利用通用共享单车数据规范(GBFS)数据推断微出行行程起讫点
计算机与社会
2020-10-26 v1
摘要
新兴的微出行服务(如电动滑板车)具有提升城市出行能力的巨大潜力,但对其使用模式尚需更多了解。通用共享单车数据规范(GBFS)数据是考察微出行行程模式的一种可能来源,但需付出努力从GBFS数据推断行程。现有的行程推断方法通常基于微出行工具(电动滑板车或电动自行车)的车辆ID不发生变化的假设,因此无法处理车辆ID随时间变化的数据。在本研究中,我们提出了一套综合算法,用于从具有不同类型车辆ID的GBFS数据中推断行程起点和终点。我们在华盛顿特区通过分析了六家供应商发布的为期一周(2020年2月最后一周)的GBFS数据来实现这些算法,并使用R平方、平均绝对误差和总和绝对误差评估所提算法的推断精度。我们发现,当以400m*400m网格评估算法时,R平方度量大于0.9,MAE度量小于2,且在市中心区域绝对误差相对较大。该行程推断算法的精度对大多数实际应用而言足够高。
引用
@article{arxiv.2010.12006,
title = {Micromobility Trip Origin and Destination Inference Using General Bikeshare Feed Specification (GBFS) Data},
author = {Yiming Xu and Xiang Yan and Virginia P. Sisiopiku and Louis A. Merlin and Fangzhou Xing and Xilei Zhao},
journal= {arXiv preprint arXiv:2010.12006},
year = {2020}
}