基于出租車GPS數(shù)據(jù)的居民出行時間及空間特征分析

基于出租車GPS數(shù)據(jù)的居民出行時間及空間特征分析摘要現(xiàn)今,對于居民出行行為的分析已經(jīng)成為城市進行交通道路建設(shè)及城市規(guī)劃的一項重要參考。由于GPS技術(shù)具有實時、客觀以及數(shù)據(jù)量大等特點,在交通領(lǐng)域的應(yīng)用變得越來越廣泛;另外,出租車作為一種特殊的交通工具,其運營規(guī)律能夠很好的反映乘客出行特點。針對問題一:由于GPS車載終端采集的經(jīng)緯度坐標(biāo)和電子地圖本身都具有一定的誤差,因而導(dǎo)致車輛坐標(biāo)無法與電子地圖中與之行駛相對應(yīng)的道路對象相吻合。因此首先，用MATLAB軟件選用所有數(shù)據(jù)做出GPS軌跡圖。然后把選用的點標(biāo)記在GIS上。最后采用道路匹配算法，使車輛定位點與相應(yīng)的道路相匹配,而將該點直接匹配到道路中心線上。針對問題二：我們選擇的是用柱形圖來統(tǒng)計分析乘客出行的時間特征。如我們以時間影響運營狀態(tài)中的各因素程度大小做出柱形圖，從而分析出出租車在某個時間段運營狀態(tài)如何。通過對各因素的分析得出乘客在7：00-11：00，11:00-15:00,15:00-19:00,19:00-23:00出行量最大。這與平時生活中大家上下班或日常生活的出行頂峰期是吻合的。針對問題三：附表中給出的出租車運行的時間比擬密集，那么可以看作出租車運營狀態(tài)是連續(xù)的，提取運營狀態(tài)中0、1或1、0轉(zhuǎn)換處用MATLAB軟件將這些時刻的經(jīng)緯度坐標(biāo)繪制出來，得出較為密集的點就是乘客經(jīng)常去的地方，也是出租車乘客出行的空間熱點區(qū)域。通過散點圖分析:北京市出租車乘客出行的空間熱點區(qū)域為海淀區(qū)、朝陽區(qū)、東城區(qū)、西城區(qū)、天安門?！娟P(guān)鍵詞】MATLAB軟件出租車GPS數(shù)據(jù)道路匹配算法空間分布柱形圖散點圖一、問題重述與背景現(xiàn)今,對于居民出行行為的分析在城市交通規(guī)劃中變得越來越重要,并已經(jīng)成為城市進行交通道路建設(shè)及城市規(guī)劃的一項重要參考。隨著現(xiàn)代生活節(jié)奏和城市居民生活多元化的加劇,給居民出行的調(diào)查帶來了難度。由于GPS技術(shù)具有實時、客觀以及數(shù)據(jù)量大等特點,在交通領(lǐng)域的應(yīng)用變得越來越廣泛;另外,出租車作為一種特殊的交通工具,其運營具有隨機性、24小時全天行駛以及即停即走等特點,行駛起訖點和行駛時間完全由乘客決定,其運營規(guī)律能夠很好的反映乘客出行特點?；诖?，請收集相關(guān)出租車GPS數(shù)據(jù)，以某個地區(qū)、某個時段的數(shù)據(jù)資料為依據(jù)，研究居民出行行為，重點解決以下幾個問題：1、當(dāng)把出租車GPS行駛軌跡在電子地圖上疊加時,由于GPS和電子地圖兩者均存在誤差,使得疊加后出租車GPS軌跡點很可能并不在相應(yīng)的行駛道路上,因此就需要進行地圖匹配。請給出適宜的地圖匹配算法，將出租車GPS軌跡數(shù)據(jù)匹配到電子地圖的路網(wǎng)數(shù)據(jù)上。2、基于出租車GPS軌跡數(shù)據(jù),從日出行總量、出行時段、出租車空駛率等四個方面〔或者其他的指標(biāo)〕統(tǒng)計分析乘客出行的時間特征。3、基于乘客出行行為的空間特征,建立模型,識別出租車乘客出行的空間熱點區(qū)域。二、問題假設(shè)1.問題的求解只考慮附件表格中的七個根本因素(GPS狀態(tài)不考慮)。2.運營狀態(tài)沒有錯誤顯示。3.在正常工作日下的乘客日出行量。4.附錄表中顯示的運營狀態(tài)是連續(xù)的，同一輛出租車在運營狀態(tài)中有1、0或0、1轉(zhuǎn)換時，乘客在轉(zhuǎn)換處下車或上車。三、符號說明柱形圖中：1表示7:00-11:00，2表示11:00-15:00，3表示15:00-19:00，4表示19:00-23:00，5表示23:00-3:00，6表示3:00-7:00四、問題分析目前GPS在交通運輸領(lǐng)域的應(yīng)用主要是交通狀況的判斷，即通過浮動車的方式對道路交通的擁堵狀況進行分析和判斷，從而有助于城市交通管理部門對交通進行誘導(dǎo)和對突發(fā)事件進行及時處理，減少交通損失。在此背景下，分析以下問題。收集到的出租車GPS數(shù)據(jù)見附件一。問題一：當(dāng)把出租車GPS行駛軌跡在電子地圖上疊加時,由于GPS和電子地圖兩者均存在誤差,使得疊加后出租車GPS軌跡點很可能并不在相應(yīng)的行駛道路上。而GPS定位的誤差來源：一是為衛(wèi)星相關(guān)誤差；二是接收機相關(guān)誤差；三是觀測相關(guān)誤差。為了能克服GPS的誤差將出租車GPS軌跡數(shù)據(jù)匹配到電子地圖的路網(wǎng)數(shù)據(jù)上。首先，用MATLAB軟件選用所有數(shù)據(jù)做出GPS軌跡圖。然后把選用的點標(biāo)記在GIS上。最后采用道路匹配算法，使車輛定位點與相應(yīng)的道路相匹配,而將該點直接匹配到道路中心線上。問題二：對于統(tǒng)計分析乘客出行的時間特征，我們選擇用柱形圖的形式從出租車的空車、載客以及GPS速度以時間為線索進行分析，空車越少，載客越大客流量就越大，而GPS速度越大并不等于客流量較大或客流量較小，路途車輛的多少會影響GPS速度的大小。以時間為橫坐標(biāo)以運營狀態(tài)中的空車與載客的綜合指標(biāo)為縱坐標(biāo)，以時間為橫坐標(biāo)，以GPS速度為縱坐標(biāo)，做出兩個柱形圖，從柱形圖中的個時間段柱形圖高度來分析一天當(dāng)中日出行總量，出行時段，出行頂峰時段和出租車空駛率的變化情況，從而統(tǒng)計分析出乘客出行的時間特征。問題三：由于附表中給出的數(shù)據(jù)時間較為密集，那么可以看作出租車運營狀態(tài)是連續(xù)的，因此，在運營狀態(tài)從1變?yōu)?或從1變?yōu)?這中間的時間段中途沒有換乘客，到0的那一刻下車或在1的那一刻上車。乘客在這個地點上車或下車的比擬多即是空間熱點區(qū)域。通過數(shù)據(jù)統(tǒng)計，將出租車的1，0轉(zhuǎn)換處和0，1轉(zhuǎn)換處的經(jīng)緯度提取出來，并用MATLAB在紙上標(biāo)記出各個點，一共提取250個下車或上車點，在圖中顯示較為密集的點就可以看作是乘客出行的空間熱點區(qū)域。五、模型的建立和求解5.1問題一：道路匹配算法道路匹配算法，使車輛定位點與相應(yīng)的道路相匹配,而將該點直接匹配到道路中心線上。這種算法是一種基于分步定位車輛位置的方法，即首先確定車輛的大致位置，車輛在哪一條道路上，然后再圍繞這條道路進行點匹配，也就是車輛在這條路上的哪個點附近，這樣最終確定車輛的具體位置。將這種算法和GPS技術(shù)相結(jié)合就可以對車輛進行定位、監(jiān)控、調(diào)度。數(shù)據(jù)處理選取某一輛車的所有數(shù)據(jù)進行數(shù)據(jù)篩選，將經(jīng)緯度無變化的刪除，保存狀態(tài)為1的數(shù)據(jù)。在這些數(shù)據(jù)中選取30組的經(jīng)緯度數(shù)據(jù)〔見表一)。表一：選取30組的經(jīng)緯度數(shù)據(jù)116.329639.9509116.328639.95088116.328439.95088116.327139.95082116.325639.95075116.323939.95066116.322239.95057116.320639.95047116.320339.95046116.31939.9504116.318539.95035116.318439.95035116.318439.95035116.318439.95035116.318439.95035116.318439.95035116.318439.95035116.318439.95035116.318439.95035116.317839.95011116.317839.94992116.31839.94879116.318239.94716116.318439.94549116.318739.94376116.318839.94198116.318939.94165116.319139.94012116.319339.93847116.318739.937795.1．2MATLAB作圖將這30組數(shù)據(jù)利用MATLAB軟件做成散點圖和折線圖〔見圖一、圖二〕。圖一：目標(biāo)數(shù)據(jù)散點圖圖二：目標(biāo)數(shù)據(jù)折線圖GIS標(biāo)記與分析將表一中的30組數(shù)據(jù)標(biāo)記在谷歌地圖中〔見圖三〕。圖三：谷歌標(biāo)記點由于GPS車載終端采集的經(jīng)緯度坐標(biāo)和電子地圖本身都具有一定的誤差,因而導(dǎo)致車輛坐標(biāo)無法與電子地圖中與之行駛相對應(yīng)的道路對象相吻合。在GIS圖像表現(xiàn)為車輛并非行駛在道路上。分析可發(fā)現(xiàn)標(biāo)記點主要在大慧寺路和中關(guān)村南大街，只有7號店在道路以外，所有要在下一步用道路匹配算法，使車輛定位點與相應(yīng)的道路相匹配,而將該點直接匹配到道路中心線上。道路匹配算法這種算法是一種基于分步定位車輛位置的方法，即首先確定車輛的大致位置，車輛在哪一條道路上，然后再圍繞這條道路進行點匹配，也就是車輛在這條路上的哪個點附近，這樣最終確定車輛的具體位置。將這種算法和GPS技術(shù)相結(jié)合就可以對車輛進行定位、監(jiān)控、調(diào)度。主要步驟：步驟一：路匹配以GPS第7個數(shù)據(jù)點為圓心,的道路組成一個道路集合,匹配目標(biāo)道路大慧寺路就位于該集合中。現(xiàn)在,可從該點到道路集合中的每條道路作投影,把投影距離最短的道路確定為匹配的目標(biāo)道路。點匹配匹配道路成功以后,接下來就是進行點匹配。該方法首先做了一個假定,即把道路假想為由一些折線段連接而成,這樣便于抽象數(shù)學(xué)模型進行研究。然后再在誤差允許的范圍之內(nèi)進行判斷,以確定最道路由一些折線段構(gòu)成,可以通過幾何方法求出該點到路上的每條線段的最短距離。如果該點在線段上的投影點位于線段以內(nèi)那么求出投影點,,線段兩個端點的距離,短者為所求。然后求出點到各條線段的最短的距離,算法如下,〔3〕如果中道路總數(shù)為〔4〕對作循環(huán):如果的路上匹配點成功；〔5〕對作循環(huán)求出到；如果；〔6〕在上匹配點成5.2問題二：柱形圖統(tǒng)計分析我們選擇的是用柱形圖來統(tǒng)計分析乘客出行的時間特征。如以時間影響運營狀態(tài)中的各因素程度大小做出柱形圖，從而分析出出租車在某個時間段運營狀態(tài)如何。數(shù)據(jù)處理將一天當(dāng)中的時間分為6段，分別為7：00-11：00，11：00-15：00，15：00—19：00，19：00—23：00，23：00-3：00，3：00——7：00。六段分別用代碼1，2，3，4，5，6表示。將表格中每一時間段的運營狀態(tài)中的空車和載客的代碼0和1提取出來求平均值，將表格中每一時間段的GPS速度求平均值，結(jié)果見表二：表二：各時間段出租車載客情況與速度的變化時間段0-1平均值速度平均值7:00-11:00(1)0.8613860.8316811:00-15:00(2)0.9123356.1428615:00-19:00(3)0.7985462.3454319:00-23:00(4)0.8735452.1834223:00-3:00(5)0.4666370.578753:00-7:00(6)0.2310230.00654繪制柱形圖分別以上述兩個表格中的數(shù)據(jù)，用matlab軟件〔程序見附件一〕，以時間為橫坐標(biāo)，以平均值為縱軸，柱形圖見圖四：圖四：空車與載客的綜合指標(biāo)在各時間段的變化以時間為橫坐標(biāo)，以GPS速度，柱形圖見圖五：圖五：GPS速度在各時間段的變化簡5.2.3結(jié)果分析寫通過對上面兩個柱形圖的分析在7：00-11：00，11:00-15:00,15:00-19:00,19:00-23:00為乘客出行頂峰期，這幾個時間段中日出行量較大，出租車空駛率較低。在23:00-3:00，3:00-7:00為乘客出行較少的時間段，在這兩個時間段中日出行量較小，出租車空駛率較大。圖二中GPS速度在各時間段的變化顯示出在乘客頂峰期時不一定GPS速度就大，例如：在19:00-23:00是下班或者上夜班頂峰期，來回車輛較多，所以堵車的可能性比擬大，因此此時客流量比擬大而GPS速度較??；在23:00-3:00是出租車在夜晚幾乎送回家的最后一批乘客，這個時間段客流量較小，車次較少，那么出租車的路途順暢，因此這個時間段速度較大。5.3問題三：散點圖識別法由于附表中給出的數(shù)據(jù)時間較為密集，那么可以看作出租車運營狀態(tài)是連續(xù)的，因此，在運營狀態(tài)從1變?yōu)?或從0變?yōu)?這中間的時間段中途沒有換乘客，到0的那一刻下車或在1的那一刻上車。乘客在這個地點上車或下車的次數(shù)比擬多即是空間熱點區(qū)域。5．3.1數(shù)據(jù)處理將出租車運營狀態(tài)中的從1變?yōu)?或者從0變?yōu)?時刻的經(jīng)緯度提取出來，共提取250個點，那么這250個點就是乘客上車或下車的地點，將250個點在紙上標(biāo)記出來，點數(shù)較為密集的地方就是乘客下車或上車最頻繁的地方，也是出租者乘客出行的空間熱點區(qū)域。繪制散點圖將乘客下車的250個地點〔表格見附件二〕在運用MATLAB軟件〔程序見附件三〕在紙上繪制出來，繪制出的散點圖見下列圖六：圖六：乘客上下車的250個點結(jié)果分析圖七：北京市四環(huán)以內(nèi)地圖從圖六可以看出出租車乘客出行的空間熱點區(qū)域大致集中在北京市的四環(huán)以內(nèi)以海淀區(qū)、朝陽區(qū)、西城區(qū)、東城區(qū)聚集的點占多數(shù)。通過與圖七相對照，在海淀區(qū)高校和科研基地占有大多數(shù)，在這個區(qū)域聚集著大量的學(xué)生和科研人員，并且在海淀區(qū)有動物園、名勝古跡、北京北站和酒店等，也是游客聚集的地方，從實際經(jīng)驗來看海淀區(qū)是空間熱點區(qū)域。另一個空間熱點區(qū)域為朝陽區(qū)，在朝陽區(qū)有鳥巢和水立方等游客青睞的地方，并且在這個區(qū)也是商業(yè)比擬繁華的地區(qū)，因此是出租車乘客出行的熱點區(qū)域。在北京的一環(huán)是北京市的交通樞紐，更是留有中國大量的文化古跡，更是人們聚集的地方。六．模型評價與推廣模型的評價：我們解決以上三個問題的前提是滿足我們模型假設(shè)成立的前提下來實現(xiàn)的。對于附表中的數(shù)據(jù)我們假設(shè)在某一時間段是連續(xù)的，并且由于數(shù)據(jù)量較大我們是隨機提取的其中的數(shù)據(jù)，最終得出的結(jié)論有一定的參考價值但不能完全表現(xiàn)出所有的時間所有的地點乘客出行的時間特征和空間熱度區(qū)域。本論文通過大量的圖表來表現(xiàn)我們運行出的結(jié)果，圖文并茂，結(jié)果可以表述的比擬清晰。模型的推廣：通過對乘客出行的時間特征和空間熱度的分析可以城市更有效地安排公共的交通具的設(shè)置地點，這樣即環(huán)保又能為乘客提供便捷的效勞，促使和諧社會更好更快的開展。此外，通過客流量的空間熱點區(qū)域的分析，可以在熱點區(qū)域設(shè)置休閑娛樂場所為商人提供商機，不僅促進的經(jīng)濟的開展，也是人們生活的更加愜意。七．參考文獻[1]司守奎，孫璽菁.數(shù)學(xué)建模算法與應(yīng)用.北京：國防工業(yè)出版社，2023.[2]袁新生，邵大宏，郁時煉.Lingo和Excel在數(shù)學(xué)建模中的應(yīng)用.北京：科學(xué)出版社，2007.附錄附件一：繪制柱形圖的代碼x=[1,2,3,4,5,6];y1=[0.86138,0.91233,0.79854,0.87354,0.46663,0.23102];a=bar(x,y1,'m')x=[1,2,3,4,5,6];y2=[60.83168,56.14286,62.34543,52.18342,70.57875,30.00654];b=bar(x,y2,'r')附件二：250個點的經(jīng)緯度車輛標(biāo)識觸發(fā)事件運營狀態(tài)GPS時間GPS經(jīng)度GPS緯度GPS速度GPS方位GPS狀態(tài)00114511116.383539.8990513272100114541116.336339.8945939178102001441116.533839.8469639302102001441116.50839.8643262102001411116.497239.874866306102001441116.452539.8565430296102006441116.355639.930975888102006441116.390139.9396721308102006411116.456339.9322400102006441116.506239.9372721164102031441116.450439.9399647268102031441116.329739.8819800102033411116.401540.0029110170102033441116.442540.0222800102045441116.387239.981454176102045441116.401139.971230330102045411116.384839.967317262102046441116.496539.9958300102048411116.370239.90813170102048441116.526139.868793894102048411116.526739.8686621270102048441116.507839.8668841180102054441116.570740.0385786212102054441116.43539.9192600102054411116.445739.9179500102054441116.455639.93189670102084411116.413839.939583288102084441116.513339.909638276102084411116.451539.9132723352102084441116.48339.9323200102094411116.415139.939540100102094441116.438339.93978086102094541116.438439.9735654312102094541116.412239.985021378102094511116.405439.9938430268102094541116.374540.0004532270102094511116.360539.992413886102094541116.333339.9983223298102094511116.330839.990815356102094541116.326839.986700102104411116.440439.9324417260102104441116.460439.9927412332102105411116.451339.9919528358102105441116.43139.99581518102137411116.364639.89856312102137441116.314739.9368719170102154411116.311539.974326164102154441116.320539.9504319100102155441116.327139.9863141356102155441116.328239.99129001車輛標(biāo)識觸發(fā)事件運營狀態(tài)GPS時間GPS經(jīng)度GPS緯度GPS速度GPS方位GPS狀態(tài)00114041116.491539.9969149214100114041116.471839.9039451146100114311116.407239.969050148100114341116.301239.9677238356102000441116.435940.061290180102000441116.425739.971132276102001441116.458639.91723308102001441116.371939.9315200102002411116.463639.924268102002441116.454839.8835200102002411116.454739.8795117172102002441116.45739.8654730182102002411116.454139.8654112284102002441116.451939.8642515222102006441116.302339.958725168102006441116.315139.8983245180102006411116.312939.895996196102006441116.235839.8959919270102006411116.234739.8960428264102006441116.232239.8959645268102023411116.348839.896631072102023441116.353939.912390148102025411116.235239.9327215106102025441116.319939.930600102033441116.41239.9063500102033441116.411739.9105280102033411116.411739.912712352102034441116.315139.8992300102034411116.315239.8972410354102043441116.336239.956491384102043411116.336439.956736204102045441116.365639.9490700102046441116.411939.9058900102046441116.496539.9958300102052441116.371339.8301265266102052441116.284939.895734990102060441116.424839.987642688102060441116.473139.840200102062411116.325639.8658968102062441116.357939.8737526356102064411116.459140.0192800102064441116.445940.0047736192102074441116.442939.857344282102074441116.497939.906490110102092411116.467839.9947713216102092441116.483639.9242663180102093441116.377539.905850264102093441116.315639.9087349358102093411116.322739.9034526178102093441116.299939.89587782701車輛標(biāo)識觸發(fā)事件運營狀態(tài)GPS時間GPS經(jīng)度GPS緯度GPS速度GPS方位GPS狀態(tài)00114011116.438439.9519128100114041116.460739.928520228100114041116.457739.9274432272100114041116.455739.9135117356100114311116.384439.94723096100114341116.426739.9399512188100114311116.300339.973292182100114341116.30239.959930160100114311116.302839.9555326172100114341116.303939.9144569178100114841116.234639.8338315300100114841116.313839.866531286102000441116.525840.0198326244102000441116.431739.925431792102000441116.425639.970732220102001441116.281240.0058519266102001411116.310339.99081274102002441116.31839.965681584102002441116.449539.8623328222102003441116.576539.97738280102003411116.576639.9773500102003441116.595739.9642741162102003441116.655939.8624321268102003441116.583839.8664193272102006411116.27339.8821923278102007441116.48539.899400102007411116.487139.8994725266102007441116.46339.9702954310102023411116.423639.90644482102023441116.439739.907043088102023411116.440939.9064044102023441116.372339.861065442102023411116.357939.914878156102023441116.394339.8752117358102025441116.129740.073645172102025441116.37739.966832188102031411116.539.8950210176102031441116.496639.8965800102031441116.496639.8965800102031441116.487339.90645390102033441116.455639.93099320102033441116.456139.95512242102033411116.456839.9552112128102033441116.350739.91737614102033411116.350339.924182102034441116.332939.912700102034411116.333539.916981588102034441116.273939.955732884102043441116.388639.9627449358102043441116.28539.95657342561車輛標(biāo)識觸發(fā)事件運營狀態(tài)GPS時間GPS經(jīng)度GPS緯度GPS速度GPS方位GPS狀態(tài)00114041116.455639.9254519174100114041116.464439.848371140100114341116.432539.93970314100114341116.471739.910634234100114311116.428939.9189917358100114341116.428539.9103926182100114811116.282940.04751814100114841116.295339.9727865160102000411116.434239.913810188102001441116.343539.9310300102001411116.343939.93102890102001441116.337439.99616094102001411116.336239.995710264102001441116.351740.0145719334102003411116.404239.9671110122102003441116.362839.9861932262102006441116.350439.98551288102007441116.449239.9986923180102023411116.38639.9755526262102023441116.33139.966516280102023411116.330339.9664830268102023441116.346939.966273088102025441116.275840.020300102025441116.320339.9332725110102031441116.348539.9659332354102031441116.352339.973573086102031411116.348339.9735500102031441116.403239.9872960268102034441116.379639.94751082102034441116.401739.959992346102034411116.401639.9699110348102034441116.398139.975660268102043441116.372539.967192318102043441116.37939.9629319176102043411116.382939.961621388102043441116.397339.9614330116102043441116.40139.9605900102043441116.417839.99109282102043441116.292439.9621541346102045441116.449239.9356300102045411116.43839.9398819268102045441116.332339.91058264102045411116.333439.916971982102046441117.218740.1442300102048441116.417439.9481900102048441116.41339.952612586102048411116.414239.9526421268102048441116.365539.9481800102048411116.36639.94319176102052441116.328139.90783341801車輛標(biāo)識觸發(fā)事件運營狀態(tài)GPS時間GPS經(jīng)度GPS緯度GPS速度GPS方位GPS狀態(tài)00114041116.288140.0984917148100114041116.367640.021331992100114241116.547340.091345196100114241116.550240.0631213196100114211116.550340.06319090100114241116.565540.060760108100114341116.418439.93193410100114341116.427639.943324100114341116.476239.908816174100114341116.472239.915762338100114311116.47239.91735154100114541116.313539.927016118100114811116.36839.8872615170100114841116.335339.917023686102001441116.307540.0249212178102001441116.363839.97463262102001411116.363839.9757913354102002441116.476439.929941990102003441116.304339.8912123178102003441116.304739.879686176102003411116.305539.8724519166102003441116.298639.9913915352102003411116.306739.9837200102003441116.312139.983961086102006441116.483739.9417562180102006441116.496339