根据出租车GPS跟踪信息,研究人员可以分析城市交通

土地使用代表了宏观阶段,这可能弥补了普通问卷调查研究的不足[14-16,24]。岳等。 (2012)[16]校准了由武汉市唯一的中央组织上的出租车GPS跟踪信息确定的空间交互产品的参数。刘等。 (2012年,[25])探索了上海城市规模偏移的时间模式,发现可以用出租车的出行方式来表达城市土地的使用和建设。Giraudo和Peruch(1988)[26]将出租车程序分为“运输阶段”和“技术阶段”两个阶段,分别可以用来描述有乘客和无乘客出租车的特征。出租车司机狩猎乘客的习惯发生在“技术时期”。 rolstoeltaxi Capelle Alexanderpolder 当原驾驶员的动力下降时,他/她会在短暂的时间后开车在该空间或区域内尝试寻找另一位乘客,因为该出租车司机的人格特征(驾驶工作经验,对街道社区的熟悉程度等)和乘客到达的随机性,寻找下一个乘客的原动力经常是随机变量。 Luo(2009)[27]经验丰富,出租车司机正在寻找另一位乘客以双指数(Gumbel)分布。 (2010)[11]描述了深圳出租车司机的程序模式以及高级驾驶员和普通驾驶员的行为之间的差异,并根据每天的出租车GPS追踪知识回顾了出租车司机的习惯;他们分析了驾驶员的空间收集动作,操作动作和路线替代习惯。但在刘等人的调查中。 (2010)[11],他们没有’指出驾驶员的浏览场所行为模式。

不久之前,科学家们对出租车GPS的知识有所了解

利用数学模型(Lévy航班模型或Zipf分布定律)分析乘客在单个位置的观看频率[17],假期大小分布[十八]和驾驶员的习惯[十一,19]。但是,现有的科学家在不同的观察时间段内对出租车驾驶员的行为知之甚少。同时,土地利用与乘客需求之间的联系也越来越强烈’因此,本文重点研究了乘客在所选土地利用类型中的时间变化的足够的时间集合分布动态属性,以及出租车司机的搜索习惯链接,这些链接涉及不同作用区域,不同观察间隔的长度。本文的重点是随后的主题。(一)探索出租车司机的活动,因为其活动室的测量以及各个行动区域之间在不同时间长度上的联系(2)主要集中在深圳的8个TAZ并发现客户的在工作日和周末时空分布上,客户的重要时间起点和期望目的地需求。3)出租车站的优化取决于乘客的需求和预期的消费者等待时间分布。本文的结构如下。除了出租车司机的寻觅行为外,区域两个对城市土地使用和出行需求的关联性进行了批判。在第3部分中,我们详细存在了出租车GPS跟踪详细信息资源和评估度量。第4部分提供了结果和讨论。最后,我们在部分5中总结了这篇论文。

科学家通常使用数字客户起源-目的地需求样式

为了研究出租车提供者模型,通常可以与Arnott(1996)[7],Yang and Wong(1998)[8],Wong等人讨论。 (2001)[20],Bian等,(2007)[21],以及Luo and Shi(2009)[9]。借助GPS硬件和通信技术,现在我们可以比以前的常规调查[16]更长的时间获取出租车GPS跟踪信息。’更重要的是,它可以提供贴心的更多信息,例如假期大小,旅行时间和工作时间的步调,这可能有助于研究人员验证出租车提供商的产品。目前,一些研究人员也在这一领域开展工作[22,23]; Zhang and He(2011)[22]未来将更多地集中在出租车供应商的空间分布上,而Hu等人。 (2011年)[23]主要分析了中国广州购物者决定上落时间的仅一个工作日的出租车时间分布。本文试图在理论研究和实践发展的基础上弥合这些差距。深圳市的出租车GPS轨迹信息,以了解城市土地使用情况和出租车驾驶员的操作行为.204个连续8小时内乘客的8个TAZ(游客评估区)的时空分布以及出租车驾驶员的寻觅行为从不同的层次进行检验。在此部分中,我们从2011年4月18日(星期一)到2011年4月26日(星期二)在乘客的始发地和地点欲望之间的时空分布上进行了分析。我们主要处理深圳的8个TAZ(见表二);图4展示了八个TAZ的旅客决定(蓝色线)和下降(粉红色线)统计图表。

发表评论

您的电子邮件地址不会被公开。 必需的地方已做标记 *