基于AHP-熵值的不同时空出租车资源供求匹配研究——以上海市为例

针对不同时空的出租车资源供求匹配程度评估,以上海市为研究对象,运用层次分析、熵值、三次样条插值等方法,综合分析影响出租车资源供求匹配程度的相关指标,构建AHP-熵值赋权模型,使用MATLAB、EXCEL等编程,阐述了上海市出租车资源在不同时空的供求匹配程度,得出虹口区的供求匹配程度位居第一和上海市供求匹配度在00:00~06:00逐步降低等结论.     

“互联网+”时代的出租车资源配置建模与分析

为了研究"互联网+"时代的城市出租车资源配置及其补贴方案合理性,首先,利用定量分析方法,建立层次分析模型,得出出租车"供求匹配"程度在一、二线城市的出租车匹配程度,优于三、四线城市的匹配程度;通过对四个城市出租车的相关数据分析和处理,得出在一周内出租车的供给量普遍高于需求量,供求匹配程度较低,在一天内,上下班高峰期的匹配程度较低的结论。然后,建立灰色预测模型,预测得到2015至2017年广州、成都、长沙、石家庄打车状况满意度,实验结果表明上述四个城市满意度并没有明显提升;同时,通过分析满意度与乘客打车平均等待时间,得出租车补贴方案对"打车难"的状况并没有明显缓解。最后,建立线性规划模型,确定单次接单的合理补贴数额的方程式,结合合理的补贴数额,以及上文的分析结果,设计出能有效缓解"打车难"补贴方案。     

“互联网+”时代出租车资源配置

根据不同城市在不同时间段内的需求量,确立衡量出租车资源"供求匹配"程度的三个指标,即出租车需求量在供应量中所占比率、空驶率、万人拥有量.根据这三个指标建立数据拟合模型,然后对这三个指标在不同时空下进行数据分析.当需求量在供应量中所占比率越小、空驶率越小、万人拥有量越大时,"供求匹配"程度越高;当需求量在供应量中所占比率越大、空驶率越大、万人拥有量越小时,"供求匹配"程度越低.     

“互联网+”时代出租车资源配置研究

对"互联网+"时代的出租车资源配置问题,使用主成分分析、模糊综合评价等多种方法,构建综合评价模型、供求匹配程度计算模型和平衡点模型,由此得到的结果准确性更高.模型在公交车、轨道运输等交通运输业上也可推广应用.     

基于供需平衡条件下的城市出租车模型分析

针对我国各大城市普遍出现的"打车难"现状,综合考虑了影响出租车市场的各种因素,通过相关数据的收集,分析出不同时空出租车资源的"供求匹配"程度.并利用excel软件和统筹规划等建立数学函数模型,通过对覆盖率以及不同路段出租车供需量的变化规律进行统计分析,建立新的出租车服务平台和补贴方案,在减轻了打车难的现状之下,还使出租车拥有者的利益达到最大化.     

互联网+时代下出租车资源配置研究

针对不同时空出租车资源的"供求匹配",选取了出租车空驶率与乘客平均等车时间作为供求指标,建立了城市出租车网络平衡模型.并结合北京市不同地区居民打车的数据记录,得到城市经济较为发达的分区出租车资源供不应求,经济较为薄弱的分区供大于求;白天高峰期和夜间低峰期出租车资源供不应求;其他时段供大于求;供求平衡的情况极少.同时为了检验出租车补贴方案能否缓解"打车难"问题,建立了模糊层次分析模型.最后策划出一种等级模式下的打车补贴方案来缓解现实生活中出现的"打车难"的情况.     

大数据下深圳市出租车资源配置研究

文章通过对滴滴快的智能出行平台导出的大数据进行分析,引入供需平衡率的概念,建立了衡量出租车资源信息的"供求匹配"程度的数学模型,对大数据时代下深圳市出租车资源配置进行分析研究.在此基础上,又从资金和政策两方面考虑,给出了一套合理的出租车补贴方案.     

出租车GPS数据轨迹化方法研究

为提高出租车行业理论研究与实际应用的GPS轨迹数据质量,针对原始的出租车GPS数据,提出一套考虑出租车行业特性的完整的GPS数据轨迹化方法。分析了哈尔滨市出租车GPS数据的采样率、误差及与路网的匹配情况;提出一种考虑车头朝向、临近距离、路段连通性及转弯限制四种权重的拓扑地图匹配算法;提出一种出租车出行轨迹识别方法,并在此条件下建立了出租车GPS轨迹的存储结构模型。结果表明,提出的地图匹配算法有较高的准确率,能够满足理论研究及实践应用的需要;而轨迹识别方法及存储模型在实际中成功应用,为哈尔滨市出租车智能管理调度平台提供数据支撑。     

基于数学建模的城市出租车供需分配方案设计

随着城市化进程的不断推进,城市人口密集程度越来越严重,出租车资源分配不合理导致的"打车难"问题日益突出。本文应用数学建模方法引入供需平衡比与里程利用率作为指标,对城市一日内出行高峰与非高峰时段的不同行政区域进行供需关系分析。首先,利用供需平衡法预测出租车需求量,同时结合空载率得到出租车供应量,计算供需平衡比;其次通过求解出租车有效里程得到里程利用率。以西安市为例,确定参数后分析上述指标,得到西安市不同时段、不同地区的出租车资源供需匹配程度,其中出行早高峰以及城市核心区(莲湖、碑林)和城市扩张区(长安、临潼)供需矛盾尤为突出。     

基于多属性融合策略的车载导航地图匹配算法

目前直接投影算法常用于嵌入式车载系统,但其时效性以及精确性不能满足日益复杂的城市道路网络.针对传统算法检索复杂道路耗时多等问题,提出了基于多属性融合策略的车载导航地图匹配算法,提高了嵌入式车载地图匹配算法的时效性,算法采用等步长分块策略,建立分块网格索引减少筛选候选区域时间,从而提高算法的时效性;通过引入车辆行驶速度和历史匹配程度改进基于权重的直接投影算法,使用多属性融合策略确定匹配算法权重因子,提高地图匹配的准确性.结果表明:该地图匹配算法能够快速、准确地匹配出行驶路径,单点匹配时间降低至15 ms,复杂道路下,匹配准确率达到90%以上,能较好地适应于城市复杂道路网.     

基于FCD的出租车空驶时空特性及成因研究——以深圳国贸CBD为例

国内外对出租车研究,多集中于对其本身运营与管理关注,局限于对交通运输行业内具体应用范畴的探讨,而从人文地理、城市规划视角进行的研究尚未见到。基于实时动态数据,对出租车空驶时空特性及成因研究更无涉及。研究以国家节能与新能源汽车示范推广试点城市深圳为例,运用交通学科方法,采集FCD,进行要素筛选、特征提取、聚类分析、归纳统计等,得到深圳特区出租车空驶分布特征;在此基础上,基于GIS-T平台,绘制出租车空驶分布图,选取出租车空驶现象严重区域国贸CBD作为案例地。通过对其时空特性分析,研究点、线、面交通拥挤制约关系,路网结构导致空驶出租车滞留,罗湖枢纽"五位一体"换乘改造影响,金融、商业、写字楼、酒店、住宅密集分布影响等成因,找出解决办法。出租车在城市快速路、主干路的交通量构成比例较大,对城市交通供需平衡有较高的敏感性。采用FCD提取出租车空驶特征,是当前国内外广泛关注的研究热点。这种跨学科复合型研究的方法,引入大量实时动态数据的量化细分,改变了以往传统的定性判断方式,对于提高研究内容的科学性与有效性具有创新,也是运用动态数据研究城市交通地理的新尝试。     

基于D*算法的场面滑行动态规划研究

研究了机场场面滑行路径动态规划问题.基于三种滑行冲突约束,建立了使航班总体滑行时间最短的动态优化模型.改进了传统的D*算法,提出了基于时间权值的冲突预测和代价修正函数.案例计算相比Dijkstra算法得到的结果减少了203s,有效减少总滑行时间,提高场面运行效率.该算法不仅可以用于滑行路径的初始规划,也适用于场面实时滑行引导的实施.     

交通状况对出租车运行区域的影响研究

针对大中城市高峰期间打车难的现象,利用出租车GPS数据,提出了一种量化研究出租车逃离城市拥堵区域的方法。首先采用射线法进行地图匹配,将中心城区路网划分为多个研究区域,利用出租车GPS数据来统计各区域每5分钟内的累计车辆频数;再利用不同区域间的累计车辆频数比值来描述区域间出租车的流动情况。研究结果表明,出租车在高峰期间存在逃离交通拥堵区域的现象,并且发现出租车逃离拥堵区域的时段相对于社会车辆的高峰期滞后0.5~1.0 h。该研究成果对于掌握出租车运行特性和出租车管理具有一定的借鉴价值。     

基于航班离场成本的离场航空器滑行策略优化

针对大型枢纽机场日益严重的场面拥堵及由此导致的航班延误问题,推出率控制策略可利用机位等待代替滑行道及跑道口等待,控制场面离场航班的滑行数量,缓解场面拥挤.基于推出率控制策略同时结合场面滑行路径优化,提出了基于航班离场成本的离场航空器滑行策略.首先,构建了基于推出率控制策略的航班离场成本计算模型;然后,提出离场航空器滑行策略优化方法;最后,以航班离场成本最小为目标,采用遗传算法开展算例仿真,并选取三种策略进行对比分析.结果表明:基于航班离场成本的滑行策略不仅能减少离场航班的总滑行时间,提高场面运行效率,还能减少燃油消耗和气体排放量,具有一定的环保性.     

基于速度分配的航空器绿色滑行优化

针对航班量过快增长以及机场容量限制导致的机场滑行道拥堵问题,在航空器滑行路径优化的基础上,提出一种基于遗传算法和Yen算法的速度优化方法。首先规定速度变化剖面,以滑行时间和尾气排放为目标,以最大滑行速度和加速度为决策变量,考虑机场滑行规则和滑行限制设定约束条件,建立滑行路径和速度的优化模型;然后利用Yen算法对浦东机场16架航空器的滑行路径进行预筛选,为每个航空器分配3条路径;最后利用遗传算法进行仿真求解,依据最小滑行成本得到最优的滑行路径和速度分配方案。结果表明,优化后的滑行时间降低21.82%,尾气排放降低27.17%,滑行成本降低25.77%,且未产生冲突。可见本文建立的优化模型和方法对提高场面运行效率和减少航空污染具有一定的可行性。     

基于机器学习的离港航空器滑出时间预测

准确地预测航空器的滑出时间对于提升机场场面运行安全和效率至关重要。基于机场场面运行态势分析，获得进/离港航空器滑行的时空分布特征，从而准确定义同时段离港航空器数量、进港航空器数量、起飞队列长度。基于影响因素进行相关性结论分析，构建了基于机器学习的航空器滑出时间预测模型，并使用中南某枢纽机场2周的实际运行数据对模型进行了验证。结果表明：（1）滑出时间影响因素相关性大小排序为：起飞队列长度、同时段起飞航空器数量、半小时平均滑出时间、同时段落地航空器数量、起飞使用跑道、滑出距离。（2）机器学习方法能实现对航空器滑出时间的有效预测，分类器的优劣排序为支持向量机（support vector machine，SVM）、BP（back propagation，BP）神经网络、随机森林（random forest，RF）。（3）引入弱相关的影响因素后，滑出时间预测精度会有一定程度的降低。     

纯电动出租车经济效益与服务定价分析模型

在上海市现有传统出租车市场的基础上建立电动出租车的运营环境,基于充电与换电模式、充电时间与换电频率、单日运营时间构建电动出租车6种运营模式,利用电动汽车行驶质量与能耗回归模型,界定车辆动力电池容量.进而构建基于购置成本、使用成本、驾驶员工资、营业收入的全生命周期经济效益评价模型,基于油价上涨、电价上涨、电池成本下降3种不同情景,建立纯电动出租车的服务定价模型.计算结果表明:换电模式比充电模式盈利能力强;燃油价格年均上涨5%以上的情景下,电动出租车可以在5年与燃油出租车实现同等盈利;电价上涨10%,电动出租车服务价格则需上涨1%;电池成本若能够显著降低50%,电动出租车的服务价格将比燃油出租车低7%.     

A-SMGCS航空器滑行时间延迟的滑行路由实时更新算法

在先进场面活动引导和控制系统(advanced surface movement guidance and control systems,A-SMGCS)中,针对航空器滑行时间延迟而导致场面运行效率和安全水平的降低,提出一种集成场面态势监测的滑行路由实时更新算法。该算法采用局部路由更新方式,首先采用时间窗约束Petri网建立航班滑行时间延迟时的场面局部模型;其次,定义模型中库所对应时间窗的合并运算规则;并据此展开局部模型约简,进而得到约简模型中航班滑行冲突判定条件;再次,以最小化航班在冲突区域的滑行成本为目标,实现了相关航班局部滑行路由优化同时保证了对原路由扰动最小;最后,通过算例验证了所提滑行路由实时更新方法的有效性。     

Comparison of Travel Mode Choice Between Taxi and Subway Regarding Traveling Convenience

In this study, we investigate travel mode choice behavior between taxi and subway with an emphasis on the influence of traveling convenience. In the first stage, we examine the Origin-Destination(OD) points of Beijing taxi trips and compare these locations with the respective nearest subway station. Statistics reveal several interesting conclusions. First, for approximately 24.89% of all trips, no convenient subway connections exist between the OD pairs. As such, a taxi becomes the only viable choice. Second, for 80.23% of the remaining 75.11%of trips(equivalent to 60.26% of all trips), access distance from either the origin or the destination to the nearest subway station is greater than 500 meters. This phenomenon indicates that walking distance plays an important role in travel mode choice. In the second stage, we examine groups of taxi trips with similar travel distances and travel times to reveal common features. We establish a preference rule in terms of travel distance and travel time.This determines whether an individual driver will take a taxi or the subway, using a pairwise comparison-based preference regression model. Tests indicate that more than 95% of taxi trips can be correctly predicted by this preference rule. This conclusion reveals that traveling convenience dominates the travel model choice between taxi and subway. All these findings shed light on the factors that influence travel mode choice behavior.     

基于打车软件服务平台的出租车补贴的最佳方案

分析了城市交通中乘车难的现状及主要原因,针对出租车乘车难的几种主要情况提出了基于打车软件服务平台的各种补贴方案,给出了出租车司机不挑单、不拒载、愿意接单的利益驱动激励机制,首次建立了4种情形下的出租车司机补贴最佳方案模型,有效定量地解决了出租车市场的乘车难的现实问题。