基于网约车数据的城市区域出行时空特征识别与预测研究

张 政，陈艳艳*，梁天闻

(1.北京工业大学城市交通学院，北京100124；2.交通运输部公路科学研究院，北京100088)

0 引 言

网约车的逐步发展对城市居民的生活和出行方式产生较大影响.城市不同区域网约车出行需求特征精准识别和预测，对运营商优化车辆调度方案，资源合理配置，缓解高峰时段关键区域供需失衡，减少环境污染等问题具有重要意义；对交通规划者制定面向区域的需求管理政策，开展可替代的定制公共交通服务具有重要参考价值.

城市交通需求特征识别广泛采用聚类，矩阵分解等特征提取方法挖掘城市不同群体的出行特征规律.MA X.等[1]利用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法对北京市公交通勤者进行辨识；曲昭伟等[2]根据出租车GPS数据采用核密度方法对城市热点路段进行辨识；CALABRESE F.[3]采用矩阵分解方法对不同交通需求进行分类.交通需求特征识别是预测的基础，基于不同出行需求特征可分别构建预测模型.交通预测方法主要包括参数方法和非参数方法，参数方法如基于时间序列的统计模型自回归移动平均[4]和泊松模型[5]等，而人工智能的发展使得机器学习方法逐渐成为解决短时交通需求预测的非参数方法，如支持向量机[6]，长短时记忆神经网络[7].JIANG S.[8]提出基于最小二乘支持向量机的网约车需求预测方法.谷远利[9]提出基于深度学习网络的预测某区域内网约车短时供需差的框架，该预测模型考虑时空因素和环境因素，预测短时间内区域的出行需求.郭……