GPS轨迹数据和POI数据约束的厦门市出租车与网约车运营特征研究

张学东，贾礼朋，邓少存，王雪迪，周泽旭

(1. 北京建筑大学 测绘与城市空间信息学院， 北京 100044; 2. 北京建筑大学 自然资源部城市空间信息重点实验室， 北京 100044)

出租车与网约车作为城市客运交通系统的重要组成部分，以高效、便捷、灵活等特点深受民众青睐。出租车与网约车每天运营都会产生大量的上、下车点位等相关信息，对这些数据进行科学合理的关联与挖掘，研究运营车辆在工作日、休息日以及节假日的运营数据特征，对公共交通管理、调度和居民通勤等都具有重要意义。

针对出租车的运营情况，许多学者通过出租车运力利用率和空驶率数据研究消费者出行的时空分布特征[1]，探索城市出租车供给与消费者出行的平衡关系[2-3]。对不同服务方式下出租车的服务质量[4]、服务功能[5]、服务价格[6]和服务利润[7]进行量化研究，并分析出租车服务能力的时空分异规律[8-9]。通过分析出租车服务利润的影响因素，如客源时空分布[10]、热点区域[11]、里程或时间利用率、工作时间和区域选择等，评价出租车运营效益[12]，优化出租车的乘客路线，提高出租车司机的收入。针对网约车的运营情况，相关学者重点对其运营管理和运营特征方面展开研究。例如，汪光焘等[13]总结国内外打车软件的主要区别，指出国内打车软件的管理较为复杂、较容易引起社会矛盾，并建议在国家层面提出指导性意见。高永等[14]通过对问卷调查数据扩样测算发现，网约车的无序发展是导致城市小汽车出行量增加、局部区域(时段)拥堵加剧的重要原因。

综上，以往关于出租车与网约车的研究多集中在供需平衡、乘客出行行为、影响运营效益因素和提高运营效益等方面，并取得了一些重要进展，但是这些研究往往局限于单一类运营车辆，很少对出租车与网约车之间的差异化进行对比分析，也缺乏从不同时空维度估算车辆运营效益。因此，本文基于车辆GPS轨迹数据和百度兴趣点(POI)数据，以厦门市出租车和网约车为例，通过构建车辆运营特征指标体系，研究2类运营车辆在工作日、休息日与节假日在不同行政区划、不同功能区之间随时间变化的规律与差异性，并引入了加权时间运力利用率指标，以探索运营效益的时空变化特征，为出租车和网约车的融合发展提供数据支撑。

1 数据源与预处理

本文使用2019-05-31至2019-06-09为期10天的厦门市出租车和网约车GPS轨迹数据，以及爬取的POI数据。其中，GPS轨迹数据包括5个工作日、2个休息日和3个节假日的约3亿条数据。针对GPS轨迹数据中存在的无关数据、越界数据、空值和重复数据等异常数据，研究采用阈值法对数据进行清洗。剔除约4.3%的异常数据后，最终得到22 000多辆出租车和网约车的有效数据215 071 015条。每个轨迹数据包括5个字段，分别为经脱敏处理后的车辆ID、日期与时间、经度、纬度以及乘客状态，GPS轨迹数据示例见表1。

表1 GPS轨迹数据示例Tab.1 Sample GPS track data

车辆的GPS轨迹数据由车载设备终端产生，以即时通信方式上传。车辆的行驶轨迹数据由一系列GPS轨迹点组成，即车辆在每一时刻的位置组成。这些GPS轨迹点根据时间序列连接起来，形成行驶轨迹，反映车辆每天的活动情况。车辆的GPS轨迹数据中包含乘客状态信息，可以提取出订单信息。实际上，出租车与网约车的服务过程是一组有向线性事件，其乘客状态在0和1之间不断变化，如图1所示。一般来说，在车辆的乘客状态发生2次变化的2点之间，会形成一个服务过程或一个乘客搜索过程。

图1 出租车和网约车的服务过程Fig.1 Service process of taxi and online hailing

将GPS轨迹数据按照出租车ID进行分类，构建每辆出租车的每日轨迹数据集。进而将出租车的每日轨迹数据集按时间顺序排列，从中选取所有订单的起点和终点数据，从而生成订单数据集。

最后，将订单数据集中的起点位置坐标与POI数据进行匹配，生成订单的所属功能区。地图匹配过程具体如下：

1)将订单数据中经纬度的坐标系统一为百度坐标系，保证坐标一致性。

2)匹配离上车点最近的POI。

3)根据百度POI行业分类，将POI划分为12个功能区。

4)通过调用百度地图的地址，逆解析接口匹配与起点位置相应的行政区划。

5)将匹配到的行政区划和功能区加入订单数据集中，示例见表2。

表2 订单数据集示例Tab. 2 Sample order data set

2 运营特征指标体系

根据订单数据集，结合出租车与网约车的运营特点，按照科学性、系统性和差异性的运营特征选取原则[15]，研究确定了运营效益指标和订单时空分布指标2类运营特征指标体系，从工作日、休息日和节假日3个时间点进行对比分析。为进一步分析两者的运营特征差异，引入加权时间运力利用率指标，对比在网约车与出租车数量比不同时两者的运营效益。

2.1 运营效益指标

运营效益指标主要包括日均出车时间、日均载客次数、载客里程、载客时间和加权时间运力利用率5项指标，这5项指标可以准确地刻画出租车和网约车的运营效益及自身运营特征，同时可以反映两者的差异性。

日均出车时间和日均载客次数表征出租车和网约车每日的工作强度，也反映出该区域内乘客的打车需求，日均出车时间T和日均载客次数S的计算式分别为：

(1)

(2)

式中：fti为运营车辆i第一单开始时间，lti为最后一单结束时间，n为单日运营车辆数量。Ni为运营车辆i的订单数，i=0,1,2…m。

运营车辆的运营效益可用用车资源(服务能力)和用户满意度(服务水平)的匹配程度表达。在运营车辆数量固定的情况下，顾客对出租车出行需求的满意程度越高，运营效益就越高，反之效益就越低。运力利用率作为衡量出租车运营效益的主要指标，可分为时间运力利用率和里程运力利用率。

以时间运力利用率为例，时间运力利用率是指运力利用时间与运营时间的比值。假设出行需求量不变，则运力利用时间越长，顾客出行需求的满足程度越高。因此，运力利用率在一定程度上可以代表出租车运营效率的高低。按里程计算的运力利用率会受到司机驾驶习惯和外部因素的影响。例如，出租车司机寻找乘客会以慢速行驶，而没有乘客的里程数相对较低，导致运力利用率出现系统性偏差。一般地，劳动生产要素的供给实践是按时间计算的，因此，用时间来衡量和计算出租车运营效益更为合适。

与传统时间运力利用率fh相比，加权时间运力利用率Fh可以避免不同司机间订单量差异较大造成的影响。

(3)

(4)

式中：wi为运营车辆i的订单数量，W为总订单量，hi与h′i分别为运营车辆i的载客时间和空车时间。网约车的载客时间为乘客上下车时间之差，去除了司机接单后至乘客上车之间的时段。

2.2 订单时空分布指标

基于订单数据集，可分析订单数量变化规律和空间分布规律。一般而言，每小时订单数量一方面反映居民在不同时间段对出租车和网约车的需求，另一方面也反映了车辆运营者在不同时间段内的劳动强度及载客意愿。以1 h为基本单位，从工作日、休息日和节假日3个时间点分析出租车和网约车24 h内不同时间段的订单数量变化规律，从而定量化刻画出租车和网约车的运营强度差异。

根据相关研究，居民出行的空间分布特征具有一定的规律性。不同行政区划之间，由于区域经济发展的不均衡性导致了需求量上的差异。将订单数据集按厦门市行政区划分，首先统计分析2019-05-31至2019-06-09各区订单总量的差异性，而后从工作日、休息日和节假日分析不同行政区划内出租车和网约车的日均订单数量。另外，基于POI数据，将订单分配到不同功能区，进而分析在工作日、休息日和节假日不同功能区订单数量所占总订单数量的百分比。为了进一步研究出租车和网约车的空间分布特征，利用ArcGIS软件生成覆盖厦门市大部分区域的网格单元，统计每个网格单元中的上车点数量并进行归一化处理后，得到上车热点区域的空间分布情况，进而分析两者在服务范围上的差异。

3 运营特征分析

3.1 运营效益分析

3.1.1 日均出车时间与日均载客次数

图2为出租车与网约车的日均出车时间和日均载客次数情况。由图2可知，在工作日、休息日和节假日，出租车的日均出车时间为20.0 h左右。节假日时出租车的运营强度最大，日均出车时间为22.8 h，比休息日高出3.5 h。网约车的日均出车时间则较为稳定，约为出租车日均出车时间的2/3，运营强度较低。分析其原因可知，厦门市部分出租车实行“两班倒”的运营模式，因此，出租车出车时间远高于网约车。人们在工作日、休息日和节假日从事不同的社会经济活动，有不同的出行目的和交通需求，这使得人们在选择出行方式上有较明显的差异。此外，出租车的日均载客次数约为44次，网约车的日均载客次数约为18次。说明网约车的日载客次数远低于出租车，运营强度较低。出租车在休息日的日均载客次数最多，高于45次；而网约车则在节假日时接单最多。

图2 出租车与网约车的日均出车时间和 日均载客次数情况Fig. 2 Daily departure time and number of passengers carried by taxi and online ride-hailing

3.1.2 载客里程与载客时间

图3为出租车与网约车载客里程统计结果，图4为不同时期的载客时间统计结果。由图3可知，出租车的载客里程中位数约为4.8 km，并且在工作日、休息日和节假日中没有明显变化。网约车的载客里程中位数约为5.3 km，比出租车的次均载客里程中位数高出近10%，在节假日时最高达到了5.6 km。图4也反映了乘客在远距离出行时偏向于选择网约车，分析其原因可知，由于网约车公司的优惠补贴措施，网约车的价格比出租车有一定优势，这就导致了乘客远距离出行时通常会选择网约车。

图3 次均载客里程的统计结果Fig. 3 Average passenger mileage statistics

图4 次均载客时间的统计结果Fig. 4 Statistical results of average passenger carrying time

3.1.3 加权时间运力利用率

图5 加权时间运力利用率Fig. 5 Weighted time capacity utilization

由于不同时间、不同行政区划的网约车与出租车数量比不同，可得到两者的加权时间运力利用率。如图5所示，在网约车与出租车数量比在2.0～2.5时，两者的加权时间运力利用率呈现近似的变化趋势，在两者比例为2.0时达到局部高点。在两者比例大于2.5时，出租车的加权时间运力利用率相较于网约车提高较多，与网约车形成较大差距。经分析发现，一方面是由于出租车司机大多选择网络接单与“扬招”接客相结合的形式，运营效益得到提高；另一方面是因为出租车位于经济较好的行政区内，居民出行需求高，不需要花费大量时间寻找客源。另外，由于网约车的载客时间为乘客上下车时间之差，没有考虑网约车接单后赶到乘客上车点的时间，造成了网约车加权时间运力利用率偏低。网约车的加权时间运力利用率整体上变化范围不大，而出租车的加权时间运力利用率与行政区GDP和出租车数量之比，以及和网约车与出租车数量比，都呈现出一定的相关性，且在两者比例小于2.5时加权时间运力利用率偏低。这表明，在厦门经济不发达地区，要合理调控出租车与网约车的数量，在厦门经济发达区，居民出行需求旺盛，网约车的加入并没有降低出租车的运营效益，两者可和谐发展。

3.2 订单时空分布

3.2.1 订单数量日变化

图6为2019-05-31至2019-06-09出租车与网约车0:00—24:00的订单量。由图6可知，两类运营车辆都具有明显的、不平衡的变化趋势，订单数量主要集中于早高峰、中午高峰和晚高峰。早高峰时间集中在6:00—8:00，出租车与网约车的订单数量都迅速增加，达到一天中的第一个高峰。中午高峰在14:00左右，人们的出行需求经回落后再一次增加，但对网约车的需求高峰会比出租车稍晚一些。晚高峰在17:00—19:00，此时大量居民回家，订单数量再次上升。出租车与网约车的运营差异主要表现在晚高峰后，出租车的订单数量会进一步上升，而网约车的订单数量则下降。分析其原因发现，一方面是由于人们夜生活丰富，公共交通停运导致；另一方面则是由于出租车多采用“两班倒”的运营模式，可以继续接单，而网约车司机大多选择回家休息。

图6 订单数量日变化Fig. 6 Daily change of order quantity

3.2.2 不同行政区之间的差异

从整体上看，厦门市运营车辆订单数量存在空间不平衡的现象。思明区为35.67%，湖里区为28.49%，集美区为14.04%，海沧区为9.32%，翔安区为8.26%，同安区为4.21%。厦门主城区(思明区和湖里区)订单数量占总订单量的比例为64.16%，说明主城区对出租车和网约车的需求量相对较大。在其他行政区中，经济发达、人口密集的行政区订单数量较多，说明用车量与经济和人口具有正相关关系。例如集美区，其GPD和常住人口数量分别约为789亿元和70万人，单位面积上的订单数量较高。而同安区，由于经济基础薄弱，运营车辆数量少，订单数量是厦门6个行政区中最少的，且由于行政区面积最大，所以单位面积上的订单数量最少。

图7为工作日、休息日和节假日行政区运营车辆订单数量占比。由图7可知，在休息日和工作日，两类运营车辆的订单数量占比没有明显变化，但是在节假日，网约车在湖里区和思明区的订单占比上升，说明网约车司机在2个区里接到了更多的订单，而出租车的订单占比少于网约车。这是由于湖里区和思明区是厦门市的旅游热点地区，游客数量较多，且出租车的运力趋于饱和(加权时间运力利用率达到0.7左右)；又因游客对网约车的接受程度也比较高，进而选择网约车出行，造成了网约车订单占比上升。

图7 工作日、休息日和节假日时行政区运营车辆订单数量占比Fig.7 Proportion of vehicle orders in administrative Region on rest days, working days and holidays

图8 厦门市不同功能区运营车辆日均订单量分布Fig.8 Distribution of taxi order volume in different functional areas in Xiamen

3.2.3 不同功能区之间的差异

在POI数据行业分类的基础上，根据订单来源地的地理位置，将所有订单分为购物、交通、教育、金融、酒店、居住、餐饮、生活服务、文化、休闲、医疗和政府部门12个功能区，对工作日、休息日和节假日的日均订单量进行分析(图8)。总体来看，2类运营车辆的订单分布没有明显差异。工作日的订单数量普遍高于休息日和节假日。居住功能区的订单数量占比在工作日的差异大于其他功能区，并且交通功能区和医疗功能区在休息日和节假日明显下降。政府部门功能区的订单数量占比在工作日、休息日和节假日几乎相同，因为政府机构在休息日和节假日仍有运作。由此可见，厦门市的订单数量在不同功能区的分布在空间上是不平衡的。订单数量较低的功能区有生活服务、文化、政府部门等，数量较高的功能区有居住、餐饮、购物等。居住区、医疗区和交通区工作日的订单量明显高于休息日和节假日，而餐饮区则相反。

3.2.4 服务范围上的差异

为了研究出租车和网约车在服务范围上的差异，利用ArcGIS软件生成了覆盖厦门市大部分区域的网格单元。根据以往的研究，网格太大会导致精度缺失，网格太小则会影响计算效果。GRAUWIN等[17]又进一步证明网格的大小既要满足降噪要求，又要满足城市活动模式等详细研究的需求。因此，本文选择500 m×500 m的网格进行表达，将出租车和网约车订单数据集中的上车位置与网格进行空间连接，统计每个网格单元中的上车数量情况。又因两者订单绝对数量差异较大，需要对统计结果进行归一化处理，最终得到上车热点区域的空间分布情况，如图9所示。

图9 上车位置空间分布特征Fig.9 Spatial distribution characteristics of boarding position

由图9(a)、(c)和(e)可知，在工作日、休息日和节假日，出租车的热点载客区域都集中在厦门市中心，热度由岛内向岛外递减。例如，摩尔莲花购物广场、明发商业大厦、厦门国际中心和厦门市火车站等都是大客流密集区。由图9(b)、(d)和(f)可知，网约车的载客热点区域与出租车的载客热点区域基本重合，这在一定程度上缓解了上述热点区域的出行压力。除此之外，网约车在岛外也出现了一些新的热点区域，并且服务范围远大于出租车。这表明在思明区和湖里区之外，网约车在空间上弥补了出租车运力较为紧张的区域，明显改善了厦门岛外的供需关系。

4 结论

本文利用厦门市出租车与网约车的GPS轨迹数据和POI数据，从运营效益和订单时空分布2个方面分析了2类车辆的运营特征。研究结论如下：

1) 出租车运营强度明显高于网约车，但网约车载客里程中位数高于出租车。出租车日均出车时间与日均载客次数均高于网约车，其中，出租车日均出车时间约为网约车的1.5倍，日均载客次数约为网约车的2.4倍。网约车载客里程中位数约为5.3 km，出租车的载客里程中位数约为4.8 km，网约车比出租车的载客里程中位数高出近10%。

2) 在行政区GDP和出租车数量比值较低时，出租车的加权时间运力利用率整体偏低，但在网约车与出租车数量比为2.0时达到局部高点，所以在经济不发达区(如同安区)，要尽量控制出租车与网约车的数量比为2.0。

3) 出租车与网约车都具有明显的、不平衡的日变化趋势，接单量都集中在早、中午、晚高峰期，但出租车的订单数量会在晚高峰后继续增加，而网约车则会减少。

4) 2类车辆在不同行政区、不同功能区内的订单变化大致相同。在工作日和节假日2类车辆在不同行政区内占比稳定，但在节假日网约车在湖里区和思明区订单数量占比上升。另外，在休息日和节假日，两者在居住功能区所占比重明显均低于工作日。

5) 在服务范围上，网约车有效缓解了厦门岛外居民对出租车的需求压力，成为出租车的有效补充。

由于本研究仅使用了GPS轨迹数据和POI数据，因此，将来可考虑增加更多的相关数据丰富设定指标内容，如车辆计价器数据和道路拥堵数据等，更全面和客观地分析2类运营车辆的运营效益和时空分布规律，从而为出租车行业改革和网约车监管提供有效数据支持。