基于出租车GPS数据的扬招点选址确定方法

章 程，张舒沁，王梦真

（同济大学 交通运输工程学院，上海 201804）

基于出租车GPS数据的扬招点选址确定方法

章 程，张舒沁，王梦真

（同济大学 交通运输工程学院，上海 201804）

为了使出租车扬招点设置位置与出租车需求更匹配，建立了一个出租车扬招点选址模型。首先通过对出租车GPS数据的分析，获得出租车的上客点分布。然后建立数学规划模型，将最小扬招点个数作为目标函数，以要求达到的扬招点服务覆盖率为约束条件。最后，利用已知上客点位置分布，给定服务距离以及目标覆盖率，通过模型求得扬招点设置个数及位置。以南京市新街口地区路网为例，在约5km2范围内，设定扬招点服务距离为300m、目标覆盖率为85%，通过该方法求得需要设置11个扬招点才能达到目标，并得到了具体的选址方案。之后，进行出租车扬招点设置个数敏感性分析，结果可从服务质量和成本经济性两方面为扬招点设置提供依据。

交通工程；出租车扬招点；GPS数据；选址；出租车需求

0 引言

出租车提供便捷的“门到门”服务，是城市道路上行驶的重要运载工具之一，是常规公交的重要补充[1]。对出租车出行行为进行研究和合理引导是满足城市客运需求、解决交通拥堵的关键[2]，出租车扬招点设置就是其中较为重要的一块内容。

出租车扬招点的合理设置可以有效引导出租车驾驶员搜寻乘客，减少出租车的空驶，同时给予乘客安全舒适的候车环境并能使乘客以较快速度搭乘上出租车[3]。而出租车扬招点的选址须满足乘客在有限距离内前往搭乘出租车的基本需求，同时由于空间资源的有限，又需要避免设置过多造成浪费。

国内许多学者对出租车扬招点选址问题进行过研究。钮英才[4]建立了出租车停靠点布局模型，引进规划覆盖率反推出租车停靠点的数量；叶海飞[5]根据出租车的停靠和运营特征从出租车停靠站的站位选址、设置形式、配套设施设置等方面，提出一套出租车停靠站的设置方法，然而这样的做法需要根据建筑面积、人口、产值等相关因素估测客流需求，工作量大且无法保证估算数据的准确性，也难以覆盖各个时间、各个地点。

而长期积累的出租车GPS数据能够全程再现出租车的出行行为，省时、省力、成本低，并可从时间和空间上较为精确地反映出交通问题以及出租车需求所在。在出租车GPS数据处理方面，已经有了较完备的体系。陈炼红[6]和苟锡荣[7]把故障数据分为重复发送、速度超大、速度为零、数据丢失（连续几个采样周期内连续缺失或间断缺失少量数据）、经纬度超出调查范围、数据漂移等类型。徐涛[8]在对待负样本的故障数据时采取了直接删除的方法，实现方便且可以保障数据质量。Chang H. W.等[9]通过挖掘、处理历史出租车GPS数据预测了出租车需求的时空分布。

关于运用出租车GPS数据进行出租车扬招点选址的问题，Chen M.[10]利用GPS原始数据，分析了不同时段的出租车空驶率变化情况和出租车出行的OD矩阵分布，指出出租车GPS数据为出租车停靠站的布设提供了重要信息。陈峰[11]对出租车的平均速度和空驶状态下的地理分布进行了研究，并提出了出租车GPS数据可以对出租车扬招点的设置提供数据支持。齐林[12]基于乘客最短步行距离建立出租车停靠站位置选择模型；金雷等[3]将出行需求作为依据进行出租车停靠站选址，提出了基于停靠站最大覆盖率的选址模型，同时还考虑了车站服务能力、乘客步行距离等影响因素。

综上所述，目前出租车扬招点设置方法的关键思路在于分析历史出租车需求数据得到合理的扬招点，但是并未考虑道路拥堵对扬招点设置的影响。本文则在道路拥堵水平、空间资源等约束条件下，基于出租车GPS数据，建立了使得路网综合效益最大化的出租车扬招点选址方法。

1 出租车扬招点选址模型

优化出租车扬招点的设置，需要解决在一定服务水平前提下如何确定设置个数和设置位置两个问题。两者均需要结合实际需求，而GPS返回的实时数据则正好可以很好地反映乘客需求的空间分布。虽然城市路网存在棋盘式、放射式、环形+放射式等多种形式，但总能将某一特定范围的路网抽象简化成为网格状结构，由GPS数据生成的出租车上车点分布在抽象简化之后的路网上。假定出租车扬招点的最远服务范围以及目标覆盖率一定，问题转化为如何在网格状的路网上，以最小的出租车扬招点设置个数达到最高的服务覆盖率，其中，服务覆盖率是出租车扬招点所能覆盖的需求点个数与总的需求点个数之比。

1.1 服务范围

假定出租车扬招点最远服务范围是Lm，则出租车扬招点能够服务到的最远点是沿路网距离该扬招点Lm的位置，而不是直线距离为Lm的边界。如图1所示，五角星表示出租车扬招点所在位置，路网中灰色的路段即和扬招点之间距离小于Lm的路段，属于其服务范围。

图1 出租车扬招点服务范围示例

1.2 路径选择

乘客从某点前往扬招点时，由于个人喜好、对路网的熟悉程度等不同，其路径选择存在不确定性，未必选择最短路径。如果以最短路径作为扬招点服务距离，则可能存在出租车扬招点服务能力估计过高等问题。为了规避上述问题，同时简化模型，本文作如下假设：①当两点均在纵向道路时，乘客先由出发地南北向行走至离目的地纵向距离最近的横向路段上，再东西向行走，最后再南北向走，如图2（a）所示；②当一点位于纵向道路时，由于从A到B和从B到A的距离是相等的，因此假定所有的乘客均从位于纵向道路上的点出发，先南北向行走，再东西向行走，如图2（b）所示；③当两个点均在横向道路上时，乘客先由出发地东西向靠近目的地方向行走至最近的纵向道路，再南北向行走至目的地所在横向道路，最后东西向行走，如图2（c）所示。

图2 路径示意图

1.3 距离确定

假设现有一个三纵三横的路网（见图3），A和B为该网格状路网上的两点。定义三条纵向道路由西向东依次为a1,a2,a3，横向道路由北向南依次为b1,b2,b3，并将每条道路的最西端或者最北端设置为起点，路段ai或者bi上的点，其与端点之间的距离定义为cij或者dij，坐标为(ai,cij)或者(bi,dij)。如图3所示，A点的坐标为(a1,c11)，B点的坐标为(b2,d21)。

借助a1和b2的交点C计算AB之间的实际距离，根据上述定义，C点坐标为(a1,c12)或者(b2,d22)，则AC为|c12-c11|，CB为|d21-d22|，二者相加即为A点和B点之间的实际距离。

图3 路网示意图

1.4 服务能力

将服务能力定义为扬招点的服务范围内所能覆盖到的需求点，即到扬招点距离小于服务距离的点。从出租车GPS数据中获得分布在路网上的出租车上客点，由于需要设置扬招点的区域主要为出租车需求较多的市中心，这些地方由于出租车需求较多因此有更多巡游的出租车经过，较少出现步行很长距离才打到车的现象。虽然出租车上车点是乘客根据当地出租车搭乘方便程度，已经步行一定距离的地点，但是模型应用至城市区域范围时，没有必要考虑那么精确的需求分布。因此可以将上车点分布近似作为乘客的出租车需求分布，由此得到的结果也更符合人们扬招的习惯。假定在路网上某点设置出租车扬招点，则根据1.1小节所述，可以确定其服务范围，其覆盖到的而原有扬招点未覆盖到的需求点作为新增服务能力。包含在服务范围内的需求点越多，该出租车扬招点被使用的可能性越大，服务能力越强。

1.5 建立模型

模型参数定义如下：n为路网所需设置的出租车扬招点个数；N为出租车扬招点拟建设点集合；mi为扬招点i的服务能力；mj为增设扬招点j后能增加的服务能力；P0为路网所规划的最小服务覆盖率；Pj为增设扬招点j后的服务覆盖率；M为路网上的全部出租车扬招需求点个数。

则建立如下模型：

式（1）表示模型的目标是为了寻找满足要求的最小扬招点个数；式（2）表示在适合设置扬招点的集合中，以某一空间粒度w针对路网上路段的所有待选点，计算如果选这些点为扬招点时分别对应的服务能力，并对服务能力进行从大到小的排序，选择服务能力最大的点为第j个扬招点；式（3）表示计算Pj；式（4）表示Pj需要大于P0，否则需要增设扬招点并重新计算式（3），直至Pj大于P0。算法流程如图4所示。

图4 算法流程图

2 案例分析

2.1 数据处理

以南京市新街口地区路网作为模型的应用对象，该路网概况如图5所示。

图5 研究区域路网概况图

首先对南京市出租车的GPS原始数据进行转换与分析，得到原始数据存在的4大类错误，分别是经纬度、速度、方位角以及重复记录错误，删除了这4大部分的错误信息。接着分析数据点的空间分布，将数据点匹配到地图上。利用Map⁃Info软件，对浮动车数据进行地图匹配，数据与地图有一定偏差。修正后，匹配效果较好，可供后续研究分析使用。

将每一条数据按ID号分组，再对每组数据进行时间排序，得到每辆浮动车的轨迹。载客状态为1代表出租车载客，为0代表出租车空载。将载客状态从0变为1的那条数据作为一次出行的起点，类似地，将载客状态从1变为0的那条数据作为一次出行的终点。每一次出行的载客状态以1开始以0结束。将每次出行的起点作为出租车需求点。出租车需求分布如图6所示。

图6 研究区域出租车需求分布

2.2 模型应用

运用C#进行编程，将路段、节点、出租车上车点在路网上的分布等信息录入，将不同的最低出租车扬招点覆盖率P0、服务距离L、扬招点位置检索的空间粒度w代入按照上述模型执行流程进行C#编程后的程序中处理。可以得到扬招点的个数、位置。

根据《城市道路交通规划设计规范》（GB 50220—95），出租车停靠点合理步行距离为300m。当扬招点的服务距离定为300m、覆盖率下限设为85%时，得到需要设置11个扬招点，它们的对应坐标如表1所示。

表1 服务距离为300m、覆盖率为85%条件下的扬招点设置

表1 （续）

这些扬招点的需求覆盖率为88.27%，将这些点标注在地图上，如图7所示。通过模型得出的扬招点设置位置分布较均匀，只是在第二条横向路和第二条纵向路的交叉口附近没有扬招点，而对比图6的出租车需求分布可以发现，该区域周围出租车需求分布较稀疏，因此这样的扬招点设置位置可以达到期望的覆盖率，模型合理。

图7 设置的扬招点位置图

2.3 敏感性分析

改变目标覆盖率和扬招点服务距离，比较不同条件下扬招点的设置个数（见表2）。从表2可以看到，服务距离越小，要求的覆盖率越高，需设置的扬招点个数就越多。尤其当服务距离较短时，覆盖率的增加会使得扬招点需求的个数更快地增加。在实际应用中，扬招点设置个数的确定需要考虑经济性，因此这一结果可以帮助进行扬招点设置决策。必须在选址之前对要设定的目标覆盖率和服务半径进行充分的调研，其中任何一项改变都会影响到出租车扬招点设置位置以及设置个数的改变。

表2 不同服务距离和覆盖率条件下需设置的扬招点个数（单位：个）

3 模型改进

通过该模型的计算，基本可以保证城市出租车扬招点设置的合理性，但仍存在郊区需求点打车难的问题。市区的需求相对集中，没有覆盖到的需求点相对分散且随机，不具有覆盖的意义。但是，随着城市的发展，越来越多的工厂、学校或者住宅区向郊区搬移，这时它们的所在地就形成了新的需求点。这些需求点的集聚程度不及市区，在模型进行扬招点位置选择时通常难以被选到，这就导致了在这些需求点附近很大范围内均没有扬招点，需求无法保障。

为了解决上述问题，对模型进行改善。在满足P0之后，将未被覆盖的需求点作为一个新的路网，重新利用模型找出一个新的扬招点，重新计算此时的Pj，并给定一个阈值p。如果ΔPj≥p，则增设这一扬招点，否则就保持原有扬招点设置方案。

案例所用数据来自南京市CBD地区，路网相对集中，乘客需求密集，因此执行模型改进部分并未产生新的可以设置的扬招点。

4 结语

长期积累的出租车GPS数据反映了出租车需求分布，本文结合出租车GPS数据所反映的交通特征，研究了出租车扬招点选址的方法，将通过设置最少扬招点以达到规定的覆盖率作为目标，并以南京市新街口地区为例，应用该方法确定了扬招点的设置个数以及位置。之后，还对目标覆盖率以及服务距离对于扬招点设置个数的影响进行了敏感性分析，分析结果可应用于实际工程的经济性评价，帮助进行扬招点设置决策。最后，模型改进考虑了出租车需求较少但存在必要需求的区域，例如位于郊区的大商场，保障了这些区域必要的出租车需求。

随着城市化进程的不断加快，一方面城市居民对于出租车的需求必将不断增长并保持在一个相对较高的水平，另一方面城市交通压力也不断加大，合理准确地给出出租车的扬招点设置方案便显得至关重要。本文给出的方法较为全面地考虑了各方面因素，但仍然存在两点需要进一步完善的地方：①出租车扬招点最小服务覆盖率、服务半径的选定需要更多的研究才能给出不同情况下对应的不同要求；②数学模型中未考虑规划范围以外道路的影响，某一区域的交通系统不是孤立存在的，其运行情况受到周边交通情况的影响，在本方法中由于各城市的影响具有个性化的特点而没有考虑。

[1]陆建，王炜.城市出租车拥有量确定方法[J].交通运输工程学报，2004，4（1）：92-95.

[2]祁文田.基于GPS数据的出租车载客点空间特征分析[D].长春：吉林大学，2013.

[3]金雷，谢秉磊.基于上落客时空特征的出租车停靠站选址模型[J].交通运输系统工程与信息，2015，15（2）：182-188，194.

[4]钮英才.出租车停靠点布局问题研究[J].交通世界：运输·车辆，2012（10）：130-133.

[5]叶海飞.出租车停靠站的设置方法[J].交通标准化，2014，42（15）：68-72.

[6]陈炼红.基于GPS浮动车采集数据的出租车运行特点研究[D].上海：同济大学，2008.

[7]苟锡荣.基于GPS浮动车的城市交通状态时空分布规律研究[D].昆明：昆明理工大学，2013.

[8]徐涛.浮动车数据在城市道路交通事件检测中的应用研究[D].阜新：辽宁工程技术大学，2011.

[9]CHANG H W,TAI Y C,HSU Y J.Context-Aware Taxi De⁃mand Hotspots Prediction[J].International Journal of Busi⁃ness Intelligence and Data Mining,2010,5(1):3-18.

[10]CHEN M.The Support of Floating Car Data for the Policy and Planning on Taxi Industry[C]//14th World Congress on Intelligent Transport Systems.Beijing:Ministry of Science and Technology of the People's Republic of China,Ministry of Transport of the People's Republic of China,2007:4433-4439.

[11]陈峰.基于出租车GPS数据的信息融合研究[D].成都：电子科技大学，2010.

[12]齐林.基于GPS数据的出租车交通运行特性研究及应用[D].哈尔滨：哈尔滨工业大学，2013.

[13]上海市城乡建设和交通委员会.GB 50688—2011城市道路交通设施设计规范[S].北京：中国计划出版社，2011.

Location Selection Method for Taxi Stands Based on GPS Data

ZHANG Cheng,ZHANG Shu-qin,WANG Meng-zhen
(School of Traffic and Transportation Engineering,Tongji University,Shanghai 201804,China)

A location selection model for taxi stands was developed to match taxi demands.First,the GPS data of taxis was analyzed to get the spatial distribution of taxi demands.Then,a mathematical pro⁃gramming model was established.The model set minimum taxi stands as objection,and considered the service coverage required to achieve as constraint conditions.Finally,according to the known distribu⁃tion of taxi demands,with the given service scope and expected service coverage,the number and loca⁃tion of taxi stands were got from the model.As a case study,the model was applied to Xinjiekou CBD in Nanjing.The service scope of 300 meters was set and the expected service coverage was 85%.The result shows that 11 taxi stands are needed to cover 85%taxi demands in the area of 5 square kilometers.Spe⁃cific locations of taxi stands are also got through this method.After that,sensitivity analysis of the num⁃ber of taxi stands was conducted,which could provide support for setting taxi stands from aspects of ser⁃vice quality and cost economy.

traffic engineering;taxi stand;GPS data;location selection;taxi demand

U491.1

：A

：2095-9931（2015）04-0042-07

10.16503/j.cnki.2095-9931.2015.04.007

2015-06-16

上海市大学生创新活动计划（1600107094）

章程（1994—），男，浙江绍兴人，研究方向为交通数据采集、处理与应用。E-mail:zhangchengvalue@163.com。