用数据告诉你出租车资源配置是否合理

简介: 用数据告诉你出租车资源配置是否合理

原文链接:http://tecdat.cn/?p=3825


互联网+下不同时空如何建立合适的指标分析出租车“供求匹配”的程度?点击文末“阅读原文”获取完整代码数据


由于出租车供求匹配,以及一系列的补贴方案涉及到可行性的问题,我们采用出租车轨迹数据做出相应的解答。

数据样例可参考原文

 

出租车上下客高峰期

查看不同城市的出租车上下客高峰期的时间段。从深圳市的上下车比例来看,凌晨左右有一定的客流量,到6点之前是客流量的低谷。到早上9点左右出现了客流量的早高峰。到12点人流量逐渐减少。然后到晚上7点,又迎来客流的一个高峰。从总的趋势来看,可以发现晚上10点的时候深圳市的客流是最多。

 

点击标题查阅往期内容


杭州出租车行驶轨迹数据空间时间可视化分析


01

02

03

04


从成都市的客流变化趋势来看可以发现中午11点迎来客流的高峰,十一点之后客流量逐渐减少,到下午3点的时候,又迎来客流的一个高峰。在下午3点以后,客流量逐渐减少。

 

将成都市的客流量和深圳市的客流量相比较,可以发现,深圳市的客流量变化较大,并且有凌晨的班车,而是成都市的班车从早上6点开始。因此,可以看出,两个城市的交通环境存在一定的差别。

 

凌晨停靠的位置

 

地图中,我们可以看到不同颜色的点,代表不同的出租车数量,颜色越深,代表数量越少,颜色越浅,代表数量越多,从上面的地图上我们可以发现,在深圳市中大部分的出租车停靠在西北方向。而少部分的出租车停靠在深圳市的南部。

 

分析不同时空出租车资源的“供求匹配”程度


根据出租车GPS数据中经纬度将所有样本出租车按照区域分类,若不同区域的出租车数据量差异很大,选择前三个数据量大的区域

 

总体来看,出租车资源供大于求,能够满足人们出行需要,但在部分地区、部分时段仍存在供求矛盾。对地区而言,b区和d区的供求匹配度变化范围不大,c区的供求匹配度变化范围较大,可以认为c区供求匹配程度差,时段对c区供求关系影响大。对时段而言,在第4至第6个时间段(3点至6点)供求匹配度远高于其他时段,可以认为这段时间为低谷期,出租车资源供远大于求,供给匹配程度差,在第8至第10个时间段(7点至10点)、第12至15个时间段(11点至15点)和第17至第19个时间段(16点至19点)匹配度较低,可认为这些时间段为高峰期,出租车资源供不应求,这些时间段亦为上班高峰期,符合实际情况,其余时间段供求匹配度变化不明显,视为正常水平期。

供求匹配”程度的分析结果可见,不同时期的出租车资源供求变化并不一定遵循时间呈现固定规律。

相关文章
|
4月前
|
机器学习/深度学习 人工智能 搜索推荐
AIGC有效提升病理诊断效率、缩短药品研发周期
【1月更文挑战第18天】AIGC有效提升病理诊断效率、缩短药品研发周期
50 2
AIGC有效提升病理诊断效率、缩短药品研发周期
|
8月前
计量相关的行业知识
计量相关的行业知识
40 0
|
9月前
|
供应链 调度
考虑阶梯式碳交易与供需灵活双响应的综合能源系统优化调度(Matlab代码实现)
考虑阶梯式碳交易与供需灵活双响应的综合能源系统优化调度(Matlab代码实现)
|
10月前
|
算法 数据挖掘
考虑实时市场联动的电力零售商鲁棒定价策略(Matlab代码实现)
考虑实时市场联动的电力零售商鲁棒定价策略(Matlab代码实现)
|
10月前
|
安全 调度
基于主从博弈的智能小区代理商定价策略及电动汽车充电管理(Matlab代码实现)
基于主从博弈的智能小区代理商定价策略及电动汽车充电管理(Matlab代码实现)
132 0
|
10月前
|
供应链 监控 安全
公路外发精细化管理
加强企业物流管理,要把物流能力确定为一种核心竞争力,整合优化供应链;要建立健全现代物流管理体系;要加快培养物流人才。企业物流管理水平与企业日常经营活动息息相关,是现代企业管理的重要内容,也是提升企业核心竞争力和综合实力的可靠保证。因此,企业和相关工作者应该从树立先进的物流管理理念、优化物流管理手段和技术、加强管理人员培训与教育等方面出发,全面提高现代企业物流管理水平,提高企业的竞争力和综合实力,促进企业健康、可持续发展。
|
11月前
|
机器学习/深度学习 传感器 算法
【选址优化】基于NSGA2算法实现多级中心物资配送路径选址满意度-建设成本多目标优化附matlab代码
【选址优化】基于NSGA2算法实现多级中心物资配送路径选址满意度-建设成本多目标优化附matlab代码
|
21天前
|
关系型数据库 分布式数据库 调度
PolarDB 开源版 轨迹应用实践 - 出行、配送、快递等业务的调度; 传染溯源; 刑侦
背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理,PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出,将数据变成生产力。本文将介绍PolarDB 开源版 轨迹应用实践,例如:出行、配送、快递等业务的调度快递员...
38 0
|
存储 并行计算 Cloud Native
PolarDB 开源版 轨迹应用实践 - 出行、配送、快递等业务的调度; 传染溯源; 刑侦
PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力. 本文将介绍PolarDB 开源版 轨迹应用实践, 例如: - 出行、配送、快递等业务的调度 - 快递员有预规划的配送轨迹(轨迹) - 客户有发货需求(时间、位置) - 根据轨迹估算最近的位置和时间 - 通过多个嫌疑人的轨迹, 计算嫌疑人接触的地点、时间点
281 0
|
存储 运维 负载均衡