北京出租汽车交接班时空分布特性研究

孙 蕊,于海涛,杜 勇

(北京市交通信息中心, 北京 100073)

北京出租汽车交接班时空分布特性研究

孙 蕊*,于海涛,杜 勇

(北京市交通信息中心, 北京 100073)

随着经济社会和城市建设的发展,出租车出行供需矛盾和运营服务水平不高的问题日益突出,有必要对出租汽车的运营特征,尤其是出租车交接班行为特征进行深入地分析,正确评估出租车交接班行为对出租车供给能力的影响.本文以北京市出租汽车数据为例,利用出租车交接班分析算法,研究了出租汽车的交接班时空分布特征.以交接班车辆数、交接班车辆比例和交接班覆盖强度为指标,采用样本分析的方法,研究结果表明:交接班车辆数在一天中的时变规律与出行需求变化基本一致,上午 10 时至晚22 时,交接班车辆数均处于相对较低的水平;交接班地点大都集中在进出京高速公路的周边,呈现出明显的区域集中特性;交接班的时间间隔对交接班的时空分布影响明显.

城市交通;时空分布;样本分析;出租车交接班

1 引 言

出租汽车作为一种交通方式在城市交通系统中发挥着重要作用,它主要满足一般群众的特殊出行需求,少量满足具有一定支付能力群体的日常出行需求,以及为重大活动提供运输服务保障[1,2].近几年,随着经济社会和城市建设的发展,交通出行需求迅猛增长,出租车出行供需矛盾和运营服务水平不高的问题日益突出[3].为了有效解决目前出租汽车行业中存在的各种问题,促进其健康、有序地发展,有必要对目前出租汽车的运营特征,尤其是对出租车交接班行为特征进行深入细致地分析,正确评估出租车交接班行为对出租车系统供给能力的影响,为相关管理部门制定相应措施提供数据支撑.

本文基于出租车交接班算法,以北京市出租汽车数据为例,对出租汽车的交接班时空分布特征进行研究,分析影响出租汽车交接班时空分布的主要因素,以期为交通规划与交通管理部门进行出租汽车需求管理、制定相关措施提供技术支持.

2 北京市出租车交接班时空分析算法

北京市出租车交接班时空分析算法[4]是在出租车 GPS 定位数据和出租车 IC 卡数据关联分析的基础上,利用 DBSCAN 空间聚类算法[5],得到出租车交接班发生的时间范围和具体位置.算法的具体步骤如下:

(1)按照车辆信息和发生时间,在出租车 IC卡数据中,选择驾驶员编号字段发生变化的记录,分别提取前一位驾驶员最后交易时间和后一位驾驶员开始交易时间,分别对应交接班的空驶开始时间和结束时间,得到交接班发生时间范围.

(2)根据车辆信息和交接班空驶开始和结束时间截取相应的 GPS 数据,从中选择出速度为 0的 GPS 数据,从而得到一系列的 GPS 停车驻点.

(3)累计同一辆车多天的 GPS 停车驻点(通常为一周),形成停车驻点序列,利用 DBSCAN 算法,计算出该序列中停车次数最多的地点,即为交接班地点.

算法流程如图1所示.

图1 出租车交接班时空分析算法流程Fig.1 Spatial analysis algorithm for taxi shift

通过以上的算法,可以得到每辆车发生交接班的大概时间范围、地点坐标、空驶交接时长等交接班相关参数(详见表1).

表1 出租车交接班时空分析算法结果数据项Table1 Results of spatial analysis algorithm for taxi shift

需要说明的是,该算法得到的交接班空驶开始时间和结束时间,并非是确切的交接班开始时间和结束时间.由于受到数据、算法等因素的限制,从目前的数据中仅能得到车辆在某段空驶时间内发生了交接班行为,但在该段空驶时间内驾驶员是否还进行了其他活动,例如休息、洗车、吃饭等,从目前的数据中很难进行区分,因此,在本文中使用交接班空驶开始时间和交接班空驶结束时间来区别于通常意义上的交接班开始时间和交接班结束时间.

3 研究内容和指标选择

3.1 研究样本数据

本次研究以2011年10月8日至2011年11月11日的出租车数据为基础,进行出租车交接班的时空分析.选取了3504辆双班出租车为样本,约占北京市注册双班出租车(29915辆)的12%.其中,有2973 辆出租车的换班时间间隔在 24 小时左右,其余 531 辆出租车的换班时间间隔在 12小时左右.

3.2 指标选择

为了较为全面反映出租汽车交接班的时空分布特性,引入交接班车辆数、交接班车辆比例和交接班覆盖强度3个指标作为研究对象.

(1)交接班车辆数:指某区域或路网,在指定时间段内处于交接班状态的车辆总数;

(2)交接班车辆比例:指某区域或路网,在指定时间段内处于交接班状态的车辆数与出租车辆基数之比;

(3)交接班覆盖强度:指在相对较长的时间(通常一个月以上)内,经常在某一指定区域进行交接班的车辆数.

交接班车辆数和交接班车辆比例指标可以从整体上反映出租车发生交接班总体数量变化情况,直接体现由于交接班行为对整体出租车系统供给的影响情况;交接班覆盖强度指标可以衡量不同区域或路网发生交接班的集中程度,该指标值越高,说明在指定区域或路网发生交接班的车辆越多,该区域就属于交接班集中区域.

3.3 时空分布特征分析原则

在分析出租车交接班数据时空分布特征时体现以下原则:区分交接班时间间隔,分析不同交接班时间间隔车辆的交接班时空分布特征;区分时段,分析一天 24 小时内出租车交接班次分布特征的变化情况;区分工作日和假日,分析一周内各天交接班次和交接车辆的分布情况;针对不同区域,通过空间分布图直观地体现出租车交接班数据分布在不同区域的差异性.

4 交接班时间分布特征研究

出租汽车交接班的时间分布特征主要利用交接班车辆数指标,研究不同时段处于交接班状态的出租汽车数量变化,从而反映出租汽车交接班的时间分布特征.

4.1 交接班车辆数时间分布

取典型一周样本数据 2012年10月8日至2012年10月14日,以车辆为研究的基本单位,分别计算每辆车在单位时间(1 h)内是否处于交接班状态,将所有处于交接班状态的车辆数进行累加,获得单位时间内交接班车辆数,计算结果如图2所示.

图2中,交接班车辆数的高峰出现在夜间0时至早上7时,这是出行需求变化和驾驶员生理需求共同作用的结果.上午 7 时以后,交接班车辆数迅速下降,一般在中午 11 时至 14 时,到达最低值,15时至 17 时,车辆数有微弱的回升,在晚高峰时段,即 18 时至 21 时,车辆数又回到最低值附近浮动, 21 时以后交接班车辆数呈现缓慢回升的状态.从本次选取的样本车辆交接班情况来看,交接班车辆数在白天时段,尤其是上午 10 点至晚上 22 时之间,都处于较低的水平,数量变化的浮动幅度较小.

图2 交接班车辆数 24 小时变化Fig.2 Variation of the amount of vehicles for taxi shift in 24 h

由此可见,出租车交接班车辆数在一天中的时变规律与出行需求变化基本一致,一般地,从上午10 时至晚 22 时,交接班车辆数均处于相对较低的水平,交接班车辆数的高峰一般出现在早上7时以前,并且在一周内保持相对稳定.

从目前的分析结果来看,在早高峰时段,的确存在一定数量的出租车处于交接班状态,导致了早高峰时段出租汽车供给能力的下降.但从图2中可以清晰地看出,早高峰时段是交接班车辆数呈下降变化的时段,说明部分车辆在早高峰及早高峰过后的一段时间内陆续完成交接班投入运营.而对于晚高峰时段,发生交接班的出租汽车数量没有明显的上升,说明整体上出租汽车的交接班并不是发生在出租汽车需求旺盛的晚高峰时段,但往往由于部分乘客的目的地途径较为拥堵的路段,导致本次出行的“性价比”较低,因此,驾驶员往往以交接班为由而拒载.由此,交通管理部门可针对早晚高峰时段出租汽车交接班时间分布的不同特征,采取不同的措施来提高出租汽车的供给能力和服务质量.在早高峰时段,可采取增加监控手段,落实企业主体责任,完善驾驶员考评机制,促使驾驶员尽早投入运营,从而保证出租汽车的整体供给能力;在晚高峰时段,要加大执法力度,增强执法能力,大力查处拒载、议价等违法行为,为广大驾驶员创造守法经营的良好氛围,更好地满足乘客的出行需求.

4.2 交接间隔时间的差异性

将全部样本车辆按照24小时换班和12小时换班进行分组,分别统计交接班次全天24小时变化情况.由于12小时换班制的车辆数较少,为了便于比较,选取交接班车辆比例指标进行分析,图3显示的是交接班车辆比例指标周均值的24小时变化曲线.

从图3中可以明显看出,不同交接班时间间隔对交接班的时间分布产生了重要影响.24小时换班车辆的指标变化曲线与图2中总体交接班车辆变化曲线相似,但12小时换班车辆的指标变化曲线呈现了类似双峰的形态分布,交接班的高峰时段出现在凌晨3点至早上7点和下午15点至17点,相应地,其低谷时段出现在上午9时至12时和晚上20时至23时这两个时段,而这两个时段正好处于早晚出行高峰的尾部.但由于12小时换班的车辆所占比例较少,因此,未能明显影响总体交接班车辆数的时间分布曲线.

图3 交接班间隔时间对交接班时间分布的影响Fig.3 Variation of the percent of vehicle for taxi shift in different interval

由此可见,出租汽车交接班时间间隔对交接班的时间分布具有明显影响.24 小时换班的车辆其24 小时变化曲线呈现类似偏态分布,而12小时换班的车辆其24小时变化曲线呈现类似双峰分布.但由于 12 小时换班的车辆所占比例较低,因此,整体交接班车辆数的时间分布与24小时换班车辆的时间分布基本一致.

5 交接班空间分布特征研究

出租汽车交接班空间分布特征研究主要利用交接班覆盖强度指标,研究北京市市内不同区域发生出租汽车交接班的密集程度,从而获得出租汽车交接班的空间分布特征.

5.1 交接班覆盖强度的空间分布

图4显示了利用北京出租汽车交接班时空分析算法计算得到的全部样本车辆的交接班地点(北京五环以内区域),图中一个五角星代表一辆出租汽车的交接班地点.据统计,交接班地点在五环以内的车辆数为 1 706 辆,占全部样本车辆的49%,其中24小时换班制的车辆有1093辆,12小时换班制的车辆有299辆.

为了便于定量分析北京市市内(五环以内)不同区域发生出租车交接班的密集程度,本文将北京市五环以内区域划分为 100 个面积相等的矩形区域,并计算得到每个区域的交接班覆盖强度,结果如图5 所示.从图5 可以直观地看出,北京市出租汽车交接班地点呈现了比较强的聚集特性.在五环内100个区域中,有 88 个区域交接班覆盖强度低于 20 辆车,仅有 12 个区域的交接班覆盖强度高于20 辆车,其中,有 5 个区域交接班覆盖强度高于100 辆车.据统计,在交接班覆盖强度高于20辆车的12个区域内发生交接班的车辆数是 1 195 辆,占全部样本车辆的 34%,占交接地点在五环内车辆的 70%.同时,从这 12 个区域的位置分布来看,都处于机场高速、京藏高速、京港澳高速等进出京高速公路的周边.形成这种局面的原因,应该与目前北京出租汽车驾驶员以远郊区县户籍人员为主有很大关系.这些驾驶员每天都要往返于市区与郊区之间,其交接班地点必定选择在交通便利、汽车清洁、加油都比较方便的地点,因此,进出京高速公路周边成为了进行交接班的首选区域.

综上所述,北京市出租车交接班的空间分布呈现了明显的区域集中性,且集中于进出京高速公路的周边.针对这一特性,交通管理部门可结合 GPS实时监控等技术手段选择交接班覆盖强度较大的重点区域对出租汽车的交接班进行实时监测,可以有效解决目前出租汽车交接班行为难以管理、管理较为粗放的问题,同时也能够为保证出租汽车在出行高峰时段的整体供给能力提供有力的技术管理手段.

图4 样本车辆交接班地点分布(五环内)Fig.4 Location for taxi shift(in the 5thring road)

图5 北京市内(五环以内)交接班覆盖强度图Fig.5 Spatial distribution of detecting intensity for taxi shift(in the 5thring road)

5.2 不同区域的交接班时间分布差异性

分别选取三条高速公路周边且交接班覆盖强度较高的三个区域(A32 区域——京港澳高速; A76区域——京藏高速;A99 区域——机场高速),计算每个小区域内全天24小时处于交接班状态的出租车辆数,对比不同区域出租汽车处于交接班状态的时间分布差异.

图6 是利用 2012年10月8日至2012年10月14日一周数据计算得到的,纵坐标表示的是一周内同一小时的平均值.从图中不难看出,这三个区域的交接班车辆数24小时变化曲线还是存在差异的.这三条曲线出现高峰的时间段不同,京港澳高速周边区域出现交接班高峰的时段是早上5时-6 时,机场高速周边区域是在 6 时-7 时,京藏高速出现高峰的时段延迟到了上午9时-10 时.京港澳高速周边区域的 24小时交接班车辆数变化曲线,还可以观测到明显的交接班小高峰,发生在下午15时-19时,而在同一时间段,机场高速周边区域的24小时变化曲线也可以观测到交接班车辆数的微弱回升,但在京藏高速周边区域就没有出现交接班的小高峰.

结合前面的交接班时间分布分析,我们不难发现,形成这种差异的原因是不同区域不同交接班时间间隔车辆所占的比例不同.据统计,在 A32 区域(京港澳高速)12 小时换班车辆所占的比例是25%,在 A99 区域(机场高速)比例是 11%,而在A76 区域(京藏高速)这一比例仅为 2%.由此可见,不同区域出租车交接班的时间分布总体相似,但也略有差异,这种差异的程度取决于该区域内不同交接班间隔车辆所占的比例.

图6 不同区域交接班车辆数 24 小时变化曲线Fig.6 Variation of the amount of vehicles for taxi shift in 24 h in different area

从图6 中,不难看出,早高峰时段正好处于机场高速和京藏高速周边区域出租汽车发生交接班的时间段内,一定程度上影响了早高峰的出租汽车供给服务,交通管理部门可针对不同区域的特点,引导、监督不同区域的驾驶员及早完成交接班投入运营(机场高速区域)或错峰、延迟交接班的开始时间(京藏高速区域),最大限度地满足出行者的出行需求.

6 研究结论

通过以上分析,可以得到如下结论:

(1)出租车交接班车辆数在一天中的时变规律与出行需求变化基本一致,一般地,从上午10时至晚22时,交接班车辆数均处于相对较低的水平,交接班车辆数的高峰一般出现在早上7时以前,并且在一周内保持相对稳定.

(2)北京市出租车交接班地点在空间上呈现了明显的区域集中特性,且大都集中于进出京高速公路的周边.交通管理部门可利用这一特征,对重点地区进行实时监控,从而了解和掌握全市出租汽车交接班的整体情况.

(3)北京市区内的不同区域,出租车交接班车辆数的时间分布总体相似,但也略有差异,这种差异的程度取决于该区域内不同交接班间隔车辆所占的比例.

(4)基于以上研究结果,交通管理部门可根据早晚高峰不同时段、不同区域的出租汽车交接班的不同特征,以及相应管理要求,采取不同的管理措施,以增加出租汽车的整体供给能力,提高出租汽车的精细化管理水平,更好地为广大出行者服务.

[1] 周静一,李晔. 基于浮动车技术的杭州市出租汽车运行特征分析[J].科技信息,2011(03):120-122. [ZHOU J Y,LI Y.Research on characteristics of taxi operation in Hangzhou on FCD[J]. Science& Technology Information,2011(03):120-122.]

[2] 柳丽娜,陈艳艳,张文阁. 北京市出租车乘客需求预测模型研究[J]. 交通标准化,2010,224(7):89-92. [LIU L N,CHEN Y Y,ZHANG W G.Passenger

Time Space Distribution Characteristics of Taxi Shift in Beijing

SUN Rui,YU Hai-tao,DU Yong
(Beijing Transportation Information Center,Beijing 100073,China)

With the development of economic society and urban construction,it is outstanding that the disequilibrium of taxi supply-demand and low services level.It is essential that researches on characteristics of taxi operation,especially on taxi shift,which will contribute to observe taxi shift affects the supplying ability of taxi.Based on Beijing taxi data and spatial analysis algorithm for taxi shift,three indexes,which are the amount of vehicles for taxi shift,the percent of vehicles for taxi shift and detecting intensity for taxi shift,are designed to analyze the time space distribution characteristic of taxi shift by sample analysis.The result shows that the variation of the amount of vehicles for taxi shift in the day consistent with the change of travel demand,which the amount of vehicles for taxi shift are in the low level from 10 a.m.to 10 p.m. Location for taxi shift lies in the area around the freeway,which had significant area-central character.It is obvious that interval for taxi shift affect the time space distribution of taxi shift.

urban traffic;time space distribution;sample analysis;taxi shift

1009-6744(2014)01-0221-08

U268.6

A

2013-06-20

2013-10-23录用日期:2013-10-28

孙蕊(1979-),女,天津人,工程师.*通讯作者:sunrui@bjjtw.gov.cn