基于K近邻查询出租车供应量评估方法.docVIP

基于K近邻查询出租车供应量评估方法 　　摘 要：随着滴滴、Uber等打车软件的兴起，对于出租车供应量的评估需求也越来越大。出租车的供应量评估综合是考虑不同地区的可用出租车数量和出租车需求，得到整体出租车供应量的分布作为车辆调度的依据，达到提高服务质量的目的。本文定义了出租车/乘客密度的计算公式以及供应量的计算公式，并将它们应用在上海市的路网数据和真实出租车轨迹数据集上，分别求得各个区域可用出租车的密度和乘客的密度，然后得出上海市整体的出租车供应量情况。实验证明了该方法的有效性。 　　关键词： 路网； 出租车； K近邻查询； 评估方法； 大数据 　　中图分类号：TP931 文献标识码：A 文章编号：1009-3044（2018）07-0231-03 　　Abstract： The demand of taxi supply evaluation increases with the rapid development of location based services like Uber. For the purpose of increasing service quality， taxi supply evaluation should take the amount of taxi available and the needs of the passengers both into account， and calculate the distribution of taxi supply as the basis of vehicle scheduling. In this paper， the density formula of taxis/passengers and supply evaluation formula are proposed. We apply these formulas to the road networks of Shanghai and the real track of taxi datasets， and prove the effectiveness of our method by experiment. 　　Key words： road networks； taxi； k nearest neighbor query； evaluation； big data 　　1 引言 　　近年来滴滴、Uber等新兴交通方式发展迅猛，在人们的日常生活中扮演着越来越重要的角色，如何调度路网上大量出租车则成为了影响整体服务质量的一个关键点。要评估一个区域出租车的供应量首先要考虑该区域内空闲出租车的数量以及潜在乘客的数量，可用的方法包括基于欧式距离的K近邻查询或者基于路网距离的K近邻查询等，接着以此计算出出租车和乘客的密度，最终计算出出租车供应量的区域分布。后文提供了使用K近邻查询结果计算出租车或乘客密度的公式，以及使用两个密度计算出租车供应量的公式，并通过实验验证了评估的效果。 　　2 供应量评估方法 　　2.1 密度计算公式 　　密度反映的是移动目标在查询点周边的分布情况，假设查询点X在某一时刻kNN的查询结果为[cj1，cj2，…，cjk]， 每一个查询结果对应路网距离的列表为[disj1，disj2，…，disjk]，那么定义查询点在当前时刻的密度为DK=k = k / 。 　　2.2 供应量计算公式 　　假设查询点X在当前时刻周围空闲出租车的密度为Dcar， 潜在乘客的密度为Dpassenger，那么定义查询点X当前时刻的出租车供应量为F（k）=Dcar - Dpassenger = k×（ 1 / - 1 /）。其中disjk为第k辆可用出租车的距离，disik为第k个潜在乘客的距离。 　　2.3 实验 　　对于每一个不同的K值，我们都可以计算出一个不一样的供应量分布。我们可以根据实际的调度需求来调整K值的选择，如选择供应量方差最大的K值以使得整体供应量的差异最大。后文实验选择K为275得到以下结果。 　　2.3.1 出租车密度 　　上图为上海市晚高峰时段出租车的密度分布，可以看出上海市中心沿黄浦江区域的可用出租车分布较为密集，而其余区域可用出租车分布较少。 　　2.3.2 乘客密度 　　以乘客的需求为负值，计算得上海市晚高峰乘客密度分布如图2。由图可知，晚高峰时段上海市乘客需求最大的区域仍以市中心为主，但深颜色区域较之图1要更大，因此乘客的区域分布更广。 　　2.3.3 供应量分布 　　根据我们2.2节的公式可以计算得出上海市晚高峰时段出租车的供应量分布如图3.可以明显看出上海市中心区域颜色整体偏蓝，属于供不应求区域，而外围颜色鲜亮