- A+
毕业论文做的是浮动车数据方面的研究，针对浮动车数据做了一些分析，我做的分析大多数是总结已经存在的客观规律，这些规律已经被大家所熟知，但是，当我通过自己的方法得到这些规律的时候，依然很激动，在这里分享给各位读者，希望可以对你们有所启发。这里使用北京市一周的出租车数据进行分析。
打车需求分析
根据时间和空间条件从轨迹数据中筛选出合适的上车点数据，并按照空间索引网格进行空间聚合，由于设置的聚合格网大小约为150m x150m，因此用格网的中心坐标代表该网格，将网格中所有的上车点数量赋予该中心点。最后利用热力图功能将上车点密集的区域标识出来。从图中可以看出下午下班时期的打车需求要高于早上上班时期，上班时候，打车需求旺盛区域一般出现在火车站附近；而下班时候在机场和中关村附近出现了需求聚集现象，通过分析得知，中关村附近聚集大量学校和企业，早晨，大部分人的目的地是中关村，下午，中关村就变成了打车的始发地。到达北京的国内航班最迟在凌晨2点，国际航班为凌晨4点左右，因此，早上很少有人从机场打车，而白天，机场航班较多，下午机场就会出现大量的打车需求。可能由于城市中心区域公共交通更加完善，所以中心区域没有出现需求聚集现象。
停靠点分析
从停靠点数据中选取停留时间超过20分钟的停车点，并利用空间索引进行空间聚合，最后利用热力图进行可视化，发现北京停靠点的聚集呈现西南-东北的分布现象，主要集中在出租车公司、加油站、德胜门桥、机场、火车站附近。通过调查发现，德胜门桥存在出租车聚集地，并发生取护城河水洗车的现象，污染了环境。图中往返机场和市中心的地方出现了车辆停靠聚集现象，聚集点都是加油站，可能是因为来回机场里程较长，需要在途中加油。图中左下角区域出现了大量聚集的现象，因为该地有一个出租车公司，并且未在其他聚集区域发现出租车公司，因此，可能本文采集数据的大部分出租车来源于这家公司。通过对车辆不同停靠点的分析，可以发现不同的规律或现象，也可以为城市的停靠点布局和管理提供参考。
拥堵情况分析
从GPS数据中筛选出速度不为0的数据，并按照载客、空载对数据进行分类，然后对速度求均值，按照小时对数据进行时间聚合，绘制折线图如上。平均车速指的是空载和重载状态下车速的均值。图中，载客状态下的车速一直高于均速和空载车速，因为司机在载客时希望尽快将乘客送到目的地，而空载时由于司机需要寻觅客人，因此，车速较慢。但是，随着交通高峰期的出现，车速均出现下降，载客车速和空载车速差距也逐渐变小。在8-9点和18-19点期间，对应上下班时间，空载车速和重载车速出现了重合，说明路况拥堵现象已经非常严重，致使载客司机已经无法提高车速，只能和空载出租车一样，被迫于糟糕的拥堵环境，缓慢前行。图中发现，北京白天一直会处于较为拥堵的状态，只有“堵”和“更堵”，而夜间，通行状况逐渐变好，这与实际现象相符。
车辆运营分析
从出租车运营数据中选择20170301至20170307一周的所有出租车的运营数据，按照“天”进行时间聚合，统计每日每车的运营时间和运营里程。从图中可以看出，工作日的驾驶时间和里程都比双休日高，这是因为在休息日，居民的出行较少，并且出行时间比较自由，可以选择更多样化的出行方式，因此，出租车司机会在双休日选择较多的休息。在工作日中，周一的行驶时间和里程最短，这在上海市出租车研究中也有相同的现象，可能是因为工作日中，周一堵车的现象最为严重，因此司机选择减少工作时间。
其他应用
