「疫情期间长春居民网约车出行分析」项目详细介绍

团队成员:于壮、高永、邱东岳、吉章伟

组织:深圳市城市交通规划设计研究中心北京分院

网约车出行是城市居民重要的机动化出行方式,其方便、灵活和快捷的特点使得越来越多的居民选择网约车出行。从1月份开始随着疫情的加剧,居民的日常生活受到了很大的影响。在此背景下,本次分析以长春市为例,选取2020年1月1日至2月4日的脱敏网约车数据对下面三个问题进行回答:

  1. 在疫情期间长春网约车到底有没有瘫痪?
  2. 长春居民疫情期间的出行特性和疫情前有什么变化?
  3. 哪些地点与长春的交通枢纽进行强烈的人口交换(长春的防疫重点)?

一、疫情期间长春网约车到底有没有瘫痪?

1)网约车营运

对网约车的营运进行分析,可以量化描述在疫情期间,从事网约车行业是否还具有足够的利润。若疫情期间网约车车均收入发生明显下降,将对行业的正常营运产生严重负面影响。从网约车运营数据发现,由于春节和疫情的双重作用,疫情期间长春网约车订单数和营运车辆数都大幅下降,且还在缓慢下降中,其中疫情期间订单数仅为节前的1/9左右,营运车辆数仅为节前1/5左右。疫情期间营运车辆数数量为2000辆左右,每日订单数约为2万单。

长春网约车订单和车辆数下降的拐点出现在除夕,由于疫情前期长春没有确诊患者,在此期间疫情对长春网约车营运没有产生影响。1月23日吉林省出现第一例确诊病例后,长春网约车订单也持续减少,对1/22-2/04的订单数和吉林省确诊人数进行相关性分析后发现,两者之间的相关系数为-0.51,存在一定程度的负相关关系。

网约车运营车辆数变化趋势 

疫情前后网约车订单与吉林省确诊人数变化趋势

由于疫情期间长春居民出行量和网约车营运车辆数都在减少,且二者下降幅度相对差距不大,所以长春网约车车均订单数和车均营收较节前下降的不多,网约车车均订单近下降了1/3,车均营收下降了1/4左右。这说明在疫情期间进行网约车营运,虽然收入下降,但依然可以保证一定收入。

网约车车均订单

网约车车均营收

2)订单响应

网约车的订单响应时间是衡量网约车服务的核心指标之一。随着时间的推进,节后长春居民网约车出行出现了出行量小、出行时耗少、候车时间短和出行距离长的特点。数据显示疫情期间网约车能够正常响应乘客订单,乘客的人均候车时间和出行时间还比节前有了小幅下降,该现象说明长春网约车行业在疫情期间还在正常运转,没有瘫痪。

二、长春居民出行特性在疫情前后有什么变化?

1)乘客的出行强度

乘客出行强度能够准确的用来描述城市居民的活跃程度,是描述城市活力的重要指标。为了横向对比疫情前后乘客的出行强度,本次分析选取了1月19日和2月3日两个特征时间,其中1月19日是疫情前的周末。将1月19日和2月3日的居民网约车OD点提取出来,并进行强度可视化,获得了1月19日和2月3日OD点的出行强度分布图。从图中可以发现, 1月19日乘客出行强度大,长春四环内都有较高的出行强度。而2月3日乘客的OD点集中在长春站、人民广场等市中心区域,其他区域仅有零星订单。

接着,对两典型日期的24小时出行量进行统计,并根据统计结果绘制两典型日期的24小时出行量曲线。从图中可以看出,疫情期间长春居民网约车出行量有了明显下降,居民出行集中在白天,夜间出行量极小。该现象一定程度上反映了长春疫情期间城市活力下降,夜生活极少,线下相关产业也受到了严重影响。

1月19日乘客OD点热度图

2月3日乘客OD点热度图

长春疫情前后休息日网约车24小时通行量

2)乘客出行目的分析

通过乘客出行目的分析,可以揭示在疫情期间乘客的主要出行需求,该分析可以为政府部门进行物资调度提供依据。由于乘客出行目的与出行的起始点具有较高的相关性,因此本次分析将1月19日和2月3日两典型日期的乘客OD点的POI提取出来,并进行分析和词频统计。为了更好的对统计结果进行展示,本次分析采用了词云的方式。从词云中发现,在1月19日网约车出行集中在居住地、商场、酒店等地点,而节后前往各类医院的热度最高。进一步统计可知,疫情期间网约车出行中前往各类医院的比例比节前增加了接近一倍。相对于粮食蔬菜等生活物资可在一公里步行圈内解决,而医疗资源的获取部分居民还需依赖机动化出行,从下图可以看出长春西部区域对医疗资源的需求大于东部。

1月19日乘客OD点POI词云


2月3日乘客OD点POI词云

2月3日前往医院乘客的出发地热度

三、哪些地点与交通枢纽进行强烈的人口交换(防疫重点)?

由于长春距离疫情比较严重的湖北等省份较远,飞机、火车成为了新冠病毒携带者进入长春的主要交通方式,这使得与飞机场、火车站具有强烈人口交换的区域就会具有较高的防疫需求。通过网约车的OD点进行统计发现,龙嘉机场在节后有一个出行和返城的高峰,虽然出行量不大,但是也应该对其来源地和目的地进行识别和监控。接着,本次分析将与机场和火车站发生过人口交换的区域识别出来,并以热度图的形式进行展现。从图中可以看出,火车站周围、重庆路等区域与长春交通枢纽联系比较密切,需要重点进行防疫监控。

网约车出行中龙嘉机场出发到达量变化趋势

与交通枢纽进行人口交换热度分布

四、结论

该分析基于脱敏后的长春网约车数据,通过对比疫情前后长春网约车运营状况,从平台订单、司机收入、乘客候车时间等多个角度评估疫情对长春网约车行业的影响,发现疫情期间长春网约车依然在正常运转,乘客出行体验良好。接着,从出行时间、距离、时耗、目的地等多个维度分析了疫情前后长春居民的出行特征,特别是发现了长春西部地区居民目前对医疗资源的强烈需求,需要一定的的关注。最后对与长春站和龙嘉机场存在人口交换的区域进行筛选和可视化,这些区域会与外界发生较多的接触,应该是防疫监控的重点区域

五、技术说明

本作品的产生包括数据清洗、数据挖掘和数据可视化三个步骤,主要使用的技术包含异常数据剔除、多源数据关联校核、数据相关度、典型人群识别算法和词频分析等技术,在数据可视化这一步骤中使用了柱状图、折线图、词云和热度图等多种手段来展示分析结果,力求分析结果清晰易懂。

工程
3
这个好!预祝获奖!
多谢琼琼支持
多谢琼琼支持