Portraying ride-hailing mobility using multi-day trip order data

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.