学术论文
2022年7月，国际交通运输领域学术期刊《IEEE Transactions on Intelligent Transportation Systems》（23 (2022): 8013-8023）发表了由长安大学运输工程学院王元庆教授、博士生吴洲豪等共同完成的学术论文：“在分向路段尺度基于轨迹数据挖掘的出租车绕行行为画像及因素分析建模研究”（Mining Factors Affecting Taxi Detour Behavior From GPS Traces at Directional Road Segment Level）。
王元庆教授是该篇论文的通讯作者，第一作者是他的博士生吴洲豪，其他合作者包括美国西北大学聂宇教授，西北大学杨柳副教授，长安大学李亚香博士、王欣博士、苏娟博士等。
研究背景
根据交通统计年鉴数据（2015年），深圳市平均每天有1万6千多辆出租车服务超过110万人次出行。由于出租车司机通常在路线策略和驾驶技能方面都有丰富经验，城市交通出行路径推荐、路线优化和知识检测等问题多以出租车轨迹作为数据源展开研究。
然而，考虑到出租车司机总是追求更高的收入和更低的巡航或等待成本，在出租车供求市场中可能存在一些不守规矩或异常载客行为，如拒绝出行、不打表、绕行等。2017年，深圳出租车公司全年共收到5348起服务投诉，其中62%原因为司机拒绝服务。有趣的是，在所有投诉中，由于绕路产生投诉的比例仅为1%左右，在全年深圳市出租车市场3亿次出行中仅占0.002%。
但事实上，即使是自己开车的人，在面对道路交通拥堵时也可能采取路线绕行策略。因此，本研究重点关注:在我们的日常出租车出行中，很少的绕行投诉真的意味着极低的绕行比率吗？本研究即利用出租车轨迹数据及多级语义地图在分向路段尺度基于轨迹数据挖掘的出租车绕行行为画像及因素分析建模研究。
主要内容
在城市交通研究领域，机动车绕行行为分析可以被认为是最具挑战性的课题之一。以出租车绕行行为为例，它包含了复杂的外部诱因，如“避开拥堵路段”、“不熟悉道路地图”或“在更长的路径下赚取更多的费用”等。为了在分向路段尺度上深入分析出租车绕行行为时空分布特征，本研究设计实施了一个跨学科的数据挖掘方案。首先，课题组设计实现一种基于轨迹数据地图匹配的绕行行为聚类识别方法（针对一周出租车的340万次载客出行轨迹数据）。然后利用深圳市多级道路索引系统，在分向路段尺度研究了出租车绕行统计时空分布特征。最后，通过定义道路结构属性、交通动态和POI用地特征等三类潜在影响因素，进行了绕行行为影响二元logit模型拟合分析。研究主要发现:(1)在深圳，平均有23.5%的出租车行程绕行超过2.1公里，考虑到只有极少数的出租车出行被投诉，这个比例相对高的多;(2)在不同时空交互模式下，绕行强度和绕行比例水平均受道路结构特征（如路段上下游结构）和时空因素（如拥堵高峰期、夜间）的影响。
论文链接：
https://doi.org/10.1109/TITS.2021.3074976
