近年来，随着城市居民出行总量的持续增加，城市中的交通量激增^[1]，而出租车作为城市交通工具的重要组成部分，具有方便、快捷和迅速等特点，已经在我国各个城市中迅速发展起来，成为居民不可或缺的交通方式^[2]。目前，对城市出租车的研究已成为城市交通领域的重要研究内容，主要研究涉及城市出租车保有量的研究^[3]、出租车派遣系统^{[4, 5]}、城市出租车供需关系研究^{[6, 7]}等。此外，一些研究者还利用出租车浮动车数据^[8]进行人类活动的时空分析，Liu等^[9]利用出租车的行驶轨迹来发现出租车司机不同的行为模式；童晓君等^[10]利用不同时间段出租车上下客的数量分析居民出行的时空分布；Sun等^[11]分析了出租车司机行驶行为特征，并以此为基础建立了新的司机路径预测模型。这些研究成果为分析出租车服务能力提供了理论依据。

出租车能够大规模安装全球定位系统(global positioning system，GPS)设备^{[12, 13]}，定期获取车辆的经纬度坐标、记录时间、车辆载客状态、车辆速度及车辆行驶方向等数据，并传送至调度中心，为获取出租车的浮动车数据创造了良好的条件。但是出租车作为一种营运车辆，在不同时段和不同区域的载客率和出车率差异很大，而且往往集中在较集中的公共活动区域和重要的客运区域内^[14]。这种行驶特性直接造成出租车服务能力在不同时段、不同区域内具有不同的分布特征，包括出租车在区域内的活跃度和服务效率等。因此，为了提高出租车的利用效率和对乘客的服务能力，就必须对出租车服务能力的时空分布特征进行系统的分析。为了量化分析这种时空分布特征，本文研究了几个能反映服务能力的服务指标，分别为覆盖量、寻客效率，并结合研究目标城市的土地利用，分析出租车服务能力与土地利用类型的相关性。这对城市规划及交通管理者的重要决策有一定参考价值，同时对城市土地利用的科学决策有一定的积极意义。

1 出租车服务能力评价指标

出租车的浮动车采样数据有载客状态数据，分为载客和空载两种状态，分别用数值1和0表示。由此可知，每个采样点，出租车载客状态与前一个采样点的载客状态变化有4种情况，即由0变为0，由0变为1，由1变为0，由1变为1。这4种载客状态变化分别表示出租车寻找客源且没找到客源(空载)、出租车寻找客源并找到了客源(上客)、乘客结束服务的行为(下客)、出租车正在服务乘客(载客)的服务行为。本文选择覆盖量和寻客效率指标研究出租车服务群体的分布特征。

在固定浮动车数据采样率的前提下，覆盖量是指单位时间内指定区域被出租车行驶经过的频数。则区域内出租车的覆盖量C的表达式为:

$ C = {n_{00}} + {n_{01}} + {n_{10}} + {n_{11}} $

(1)

区域内出租车的寻客效率E的表达式为：

$ E = \frac{{{n_{01}}}}{{{n_{00}} + {n_{01}}}} $

(2)

式中，n₀₀、n₀₁、n₁₀和n₁₁分别表示单位时间出租车在区域内空载、上客、下客和载客的出租车服务行为的频数。某区域的覆盖量越大，表明出租车经过该区域的次数越多，出租车在该区域的活跃度越高，则该区域出租车服务能力越高。空载和上客两种服务行为分别表示出租车寻找客源失败和成功的两种结果。

2 实验数据

本文所采用的数据有两类，分别为深圳市出租车浮动车数据和深圳市土地利用数据。

1) 出租车数据。目前，国内若干大城市已经开始在出租车运营系统内建设大规模的浮动车数据采集与应用系统，这也为开展此项研究提供了有利的条件。本文所采用的出租车数据均来自深圳市4家大型出租车公司，其采集时间为每天24 h，采样间隔时间为17 s左右。该数据中，其属性信息主要包括车辆的经纬度坐标、记录时间、车辆载客状态、车辆速度及车辆行驶方向等。原始数据是2012年5月8日深圳市15 133辆出租车的全天24 h的GPS数据。数据出自不同的出租车公司，其营运范围能够较全面地覆盖深圳市的主要城建区，避免了单一公司采样所造成的系统误差。本文在原始数据的基础上首先进行了数据预处理，即地图匹配。地图匹配技术主要用来纠正数字地图的误差、坐标转换误差和GPS定位误差，使得脱离了路网的车辆重新定位到路网上，并通过最短路径原则获取出租车运行轨迹，处理后得到的数据属性包括车辆编号、车辆所在路段编号、修正后的车辆经纬度坐标、记录时间、车辆速度、车辆载客状态(1表示载客，0表示空载)，得出修正后的浮动车数据记录。

2) 土地利用数据。图 1为深圳市2012年行政区划和土地利用现状图，蓝色边界的行政区盐田区、光明区、坪山区和大鹏区内出租车的活动轨迹非常少(这4个行政区的出租车覆盖量总和占全市出租车覆盖量的比例不到1%)，为了数据的严谨性，本文只取红色边界的宝安区、南山区、福田区、罗湖区、龙岗区和龙华区作为研究对象进行出租车服务能力时空分析。图 1中，深圳市被划分为9种土地利用类型，分别为商服用地、工矿仓储用地、住宅用地、公共管理与公共服务用地、交通运输用地、其他建设用地、农用地、未利用地和特殊用地。

3 出租车服务能力时空分析

本文利用C#语言对预处理数据进行出租车覆盖量和寻客效率的计算，得到15 133辆出租车全天和一天平均24个时段的深圳市及其6个行政区的指标数据。在此基础上，对24个时段出租车服务能力进行趋势变化分析，对6个行政区全天的出租车服务能力进行空间差异分析，结合深圳市城市土地利用数据，进行土地利用类型与出租车服务能力的相关性分析。

3.1 出租车服务能力的时间分布规律

城市日常生活中，出租车作为人们工作、学习和休闲娱乐活动的主要交通工具之一，出租车的服务能力与人们的工作生活作息规律有密切联系。本文通过统计分析深圳市不同行政区一天24个时段的出租车覆盖量和寻客效率，进一步研究出租车服务能力的时间分异性。不同行政区的服务能力指标随时段的变化分析结果如图 2所示。

从图 2可以看出：

1) 0:00~5:00时段，出租车覆盖量逐渐减小，寻客效率处于一天中的数据低谷。这是因为此时段城市进入休息状态，居民出行量在逐渐减少，出租车寻找客源的效率大大降低，而因为出租车活动量也在减少，指标数据中分母减少，所以寻客效率也有轻微的上升趋势。

2) 5:00~9:00时段，出租车覆盖量逐渐增加，寻客效率也逐渐上升，并在9:00达到一天中的最高峰。这是因为此时段城市逐渐复苏，居民出行量不断增加，并且城市交通处于较通畅的状态，故出租车司机的寻客效率不断上升，并达到最高峰。

3) 9:00~19:00时段，出租车覆盖量和寻客效率趋于相对平缓，并在13:00达到一天内的谷底，14:00达到第2个峰值。这是因为9:00开始居民出行量较大，导致交通状况开始拥堵，居民更愿意接受不拥堵的其他交通方式，因此出租车寻客效率开始降低，并在13:00到达谷底，而14:00是城市下午工作时间的开始，故此时有一天中的第2个峰值。

4) 20:00时段之后，出租车覆盖量有上升趋势，寻客效率较低。这是因为城市活动在逐渐降温，居民出行量逐渐减小。

3.2 出租车服务能力的空间分布分析

由于人们的出行需求与人们的工作性质、经济情况和生活作息等人类活动有密切关系，故人口出行需求与人类活动所依托的城市空间分布紧密相关。本文通过分析每种出租车服务能力指标在不同行政区域内的差异，研究出租车服务能力的空间分布区域性差异。深圳市6个行政区全天的出租车覆盖量和寻客效率如图 3所示，土地利用分布统计如图 4所示。

由图 3和图 4分析可知：

1) 6个行政区内出租车的服务能力存在较大差异，出租车的覆盖量指标由大到小的排列顺序是：福田区、罗湖区、宝安区、南山区、龙岗区、龙华区；出租车的寻客效率指标由大到小的排列顺序是：罗湖区、福田区、南山区、龙华区、宝安区、龙岗区。

2) 出租车覆盖量和寻客效率指标都最大的两个区为福田区、罗湖区，其中福田区是出租车覆盖量比罗湖区大，而出租车寻客效率略低于罗湖区，这是因为南山区、福田区和罗湖区都是该市行政文化中心和现代服务业为主的中心商务区，拥有大学城、休憩与旅游景点、港口码头及火车站、商业区、出入境口岸等，是商服用地和公共管理用地比例较高的行政区，其中福田区作为连接南山区和罗湖区的交通枢纽，添加了南山区和罗湖区经济文化等交流的责任，故而其出租车覆盖量在三者当中较大，而罗湖区作为深圳市经济特区最早开发的地区，是深圳主要的金融区之一和商业中心区，出租车在罗湖区的服务能力相对而言较高。

3) 宝安区、龙岗区和龙华区是该市工矿仓储用地比例最高的3个区，故而此3个区域之间的交流较少，出行人口主要是区域内工作地和相近的住宅区之间的交通需求，所以在两者之间的枢纽区域龙华区并没有特别高的出租车覆盖量，3个区域的出租车寻客效率相近。

由上述分析可知，出租车的服务能力在城市不同行政区的空间分布现象与该行政区的土地利用类型和主要职能有密切的联系。

3.3 出租车服务能力与土地利用类型分布的相关性分析

出租车作为人们日常活动的主要交通工具之一，是人们在居住区、工作场所和休闲娱乐场所等不同土地利用类型的活动地点上穿梭的重要媒介，因此出租车的服务能力在不同的土地利用类型分布情况的活动空间上会呈现出差异性，同时也具有一定的时间差异性。如出租车在大型商场等商业圈附近较为活跃；出租车在住宅区会有不同的运输客源的情况，早上会较多输出客源，晚上会较多输入客源；而出租车在市区较重要的火车站、汽车站和飞机场等交通要塞较多的区域会更容易接单等。本文通过统计分析深圳市主要的行政区在不同时间段内的出租车服务能力指标与土地利用类型比例分布的相关性，得到区域的土地利用类型与出租车服务能力具有一定的相关性的结论，并在此基础上可以分析得到出租车服务能力的时空差异特征。

不同的土地利用类型所占比例与出租车服务能力的Pearson相关系数公式^[15]如下：

$ {\rho _{{T_j}C}} = \frac{{\sum\limits_i {\left( {{C_{{D_i}}} - \bar C} \right)\left( {{P_{{D_i}{T_j}}} - {{\bar P}_{{T_j}}}} \right)} }}{{\sqrt {\sum\limits_i {{{\left( {{C_{{D_i}}} - \bar C} \right)}^2}\sum\limits_i {{{\left( {{P_{{D_i}{T_j}}} - {{\bar P}_{{T_j}}}} \right)}^2}} } } }} $

(3)

$ {\rho _{{T_j}E}} = \frac{{\sum\limits_i {\left( {{E_{{D_i}}} - \bar E} \right)\left( {{P_{{D_i}{T_j}}} - {{\bar P}_{{T_j}}}} \right)} }}{{\sqrt {\sum\limits_i {{{\left( {{E_{{D_i}}} - \bar E} \right)}^2}\sum\limits_i {{{\left( {{P_{{D_i}{T_j}}} - {{\bar P}_{{T_j}}}} \right)}^2}} } } }} $

(4)

式中，${\rho _{{T_j}C}} $表示区域的出租车覆盖量与T_j土地类型在区域内的含量两者之间的相关系数; ${\rho _{{T_j}E}} $表示区域的出租车寻客指数与T_j土地类型在区域内的含量两者之间的相关系数；D_i(1≤i≤6)代表深圳市行政区；T_j(1≤j≤9)代表土地利用类型；C_Di和E_Di分别表示D_i行政区内出租车的覆盖量和寻客指数指标；${P_{{D_i}{T_j}}} $表示D_i行政区内T_j土地利用类型的比重；${\bar C} $表示所有行政区的覆盖量指标的平均数；${\bar E} $表示所有行政区的寻客效率指标的平均数；$ {{\bar P}_{{T_j}}}$表示所有行政区的T_j土地利用类型比重的平均数。

由已有数据统计出不同行政区内的不同土地利用分布统计和不同行政区的服务能力指标，如表 1和表 2所示。

将表 1和表 2的每一列数据代入式(3)和式(4)，计算得到出租车服务能力与土地利用类型的相关系数，如表 3所示。

由表 3中数据可以发现：

1) 出租车的覆盖量和寻客效率都与区域的商服用地比重的相关度最高，且呈正相关，其中出租车的覆盖量与商服用地的占有量具有高度的正比关系。商服用地主要为商业、金融业、餐饮旅馆业及其他经营性服务业建筑及其相应附属设施用地，如商场、超市、写字楼、办公场所、宾馆、酒店、洗染店等，这类用地多处于繁华地段，可以产生很高的经济效益，是人们日常购物、娱乐消费和货币交易的经济热区。针对商服用地的经济热区的特征和商服用地与出租车的服务能力指标的相关系数数据，可以得出以下结论：商服用地所占比重越高，出租车在该区域的服务能力越大。

2) 出租车的覆盖量和寻客效率都与区域的工矿仓储用地呈现较高的负相关性，其中出租车的寻客效率的负相关性更高。工矿仓储用地包括工业、采矿和仓储业用地，如化工厂、采石场和物资储存中转场所，这类用地因为其面积大、污染重等特性，多处于地价成本低、人口密度稀疏的郊区，人口流动性较差，所以出租车的服务能力与工矿仓储用地具有较高的负相关性，其中寻客效率更严重。

综上所述，出租车的服务能力与区域的土地利用类型有十分紧密的联系。

4 结束语

本文基于深圳市15 133辆出租车浮动车数据，从覆盖量和寻客效率的角度，结合深圳市城市行政区划和土地利用数据，分析出租车的服务能力在时变特征和空间分异特征。结果发现，出租车服务能力在时间轴和城市区域分布上存在明显的差异，与区域的土地利用类型有较强的相关性。本文研究仅用覆盖量和寻客效率来代表出租车的服务能力还不够全面，后续可以继续完善出租车的服务能力的描述；同时仅从土地利用的角度对出租车的服务能力的空间差异进行了分析，后期可以从更多的方面切入，如人口密度、经济特征等。