°３９′，基于缩短数据查询时间以及提高整体运算性能等方面的考虑，将所有数据点的ｊｄ减掉１１４°，ｗｄ减掉２２°。之后是划分交通的等级例如：Ｉ级：堵塞。车辆速度极低，几乎不能前行，始终有车辆排队，基本饱和或超饱和；ＩＩ级：拥堵。车辆运行速度较低，延误较大，始终有车辆排队，延误基本可以接受，饱和度较高。ＩＩＩ级：较拥堵。车辆运行车速较