《网约车运营管理》教学课件5-1 网约车平台大数据分析.pptVIP

出行需求特征大数据分析 年龄分段 01 网约车软件使用人群大多集中在20～50岁之间，该年龄段的居民是城市交通日常出行最活跃的群体，出行目的大多是以工作、购物以及其他商业活动为主，相较于其他年龄层来说出行次数较多，所以对该年龄段出行需求预测分析，能够反映出行活跃居民的一般规律。 可转移人群 02 由于网约车具有方便、快捷、“门到门”出行、运营时间长（一般24h）等特点，部分没有固定出行交通工具或者不常使用固定交通工具的人群是使用主体，且该人群出行一般集中在城市范围之内。从城市出行结构的角度分析，该人群属于交通方式可转移人群，研究该部分人群的出行生成对交通规划、交通管理措施的制订有一定的指导意义，可以合理调整公共交通运力、调整交通模式、提升公共交通的竞争力。 时空特性 03 采用该数据可以深入分析居民出行的时空特征，获得动态的出行比例，从而进一步提高出行需求模型预测精度。 出行时间大数据分析 出行时间属于时空特征之一，时空特征可以动态调整一天内不断变化的出行需求和交通供给，进而建立短时交通流预测模型，根据出行需求的时空特征来动态调整交通供给满足出行需求。 图中表示的是工作日和休息日居民选择网约车出行的供需图。图（a）表明工作日居民出行具有明显的通勤特征，早高峰时段为08:00—09:00，晚高峰时段为17:30—19:30。相比之下休息日（b）早高峰出行量要远低于工作日。此外，图中显示无论高峰时段还是平峰时段，出行需求量均高于供给量。 出行区域热点大数据分析 网约车数据中可以获取每个时刻的出行生成量（包括发生量和吸引量），进一步获取每个时间段各小区的生成量，分析生成量随时间的变化规律。 以南京为例，如表所示，以时间、小区和频率绘制三维图，居民出行需求呈现先增加后减少再增加再减少的趋势，其中商业区和居住区出行需求较高，其次是医疗区和教育区，最后是休闲区。 编号 小区类型 小区编号 1 居住区 1，3，9，10，12，15，19，21，25，27，29，31，33，34，55，57，58，63，64，69，73，74，76，78，80，81，82，83，84，90，91，93，94，97，98，99，100，101 2 商业区 2，6，7，11，13，14，22，38，40，41，46，47，49，50，51，52，53，54，59，62，65，66，67，68，70，79，85，86，87，88，89，102 3 教育区 5，8，20，26，30，32，35，36，39，42，43，44，48，77 4 医疗区 4，16，18，37，45，56，60，71，72，75，95，96 5 休闲区 17，23，24，28，61，92 出行区域热点大数据分析 南京市网约车分布及小区划分图 出行区域热点大数据分析 需求阶段 00:00—07:00 01 出行需求逐渐减少，绝大部分居住区和休闲区出行量为零。但商业区和医疗区仍有少量需求：如新街口(小区64、66、67)，鼓楼医院(小区26)，由于地铁等公共交通工具停运，部分下班或结束娱乐的居民会选择使用网约车。 07:00—10:00 02 出行人数达到一天中的第1个峰值，此时出行需求最大的区域为居住区。相比之下，休息日居民在这一时段出行需求明显减少。 10:00—17:00 03 出行变化比较平稳，出行人数达到白天的最小值，但在13:00左右出现小幅波动。 出行区域热点大数据分析 需求阶段 17:00—21:00 04 该阶段出行需求又达到1次峰值，在这一阶段除了通勤出行还存在大量弹性出行（如娱乐、购物、餐饮等）。休息日在这一阶段的出行需求远高于工作日，出行需求热点包括热门的商业中心或旅游景点：新街口，紫峰大厦（小区36），秦淮河（小区78、79、80），夫子庙（小区87、88）。此外，一些公园也有很多旅游需求，例如玄武湖公园（小区17）。 21：00—24：00 05 这一阶段出行需求略有上升，主要集中部分商业区如酒吧、影院、餐厅。 网约车出行用户画像大数据分析 用户画像 用户画像即探索用户足迹，用户（市场）导向：详细了解我们的真实用户是如何和产品及其相关内容进行互动等；必须从业务场景出发，解决实际的业务问题，之所以进行用户画像要么是获取新用户，或者是提升用户体验，或者是挽回流失用户等，并最终为用户设计产品。 通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。标签：表征了内容，用户对该内容有兴趣、偏好、需求等等。权重：表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度，概率。 用户画像的最终形态 网约车平台运营大数据分析 网约车平台用户画像大数据分析 网约车平台安全大数据分析 网约车平台运营大数据分析 网约车平台运