出租车优质客源时空特征及影响因素

牟凤云, 田甜, 王俊秀, 张用川, 何勇

(1.重庆交通大学智慧城市学院, 重庆 400074; 2.贵州工程应用技术学院生态工程学院, 毕节 551700)

城市是一个结构复杂且动态变化的巨系统,其兼具空间上和居民行为活动上的概念[1],随着城市不断地快速发展,居民日常出行对城市公共交通的需求与日俱增,出租车作为公共交通的重要补充,具有快捷、灵活、舒适、全天候等特点。截至2019年末,中国出租车总量已达139.16万辆,2019年客运量为347.89亿人次,出租车已成为城市居民出行的主要选择之一[2]。但乘客与出租车在城市空间中具有时空异质性,“打车难、寻客难”的现象较为普遍;出租车运营效率与客源的类型及分布密切相关,行驶里程长、速度快、换乘时间短的优质客源能显著提高出租车的工作效率[3];司机如何在海量乘客中寻找优质客源成为国内外学者研究的热点问题。对出租车客源的优质状况进行量化评价并分析其时空特征,结合城市空间要素探究其影响因素,有利于改善出租车资源分配不合理现象,提高城市交通运营效率和服务水平,促进城市交通持续健康发展。

随着现代无线通信、地理定位及计算机与数据库系统技术的发展,利用浮动车数据(floating car data, FCD)研究城市问题已成为重要研究主题[4]。出租车轨迹数据作为典型的浮动车数据具有空间覆盖广、全天候实时、精度高等特点[5],其被广泛应用于交通状态分析[6]、路径规划管理[7]、城市规划优化[8]、路网更新[9]、人类行为特征分析[10]、出租车运营管理[11-12]等领域。对出租车优质客源的研究起步较晚,孙飞等[13]首次考虑出租车空载的影响提出优质客源评估模型,分析了武汉市1 d内60余辆出租车优质客源的时空分布规律;刘丽等[14]在孙飞等的研究基础上将出租车载客状态单位时间收入及相邻空载寻客时间相结合,构建载客效益模型分析深圳市1周内13 798辆出租车高效益客源的时空特征;邱端昇等[15]重新定义完整的出租车运营出行,考虑车辆动态消耗,改进了客源量化评价模型,并对新旧模型进行对比分析。杨卫宁等[16]根据出租车的行程收入、里程利用率与寻客时长构建出租车效益指数模型,分析了成都市优质客源工作日与周末的时空差异;Hu等[17]提出以利润率来反映出租车运营效率的方法,以北京市3 d内56.56万个出租车订单研究对象,分析了优质客源的时空异质性。Dong等[18]量化成都市出租车通行能力利用率,分析出租车客源在各功能区的均衡状况。Mojtabaee等[19]分析了纽约市高收入司机群体,并从客源分布分析了对其的影响机制。

综上可知,出租车优质客源研究已取得丰硕成果,但存在出租车样本量较小、研究时段短等缺陷,仅停留在优质客源的量化评价与时空特征分析阶段,未分析其时空特征的影响因素。现综合考虑已有研究成果与不足,提出优质客源量化评价模型及蜂窝六边形视角下的多时段地理加权回归模型;以重庆市中心城区2019年“五一”假期及工作日共 10 d 出租车轨迹数据为研究对象;通过优质客源量化评价模型筛选优质客源,采用数理统计、地理统计等方法分析其时空特征,并结合兴趣点(point of interest,POI)数据构建蜂窝六边形视角下的多时段地理加权回归模型分析其影响因素,探讨城市空间布局对优质客源的时空影响机制,为城市道路及交通设施合理规划布局提供理论指导。

1 研究区与研究数据

1.1 研究区概况

重庆市位于中国西南部(图1),是中国西部唯一的直辖市,是中国西部大开发的重要战略支点、“一带一路”和长江经济带的联结点;重庆市中心城区位于重庆市中西部,介于东经106°12′～106°59′,北纬29°70′～30°70′,辖区面积5 472.68 km2,约占重庆市总面积的6.6%;截至2019年底重庆市中心城区常住人口884.39万人,城市道路5 327.8 km,轨道交通线路8条,运营里程328.5 km,公共汽车运营线路799条,运营里程29 745.3 km,出租车保有量为2.38万辆;2019年城市公共交通客运总量为465 647万人次,其中出租车占比22.41%。

图1 研究区概况Fig.1 Overview of the study area

1.2 研究数据

以重庆市中心城区2019年5月1—10日约1.28万辆出租车轨迹及POI数据为基础,其中5月1—4日为“五一”劳动节假期,5月5—10日为正常工作日;出租车轨迹总数据量约为36.12 GB,由重庆市交通局提供,出租车轨迹数据采样间隔为15 s,数据包括ID、时间、经度、纬度、状态5个字段,数据字段及含义如表1所示,数据能较好地反映出租车轨迹及运营状态;出租车数据未包含网约平台的订单,故只考虑传统巡游的出租车对象;POI数据来自地图开放平台,参考数据原始分类和《城市用地分类与规划建设用地标准》[20]将其分为11个一级分类,73个二级分类,数据共141 046条(表2),数据包括名称、地址、经纬度、类型等属性。

表1 出租车轨迹数据字段及含义Table 1 Taxi trajectory data field and meaning

表2 POI数据分类Table 2 POI data classification

2 研究方法

2.1 优质客源量化评价模型

优质客源是指为出租车司机群体带来较高收入、寻客的时间及距离较短、载客行驶里程长的乘客[13]。研究根据优质客源的定义将出租车寻客空载和后一个相邻载客状态结合起来作为一个完整的出租车载客行为(图2),将其作为研究对象,引入寻客空载状态的影响,以构建优质客源量化评价模型。

图2 研究对象Fig.2 Objects of research

优质客源量化评价模型定义效益指数F是关于出租车单次载客运营收入I、单次里程利用率K与相邻寻客时长T的函数,公式为

(1)

式(1)中:I为单次载客运营收入,根据重庆市出租车计价标准[21],起步价格为3 km内10元,3～25 km价格为2元/km,超过25 km价格为3元/km;K为单次里程利用率,由寻客里程Di和载客里程Dj计算得到;运营收入I和单次里程利用率K的计算公式分别为

(2)

(3)

式中:Di为空载寻客距离,km;Dj为后一个相邻载客距离,km。

优质客源应满足寻客短、收益高的原则,因此根据优质客源量化评价模型计算得到的效益指数F来评价是否为优质客源,参考文献[16],选取效益指数TOP20%的出租车客源作为优质客源。

2.2 地理加权回归模型

引用蜂窝六边形对研究区进行网格化处理,相比于传统的正方形网格可减少由于网格形状的边界效应带来的样本偏差,参考文献[22]构建面积为0.25 km2的蜂窝六边形作为地理加权回归模型的研究单元。地理加权回归模型是对普通线性回归的扩展,将数据的地理位置嵌入到回归参数中,探究各地理空间位置上的参数估计值随地理空间变化情况[23]。可描述不同空间状态下各影响因素与优质客源之间的特征关系,其计算公式为

(4)

式(4)中:yit为t时段内网格i内优质客源的数量;网格i的中心坐标为(ui,vi);β0t(ui,vi)为t时段内网格i的回归常数;xij为网格i内j个自变量,即网格i内j类POI的数量,j的取值为1～11;βijt(ui,vi)为网格i在t时段j类POI的回归系数;εit为模型的随机误差,εit～N(0,σ2)。

3 结果及分析

3.1 数据处理

出租车轨迹数据采集主要依靠车载GPS装置、卫星等硬件设备,易受到恶劣天气、高大建筑物及隧道遮挡、设备故障等影响,造成延迟、定位不准、缺失及报错等异常数据[24]。异常数据对研究结果影响较大,因此利用Python编程语言对出租车轨迹数据进行合理地剔除;并按优质客源量化评价模型构建研究对象,计算其效益指数,筛选优质客源。

首先剔除数据记录ID、时间等属性信息为空(null)及状态非0、1和3的异常数据;剔除数据记录经纬度未在重庆市中心城区范围内的数据;然后按优质客源量化评价模型将寻客空载和后一个相邻载客状态结合作为一个完整的评价单元;根据经纬度与距离的公式[25]计算相邻GPS采样点的距离,得到完整评价单元的寻客距离及载客距离,并计算其寻客及载客的时间,计算其空载及载客时间段的平均速度,筛选速度小于80 km/h,载客时间在 2 min～2 h的有效数据;最后根据式(2)和式(3)分别计算评价单元的载客收入及里程利用率,由式(1)计算得出其效益指数;将10 d所有的评价单元汇总,利用统计学分析方法提取其效益指数TOP20%的评价单元为优质客源单元,即为优质客源,其载客点即为优质客源点。

3.2 优质客源时间分布特征

出租车优质客源时间特征与城市居民出行习惯、城市公共交通运营时间、天气季节等因素密切相关,从节假日与工作日、每天不同时段的优质客源数量关系来探讨其时间特征。

从节假日与工作日出租车总客源及优质客源的时间分布特征来看(图3);重庆市中心城区5月1—10日出租车总载客数为412.73万次,优质客源为82.55万次。总客源的时间分布特征与乘客出行规律密切相关,节假日客源量整体略大于工作日,节假日首日与末日较多,中间假日较少,并在节假日末日客源达到峰值。优质客源与总客源的变化趋势总体相同,节假日期间整体略多,其数量在节假日首日达到最大值,其次为工作日末日,分别占当天总客源的23.64%、22.17%,总体呈“U”形分布;说明节假日首日及工作日末日城市外出、返程等人口活动较为频繁,优质客源数量较多。这与文献[26]研究的周末出租车总客源较小于工作日的结论有所不同,由于工作日城市居民上下班、上学放学等出行目的地、出行路径及出行方式较为稳定,导致出租车客源在区间内微小波动;而节假日城市内部居民流动、对外活动及外来游客增加,对城市交通需求有强烈的刺激作用,《2019年重庆市旅游业统计公报》数据显示“五一”假期来渝游客仅次于“春节”“国庆”两个长假期,人数达2 559.65万人次。

图3 各天总客源与优质客源数量统计Fig.3 Statistics of total and high quality passenger per day

从总客源及优质客源在1 d不同时段的演变特征来看,如图4所示。节假日与工作日的总客源及优质客源在一天不同时段的变化特征总体相似,但某些时段呈现出明显的数量差异。出租车总客源从23:00—次日凌晨5:00逐渐减少并达到最低值,5:00—9:00出行需求逐渐增加;此后客源量维持较高状态并呈波动趋势,并在21:00—23:00达到峰值;其中客源量在4:00—5:00最少和15:00—16:00 突然减少有两方面原因,一是凌晨居民出行需求较少,二是这两个时段为司机换班时间,此时出租车司机主观载客意愿较低并存在挑客、拒载等现象,导致出租车客源量显著减少。优质客源与总客源变化趋势总体相似,但在23:00—次日2:00由于居民活动减少导致优质客源逐渐减少;而2:00—4:00 又短暂增加,因为此时夜晚的娱乐场所停止营业[27],客人回家及工作人员下班产生了大量聚集性的优质客源;4:00—5:00达到一天中优质客源数量最低值;5:00—9:00由于上班、上学等通勤需要,城市居民出行需求较为集中增加;此后优质客源维持较高状态并呈波动趋势,并在21:00—23:00达到峰值,这是城市夜生活最活跃的时段,并且此时大部分公共交通停运。节假日与工作日优质客源变化趋势也趋近相同;一天中除了6:00—11:00工作日优质客源较多,其余时段节假日优质客源数量都大于工作日。

图4 总客源与优质客源逐时统计图Fig.4 Hourly statistics of total and high quality passenger

3.3 优质客源空间分布特征

为了研究优质客源在节假日与工作日不同时段的空间分布特征,以5月1—4日节假日与5月6—9日工作日各4 d的TOP20%优质客源为研究对象;根据其在不同时段的数量变化特征,将一天分为0:00—6:00、6:00—10:00、10:00—17:00、17:00—20:00、20:00—24:00共5个时段;利用核密度分析得到优质客源空间分布图(图5)。

图5 优质客源空间分布Fig.5 The spatial distribution of high quality passenger source

总的来看,因重庆市中心城区是典型的多中心组团式城市结构[28],其优质客源主要分布在“1主、6副、21组团”地区,包括“解放碑-江北城-弹子石”主中心,观音桥、杨家坪、南坪、沙坪坝、西永、茶园6个副中心,渝中组团、大杨石组团、大渡口组团等21个组团。城市中心和组团高度集聚了商业办公、文化娱乐、交通枢纽等城市功能,对城市居民吸引力较强,居民聚集区域交通需求量大,优质客源集中程度也更加显著。

结合图4和图5可得到不同时段优质客源空间分布规律。

0:00—6:00时段,凌晨时间段居民活动逐渐减弱,优质客源数量逐渐减少但其空间分布有明显的热点区域;节假日及工作日优质客源都主要分布在观音桥、五里店、解放碑、杨家坪及南坪街道,这些主要商业区聚集了较多的娱乐、餐饮场所,该时段居民聚集明显且出行需求较大,同时该时段市内道路交通状况较为通畅,因此优质客源呈少量区域聚集状态;因该时段节假日比工作日优质客源数量较多,其聚集情况也更加显著。

6:00—10:00时段,早高峰期间出行量逐渐增加,优质客源数量也随之增加,但其在节假日与工作日的分布都较为分散,分布空间也较广;因该时段出行主要是从居住地前往工作地及学校等场所,重庆市中心城区居住地较为分散,故该时段节假日与工作日都没有明显的优质客源热点聚集区域。

10:00—17:00时段,中午至下午时段城市空间活动强烈,优质客源数量较多,该时段节假日与工作日优质客源空间分布特征一致,但节假日热点区域分布密度较高、区域较大;热点区域主要分布在观音桥、五里店、解放碑、七星岗、杨家坪、磁器口及南坪街道等主要商业、工作聚集区域,除此之外还有江北国际机场、重庆北站、菜园坝站、沙坪坝站、重庆西站等主要对外交通枢纽,相邻热点区域之间也呈现粘连趋势。

17:00—20:00时段,晚高峰期间下班、放学等通勤交通需求增加,优质客源主要分布在观音桥、渝培路、石油路、大坪、杨家坪、南坪、解放碑等街道的主要商业地区,热点区域之间较为独立分散;但节假日热点区域范围较广。

20:00—24:00时段,夜晚时段居民外出娱乐休闲、购物、交际等需求增加,该时段优质客源数量在一天中最多,其空间分布特征与下午时段相似,主要分布区域还是组团内部的商业中心,差异主要体现在对外交通枢纽的优质客源分布减少。

3.4 优质客源时空特征的驱动机制

为了反映出租车优质客源的时空分布差异性及影响因素的空间异质性,基于地理加权回归构建出租车优质客源影响模型。以节假日(1—4日)与工作日(6—9日)聚合的24个时段优质客源作为研究对象,构建蜂窝六边形视角下的多时段地理加权回归模型,共得到48个模型。由图6可知,模型的调整拟合优度R2在0.47～0.80,其中凌晨4:00—6:00 时段因优质客源较少且空间分布更具随机性,R2<0.5,导致模型对其的解释力不强;其余时段的模型的调整拟合优度R2都较高,说明其模型拟合精度较高及解释力较好。

图6 分时段地理加权回归模型的调整R2Fig.6 Time-divided geographically weighted regression model for the adjustment of R2

图7为地理加权回归模型中11个POI影响因素在节假日与工作日各时段回归系数均值的矩阵热力图,各时段POI的回归系数在-0.65～1.52,反映了各POI设施对优质客源时空分布的影响趋势及强度,其主要变化规律如下。

图7 影响因素回归系数均值热力图Fig.7 Thermodynamic diagram of mean value of regression coefficient of influencing factors

从各时段纵向比较来看,22:00—次日6:00,休闲娱乐、交通设施等回归系数较大,说明地铁站、公交站、汽车站、火车站等交通设施是优质客源的重要影响因素,出租车既弥补了公共交通提供服务距离及时间有限性的缺陷,也是对外交通枢纽重要的接客送客方式,该时段也是酒吧、KTV等休闲娱乐场所主要营业时间,人口聚集带来了可观的优质客源聚集;6:00—10:00早高峰时间,交通设施、医疗机构及科教文化对优质客源聚集有较大作用,居民上班通勤有直接乘坐和换乘出租车的需求,此时寻客时间短收益高的优质客源较多,该时段医疗机构也处于就诊及上班通勤高峰,以其为起讫点的优质客源较多,以学校为主的科教文化设施在工作日 7:00—8:00回归系数较为反常,该时段是学生上学的主要时间点;10:00—17:00交通设施及酒店宾馆是优质客源产生的主要影响因素,这与工作公务、娱乐出行需求有较大关联;17:00—22:00晚高峰时间与早高峰时段回归系数高值设施相似,差异在于休闲娱乐成为另一个较强的影响因素,并在节假日增加了餐饮这个系数高值设施。

从各POI设施横向比较来看,同种设施在节假日与工作日的影响系数变化规律总体相似,但部分时段其数值及变化情况有所差异;宾馆酒店、餐饮、购物、交通设施、旅游景点等设施节假日大多数时段回归系数较大于工作日,说明这些设施在节假日吸引大量人口并促进了消费活动,人口流动对出租车的需求较大,优质客源也更多;公司企业、医疗机构、政府机构等工作服务时间较为规律的设施呈相反现象,工作日8:00—18:00三者回归系数较大,而相同时段节假日回归系数较小,尤其是政府机构出现负值,说明这三类设施在工作日因工作、公务、服务对象出行等原因诱发优质客源的几率较高,在节假日其影响强度有所减弱;休闲娱乐、科教文化及住宅小区等设施回归系数节假日与工作日随时间变化趋势较为一致,休闲娱乐与住宅小区对优质客源的影响呈晚上20:00—次日凌晨的单峰值,前者与城市夜晚娱乐活动对交通需求有关,后者则与居民通勤活动中居住地与就业地的交互特征相关,这种现象节在节假日更加明显。

4 结论

以重庆市中心城区2019年5月1—10日10 d出租车轨迹数据为研究对象,构建优质客源量化评价模型筛选TOP20%的优质客源,分析优质客源时空特征并探究其与各类城市设施的相关关系。主要结论如下。

(1)逐天来看,节假日的优质客源比大部分工作日的都略多,呈现假日首日最多,工作日末日次之的“U”形分布;逐小时来看,23:00—次日5:00优质客源呈先减少后增加再减少的波动趋势,5:00—9:00其数量开始逐渐增加,此后维持较高状态并呈波动趋势,在21:00—23:00达到峰值。

(2)重庆市是典型的多中心组团式山地城市,其优质客源主要分布于“1主、6副、21组团”等地区,各时段优质客源分布情况服从城市居民出行规律;优质客源一天中除6:00—10:00聚集状况较弱,其余时段区域聚集效应明显,主要围绕城市中心和组团的商业办公、娱乐休闲及交通枢纽地区扩散,并在高聚集时段呈现区域粘连趋势。

(3)交通设施、医疗机构、休闲娱乐、宾馆酒店等设施是影响优质客源时空分布特征的主要因素,但各设施的影响时间及强度具有明显差异;节假日与工作日相比,工作、服务较规律的设施机构节假日的影响强度明显降低,而主要提供娱乐、交通出行等活动的设施其影响强度及时间跨度都有显著增加。

在前人研究基础上探究了重庆市出租车优质客源节假日与工作日时空特征的差异,并分析其特征的驱动机制,但选取的影响驱动因素仅为城市空间地理数据,未考虑人口聚集、天气、交通状况等影响因素;在接下来的研究中可以综合考虑实时的城市空间自然、人为等因素,精细化探究出租车优质客源时空分布特征。