基于GPS数据的出租车路径选择行为研究

交通运输系统工程与信息 ›› 2015, Vol. 15 ›› Issue (1): 81-86.

• 智能交通系统与信息技术 • 上一篇下一篇

基于GPS数据的出租车路径选择行为研究

杨扬^1,2，姚恩建^*1,2，潘龙¹，赵楠³

1. 北京交通大学城市交通复杂理论与技术教育部重点实验室，北京100044；2. 北京城市交通协同创新中心，北京100044； 3. 惠州市住房和城乡规划建设局城市交通规划所, 广东，惠州516000

收稿日期:2014-08-15 修回日期:2014-10-16 出版日期:2015-02-25 发布日期:2016-02-25
作者简介:杨扬（1989-），男，江西宜春人，博士生.
基金资助:
国家“973”计划资助项目（2012CB725403）；中央高校基本科研业务费专项资金（2013YJS051）

Taxi Route Choice Behavior Modeling Based on GPS Data

YANG Yang^1,2 ，YAO En-jian^1,2，PAN Long¹，ZHAO Nan³

1. MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology, Beijing Jiaotong University, Beijing 100044, China; 2. Center of Cooperative Innovation for Beijing Metropolitan Transportation, Beijing 100044, China; 3. Department of Traffic Planning, Housing and Urban-Rural Development of Huizhou, Huizhou 516000, Guangdong, China

Received:2014-08-15 Revised:2014-10-16 Online:2015-02-25 Published:2016-02-25

摘要/Abstract

摘要：

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义.基于北京市出租车调度系统采集的GPS（Global Positioning System）数据，本文首先通过旅程数据提取、地图匹配及双向扫除算法，构建车辆路径选择行为分析所需的RP（Revealed Preference）数据.其次，在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上，构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型.案例分析结果表明，出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径.同时，文中所提出的路径选择行为建模方法，对于提高GPS数据的使用价值具有积极的意义.

关键词: 交通工程, 路径选择行为, PSL 模型, 出租车, GPS 数据

Abstract:

Taxi route choice behavior analysis is of great significance to study urban traffic flow’s spatiotemporal distribution and assignment. First, based on the GPS data collected from taxi dispatch system, RP data for taxi route choice behavior analysis are obtained by using trip-identification method, map matching and double-sweep algorithm. Second, by considering the comprehensive impacts of road network condition and traffic status on taxi drivers’route choice behavior, a PSL model based vehicle route choice model is developed. Finally, the results of case study show that taxi drivers incline to choose the route with less travel time, lower frequency of the left turns and right turns, and higher total ratio of arterial road and sub-arterial road. Meanwhile, the modeling approach of route choice behavior is of positive significance to improve the use value of GPS data.

Key words: traffic engineering, route choice behavior, path-size Logit model, taxi, global positioning system data

中图分类号:

U491.1

杨扬，姚恩建，潘龙，赵楠. 基于GPS数据的出租车路径选择行为研究[J]. 交通运输系统工程与信息, 2015, 15(1): 81-86.

YANG Yang,YAO En-jian，PAN Long，ZHAO Nan. Taxi Route Choice Behavior Modeling Based on GPS Data[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(1): 81-86.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18927.shtml

http://www.tseit.org.cn/CN/Y2015/V15/I1/81

参考文献

[1] Yang H, Wong S C. A network model of urban taxi services[J]. Transportation Research Part B: Methodological, 1998, 32(4): 235-246.

[2] Wong K I, Wong S C, Yang H. Modeling urban taxi services in congested road networks with elastic demand[J]. Transportation Research Part B: Methodological, 2001, 35(9): 819-842.

[3] 马俊来, 边扬, 王炜. 基于驾驶行为分析的城市出租车运营网络平衡模型[C].中国城市交通规划 2006 年年会暨第22 次学术研讨会, 2006. [MA J L, BIAN Y, WANG W. A equilibrium model of urban taxi service network based on analyzing taxi- driving behaviors[C]. The 22th Conference on Chinese Urban Transportation Planning, 2006.]

[4] 边扬, 王炜, 陆建. 城市出租车运营网络平衡模型[J]. 交通运输工程学报, 2007, 7(1): 93-98. [YANG B, WANG W, LU J. Equilibrium model of urban taxi service network[J]. Journal of Traffic and Transportation Engineering, 2007, 7(1): 93-98.]

[5] 四兵锋, 孙壮志, 赵小梅. 基于随机用户平衡的混合交通网络流量分离模型[J]. 中国公路学报, 2006, 19 (1): 93-96. [SI B F, SUN Z Z, ZHAO X M. Mixed traffic network flow- split model based on stochastic user equilibrium[J]. China Journal of Highway and Transport, 2006, 19(1): 93-96.]

[6] 周元峰. 基于信息的驾驶员路径选择行为及动态诱导模型研究[D]. 北京: 北京交通大学, 2007. [ZHOU Y F. Research on driver route choice behavior in the presence of information and dynamic guidance model[D]. Beijing: Beijing Jiaotong University, 2007.]

[7] Li H. Investigating morning commute route choice behavior using global positioning systems and multi-day travel data[D]. Atlanta: Georgia Institute of Technology, 2004.

[8] Mandir E, Pillat J, Friedrich M, et al. Choice set generation and model identification for route choice using GPS data from smart phones[C]//Proceedings of the Conference on Innovations in Travel Modeling of the Transportation Research Board, Tempe, Arizona. 2010.

[9] Hood J, Sall E, Charlton B. A GPS-based bicycle route choice model for san francisco, california[J]. Transportation Letters: The International Journal of Transportation Research, 2011, 3(1): 63-75.

[10] Broach J, Dill J, Gliebe J. Where do cyclists ride? A route choice model developed with revealed preference GPS data[J]. Transportation Research Part A: Policy and Practice, 2012, 46(10): 1730-1740.

[11] 姚恩建, 左婷. 基于低频浮动车数据的实时地图匹配算法[J]. 北京工业大学学报, 2013, 39(006): 909-913. [YAO E J, ZUO T. Real-time map matching algorithm based on low-sampling-rate probe vehicle data[J]. Journal of Beijing University of Technology, 2013, 39 (006): 909-913.]

[12] Prato C G, Bekhor S. Modeling route choice behavior: How relevant is the composition of choice set?[J]. Transportation Research Record: Journal of the Transportation Research Board, 2007, 2003(1): 64-73.

[13] Rink K A, Rodin E Y, Sundarapandian V. A simplification of the double-sweep algorithm to solve the k-shortest path problem[J]. Applied Mathematics Letters, 2000, 13(8): 77-85.

[14] Swait J. A non-compensatory choice model incorporating attribute cutoffs[J]. Transportation Research Part B: Methodological, 2001, 35(10): 903- 928.

[15] Ben-Akiva M, Bierlaire M. Discrete choice methods and their applications to short term travel decisions[M]. Handbook of Transportation Science, Springer US, 1999. 86

基于GPS数据的出租车路径选择行为研究

Taxi Route Choice Behavior Modeling Based on GPS Data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	林建新, 刘博, 赵霞, 张蕾. 基于混合约束自编码器的机动车工况智能构建方法[J]. 交通运输系统工程与信息, 2022, 22(2): 109-116.
[2]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[3]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[4]	马景峰, 任刚, 李豪杰, 曹奇, 杜建玮. 电动自行车与机动车事故严重性影响因素分析[J]. 交通运输系统工程与信息, 2022, 22(2): 337-348.
[5]	宗芳, 王猛, 贺正冰. 考虑多车影响的分子动力学智能网联跟驰模型[J]. 交通运输系统工程与信息, 2022, 22(1): 37-48.
[6]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[7]	廖鹏, 唐铁桥. 基于车辆动力传动和转向系统的换道轨迹优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 98-105.
[8]	刘永红, 罗霞, 胡剑鹏. 考虑临时和预约需求的共享泊位动态分配方法[J]. 交通运输系统工程与信息, 2022, 22(1): 171-181.
[9]	袁振洲, 郭曼泽, 彭泳鑫, 杨洋. 基于梯度关联规则的老年行人交通事故风险识别[J]. 交通运输系统工程与信息, 2022, 22(1): 195-208.
[10]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[11]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[12]	白婧荣, 唐伯明, 孙宗元, 毕辉云, 向恬君. 毗邻互通立交特长隧道驾驶负荷研究[J]. 交通运输系统工程与信息, 2022, 22(1): 301-310.
[13]	郭彦茹, 罗志雄, 王家川, 何方. 数据驱动的共享单车停放区规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(6): 9-16.
[14]	李君羡, 沈宙彪, 童文聪, 吴志周. 基于分类车头时距的城市道路大型车影响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 55-62.
[15]	卢凯, 周志洁, 张勇刚, 赵世杰, 徐广辉. 面向单向交通路网的绿波协调设计方法[J]. 交通运输系统工程与信息, 2021, 21(6): 74-83.