基于Spark平台城市出租车乘客出行特征分析

从海量出租车GPS轨迹数据中挖掘和分析城市出租车乘客的出行特征,可以为城市交通管理者和出租车行业管理者在城市交通规划与管理、城市交通流均衡与车辆调度等方面提供决策依据.基于Spark大数据处理分析平台,选择YARN作为资源管理调度系统,采用HDFS分布式存储系统,对出租车GPS轨迹数据进行挖掘.给出了基于Spark平台的出租车乘客出行特征的挖掘方法,包括出租车乘客出行距离分布、出租车使用时间分布及出租车出行需求.实验结果表明,基于Spark平台分析方法能够快速且准确的分析出出租车乘客出行特征.     

出租车智能指挥调度系统实现

从城市出租车的现状出发,根据乘客的出行需求,设计并实现一个完整的出租车智能调度指挥系统。该系统可通过触摸屏或其他方式放置在公共场所或小区内,为用户的出行提供服务指导。根据乘客的出行需求,系统自动为乘客计算最优乘车线路,并在电子地图上将乘车路线彩色粗线显示,然后将乘客的乘车过程进行行驶模拟。出租车调度指挥中心在接到乘客的乘车呼叫后可在最快的时间内将乘客按最优线路送达目的地。     

地铁换乘方案轻松查

如今许多人每天都搭乘地铁出行．但随着城市不断发展．越来越错综复杂的地铁线路．时常又搞得人晕头转向．本地人如此．外地人更是这样．该怎么办呢？让百度地铁地图为你提供人性化服务．目前百度地铁提供了北京、上海、广州三地的地铁线路图,能为你捷供乘车方案查询,以及准确的票价和乘车时间信息,相当实用。     

基于出租车GPS数据的商圈分析

出租车运营特性具有随机性、即走即停、覆盖范围广的特点,行驶的起止点由乘客决定,其运营规律能够很好地反映乘客出行的特点。根据出租车GPS的定位数据在真实地理空间的覆盖情况,可以还原居民出行的活动轨迹,挖掘潜在信息。提出采用出租车GPS定位数据进行商圈分析。通过对GPS定位数据进行网格划分、聚类,使用R语言建立相应的数据模型以及对模型的应用和结果分析。实验结果表明,将不同时段、不同地点的出租车特征进行统计分析做出折线图,可以识别出不同商圈类型,根据这些信息为潜在顾客的分布制定适宜的商业对策。     

考虑驾乘人员公平性的网约出租车合乘路径优化模型

为了充分发挥合乘出租车承载率高、运营效益高及交通资源省等优点, 缓解城市打车难问题, 对网约出租 车合乘路径优化问题开展研究. 首先针对路网中网约出租车的供需情况, 以系统路径最短为优化目标建立目标函 数, 其次考虑网约出租车额定载客量、路径合理性、乘客利益及驾驶员收益与时间窗因素, 构建优化模型的约束条 件, 并结合绕行距离与乘客公平性原则进行费用约束, 使得绕行距离长的合乘子路径获得更多的费用补偿, 然后基 于遗传算法思想, 针对合乘路径中乘客需求起终点的次序问题, 设计了改进的交叉与变异算子. 最后依据大连市区 局部路网高峰时段内的出租车供需数据, 利用合乘路径优化模型及算法进行求解. 研究表明, 优化模型及算法可以 短时间寻求到系统近似最优解, 所得合乘方案较非合乘出行模式有效减少了出租车空驶率与乘客的出行成本, 提高 了驾驶员的平均收益.     

基于载客数据的出租车热门区域功能发现

根据出租车行驶载客数据中提取的乘客出行模式和上下客热门区域,提出一种出租车热门区域功能发现方法。采用基于交通数据时空特性的出租车行驶数据聚类算法,实现热门区域划分。建立基于潜在Dirichlet分配的热门区域乘客出行特征发现模型,对具有相似乘客出行模式的出租车热门区域进行聚类。通过总结各热门区域的具体功能,发现在不同客流时间段内的区域功能与乘客出行模式间的关系。实验结果表明,该方法能够有效发现热门区域的功能特点。     

基于不确定需求的公共交通网络鲁棒性优化方法

为了提高城市不同类型公共交通所组成的线网的鲁棒性,从公共交通线路建设成本、乘客出行的总时间以及乘客总换乘次数等方面确定公共交通网络的服务性能模型,在此基础上通过计算方案目标值与期望值的差值来确定公交网络的鲁棒性;由于存在随机不确定需求,在传统免疫克隆算法基础上对变异操作进行改进用于对优化模型求解。结合算例分析发现,线路建设成本、乘客总出行时间以及乘客总换乘次数的参数值对于优化结果具有显著影响;另外鲁棒性参数取值也会对计算结果产生一定影响,通过算例验证了优化方法的可行性。     

城市公共交通时间差别定价模型

为解决城市公共交通出行时间需求不均衡的问题,构建了时间差别费率定量计算与复合城市交通网络流量分配双层规划模型。上层为社会福利最优模型,下层通过非必要性出行系数描述多方式分时段复合城市交通网络随机弹性需求的公交时间差别定价模型。运用遗传算法对模型整体进行求解,下层模型采用综合对角化算法和MSA算法的组合求解算法。最后,设计了一个算例以说明模型应用。结果表明,运用时间差别定价方案比高峰/平峰同一费率定价方案社会福利目标函数高37．1,乘客对平峰时段降低票价的弹性高于对高峰时段增加票价的弹性,实行高峰增加票价同时平峰降低票价的方案效果最为明显。     

城市出租车打车软件使用率对空驶率影响研究

为了计算在使用打车软件背景下城市出租车的空驶率,将乘客划分为两类,即传统的扬招乘客与使用打车软件的乘客,根据乘客类型特征分别提出了等待时间计算方法,建立了基于乘客等待时间与出租车空驶时间守恒关系的出租车打车软件使用率与空驶率量化关系模型。在城市路网特征及出租车相关运营参数固定的情况下,模型能客观反映城市出租车打车软件使用率与个体空驶率的对应关系。通过算例分析表明该模型具有有效性和可行性,数据分析能较好地反映实际情况,有助于管理部门衡量城市出租车系统的运营效率,也可为打车软件等新型电召服务模式的引导方式提供决策依据。     

出租车上客区规模的Monte Carlo仿真计算方法

为确定出租车上客区的合理规模,分析其运行特征,同时存在乘客和出租车相互等待的情况,而不能采用停车场模型或排队论模型计算。采用Monte Carlo仿真方法,利用随机原理来拟合乘客与出租车的相互作用过程,给出了合理规模的确定流程。实例应用证明该方法具有很好的适用性;同时分析结果表明：（1）当出租车上客区泊位规模达到一定程度时,再增加并不能减少乘客等待时间;（2）高峰时段适当限制乘客的排队长度能够在较小比例的乘客损失下,极大地降低乘客的等待时间。     

一种基于车流量的司乘推荐模型

作为城市交通的基础设施,出租车在日常交通中起着重要作用。随着城市规模的扩大,人们的出行需求不断增加,然而出租车的分布与叫车需求分布之间难以匹配,从而导致打车困难问题的出现,这一现象在大型城市尤其明显。造成打车难的主要原因在于司乘之间信息不能互通,GPS、车联网等技术能够提供车辆位置、运行轨迹等信息,通过对这些信息数据进行处理,可以获得有价值的信息,将其提供至司乘双方能够提升出租车运营效率。现有信息处理方法较为简单,忽略了较多关键影响因素,难以达到理想的效果。因此,本文提出了一种基于出租车轨迹和路网数据来衡量打车难度的出租车流量模型,并通过综合时间、天气等因素对模型进行优化,提升了模型的实用性。基于该模型利用数据挖掘算法抽取有用信息,提供给出租车司机和乘客。最后,本文基于实际出租车数据对模型进行实验验证,结果证明了模型的有效性及实用性。     

出租车数据的城市道路网路段通行时间估计方法

城市路段通行时间估计能够更好地运营和管理城市交通。针对包含起点-终点位置,行程时间和距离信息的GPS行程数据,提出了一种城市道路网短时通行时间的估计模型。首先将城市道路网按照交叉路口分解为多个路段,并基于k-最短路径搜索方法分析司机行进路线。然后针对每一个路段,提出了双车道通行时间多项式关联关系模型,既能提升道路网通行时间精细度,又能避免因训练数据不足导致的路网通行时间过拟合问题。最后以最小化行程期望时间和实际行程时间之间的均方误差为优化目标,拟合道路网通行时间。在纽约出租车数据集上的实验结果表明,所提模型及方法相对于传统单车道估计方法能够更准确地估计城市道路网路段的通行时间。     

基于MapReduce的城市道路旅行时间实测计算

城市道路旅行时间计算一直是智能交通系统中研究的核心问题之一,准确高效的旅行时间计算可以有效地帮助道路管控,减少交通拥挤.然而面对巨大而且快速增长的城市道路交通检测数据,如何将分布式计算模式融合到传统的旅行时间计算问题中已成为一个亟待解决的问题.论文基于海量道路车牌识别数据,设计了基于MapReduce编程模型的城市道路旅行时间实测计算的算法.并利用Hadoop环境进行了实现,可以支持对自定义路段集下不同时间段道路旅行时间的计算.通过实验证明,相对于传统的旅行时间计算方式,在计算时间上基于MapReduce的旅行时间计算模式可以提高十倍以上.     

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.     

基于多源出行数据的居民行为模式分析方法

基于对智能交通卡数据的挖掘与分析能够为城市交通建设和城市管理提供有力支持,但现有研究数据大都仅包含公交或地铁这两方面数据,且主要关注群体性宏观出行规律。针对这一问题,以某城市交通卡数据为例,该数据包含着城市居民日常出行公交、地铁、出租车等多源数据,首先提出行程链的概念对居民出行行为建模,在此基础上给出不同维度的周期性出行特征;然后提出一种基于最长公共子序列的空间周期性特征提取方法,并对城市居民出行规律进行聚类分析;最后通过规则定义5个评价指标对该方法的有效性进行初步验证。结果表明引入该方法的聚类算法对聚类结果有6.8%的效果提升,有利于发现居民的行为模式。     

考虑出行方向的广州出租车时空可达性研究

出行方向是可达性研究中的一个关键要素, 因此, 提出一种考虑出行方向的出租车时空可达性分析方法。根据出租车经验路径分方向构建经验等级路网, 采用基于分层路网的Dijkstra算法计算得到各OD对之间的行程时间, 作为可达性评价指标, 并采用网格法和反距离加权插值法绘制得到广州市中心商业区等时线及其渲染图, 分方向、分时段对其时空可达性进行分析。结果证明了不同出行方向下, 特别是处于高峰时段, 可达性有较大的不同。     

Time-optimal and privacy preserving route planning for carpool policy

To alleviate the traffic congestion caused by the sharp increase in the number of private cars and save commuting costs, taxi carpooling service has become the choice of many people. Current research on taxi carpooling services has focused on shortening the detour distances. While with the development of intelligent cities, efficiently match passengers and vehicles and planning routes become urgent. And the privacy between passengers in the taxi carpooling service also needs to be considered. In this paper, we propose a time-optimal and privacy-preserving carpool route planning system via deep reinforcement learning. This system uses the traffic information around the carpooling vehicle to optimize passengers’ travel time, not only to efficiently match passengers and vehicles but also to generate detailed route planning for carpooling vehicles. We conducted experiments on an Internet of Vehicles simulator CARLA, and the results demonstrate that our method is better than other advanced methods and has better performance in complex environments.

     

多重处理的道路拥堵识别可视化融合分析

目的 随着城市交通拥堵问题的日益严重,建立有效的道路拥堵可视化系统,对智慧城市建设起着重要作用。针对目前基于车辆密度分析法、车速判定法、行驶时间判定法等模式单一,可信度低的问题,提出了一种基于DBSCAN+（density-based spatial clustering of applications with noise plus）的道路拥堵识别可视化方法。方法 引入分块并行计算,相较于传统密度算法,可以适应大规模轨迹数据,并行降维聚类速度快。对结果中缓行区类簇判别路段起始点和终止点,通过曲线拟合和拓扑网络纠偏算法,将类簇中轨迹样本点所表征的路段通过地图匹配算法匹配在电子地图中,并结合各类簇中浮动车平均行驶速度判别道路拥堵程度,以颜色深浅程度进行区分可视化。结果 实验结果表明,DBSCAN+算法相较现有改进的DBSCAN算法时间复杂度具有优势,由指数降为线性,可适应海量轨迹点。相较主流地图产品,利用城市出租车车载OBD（on board diagnostics）数据进行城区道路拥堵识别,提取非畅通路段总检出长度相较最优产品提高28.9%,拥堵识别命中率高达91%,较主流产品城区拥堵识别平均命中率提高15%。结论 在城市路网中,基于DBSCAN+密度聚类和缓行区平均移动速度的多表征道路拥堵识别算法与主流地图产品相比,对拥堵识别率、通勤程度划分更具代表性,可信度更高,可以为道路拥堵识别的实时性提供保障。