1.一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,该方法包括以下步骤:
步骤一、获取出租车gps轨迹数据,对原始数据进行预处理,删除无效和冗余的数据,提取出租车需求信息,包括出租车上客点和下客点数据;
步骤二、对上述数据进行时空分析,识别出租车出行热点,包括出租车上客和下客热点;
步骤三、结合实际位置环境,判断热点状态特征,确定合理的路侧式出租车停靠站待建区;
步骤四、在待建区内划分乘客出行子区,计算各个子区的出行需求量;
步骤五、选择子区的质心作为停靠站候选点,建立乘客出行距离矩阵;
步骤六、构建路侧式出租车停靠站选址模型,包括总经济费用最小的目标函数和考虑实际限制因素的约束条件;
步骤七、通过启发式算法优化求解模型,确定最佳选址方案,包括:路侧式出租车停靠站的设置数量、位置以及理想的出行需求分配方式。
2.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述的步骤一的具体步骤如下:
11)获取出租车gps轨迹数据,所述的出租车gps轨迹数据包括车辆标识号id、定位时间timestamp、经纬度坐标(x,y)、车载状态status(0/1),其中,0代表空载,1代表重载;
12)提取车载状态由0变成1时的1点数据,构建出租车上客点数据集r1(0→1)={t,s,(x,y)};提取车载状态由1变成0时的0点数据,构建出租车下客点数据集r0(1→0)={t,s,(x,y)},其中,t表示定位时间,s表示车载状态。
3.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述的步骤二的具体步骤如下:
21)将出租车上、下客数据按照时间进行分类即以周为单位进行分类,并且根据日变化规律确定出租车出行的高峰日;
22)将高峰日的出租车上、下客数据导入arcgis平台进行空间核密度分析,实现出租车出行热点区域的可视化。
4.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述的步骤三中结合实际位置环境,判断热点状态特征的具体方法如下:
出租车出行热点由于所处位置环境的不同通常呈现两种状态:一、点状的辐射态,该状态出现在火车站、汽车站、机场和大型人流聚集和疏散的场所,这些地方已经配备了出租车停靠站以满足旅客的出行需求,因此不适宜作为路侧式出租车停靠站的待建区;二、网状的分布态,该状态出现在商圈、居民区、并且覆盖多条街道,人车流量大,交通繁忙的区域,适合并需要设置路侧式出租车停靠站。
5.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述步骤四的具体方法如下:
41)选取分割长度2r,将待建区内的道路划分为相邻的网格,沿着道路中线将网格分成上行和下行两个方向的出行子区;定义向东或向南为顺时针方向cw,向西或向北为逆时针方向ccw,根据上行和下行方向定义顺时针方向出行子区scw和逆时针方向出行子区sccw;
42)相对于顺时针出行子区scw的位置,将逆时针出行子区sccw沿着道路中线整体平移距离r,形成交错排列的位置结构;
43)判断上客点在道路中线两侧的位置,统计顺时针方向出行子区scw内的上客次数ncw和逆时针方向出行子区sccw内的上客次数nccw;
44)根据出租车平均每次上客人数n,计算出行子区scw和sccw的出行需求量分别为:qcw=ncw·n和qccw=nccw·n。
6.根据权利要求5所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,
所述的步骤43)中判断上客点在道路中线两侧的位置的具体方法如下:
提取与上客数据点相邻的下一时刻的出租车gps数据,计算两点的位置坐标之差,如式(1),根据差值的正负判断乘客上车后出租车的行驶方向,向东(△x>0)或向南(△y<0)表示上客点位于顺时针方向的出行子区scw,向西(△x<0)或向北(△y>0)表示上客点位于逆时针方向出行子区sccw;
d(taxi)=[{ti+1,si+1,(xi+1,yi+1)}-{ti,si,(xi,yi)}]=[{△t,△s,(△x,△y)}](1)
式中:△t表示定位时间间隔,△s=1-1=0,(△x,△y)表示经纬度的差值。
7.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述步骤五中建立乘客出行距离矩阵的具体方法如下:
计算出行子区i到停靠站候选点j的平均步行距离dij,构造乘客出行距离矩阵di×j=[dij],其中,平均步行距离dij根据子区i与候选点j之间的3种位置关系进行计算:
(1)属于相同子区:假设同一子区内的乘客均匀分布在候选点两侧,则可通过式(2)计算dij;(2)属于道路同侧的不同出行子区:dij等于两个子区质心即停靠站候选点之间的城市距离;(3)属于道路两侧的出行子区:dij等于两个子区质心即停靠站候选点之间的城市距离与街道宽度之和;
式中,qi表示出行子区i的出行需求量,r表示分割长度的一半。
8.根据权利要求1所述的一种基于轨迹大数据的路侧式出租车停靠站选址优化方法,其特征在于,所述步骤六中构建路侧式出租车停靠站选址模型的具体方法如下:
61)对于市政规划部门,要求投资建设费用最小化;对于服务对象即乘客,要求出行便利性最大化;出行便利性通常可以用出行距离或时间表示,为了整体目标的一致性,计算乘客单位步行时间价值cp,将出行距离或时间转化为出行成本,建立总经济费用最小的目标函数模型,用数学语言描述,如式(3):
min(c)=min(c1+c2)(3)
式中,c为总的经济费用,包括出租车停靠站的建设成本c1和乘客的出行成本c2;ct为出租车停靠站的单位建设成本;xj为二元决策变量,如果出租车停靠站设置在候选点j,则值为1,否则为0;λ为行人平均步速的倒数;
62)、所述的约束条件为设置路侧式出租车停靠站的实际限制因素,包括:
乘客可接受的最大步行距离dmax、待建区的需求覆盖率dc、出租车停靠站的停车位数量np和停车位的最大服务能力pmax;
其中,所述的待建区的需求覆盖率dc为出租车停靠站所能服务的出行需求量与待建区内总的出行需求量之比;所述的停车位的最大服务能力pmax为每个停车位每小时可以服务的最大乘客数,在停靠站面积和几何尺寸适当的情况下可通过式(6)进行计算:
式中,g/c表示每个信号周期内有效绿灯时间即在无信号交叉口或路段的停靠站为1.0,tc表示连续两辆出租车之间的时间间隔,单位:秒;td表示车辆平均停留时间;za表示对应于在出租车停靠站后排队概率的单边检验量;cv表示停留时间的偏差系数。