城市出租车合乘匹配理论模型与关键技术研究

摘要

随着我国城市化建设进程的加快以及出行车辆的剧增，城市道路交通拥堵问题已然成为城市发展中亟需解决的重大难题。大力发展城市公共交通、倡导市民绿色出行是各大城市治理和缓解交通压力的常见举措。出租车作为城市公共交通的重要构成，具有便捷、灵活的特点。然而，受制于供需双方的信息不对称，出行者打车难、出租车空载率高、出租运营成本大等问题严重制约了出租车市场的健康发展。有鉴于此，有学者提出“出租车合乘”的理念以期破解上述难题，并迅速引起学术共鸣，经验数据表明，出租车合乘在缓解城市交通拥堵，解决出租车运营困境方面具有政策效力。
　　论文回顾和梳理了国内外出租车合乘的研究现状及发展动态，分析和归纳出城市出租车合乘研究存在的问题及不足。从城市出租车和乘客两个角度分析了各自的出行特征，构建了城市出租车合乘概率和合乘等待时间模型，推演了城市出租车合乘“三阶段”算法，利用南京市出租车数据对上述理论和模型进行了实例验证，并以此为基础，建立了城市出租车合乘仿真实验系统。全文主要研究内容如下:
　　(1)阐述了城市出租车合乘的起源、发展、概念、类型和组织模式，分析了城市出租车合乘的现状及存在的问题，构建并详述了城市出租车合乘系统技术框架。
　　(2)以南京市为研究区域，从出租车行驶里程、出租车空载率和出租车载客特征三个纬度分析了南京市出租车的出行特征;从乘客出行距离、出行时间、出行点均衡度、出行点密度以及出行点分布度等一系列指标分析了南京市出租车乘客的出行变化特征，并综合提出了城市出租车合乘影响因素。
　　(3)运用泊松分布原理研究了出租车合乘中出租车载客车辆的概率特征，并基于泊松分布模型和N重伯努利试验原理，首次构建了出租车合乘概率模型和合乘等待时间模型，深入研究和探讨了出租车数量、空载率、平均行驶速率、行驶目的地分布率等对合乘概率和合乘等待时间的影响。以南京市雨花南路路段出租车GPS数据为数据源，对所建模型进行了验证。实验结果显示，出租车载客车辆数据通过了K-S检验，服从泊松分布。路段内，出租车数量大、空载率低及行驶目的地分布集中，将增加城市出租车合乘概率，减少合乘等待时间;出租车平均行驶速度的稳定性对合乘概率及合乘等待时间的影响较小;出行高峰时段适宜采用多次合乘的方式提高合乘效率。
　　(4)首次提出基于数据场能和点间距的出租车合乘车辆聚类算法。利用数据场能函数，求解载客出租车数据集中各数据点的场能，通过比较各数据点势能值的大小，计算出各数据点的点间距，进而根据各数据点场能值与点间距的乘积所确定的阀值来判别聚类中心点、离群点以及各聚类中心所包括的子数据点。以南京市载客出租车下车点轨迹数据为例，对比经典聚类算法发现，本算法对于空间分布有一定规律、时间分布不规律的出租车轨迹数据具有更好的聚类效果，因此，本文提出，基于数据场能和点间距的聚类算法更适用于城市交通道路车辆聚类，这一创新性的研究思路与方法对丰富城市交通聚类研究提供了新视野。
　　(5)通过聚类对合乘出租车目的地与合乘乘客目的地进行距离阀值判定，形成合乘乘客与载客出租车匹配方案。依据物元理论，构建了模糊物元矩阵，采用熵权法计算合乘距离、到达合乘出发点距离、到达合乘目的地距离以及到达合乘出发点时间四个指标的权重，并运用贴近度计算出合乘出租车匹配方案的优先顺序。实验对比结果显示，与物元关联度评价算法相比，本算法具有较高的可行性和有效性，同时由于本算法指标参数受人为制约较小，评价结果更为客观。
　　(6)基于对道路的矢量化处理，建立道路路段网络节点拓扑结构，运用道路路段长度、车辆平均行驶速度、路口红绿灯等待时间等指标构建道路路段路权值，采用有向图的节点间直接权重矩阵算法，得到节点间权重矩阵表。提出基于节点区域限制和改进A*算法的路径规划模型，通过对节点间权重矩阵表的调用与判断，实现合乘乘客与出租车合乘后的路径规划及合乘费用预估，从而为合乘者推荐合乘参考方案建议。
　　论文进行了大量城市出租车合乘匹配的基础理论研究，研究结论可为城市出租车合乘匹配提供理论支撑。论文构建了城市出租车合乘仿真实验系统，具体内容包括系统的总体设计规划及功能结构两部分。实验仿真运行结果表明，本论文提出的各类模型及算法在实践中具有可行性，这一贡献对后续研究消减各类合乘假设条件以及完善合乘技术方案提供了重要支撑，对交通合乘政策的制定有重要指导意义。

目录

声明

摘要

1 绪论

1．1 研究的背景

1．2 研究目的和意义

1．3 国内外研究综述

1．3．1 国外研究概况

1．3．2 国内研究综述

1．3．3 国内外研究现状总结分析

1．4 研究的内容和思路

1．4．1 主要研究内容

1．4．2 研究方法和技术路线

1．5 论文的结构

2 城市出租车合乘相关综述

2．1 合乘的起源与发展

2．2 合乘的概念及类型

2．1．1 合乘的概念

2．1．2 合乘的类型

2．2 合乘的组织模式

2．3 城市出租车合乘的现状及问题

2．3．1 城市出租车合乘的现状

2．3．2 城市出租车合乘存在的问题

2．4 城市出租车合乘系统设计

2．5 本章小结

3 城市出租车及乘客出行特征分析

3．1 城市出租车GPS数据处理

3．1．1 城市出租车GPS轨迹数据产生和构成

3．1．2 出租车GPS轨迹数据参数处理

3．1．3 城市出租车载客点数据的处理

3．2 城市出租车及乘客出行特征

3．2．1 城市出租车出行特征

3．2．2 城市出租车乘客出行特征

3．3 城市出租车合乘影响因素分析

3．3．1 城市交通道路网影响分析

3．3．2 城市出租车影响分析

3．3．3 出租车乘客影响分析

3．4 本章小结

4 城市出租车合乘概率分析

4．1 合乘概率模型假设

4．2 基于泊松分布的合乘概率建模

4．2．1 城市出租车泊松分布分析

4．2．2 城市出租车的合乘概率模型

4．2．3 城市出租车合乘等待时间

4．2．4 模型关系分析

4．3 实验分析

4．3．1 实验数据

4．3．2 实验步骤

4．3．3 结果与分析

4．4 本章小结

5 城市出租车合乘车辆聚类模型及算法

5．1 出租车合乘车辆聚类问题数学模型的构建

5．1．1 出租车合乘车辆聚类问题描述

5．1．2 出租车合乘车辆聚类问题建模

5．2 出租车合乘车辆聚类问题数学模型的算法

5．2．1 出租车合乘车辆聚类问题算法思路

5．2．2 基于数据场和点间距的出租车合乘车辆聚类算法

5．3 实验分析

5．3．1 实验数据

5．3．2 阈值参数确定

5．3．3 实验结果分析

5．5 本章小结

6 城市合乘乘客出租车匹配模型及算法

6．1 城市合乘乘客出租车匹配问题数学模型的构建

6．1．1 城市合乘乘客出租车匹配问题描述

6．1．2 城市合乘乘客出租车匹配问题建模”

6．2 城市合乘乘客出租车匹配方案评价数学模型及算法

6．2．1 城市合乘乘客出租车匹配问题算法思路

6．2．2 基于熵权模糊物元评价的城市合乘乘客出租车匹配算法

6．3 实验分析

6．3．1 实验数据

6．3．2 实验参数

6．3．3 实验结果分析

6．4 本章小结

7 城市出租车合乘路径规划模型及算法

7．1 出租车合乘路径规划数学模型的构建

7．1．1 出租车合乘路径规划问题描述

7．1．2 出租车合乘路径规划问题建模

7．1．3 出租车合乘路径规划模型

7．2 出租车合乘路径规划问题数学模型的算法

7．2．1 出租车合乘路径规划问题算法思路

7．2．2 基于节点区域限制和改进A*算法的城市出租车合乘路径规划模型

7．3 实验分析

7．3．1 实验数据

7．3．2 实验参数

7．3．3 实验结果分析

7．4 本章小结

8 城市出租车合乘仿真实验系统设计

8．1 系统设计的原则和目标

8．1．1 系统设计的目标

8．1．2 系统设计的原则

8．1．3 系统设计平台的运行环境

8．2 系统总体设计

8．2．1 逻辑总体结构设计

8．2．2 物理总体结构

8．3 系统的功能结构设计

8．4 仿真实验系统实验结果

8．5 本章小结

结论

致谢

参考文献

攻读学位期间的研究成果