1.文章概述

文章主要是使用网约车的订单数据,分析了一下区域订单情况,以及网约车司机的时空出行特性。文章主要创新及贡献是思路上的,也就是针对网约车的时空特性做了一些有意思的分析。

2.方法论及结果

2.1网约车订单的时间及空间的分布——从栅格的视角来分析

作者首先分析了一下每个工作日(周一至周日)的网约车订单数量变化以及以小时为统计单位,分析了每小时的订单数量变化折线图。

在空间上,作者将北京市划分为了1km*1km的栅格,然后统计了一下各个栅格的trips的数量,最后绘制了一下热力图。

接着,作者分析了各个栅格的在不同天的规律性,为了分析规律性,定义了一个反应栅格网约车订单数量规律性的指标如下式所示,一看也就明白了,就是标准差除以均值,也就是去量纲的标准差。结果如下图所示,该图的含义就是不同的指标范围的栅格的数量。


在此基础上,作者分析了各个栅格的类型,分析方法就是找到起讫点最多的那个栅格及时间段。然后根据下列方式进行栅格类型的划分。得到结果见下面的饼图。

2.2 网约车司机的时空出行行为——司机视角

首先绘制出trips数量的累积分布曲线,同时把trip的持续时间和距离也绘制出来。


接下来分析司机的工作时间,工作时间定义采用阈值法,相邻两次trip之间的时间间隔大于1h就打断,类似于出行链打断的方式。然后将一天按照6小时为一个分隔,将一天分隔成4个时间单元。统计4个时间单元内的出行时间占比。结果如下图所示。
在空间维度,对每个司机的所有OD对使用层次聚类的方式进行聚类,然后把最大的cluster围起来,也就是下图中的绿色圈所示。作者还分析了一下层次聚类的阈值选取对结果的影响等等。

最后作者分析了工作时间和活动区域面积之间的关系,结果如下图所示。不知道这个好看的图作者是咋画的。

本文主要是对作者的逻辑框架进行了梳理,对于具体的结论和分析细节详见论文了。

3.参考文献

[1] He, Z. . (2021). Portraying ride-hailing mobility using multi-day trip order data: a case study of beijing, china. Transportation Research Part A Policy and Practice.

Portraying ride-hailing mobility using multi-day trip order data相关推荐

  1. 交通运输——机器学习/深度学习资源列表

    原文地址:https://github.com/zzsza/Awesome-Mobility-Machine-Learning-Contents/blob/master/README.md 交通运输相 ...

  2. 交通运输相关机器学习/深度学习相关资源列表,关于交通运输场景的机器学习/深度学习的资源这里都有

    本文素材来源于GitHub,经本人翻译及整理首发于CSDN,仅供技术交流所用,请勿商用.欢迎大家关注我的公众号: gbxiao992 原文地址:https://github.com/zzsza/Awe ...

  3. 论文阅读2018-10-13

    论文阅读2018-10-13 Addressing the minimum fleet problem in on-demand urban mobility 原文及翻译 METHODS Addres ...

  4. 智能城市dqn算法交通信号灯调度_博客 | 滴滴 KDD 2018 论文详解:基于强化学习技术的智能派单模型...

    原标题:博客 | 滴滴 KDD 2018 论文详解:基于强化学习技术的智能派单模型 国际数据挖掘领域的顶级会议 KDD 2018 在伦敦举行,今年 KDD 吸引了全球范围内共 1480 篇论文投递,共 ...

  5. sql注入修复方法是_旧的方法是修复我们可以看到的内容。

    sql注入修复方法是 When envisioning the futurestate of a company or a service, we're usually faced with the ...

  6. 滴滴 KDD 2018 论文详解:基于强化学习技术的智能派单模型

    国际数据挖掘领域的顶级会议 KDD 2018 在伦敦举行,今年 KDD 吸引了全球范围内共 1480 篇论文投递,共收录 293 篇,录取率不足 20%.其中滴滴共有四篇论文入选 KDD 2018,涵 ...

  7. 经济学人精读笔记17:无现金时代,电子支付大势所趋

    # 经济学人精读笔记17:无现金时代,电子支付大势所趋 标签(空格分隔): 经济学人 Part 1 The dash off cash Rich countries must start planni ...

  8. 滴滴 - dispatching

    这里写目录标题 1 2017 - <A Taxi Order Dispatch Model based On Combinatorial Optimization> 2 2018 - &l ...

  9. 使用广度优先搜索找到最短路径

    by Sachin Malhotra 由Sachin Malhotra 使用广度优先搜索找到最短路径 (Finding Shortest Paths using Breadth First Searc ...

最新文章

  1. !! 机器学习常用工具
  2. 加速点击控制应用中的边缘分析和机器学习部署 | 免费直播
  3. CVPR 2020满分论文 | FineGym:面向细粒度动作分析的层级化高质量数据集
  4. java servlet 请求_Java中前台JSP请求Servlet实例(http+Servlet)
  5. Linux文本处理三剑客之sed
  6. UVA 11584 Partitioning by Palindromes 动态规划 入门
  7. LMV358, LMV321, LMV324, LMV324S-注意事项
  8. 代码演示C#各版本新功能
  9. YBTOJ:彩色圆环
  10. python 目标检测 训练_YOLOv3目标检测有了TensorFlow实现,可用自己的数据来训练
  11. 车辆维修管理系统mysql_数据库课设计 汽车修理管理系统.doc
  12. 安装.NET Framework 4,一直停留在正在安装 .NET Framework 4 Client Profile
  13. 人工智能专业世界排名第一的大学,2022最新
  14. elementUI重难点
  15. Mac Android Studio 打包APK 出现的问题
  16. 蒙特卡洛模拟与matlab,用MATLAB进行蒙特卡洛模拟?
  17. 用 Javascript 编写λ演算解释器
  18. hive java.net.SocketTimeoutException: Read timed out 问题解
  19. 美团招博士后啦!深度学习、强化学习、计算机视觉与NLP、法学方向
  20. 办理佛山入户对于不同的人都会有什么条件

热门文章

  1. 证件照怎么弄?教你一招制作证件照的简单方法
  2. YUV文件免费下载网址
  3. 后台开发,从基础到高级,有什么好的书籍推荐?
  4. PSP金手指下载及使用方法和图文教程(图文)
  5. 让SDK成为云剪辑的“翅膀”——专访美摄研发中心总监李磊
  6. HTML简单的图片瀑布流
  7. 想了很久,我还是决定把我从阿里Java岗P6—P7的秘籍拿出来分享给大家,毕竟独乐乐不如众乐乐
  8. BundleTrack
  9. mars-3d 台风来喽(台风的制作)
  10. Web开发者十大必备网站资源任你挑