崔宇超，關(guān)宏志，司 楊，覃正桃

（1.北京工業(yè)大學(xué)建筑工程學(xué)院，北京 100124；2.交通工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100124）

0 引言

網(wǎng)約車是指通過網(wǎng)絡(luò)預(yù)約的出租汽車，網(wǎng)約車中包括了傳統(tǒng)的出租車和“快車”等。其中，“快車”是指私家車主通過互聯(lián)網(wǎng)向需要打車的人提供用車服務(wù)?？燔嚨某霈F(xiàn)使得一部分私家車進(jìn)入了原本以出租車為主體的點(diǎn)到點(diǎn)出行服務(wù)市場。在這種條件下，不同類型網(wǎng)約車的乘客出行需求呈現(xiàn)何種規(guī)律和特征引起了廣泛的關(guān)注，而了解兩種網(wǎng)約車模式下不同的乘客出行需求特征，對(duì)合理制定網(wǎng)約車相關(guān)政策具有重要意義。相比于出租車訂單來源于線上及線下兩種方式，快車訂單則全部來源于網(wǎng)絡(luò)，這些網(wǎng)絡(luò)訂單為分析兩種模式的出租汽車提供了依據(jù)。

對(duì)居民出行時(shí)空分布以及出租車運(yùn)營規(guī)律，國內(nèi)外學(xué)者已進(jìn)行了廣泛且深入的研究。韓一童等[1]通過提取出租車全球定位系統(tǒng)（Global Positioning System,GPS）數(shù)據(jù)中的起訖點(diǎn)（Origin to Destina?tion,OD）數(shù)據(jù)，對(duì)居民上下車的時(shí)空分布進(jìn)行了分析，為司機(jī)尋客提供了幫助。陳澤東等[2]對(duì)地塊聚類分析時(shí)結(jié)合了興趣點(diǎn)和居民出行時(shí)序特征，對(duì)城市不同功能區(qū)域的識(shí)別進(jìn)行了研究，并且利用出租車上下車點(diǎn)的數(shù)據(jù)分析了城市不同功能區(qū)之間的空間交互特征。劉萌等[3]利用出租車OD數(shù)據(jù)分析了居民在不同時(shí)間、不同區(qū)域的活動(dòng)強(qiáng)度。童曉君等[4]利用出租車GPS數(shù)據(jù)對(duì)居民的出行行為進(jìn)行了分析。欒麗娜[5]通過對(duì)出租車GPS數(shù)據(jù)的挖掘，對(duì)影響出租車運(yùn)營水平的因素進(jìn)行了總結(jié)，并從出租車運(yùn)營管理方面、出租車調(diào)度方面提出了針對(duì)出租車運(yùn)營的改善策略。齊林[6]利用GPS數(shù)據(jù)研究了出租車的交通特性，為解決交通規(guī)劃中的宏觀和微觀的交通問題提供了數(shù)據(jù)支持和理論依據(jù)。覃正桃等[7]對(duì)出租車交通運(yùn)行特征進(jìn)行了研究，提出了一種確定出租車上下客點(diǎn)位置和各路段出租車運(yùn)行狀態(tài)的方法。楊揚(yáng)等[8]基于北京市出租車調(diào)度系統(tǒng)采集的GPS數(shù)據(jù)，構(gòu)建基于路徑長度的Logit（Path-Size-Logit,PSL）模型作為出租車多路徑概率選擇模型，發(fā)現(xiàn)出租車駕駛員更傾向于選擇旅行時(shí)間短、轉(zhuǎn)向次數(shù)少、主干路和次干路比例較高的路徑。司楊等[9]以計(jì)劃行為理論為框架探討了出租車司機(jī)主觀上的心理狀態(tài)對(duì)目的地選擇行為的影響。Zhang等[10]將出租車司機(jī)分為高收入、中高收入、中低收入及低收入四類，并利用熵權(quán)函數(shù)對(duì)不同收入司機(jī)的上下客多樣性進(jìn)行分析，發(fā)現(xiàn)高收入司機(jī)在尋客時(shí)有拒載行為，并給出了高收入司機(jī)在載客時(shí)的拒絕率為8.52%。Chen等[11]研究了在下雨的天氣條件下出租車的時(shí)空分布特性。

對(duì)于網(wǎng)約車的研究，袁亮等[12]通過問卷調(diào)查與深度訪談研究了城市居民在打車出行時(shí)對(duì)網(wǎng)約車與出租車的選擇意愿，發(fā)現(xiàn)出行者的個(gè)體特征、出行時(shí)間等對(duì)網(wǎng)約車的選擇意愿影響顯著，研究了網(wǎng)約車與出租車服務(wù)共存下價(jià)格管制策略的制定并對(duì)比了無競爭市場、競爭市場無管制與競爭市場管制3種情景下社會(huì)福利的變化。張永安等[14]利用政策一致性模型（Policy Modeling Consistency,PMC）的政策評(píng)價(jià)框架分析比較了北京等多個(gè)城市的網(wǎng)約車政策，發(fā)現(xiàn)了交通擁堵指數(shù)與常住人口密度對(duì)政策規(guī)制力度有很大影響。而在目前的研究中，根據(jù)網(wǎng)約車訂單數(shù)據(jù)對(duì)網(wǎng)約車需求特征進(jìn)行分析的還較少。Guo等[15]利用博弈模型和競爭定價(jià)模型，從成本和費(fèi)用角度分析了網(wǎng)約車和傳統(tǒng)出租車的博弈關(guān)系，發(fā)現(xiàn)在雙方合作的條件下，可以有效提高資源利用率，緩解交通壓力，從而達(dá)到雙贏的效果。Wong等[16]提出一種基于網(wǎng)格的Logit選擇模型，對(duì)出租車駕駛員的尋客行為進(jìn)行了研究，發(fā)現(xiàn)出租車駕駛員的尋客路徑并不遵循隨機(jī)巡游原則，而是與尋客路徑上尋客成功的累積概率有關(guān)。

由此可見，以往的研究并未聚焦于不同類型網(wǎng)約車乘客的出行需求規(guī)律和特征。本文擬通過對(duì)出租車網(wǎng)絡(luò)訂單及快車網(wǎng)絡(luò)訂單的數(shù)據(jù)進(jìn)行挖掘，分別從兩種網(wǎng)約車訂單的行程時(shí)間、訂單費(fèi)用、上下客區(qū)域分布等方面對(duì)其需求特征進(jìn)行統(tǒng)計(jì)分析。并且結(jié)合北京市“興趣點(diǎn)”（Point of Interest,POI）數(shù)據(jù)確定了乘客出行時(shí)上下車區(qū)域的用地性質(zhì)，利用兩種出行模式下訂單的各種特征對(duì)其分別進(jìn)行了聚類分析，其結(jié)果將為二者采取更具針對(duì)性的、應(yīng)對(duì)不同類型乘客出行需求的服務(wù)措施提供幫助。

1 數(shù)據(jù)來源及數(shù)據(jù)分析

1.1 訂單數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

本文所使用的訂單數(shù)據(jù)來自2015年12月3日到2016年1月3日期間北京市出租車網(wǎng)絡(luò)訂單及快車網(wǎng)絡(luò)訂單數(shù)據(jù)。數(shù)據(jù)內(nèi)容包括：訂單ID、乘客ID、司機(jī)ID、訂單初始時(shí)間與結(jié)束時(shí)間、訂單所在城市名稱、起訖點(diǎn)經(jīng)緯度坐標(biāo)以及訂單費(fèi)用。由于GPS數(shù)據(jù)信號(hào)欠佳及用戶在操作時(shí)的失誤等原因，所獲取的原始數(shù)據(jù)可能存在一些誤差。因此，在對(duì)數(shù)據(jù)進(jìn)行分析前需要對(duì)其進(jìn)行預(yù)處理，將如下幾類異常數(shù)據(jù)剔除：（1）經(jīng)緯度越界數(shù)據(jù)，位于北京市坐標(biāo)范圍115.7°E～117.4°E，39.4°N～41.6°N之外的數(shù)據(jù)；（2）重復(fù)數(shù)據(jù)；（3）收費(fèi)價(jià)格小于起步價(jià)的數(shù)據(jù)；（4）收費(fèi)價(jià)格不符合出租車或快車收費(fèi)規(guī)則的數(shù)據(jù)；（5）行程時(shí)間大于3h的數(shù)據(jù)；（6）行程時(shí)間小于5min的數(shù)據(jù)；（7）其他信息不完整的數(shù)據(jù)。通過對(duì)數(shù)據(jù)進(jìn)行篩選后得到出租車有效數(shù)據(jù)共46 599條，快車有效數(shù)據(jù)共279 098條。

1.2 訂單數(shù)據(jù)基本特征分析

1.2.1 網(wǎng)約車訂單行程時(shí)間分布

通過對(duì)出租車網(wǎng)絡(luò)訂單與快車網(wǎng)絡(luò)訂單中每單行程時(shí)間進(jìn)行統(tǒng)計(jì)，得到了網(wǎng)約車行程時(shí)間分布圖（見圖1）。由圖1可以看出，行程時(shí)間大于50min的訂單較少，出租車網(wǎng)絡(luò)訂單的行程時(shí)間在10～50min內(nèi)占比約為80%，其中行程時(shí)間在20min內(nèi)的占22.8%，20～30min的占24.5%，30～40min的占21.2%，40～50min的占13.5%，平均行程時(shí)間為35.5min；快車網(wǎng)絡(luò)訂單的行程時(shí)間大于30min的較少，行程時(shí)間主要集中于10～20min，其中20min內(nèi)的占66.7%，20～30min的占17.1%，平均行程時(shí)間為21.9min。

圖1 網(wǎng)約車行程時(shí)間分布柱狀圖

1.2.2 網(wǎng)約車訂單收費(fèi)分布

通過對(duì)出租車網(wǎng)絡(luò)訂單與快車網(wǎng)絡(luò)訂單中每單收費(fèi)進(jìn)行統(tǒng)計(jì)，對(duì)出租車與快車分別以10元為間隔分組并得到各組占總訂單數(shù)量的比例（見圖2）。由圖2可以發(fā)現(xiàn)，快車網(wǎng)絡(luò)訂單單程收費(fèi)主要集中于10～30元之間，其中70%的訂單收費(fèi)為10～20元，大于40元的訂單占總訂單量不到10%，訂單平均收費(fèi)為19.48元；出租車網(wǎng)絡(luò)訂單單程收費(fèi)在10～50元區(qū)間占有較大的比例，其中20～30元區(qū)間占比最大，約為18%，出租車網(wǎng)絡(luò)訂單平均收費(fèi)為51.94元。

圖2 網(wǎng)約車單程訂單收費(fèi)分布圖

1.2.3 網(wǎng)約車上下客空間分布

對(duì)出租車網(wǎng)絡(luò)訂單與快車網(wǎng)絡(luò)訂單起訖點(diǎn)進(jìn)行分析可以得到出租車上、下客區(qū)域分布熱力圖（見圖3、圖4），快車上、下客區(qū)域分布熱力圖（見圖5、圖6）。由圖3、圖4可以發(fā)現(xiàn)，出租車上客點(diǎn)集中于國貿(mào)CBD區(qū)域、望京CBD區(qū)域、西單商業(yè)區(qū)附近區(qū)域、中關(guān)村區(qū)域、西二旗區(qū)域及首都機(jī)場T3航站樓；出租車下客點(diǎn)集中于國貿(mào)CBD區(qū)域、望京CBD區(qū)域、西單商業(yè)區(qū)附近區(qū)域、中關(guān)村區(qū)域、北京西站、北京南站及首都機(jī)場T2、T3航站樓。由圖5、圖6可以發(fā)現(xiàn)，快車上下客點(diǎn)集中于國貿(mào)CBD及附近區(qū)域、望京CBD區(qū)域、中關(guān)村區(qū)域、西二旗區(qū)域及順義區(qū)部分區(qū)域與通州區(qū)部分區(qū)域。

圖3 出租車上客區(qū)域分布熱力圖

圖4 出租車下客區(qū)域分布熱力圖

圖5 快車上客區(qū)域分布熱力圖

圖6 快車下客區(qū)域分布熱力圖

由以上分析可以發(fā)現(xiàn)，出租車網(wǎng)絡(luò)訂單中行程時(shí)間在10～50min、出行費(fèi)用在10～50元的訂單占據(jù)極大比例：而快車網(wǎng)絡(luò)訂單主要集中于行程時(shí)間小于30min、出行費(fèi)用小于30元的訂單，時(shí)間短、距離近的特征明顯；出租車網(wǎng)絡(luò)訂單乘客上下客熱點(diǎn)區(qū)域分布差異較大，而快車訂單分布更為一致。接下來將結(jié)合乘客上下車區(qū)域用地性質(zhì)，利用聚類分析的方法對(duì)乘客的出行需求特征進(jìn)行進(jìn)一步分析。

2 研究方法

2.1 研究區(qū)域及功能區(qū)的劃分

本文的研究區(qū)域?yàn)楸本┦?，在已劃分? 006個(gè)北京市交通小區(qū)的基礎(chǔ)上利用北京市的POI數(shù)據(jù)將各個(gè)交通小區(qū)進(jìn)行分類。北京市現(xiàn)有的POI數(shù)據(jù)點(diǎn)共1 383 937個(gè)，參考文獻(xiàn)[17]利用POI定量識(shí)別城市功能區(qū)的方法將所有交通小區(qū)劃分為居住用地、公共管理與公共服務(wù)設(shè)施用地、商業(yè)服務(wù)業(yè)設(shè)施用地、工業(yè)用地、道路與交通用地、綠地與廣場用地、混合用地，共7種用地類型。共有居住用地73個(gè)，公共管理與公共服務(wù)設(shè)施用地14個(gè)，商業(yè)服務(wù)業(yè)設(shè)施用地45個(gè)，工業(yè)用地14個(gè)，道路與交通用地212個(gè)，綠地與廣場用地134個(gè)及混合用地1 363個(gè)。

2.2 K-均值（K-means）聚類分析

K-means算法是一種基于距離的聚類算法，采用距離作為相似性指標(biāo)，在算法開始時(shí)選取任意k個(gè)對(duì)象作為初始聚類中心，代表一個(gè)簇。在每次迭代中，根據(jù)每個(gè)剩余對(duì)象與各個(gè)簇中心的距離將其賦給最近的簇，在一次迭代結(jié)束后將重新計(jì)算每個(gè)聚類的均值，直到每個(gè)聚類不再發(fā)生變化為止。

在利用K-means法對(duì)數(shù)據(jù)進(jìn)行聚類分析之前要先確定K值即聚類個(gè)數(shù)?，F(xiàn)引用指標(biāo)誤差平方和（Sum of Squared Errors,SSE）來確定K的取值。SSE表示所有點(diǎn)到相應(yīng)簇中心的距離均值，K值越大時(shí)SSE值越小，在SSE隨K值變化的曲線上找到SSE減幅最小時(shí)的K值，將此時(shí)K值確定為聚類數(shù)。

將預(yù)處理后的訂單數(shù)據(jù)中起訖點(diǎn)的經(jīng)緯度坐標(biāo)通過ArcGIS軟件與交通小區(qū)相匹配，即可得到乘客出行上下車點(diǎn)周圍區(qū)域的用地性質(zhì)。將訂單的出行時(shí)間、行程時(shí)間、上車點(diǎn)及下車點(diǎn)的用地性質(zhì)作為聚類分析的特征變量，對(duì)出租車網(wǎng)絡(luò)訂單數(shù)據(jù)與快車網(wǎng)絡(luò)訂單數(shù)據(jù)的K值進(jìn)行計(jì)算發(fā)現(xiàn)，當(dāng)K值取值為4時(shí)SSE值減小的速度迅速放慢，所以對(duì)二者的聚類數(shù)取值都為4。

對(duì)快車及出租車網(wǎng)絡(luò)訂單進(jìn)行聚類分析，結(jié)果如表1、表2所示（其中聚類中心坐標(biāo)值為標(biāo)準(zhǔn)化處理后的值），將這些結(jié)果分別命名為快車類型1～4及出租車類型1～4。由表1快車網(wǎng)絡(luò)訂單聚類結(jié)果可以發(fā)現(xiàn)，快車訂單中類型2和類型4占有較大比例，分別為41.15%與33.4%；類型1和類型3占比較小，分別為13.2%和12.25%。由表2出租車網(wǎng)絡(luò)訂單聚類結(jié)果可以發(fā)現(xiàn)，類型1和類型2占比較大，分別為36.37%和32.15%；類型3和類型4占比較小，分別為16.65%和14.83%。

表1 快車網(wǎng)絡(luò)訂單聚類結(jié)果

表2 出租車網(wǎng)絡(luò)訂單聚類結(jié)果

3 網(wǎng)約車乘客需求特征分析

3.1 快車網(wǎng)絡(luò)訂單乘客需求特征分析

通過對(duì)快車訂單數(shù)據(jù)聚類分析結(jié)果進(jìn)行分析，得到各類型訂單的出行時(shí)間分布曲線（見圖7），行程時(shí)間分布曲線（見圖8），上下車點(diǎn)用地性質(zhì)分布（見圖9、圖10），出行量隨時(shí)間變化曲線（見圖11）。

圖7 快車各類型需求出行時(shí)間分布曲線

圖8 快車各類型需求行程時(shí)間分布曲線

圖9 快車各類型需求上車點(diǎn)區(qū)域性質(zhì)統(tǒng)計(jì)直方圖

圖10 快車各類型需求下車點(diǎn)區(qū)域性質(zhì)統(tǒng)計(jì)直方圖

圖11 快車各類型需求出行量隨時(shí)間變化曲線

快車類型1在所有訂單數(shù)中所占比例為13.20%，這種出行需求發(fā)生時(shí)間均勻分布在全天8：00—22：00之間，并且受工作日與節(jié)假日的影響較小，上車點(diǎn)的性質(zhì)主要以混合用地性質(zhì)為主，下車點(diǎn)的性質(zhì)多分布在居住用地、商業(yè)服務(wù)設(shè)施用地及綠地及廣場用地，行程時(shí)間多分布在10～25min之間。

快車類型2在所有訂單數(shù)中所占比例為41.15%，所占比例為4個(gè)類型中最大的。這種出行需求發(fā)生時(shí)間在15：00—23：00之間，其中17：00—21：00為這種需求出行的高峰時(shí)間，受工作日與節(jié)假日影響較大，上下車點(diǎn)用地性質(zhì)主要為混合用地，行程時(shí)間多分布在10～25min之間。

快車類型3在所有訂單中所占比例為12.25%，為4種類型中最少的。這種出行需求在全天8：00—22：00之間均有產(chǎn)生，并且沒有較大的波動(dòng)，且受工作日與節(jié)假日影響較小，上車點(diǎn)用地性質(zhì)分布在居住用地、商業(yè)服務(wù)設(shè)施用地及綠地及廣場用地，下車點(diǎn)用地性質(zhì)集中于混合用地，行程時(shí)間分布在10～25min之間。

快車類型4在所有訂單中所占比例為33.40%，這種出行需求發(fā)生的時(shí)間集中于6：00—13：00，并且在7：00—9：00之間達(dá)到峰值，在0：00—6：00發(fā)生的數(shù)量較少，這種出行需求受到工作日及節(jié)假日的影響較大，在周末及節(jié)假日出行數(shù)量會(huì)明顯減少，上下車點(diǎn)的用地性質(zhì)集中于混合用地，行程時(shí)間多分布在10～25min之間。

通過對(duì)快車訂單需求類型的分析可以發(fā)現(xiàn)，類型2與類型4上下車點(diǎn)都集中于混合用地，且類型4出行高峰時(shí)間接近于早高峰時(shí)間，類型2出行高峰時(shí)間接近于晚高峰時(shí)間，兩種類型的出行量對(duì)于工作日與節(jié)假日都較為敏感。其中，類型4在工作日出行量較穩(wěn)定，在周末及節(jié)假日明顯下降，可以判斷類型4主要以居民的通勤出行為主；類型2出行量在節(jié)假日時(shí)會(huì)明顯增多，可以推斷類型2中除通勤外還有大量娛樂出行。

類型1與類型3上下車點(diǎn)在混合用地與3種用地（居住用地、商業(yè)服務(wù)設(shè)施用地、綠地及廣場用地）之間，出行時(shí)間在8：00—22：00之間，工作日與節(jié)假日對(duì)其出行量影響較小，并且所占比例較小，可以認(rèn)為這種出行需求主要為居民生活出行及休閑娛樂出行。

3.2 出租車網(wǎng)絡(luò)訂單乘客需求特征分析

通過對(duì)出租車網(wǎng)絡(luò)訂單數(shù)據(jù)聚類分析結(jié)果進(jìn)行分析，得到各類型訂單的出行時(shí)間分布曲線（見圖12）、行程時(shí)間分布曲線（見圖13）、上下車點(diǎn)用地性質(zhì)的分布（見圖14、圖15），出行量隨時(shí)間變化曲線（見圖16）。

出租車類型1在所有訂單中所占比例為36.37%，是4種類型中所占比例最多的一種，這種類型的出行需求集中在13：00—22：00之間，在21：00左右達(dá)到峰值，上下車點(diǎn)用地性質(zhì)主要為混合用地，出行量受工作日及節(jié)假日影響明顯，行程時(shí)間多分布在10～50 min之間。

圖12 出租車各類型需求出行時(shí)間分布曲線

圖13 出租車各類型需求行程時(shí)間分布曲線

圖14 出租車各類型需求上車點(diǎn)區(qū)域性質(zhì)統(tǒng)計(jì)直方圖

圖15 出租車各類型需求下車點(diǎn)區(qū)域性質(zhì)統(tǒng)計(jì)直方圖

圖16 出租車各類型需求出行量隨時(shí)間變化曲線

出租車類型2在所有訂單中所占比例為32.15%，這種類型的出行需求主要分布在7：00—13：00之間，在8：00左右達(dá)到峰值，在0：00—4：00出行量迅速減小，出行量受工作日與節(jié)假日影響明顯，上下車點(diǎn)用地性質(zhì)主要為混合用地，行程時(shí)間多分布在10～50min之間。

出租車類型3在所有訂單中所占比例為16.65%，這種類型的出行需求分布在7：00—22：00且隨時(shí)間變化波動(dòng)較小，上車點(diǎn)用地性質(zhì)主要集中于混合用地，下車點(diǎn)用地性質(zhì)分布在居住用地、商業(yè)服務(wù)設(shè)施用地及綠地及廣場用地，行程時(shí)間多分布在10～50min之間。

出租車類型4在所有訂單中所占比例為14.83%，這種類型的出行需求分布在7：00—22：00，且不隨時(shí)間變化有較大的波動(dòng)，上車點(diǎn)分布在居住用地、商業(yè)服務(wù)設(shè)施用地及綠地及廣場用地，下車點(diǎn)集中于混合用地，行程時(shí)間多分布在10～50min內(nèi)。

通過對(duì)出租車網(wǎng)絡(luò)訂單的需求類型分析可以發(fā)現(xiàn)，類型1與類型2的上下車點(diǎn)區(qū)域的用地性質(zhì)均集中于混合用地，類型2的峰值出現(xiàn)時(shí)間接近于早高峰時(shí)段，類型1峰值出現(xiàn)時(shí)間在21：00左右，晚于晚高峰時(shí)段，兩種類型的出行量對(duì)于工作日與節(jié)假日都較為敏感。可以判斷在類型2中有大量早高峰通勤需求，在類型1中存在一部分通勤需求及平日工作結(jié)束后的娛樂需求，所以在13：00迅速增加，并在21：00以后迅速下降。

類型3與類型4上下車點(diǎn)在混合用地與3種用地（居住用地、商業(yè)服務(wù)設(shè)施用地、綠地及廣場用地）之間，出行時(shí)間在7：00—22：00之間，出行量受工作日及節(jié)假日影響較小，可以判斷這兩種類型需求主要為居民生活及娛樂需求。

3.3 綜合分析

以出行時(shí)間、行程時(shí)間及上下車區(qū)域的用地性質(zhì)作為特征變量對(duì)出租車及快車網(wǎng)絡(luò)訂單進(jìn)行聚類分析發(fā)現(xiàn)，二者的乘客出行需求均呈現(xiàn)出一定的特征。

（1）出租車與快車網(wǎng)絡(luò)訂單需求的聚類結(jié)果中均出現(xiàn)兩類受時(shí)間影響較大的出行需求類型，并且呈現(xiàn)出相似的需求特性，分別集中于8：00—12：00與15：00—22：00，乘客上下車區(qū)域的用地性質(zhì)集中于混合用地性質(zhì)，受工作日及周末的影響較大，在工作日更為活躍，在周末及節(jié)假日則出行量明顯下降。通過分析其出行特性可以得到，其出行目的應(yīng)以通勤出行以及工作日下班后的娛樂出行為主。

（2）二者的聚類分析結(jié)果中均出現(xiàn)兩類受時(shí)間影響不明顯的出行需求類型，呈現(xiàn)出相似的需求特性。這類出行在8：00—22：00有穩(wěn)定的訂單量，并且受時(shí)間影響較小，對(duì)于工作日及節(jié)假日并不敏感，乘客出行往返于混合用地與居住用地、商業(yè)服務(wù)設(shè)施用地、綠地及廣場用地3種用地類型之間。通過分析其出行特性可以得到，這類出行需求應(yīng)以居民日常生活出行及娛樂出行為主。

（3）快車乘客出行行程時(shí)間介于10～50min，主要集中于10～20min，行程時(shí)間大于20min的需求量迅速減少。出租車網(wǎng)絡(luò)訂單乘客出行行程時(shí)間介于10～75min，主要分布在10～45min。由此可知，選擇快車作為出行方式的乘客多以短時(shí)出行為主，當(dāng)行程時(shí)間大于20min以上時(shí)，乘客選擇出租車的概率更大。

4 結(jié)語

本文通過對(duì)出租車及快車網(wǎng)絡(luò)訂單的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，出租車網(wǎng)絡(luò)訂單行程時(shí)間主要介于10～50min、出行費(fèi)用主要分布于10～50元，上下車熱點(diǎn)區(qū)域差異較大；而快車訂單主要集中于出行時(shí)間小于30min、出行費(fèi)用小于30元的訂單，上下車熱點(diǎn)區(qū)域分布較為一致。由聚類分析的結(jié)果可以發(fā)現(xiàn)，乘客選擇網(wǎng)約車作為出行方式時(shí)與出行時(shí)間以及上車區(qū)域有很強(qiáng)的相關(guān)性，在早晚高峰時(shí)間采用網(wǎng)約車作為出行方式的乘客多集中于混合用地，而對(duì)于其他用地類型的區(qū)域中并沒有明顯的早晚高峰情況，網(wǎng)約車司機(jī)可以此作為依據(jù)在尋客時(shí)更有針對(duì)性地選擇尋客區(qū)域，以提高運(yùn)營效率及服務(wù)質(zhì)量。研究結(jié)果可為相關(guān)部門制定網(wǎng)約車的管理措施提供依據(jù)。

本文只對(duì)快車與網(wǎng)約出租車的乘客特征進(jìn)行了分析研究，而此外還存在著“順風(fēng)車”“專車”等其他形式的網(wǎng)約車，在后續(xù)的研究中應(yīng)結(jié)合各種網(wǎng)約車的數(shù)據(jù)進(jìn)行分析研究，以更好地了解各種網(wǎng)約車的需求特征以及它們之間的相互聯(lián)系，供今后網(wǎng)約車合理地為不同類型的乘客提供服務(wù)所參考。