出租车大数据挖掘.pptx

出租车大数据挖掘,作者：张晓艳,一、道路拥堵分析预测,分析结果：1、根据出租车车辆GPS信息判定出租车速度2、根据出租车GPS轨迹判定出租车司机避让的线路3、将以上两点进行分时段统计作用：根据以上三点可以判定一天当中某一时段哪些道路会出现拥堵，再根据大数据量的积累，从而得出季节性的线路堵车情况，从而引导出租车合理避让堵车路线，并且更好的实时调度车辆。,二、根据出租车GPS轨迹得出乘客打车密集区域,分析结果：1、根据出租车GPS轨迹可以绘制出出租车上下客密集区域图2、根据出租车GSP轨迹以及出租车区域分布图可以清楚的看出哪些区域属于打车难区域作用：根据以上两点可以合理调度哪些车前往空闲区域更好的为乘客服务，避免打车难现象；可以根据打车密集区域在合理的地点设立出租车乘客上下客点；更合理的调度车辆，避免出租车集中某一区域，导致车辆空载率上升，可以判断需求存在较大的地区不平衡,三、乘客出行特征分析,分析事项：1、乘客日出行量分析2、乘客出行时间段分析作用：根据乘客日出行量可以更合理的统筹出租车具体投放数量，从而节省运营成本，并且缓解交通压力；利用柱状图可以分析乘客出行时间特征，根据乘客出行时间特征，为出租车换班提供合理的数据依据，避免上一班司机和下一班司机出现载客不均现象,四、出租车等待间隔分析,出租车等待间隔表,分析结果：1、根据出租车每次载客的终点时间和起点时间，得出出租车每次候客时长2、结合GPS信息得出如下所示分析报表作用：根据以上数据可以确定，候车时长小于15分钟的占90.7%，占大部分，候车超过25分钟的占绝小部分。并且可以根据图表显示出各区域待客情况，可以根据车辆投入情况和待客比例随时调度车辆，如果再将数据累计分析出各季节以及节假日情况，可以更好的为调度服务，从而降低乘客出行压力，并且可以降低出租车运营成本。,五、出租车行径跟踪,分析结果：根据出租车载客的起点和终点时间，计算出载客短中长各时段的数据。得出上表后，根据分析结果可以得出乘客乘坐出租车以中短途为主。作用：1、根据以上分析结果可以合理安排出租车起步价，避免起步价定的太低，导致有过多打车出行乘客，也避免定的太高，导致乘客选择其他方式出行，致使出租车空载率上升。2、结合GPS信息得出的出行时长区域分布图，确定哪些区域以长途为主，哪些区域以短途为主，这样可以更合理的安排各区域车型。,六、打车乘客人群分析,根据GPS历史轨迹、地图周边信息、出行时间、周围公共交通等来区分人群属性。例如A片区属于高新区，周一至周五早晚高峰打车量大，则可以断定A区需求人群以上班一族为主；B片区属于学区，周一至周五早晚高峰打车两大，则可以断定B片区需求人群以学生为主；C片区属于科研区，可以断定此区域主要以科研人员为主。可以根据各片区人群性质合理安排车辆密集度，以及车辆待客时间。,七、出租车空载率分析,以下统计完全是出于个人凭空想象，没有数据依据，仅供参考,根据空载率可以合理调度出租车，也可以更好的进行排班，具体节假日等空载率需要具体正式数据进行分析，根据空载率也可以判断应该投入车辆的多少。通过长时间空载率和油耗，可以判断车辆型号以及各型号车辆的个体差异，从而根据数据判断是否需要保养，同理相反的数据便是出租车的载客时长（载客率）,八、打车方式分析,1、通过移动设备打车2、通过现场打车根据打车方式确定未来用户出行结算方式，从而能够确定是否需要更换出租车内的现有设备，来迎合市场的需要，目前市场上接单工具都是安装在司机手机上，手机的质量和网络运营商的不同，导致司机空载率得不到很好的控制，而且不利于数据的收集，如果有统一的设备平台进行接单，将会降低司机的手机成本，也便于收集数据，而且不存在设备或者网络运营商好坏导致不平衡的空载率。,九、维修数据分析,1、根据车辆维修记录，可以分析车辆是