基于轨迹数据的出租车交接班时空分布识别方法

邹复民，罗思杰*，陈志辉，廖律超

（1.福建省汽车电子与电驱动技术重点实验室（福建工程学院），福州 350118；2.福建省北斗导航与智慧交通协同创新中心（福建工程学院），福州 350118；3.数字福建交通大数据研究所（福建工程学院），福州 350118）

0 引言

交通轨迹数据暗藏了城市丰富的潜在信息，蕴含了交通结构化要素［1-2］，可有效挖掘出人车流动模式、路网变更、能源消耗分布［3-5］等，对城市交通资源配置、管理和规划有着非常重要的指导作用［6］。出租车是城市交通的重要组成成分，其交接班的地点与时间是否合理对出租车的运行效率、公众的便捷出行以及城市的交通状况的有着重要影响［7］。

出租车交接班行为是指前一位驾驶员停止运营且车辆停止运行到后一位驾驶员接替车辆开始运行的过程。交接班地点为交接班行为中停留的地点，交接班时间定义为前一位驾驶员交完后，后一位驾驶员接的时间［8］。目前，针对出租车交接班的时间与地点的理想布局与实际布局已展开了大量研究。文献［9］基于出租车的使用效率和出租公司的收益为综合指标，建立出租车交接班时间优化模型，给出了最佳的出租车交接班时间段，文献［10］建立了预测出租车需求量的数学模型，提供了出租车数量、交接班地点的配置建议，这两种出租车交接班方法理论上具有参考价值，但真实的交接班存在各种不可控因素，理想模型与实际情况会有较大区别。文献［8］利用多尺度滑动窗口模型对出租车交接班事件在多个时间、空间尺度进行搜寻，并定义交接班事件支持度对搜寻结果进行评估，借用卷积神经网络中的卷积窗的思想，对交接班行为与时间进行滑窗检测。……