GIS之浮动车数据可视化分析

  • A+
所属分类:GIS应用

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

GIS之浮动车数据可视化分析

GIS之浮动车数据可视化分析

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

GIS之浮动车数据可视化分析

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

GIS之浮动车数据可视化分析

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

GIS之浮动车数据可视化分析

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

GIS之浮动车数据可视化分析

GIS之浮动车数据可视化分析

GIS之浮动车数据可视化分析

GIS之浮动车数据可视化分析

  • 我的微信
  • weinxin
  • 微信公众号
  • weinxin
阿拉灯aladeng

发表评论

您必须才能发表评论!