巡游出租车乘客候车时间推断方法与流程

1.本发明涉及交通技术领域，特别是巡游出租车乘客候车时间推断方法。


背景技术：

2.巡游出租汽车行业是城市公共交通的重要组成部分，也是一个受诸多复杂因素影响的行业。近年来，随着网约出租车的兴起，城市的传统巡游出租车受到强力冲击和挑战，出现了客流下滑、司机收入降低、空驶率上升等情况。为此有必要及时分析巡游出租车的运营以及服务水平，进而为后续相关政策的出台提供数据支撑。
3.以往对于巡游出租车的分析更加偏向于利用出租车打表数据、轨迹数据等分析其运营情况，如收入情况、运营里程、空驶率、车辆热力图等等，分析的角度更加多是从经营管理的角度出发。对于乘客服务水平的分析更加多是通过人工调查的方式获取，难以量化或者有时候也缺乏全面性。出租车的乘客服务水平涉及到车容车况、司机态度、便捷性、候车时间等各种指标，但其最核心指标是乘客的候车时间，某种程度上说，候车时间的上涨会直接导致服务水平的急剧下降，是以往“打车难”的最直接体现，也最容易导致投诉的产生。
4.为此，本文提出了基于出租车gps数据挖掘的出租车乘客候车时间推断方法。


技术实现要素：

5.为了克服现有技术的上述缺点，本发明提供巡游出租车乘客候车时间推断方法。
6.本发明解决其技术问题所采用的技术方案是：巡游出租车乘客候车时间推断方法，包括以下步骤：
7.s1：构建拓扑路网地图，设定抽样点；
8.s2：获取巡游出租车的gps轨迹数据和载客状态；
9.s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；
10.s4：提取空载状态的巡游出租车的gps匹配记录；
11.s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；
12.s6：假定每个抽样点每5分钟都有一名乘客到达；
13.s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算乘客候车时间。
14.作为本发明的进一步改进：所述步骤s7修改为：
15.s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算抽样点乘客候车时间。
16.作为本发明的进一步改进：还包括以下步骤：
17.s8：判断抽样点乘客候车时间是否超过30分钟；若是，记抽样点乘客候车时间为30分钟；若否，抽样点乘客候车时间不变；
18.作为本发明的进一步改进：还包括以下步骤：
19.s9：对所有抽样点每隔5分钟的抽样点乘客候车时间进行综合统计，得到累计乘客候车时长；通过计算累计乘客候车时长与累计乘客数量之比得出乘客候车时间。
20.作为本发明的进一步改进：所述构建拓扑路网地图包括：按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性。
21.作为本发明的进一步改进：所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中间位置。
22.作为本发明的进一步改进：所述道路属性包括道路id、道路名称、道路起点编号、道路终点编号、道路类型、道路方向和车道数。
23.作为本发明的进一步改进：所述巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离，巡游出租车的载客状态包括空载状态、重载状态和熄火状态。
24.作为本发明的进一步改进：所述空载状态的巡游出租车的gps匹配记录包括时刻、车牌号和位置。
25.作为本发明的进一步改进：巡游出租车乘客候车时间推断方法，包括以下步骤：
26.s1：构建拓扑路网地图，设定抽样点；所述构建拓扑路网地图包括按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性；所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中间位置；
27.s2：获取巡游出租车的gps轨迹数据和载客状态；巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离；载客状态包括空载状态、重载状态和熄火状态；
28.s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；
29.s4：提取空载状态的巡游出租车的gps匹配记录；
30.s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；
31.s6：假定每个抽样点每5分钟都有一名乘客到达；
32.s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算抽样点乘客候车时间；
33.s8：判断抽样点乘客候车时间是否超过30分钟；若是，记抽样点乘客候车时间为30分钟；若否，抽样点乘客候车时间不变；
34.s9：对所有抽样点每隔5分钟的抽样点乘客候车时间进行综合统计，得到累计乘客候车时长；通过计算累计乘客候车时长与累计乘客数量之比得出乘客候车时间。
35.与现有技术相比，本发明的有益效果是：
36.本发明通过对巡游出租车的轨迹跟踪监测位置和载客状态，模拟乘客到达路边的候车行为，并对乘客候车时间进行了测试运算，进而实现了乘客候车时间的精准计算。通过乘客候车时间分析巡游出租车的运营以及服务水平，为后续相关政策的出台提供数据支撑。
附图说明
37.图1为实施案例一的流程框图。
38.图2为实施案例二的流程框图。
39.图3为实施案例三的流程框图。
40.图4为广州市中心城区巡游车乘客平均候车时间分布情况示意图。
41.图5为2021年广州市各行政区巡游车乘客平均候车时间分布情况示意图。
42.图6为2021年广州市不同等级道路巡游车乘客平均候车时间分布情况示意图。
43.图7为广州市中心区全天巡游车打车概率分布情况示意图。
44.图8为广州市中心区全天巡游车打车概率分布区间占比情况示意图。
具体实施方式
45.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.实施案例一：
47.巡游出租车乘客候车时间推断方法，包括以下步骤：
48.s1：构建拓扑路网地图，设定抽样点；构建拓扑路网地图包括：按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性；所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中间位置；所述道路属性包括道路id、道路名称、道路起点编号、道路终点编号、道路类型、道路方向和车道数；
49.s2：获取巡游出租车的gps轨迹数据和载客状态；巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离，载客状态包括空载状态、重载状态和熄火状态；
50.s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；
51.s4：提取空载状态的巡游出租车的gps匹配记录，包括时刻、车牌号、位置；
52.s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；
53.s6：假定每个抽样点每5分钟都有一名乘客到达；
54.s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算乘客候车时间。
55.乘客候车时间为最近一辆空载状态的巡游出租车到达该抽样点的时间。
56.实施案例二：
57.巡游出租车乘客候车时间推断方法，包括以下步骤：
58.s1：构建拓扑路网地图，设定抽样点；所述构建拓扑路网地图包括按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性；所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中
间位置；
59.s2：获取巡游出租车的gps轨迹数据和载客状态；巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离；载客状态包括空载状态、重载状态和熄火状态等；
60.s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；
61.s4：提取空载状态的巡游出租车的gps匹配记录；
62.s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；
63.s6：假定每个抽样点每5分钟都有一名乘客到达；
64.s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算抽样点乘客候车时间；
65.s9：对所有抽样点每隔5分钟的抽样点乘客候车时间进行综合统计，得到累计乘客候车时长；通过计算累计乘客候车时长与累计乘客数量之比得出乘客候车时间。
66.实施案例三：
67.巡游出租车乘客候车时间推断方法，包括以下步骤：
68.s1：构建拓扑路网地图，设定抽样点；所述构建拓扑路网地图包括按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性；所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中间位置；
69.s2：获取巡游出租车的gps轨迹数据和载客状态；巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离；载客状态包括空载状态、重载状态和熄火状态等；
70.s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；
71.s4：提取空载状态的巡游出租车的gps匹配记录；
72.s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；
73.s6：假定每个抽样点每5分钟都有一名乘客到达；
74.s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算抽样点乘客候车时间；
75.s8：判断抽样点乘客候车时间是否超过30分钟；若是，记抽样点乘客候车时间为30分钟；若否，抽样点乘客候车时间不变；
76.s9：对所有抽样点每隔5分钟的抽样点乘客候车时间进行综合统计，得到累计乘客候车时长；通过计算累计乘客候车时长与累计乘客数量之比得出乘客候车时间。
77.考虑存在抽样点长时间无空车经过的情况，将30分钟设置为乘客的最长等待忍耐时间，当等待时间超过30分钟时，乘客将选择其他出行方式，则该乘客的候车时长为30分钟；当等待时长低于30分钟时，候车时间不变。
78.本发明通过对巡游出租车的轨迹跟踪监测位置和载客状态，模拟乘客到达路边的
候车行为，并对乘客候车时间进行了测试运算，进而实现了乘客候车时间的精准计算。
79.实施案例四：
80.对广州市中心城区出租车的乘客候车时间进行测试运算，进而实现了乘客候车时间的精准计算。
81.广州市中心城区的巡游出租车乘客候车时间推断方法，包括以下步骤：
82.s1：构建拓扑路网地图，设定抽样点；所述构建拓扑路网地图包括按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性；所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中间位置；
83.根据处理结果，广州市中心城区共设置为3000多个拓扑路段；假定高架路、高速公路、桥梁以外的每一条拓扑路段都可能产生出租车乘车需求，每个拓扑路段双向都会产生一个乘客，一共得到5000多个抽样点，抽样点位于每个拓扑路段的中间位置；
84.根据抽样点在拓扑路网地图的布点情况，可知抽样点主要集中在天河珠江新城、天河北、北京路、上下九、环市东、江南西、以及机场路沿线等，总体上反映了广州市交通出行需求分布情况，这是因为路网密度一定程度反映了出行需求的分布情况，路网越密、经济也相对越发达、出行需求就越高；
85.s2：获取巡游出租车的gps轨迹数据和载客状态；巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离；载客状态包括空载状态、重载状态和熄火状态等；
86.s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；
87.s4：提取空载状态的巡游出租车的gps匹配记录；
88.s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；
89.s6：假定每个抽样点每5分钟都有一名乘客到达；
90.s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算抽样点乘客候车时间；乘客候车时间为最近一辆空载状态的巡游出租车到达该抽样点的时间；
91.s8：判断抽样点乘客候车时间是否超过30分钟；若是，记抽样点乘客候车时间为30分钟；若否，抽样点乘客候车时间不变；
92.s9：对所有抽样点每隔5分钟的抽样点乘客候车时间进行综合统计，得到累计乘客候车时长；通过计算累计乘客候车时长与累计乘客数量之比得出乘客候车时间。
93.对广州市中心城区的巡游出租车乘客全天每隔5分钟的5000个点抽样点的平均候车时间进行计算。同时，为了对比乘客候车时间的变化，研究过程中选取了2021年9月16日(周四)和网约车兴起前的2014年9月4日(周四)的数据进行挖掘分析。统计结果如下表1所示。
94.95.表1广州市中心城区巡游车乘客平均候车时间情况
96.根据表1可知，与2014年相比，2021年的巡游出租车乘客的平均候车时间明显缩小，乘客明显更加容易打到车了。2021年中心城区巡游出租车乘客的全天平均候车时长约为7.38分钟/人，较2014年下降21.26％。其中，早高峰的平均候车时长约为7.52分钟/人，较2014年下降20.28％；晚高峰的平均候车时长约为7.64分钟/人，较2014年下降20.96％；夜间的平均候车时长约为9.28分钟/人，较2014年下降12.89％。
97.请参照图4，从全天变化情况看，巡游出租车在夜间时间段以及早、晚高峰时间段(3:00-6:00、7:00-10:00、17:00-20:00)的候车时间相对较高，候车时间峰值出现在凌晨5:00前后，候车时间超过10分钟，晚高峰略高于早高峰。此外，在23:00-00:00时间段，等候时长直线上升，估计与该时间段用车需求增多有关。与2014年的巡游车候车时长情况对比来看，全天的候车时长的变化趋势基本保持一致，但2021年的各时间段的等车时长较2014年明显下降。
98.请参照图5，广州市各行政区全天的候车时长变化情况与全市的趋势基本保持一致。天河、海珠、越秀、白云的候车时间相对更短，更容易打到出租车，而荔湾、黄埔的候车时间则相对更长。其中，天河区全天平均候车时长最短，为4.95分钟/人；其次为海珠区，平均候车时长为5.97分钟/人；黄埔区相对较长，达到了12.39分钟/人。这也一定程度反映了天河、海珠、越秀等商圈比较集中的区域出租车也更加集中。
99.请参照表2，2021年与2014年对比，总体来看，全天天河区巡游车候车时长降幅最大，达到35.87％，可见天河区目前整体是比较容易达到出租车的，其次为海珠区(29.12％)，荔湾区降幅最小，仅为5.81％。另外，重点关注晚高峰时间段(17:00-20:00)打车难易情况，相比网约车兴起前的2014年，同样天河区候车时间降幅最大(33.61％)，其次为海珠区(28.98％)，荔湾区最小(2.97％)；夜间时间段(3:00-6:00)，天河区降幅最大(31.80％)，其次为白云区(23.13％)，荔湾区最小(0.07％)。
[0100][0101]
表2 2014年与2021年各行政区巡游车候车时长对比情况
[0102]
请参照图6，分道路等级来看，快速路和主干路平均候车时长均处于较短水平，分别为2.86分钟和2.64分钟，可见目前中心城区的主要干道整体上都比较容易打到车；次干路次之，平均候车时长为6.46分钟；支路时间最长，全天平均候车时长达到11.89分钟。
[0103]
请参阅表3，与2014年对比分析，2021年中心城区快速路全天、晚高峰、夜间的降幅最大，均超过30％；其次为主干路；次干路和支路的变化幅度相当，基本在9-21％之间。
[0104][0105]
表2 2014年与2021年各道路巡游车候车时长对比情况
[0106]
在得出全市、各行政区、各路段甚至各抽样点的乘客候车时间后，我们可以对乘客的打车概率进行统计分析。假设车辆到达服从泊松分布，车流随机到达，计数间隔t到达k辆车的概率为：
[0107][0108]
其中，pk——计数间隔t到达k辆车的概率；
[0109]
λ——单位时间到车率，为平均车头时距的倒数。
[0110][0111]
其中，n
l
——为路段车辆数；
[0112]
v——路段平均速度；
[0113]
l——路段长度。
[0114]
在计数间隔t到达k辆处于载客状态巡游车的概率为pk(1-o)k，其中o为空载率。乘客在t间隔打不到车的概率打到车的概率为
[0115][0116]
因此，打车概率为：
[0117]
基于目前巡游车的运行情况得到其全天空载率的分布、全天的运行速度情况，并依托模型对各路段的单位时间车辆数、路段长度进行统计，根据公式3计算得出各路段在不同时间点的打车概率情况，并最终计算得出路网的打车概率。
[0118]
结果如下表4所示。其中，当时间间隔为5分钟时打车概率为53.63％；当时间间隔
为7分钟时打车概率为60.91％；当时间间隔为10分钟时打车概率为68.28％；当时间间隔为15分钟时打车概率为75.94％；当时间间隔为20分钟时打车概率超过八成，为80.76％。
[0119]
时间间隔5分钟7分钟10分钟15分钟20分钟全天平均空载率44％44％44％44％44％全天平均运行速度35km/h35km/h35km/h35km/h35km/h打车概率53.63％60.91％68.28％75.94％80.76％
[0120]
表3在不同时间间隔巡游车的打车概率情况
[0121]
请参阅图7，对取候车间隔为10分钟/人的打车概率对5000个抽样点进行详细分析，从全天变化情况来看，早高峰和晚高峰各测算点的打车概率略低，与高峰时间段路网平均速度下降和打车需求增多(空载率下降)有关。其中，早高峰(7:00-10:00)平均打车概率为63.65％，晚高峰(17:00-20:00)平均打车概率为62.11％。全天打车概率的低谷值为59.22％，为晚高峰18:00-19:00时间段；其次为59.96％，为早高峰8:00-9:00时间段。
[0122]
请参阅图8，从打车概率在各个区间的占比情况来看，在5000个测算点中，接近40％的测算点10分钟/人打车概率大于等于90％，约七成测算点10分钟打车概率大于50％。整体上处于打车容易的阶段。
[0123]
本实施案例四基于出租车轨迹数据的挖掘分析，通过地图匹配、乘客打车模拟等手段，估算了广州市中心城区的乘客候车时间，并分析了乘客候车时间相比网约车兴起前的变化情况以及中心城区不同路段打车概率的分布情况。相关候车时间结果也与另外一种传统的、区域整体候车时间估计方法进行了对比分析，相关结果表明本文提出方法的分析结果合理，对于全面、数值化评估巡游出租车乘客的候车时间甚至于服务水平的变化具有重要的作用。主要的分析结论如下：
[0124]
(1)中心城区巡游出租车乘客的全天平均候车时长约为7.38分钟/人，较2014年下降21.26％。巡游出租车乘客的候车时间明显缩小，相比网约车兴起前乘客明显更加容易打到巡游出租车了。
[0125]
(2)天河、海珠、越秀、白云的候车时间相对更短，更容易打到出租车，而荔湾、黄埔的候车时间则相对更长。天河区平均候车时长最短，为4.95分钟/人，同比降幅也是最大的，同比下降35.87％。
[0126]
(3)分道路等级看，快速路和主干路平均候车时长均处于较短水平，分别为2.86分钟和2.64分钟，中心城区的主要干道整体上都比较容易打到车；次干路次之，平均候车时长为6.46分钟；支路时间最长，全天平均候车时长达到11.89分钟。
[0127]
(4)在中心城区5000个抽样点中，接近40％的点位在10分钟/人打车概率大于等于90％。总体上，目前中心城区的扬招打车较为容易。
[0128]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

技术特征：
1.巡游出租车乘客候车时间推断方法，其特征在于：包括以下步骤：s1：构建拓扑路网地图，设定抽样点；s2：获取巡游出租车的gps轨迹数据和载客状态；s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；s4：提取空载状态的巡游出租车的gps匹配记录；s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；s6：假定每个抽样点每5分钟都有一名乘客到达；s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算乘客候车时间。2.根据权利要求1所述的巡游出租车乘客候车时间推断方法，其特征在于：所述步骤s7修改为：s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算抽样点乘客候车时间。3.根据权利要求2所述的巡游出租车乘客候车时间推断方法，其特征在于：还包括以下步骤：s8：判断抽样点乘客候车时间是否超过30分钟；若是，记抽样点乘客候车时间为30分钟；若否，抽样点乘客候车时间不变。4.根据权利要求2或3所述的巡游出租车乘客候车时间推断方法，其特征在于：还包括以下步骤：s9：对所有抽样点每隔5分钟的抽样点乘客候车时间进行综合统计，得到累计乘客候车时长；通过计算累计乘客候车时长与累计乘客数量之比得出乘客候车时间。5.根据权利要求1所述的巡游出租车乘客候车时间推断方法，其特征在于：所述构建拓扑路网地图包括：按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性。6.根据权利要求1所述的巡游出租车乘客候车时间推断方法，其特征在于：所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中间位置。7.根据权利要求4所述的巡游出租车乘客候车时间推断方法，其特征在于：所述道路属性包括道路id、道路名称、道路起点编号、道路终点编号、道路类型、道路方向和车道数。8.根据权利要求1所述的巡游出租车乘客候车时间推断方法，其特征在于：所述巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离，巡游出租车的载客状态包括空载状态、重载状态和熄火状态。9.根据权利要求1所述的巡游出租车乘客候车时间推断方法，其特征在于：所述空载状态的巡游出租车的gps匹配记录包括时刻、车牌号和位置。10.根据权利要求1所述的巡游出租车乘客候车时间推断方法，其特征在于：包括以下步骤：s1：构建拓扑路网地图，设定抽样点；所述构建拓扑路网地图包括按照主要交叉口划分为拓扑路段，记录每一条拓扑路段的道路属性；所述抽样点设定为除高架路、高速公路、桥梁以外的每一条拓扑路段的双向都有一个抽样点，抽样点位于每一条拓扑路段的中间位
置；s2：获取巡游出租车的gps轨迹数据和载客状态；巡游出租车的gps轨迹数据包括gps信号时间、所在道路id和gps点距离起点的距离；载客状态包括空载状态、重载状态和熄火状态；s3：将巡游出租车的gps轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；s4：提取空载状态的巡游出租车的gps匹配记录；s5：根据gps匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；s6：假定每个抽样点每5分钟都有一名乘客到达；s7：根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算抽样点乘客候车时间；s8：判断抽样点乘客候车时间是否超过30分钟；若是，记抽样点乘客候车时间为30分钟；若否，抽样点乘客候车时间不变；s9：对所有抽样点每隔5分钟的抽样点乘客候车时间进行综合统计，得到累计乘客候车时长；通过计算累计乘客候车时长与累计乘客数量之比得出乘客候车时间。

技术总结
本发明公开了巡游出租车乘客候车时间推断方法，包括以下步骤：构建拓扑路网地图，设定抽样点；获取巡游出租车的GPS轨迹数据和载客状态；将巡游出租车的GPS轨迹数据和载客状态匹配到拓扑路网地图，得到巡游出租车在拓扑路网地图上的位置和载客状态；提取空载状态的巡游出租车的GPS匹配记录；根据GPS匹配记录计算出每辆空载状态的巡游出租车每次经过各抽样点的时刻；假定每个抽样点每5分钟都有一名乘客到达；根据乘客到达时刻和空载状态的巡游出租车经过抽样点的时刻，计算乘客候车时间。本发明通过对巡游出租车的轨迹跟踪监测位置和载客状态，并对乘客候车时间进行了测试运算，进而实现了乘客候车时间的精准计算。进而实现了乘客候车时间的精准计算。进而实现了乘客候车时间的精准计算。


技术研发人员：韦清波 高媛 刘兵 陈成 陈淑莹 李芷妍
受保护的技术使用者：广州市公共交通数据管理中心有限公司
技术研发日：2023.02.10
技术公布日：2023/6/12