岳鸿霄 韩雪源

【摘  要】论文以海口市网约车运营服务为例，以2017年10月1日海口市网约车订单数据为研究对象，利用Python对原始订单数据进行清洗，借助ArcGIS与Surfer对清洗后的數据进行挖掘和可视化分析并探寻订单的空间特征，利用Excel分析订单的时间特征，研究海口市国庆长假首日网约车订单需求变化的时空分布规律，提出最优配置建议。

【Abstract】This paper takes the ride-hailing operation service of Haikou City as an example， takes the ride-hailing order data of Haikou City on October 1， 2017 as the research object， uses Python to clean the original order data， and uses ArcGIS and Surfer to mine the cleaned data， conduct visual analysis and explore the spatial characteristics of the order. By using Excel to analyze the time characteristics of orders， this paper studies the temporal and spatial distribution of the demand change of online ride-hailing orders on the first day of National Day long holiday in Haikou City， and puts forward the optimal allocation suggestions.

【关键词】地理大数据;网约车;配置优化

【Keywords】geographic big data; online ride-hailing; allocation optimization

【中图分类号】F572;F724.6                                             【文献标志码】A                                                 【文章编号】1673-1069（2021）06-0107-03

1 引言

运用地理大数据深度挖掘网约车运营信息，如订单类型、订单起终点、经纬度、出行品类、乘车人数、乘车时间和时长等，进行数据可视化分析，精准描述并匹配用户对于车辆类型、用车时间、行程距离、乘车路线等用车需求，分析网约车运营的时空分布规律，对于提高网约车的运营效率和服务能力、提高城市运力资源的配置效率具有重要意义。

2 文献综述

当前研究出租车、网约车运营管理与支持的文献，主要是基于时间和空间2个维度，研究车辆运量投放和热点区域探测及路径推荐。时间维度上的研究，主要是基于车辆基本信息的统计分析，如运行时空特性及运营指标分析，根据这些基本信息确定出租车的市场供求关系以及出租车的运量投放规模，如翁剑成（2010）、程静（2016）、吴华意（2019）等。空间维度上的研究，主要是对车辆轨迹数据进行深层挖掘，研究对象有车辆的行驶速度、行驶里程、载客里程、上下客点、空载率、司机的收益排名情况，对出租车进行了行为分析，进行出行热点区域探测、寻客策略拟定和路径推荐，出行方向判断以及打车需求预测等，如孙飞（2015）、毕硕本（2018）等。……