基于大数据分析的出租车驾驶员收入-压力评估方法和系统技术方案

本发明专利技术公开了一种基于大数据分析的出租车驾驶员收入-压力评估方法和系统，评估方法包括：获取分析数据并进行预处理，过滤掉部分数据属性，消除漂移数据并删除错误数据；构建以工作时间空驶率、驾驶速度、加减速次数和停车次数为投入，以收入为产出的分析模型；采用所述分析模型和分析数据计算出租车驾驶员的收入-压力指数，通过获得的收入-压力指数评估驾驶员的工作状态。本发明专利技术能够有效监控和评估出租车的运行状态，从而提供有效的改进方案，具有非常好的经济效果。通过大数据分析，可以精确并智能地获取出租车运行状态信息，提高出租车服务水平和出租车驾驶员的收入，提高其工作效率和舒适度。

【技术实现步骤摘要】

本专利技术属于智能交通领域，尤其是一种基于大数据分析的出租车驾驶员收入-压力评估方法和系统。
技术介绍
随着“互联网+”技术的迅速发展，各种打车软件层出不穷，出租车运营模式、车辆运营方式和接单方式等发生了巨大变化，出租车驾驶员的收入受到了很大的影响，出租车行业亟需改革。在出租车行业的众多参与者中，出租车企业和驾驶员作为服务的提供者，都将出租车运营收入作为最为重要的考核指标。对于出租车驾驶员而言，运营收入成为家庭的主要经济来源，如何提高收入是驾驶员最为关心的问题；对于出租车企业而言，出租车企业通过收取“份子钱”或直接抽取司机经营收入的一定比例而盈利，其经济效益主要取决于驾驶员的经营收入。因此，在“互联网+”推动出租车行业深化改革的契机下，如何提高驾驶员的收入水平是当前驾驶员、企业乃至行业健康发展中面临的现实挑战。
技术实现思路
专利技术目的：一个目的是提供一种基于大数据分析的出租车驾驶员收入-压力评估方法，以解决现有技术存在的上述问题。进一步的目的是提供一种基于大数据分析的出租车驾驶员收入-压力评估系统。技术方案：一种基于大数据分析的出租车驾驶员收入-压力评估方法，包括如下步骤：步骤1、获取分析数据，包括出租车的GPS数据和计价器数据，所述GPS数据包括出租车的车牌号、行驶轨迹经纬度、行驶轨迹时间、营运状态和营运速度；所述计价器数据包括驾驶员姓名、车牌号、订单金额、订单上下车时间和订单里程；步骤2、预处理上述分析数据：过滤掉部分数据属性，消除漂移数据并删除错误数据；步骤3、构建以工作时间空驶率、驾驶速度、加减速次数和停车次数为投入，以收入为产出的分析模型；步骤4、采用所述分析模型和分析数据计算出租车驾驶员的收入-压力指数，通过获得的收入-压力指数评估驾驶员的工作状态。优选的，还包括指标分析。优选的，步骤2中消除漂移数据的过程具体为：判断漂移数据点是否处于可容许的最大距离误差，即判断某个GPS数据点到与之相邻的两个GPS数据点所在直线的距离h是否满足：h＝2s/c<derror；其中，s为GPS数据点及与之相邻的两个GPS数据点所组成的三角形面积，c为电磁波速度，derror是由地图精度、GPS接收机精度和道路宽度之和计算允许的最大偏移值。优选的，步骤2中删除错误数据具体包括：删除与预定格式不符的GPS和计价器数据记录；删除经纬度越界的GPS数据记录；删除时间格式不正确、时间属性错误及不完整的数据记录；删除GPS营运状态数值无效的记录。优选的，步骤3中的分析模型为：min[θ-ϵ(Σr=1tsr++Σi=1msi-)]]]>Σj=1nλjxij+si--θxij0=0]]>Σj=1nλjyrj-sr+=yrj0,(j=1,2,...,n)]]>λj≥0si-≥0]]>si-≥0;]]>式中，λj为相对于决策单元DMUj重新构造的一个决策单元DMU组合中第j个决策单元DMU的组合比例；n为决策单元DMU的个数；m和t分别为投入指标和产出指标；xij为第j个决策单元对第i种类型投入的投入量；yrj为第j个决策单元对第r种类型产出的产出量；和为松弛变量，分别代表投入冗余和产出不足；ε为常数；θ为该决策单元DMU的有效值，即投入相对于产出的相对效率；以θ*，λj*(j＝1,2…m)表示最优解。一种基于大数据分析的出租车驾驶员收入-压力评估系统，包括：数据源层：处于系统的最底层，是系统运行的基础；所述数据源层提供出租车GPS数据、计价器数据、打车软件交易数据和电子地图；其中，GPS数据、计价器数据、打车软件数据分别由GPS定位系统、计价器控制系统、打车软件控制中心接入提供；数据传输与处理层：是整个系统的核心，负责数据的传输、预处理、计算和输出操作；包括接收GPS数据、计价器数据和打车软件交易数据；从GPS数据、计价器数据、打车软件交易数据以及其他运营数据中，提取驾驶员收入-压力的评价指标值；驾驶员群体划分及特征指标提取；借助成熟的评价方法计算驾驶员收入-压力指数；应用层：面向系统中的最终用户提供服务；收入-压力评估系统主要面向行业管理部门和驾驶员个体两类用户；评估系统帮助行业管理部门掌握行业运营状况，评估整个行业的收入和压力状态，为行业部门的管理决策提供支持；评估系统针对驾驶员个体的收入和压力状态进行描述，鉴别影响收入-压力有效性的关键因素，为驾驶员提升收入水平和收入压力转换效率提供相关改善建议。基于大数据分析的出租车驾驶员收入-压力评估系统，包括：服务用户层：面向行业管理部门和驾驶员个体两类用户；数据来源层：数据来自于反映城市空间地理信息的基础地理信息库、反映车辆营运轨迹信息的GPS数据库以及反映营运订单信息的计价器数据库、打车软件平台数据库和电召平台数据库；应用展示层：分为四个部分，分别为以GIS地图展示接单地点和换班地点指标的空间分布情况、以统计图表展示工作时段、行驶速度等指标的时间变化情况、以数据关联方式展示聚类结果与特征等具有联系的表；业务应用层：分为统计分析、行业数据挖掘和行业问题诊断三个层面；技术支撑层：涉及浮动车技术、聚类技术、数据库技术、GIS展示技术以及用于收入—压力评估的数据处理技术；信息采集层：与数据来源相对应，评估系统的数据采集针对GPS车载设备、计价器设备、电召平台和打车软件平台；硬件设施层：评估系统需要的硬件设施包括GPS车载设备和计价器设备、信息传输设备、存储大量营运数据的大容量存储设备以及支持高速运算的高性能处理器。有益效果：本专利技术能够有效监控和评估出租车的运行状态，从而提供有效的改进方案，具有非常好的经济效果。附图说明图1是本专利技术的结构框图。图2是本专利技术的实施架构示意图。图3是本专利技术的技术路线图。具体实施方式如图1和图3所示，本专利技术的一个实施例如下：步骤0、相关数据指标分析：出租车驾驶员营运收入的影响因素既包括工作时间、订单数量、订单金额、重载率等直接因素，也包括工作时段、订单里程、载客地点、接单方式等间接因素。考虑到工作时间、订单数量、订单金额、重载率等直接因素对驾驶员收入的影响机理较为明显，本专利技术重点解释工作时段、订单里程、载客地点、接单方式等间接因素对出租车驾本文档来自技高网...

【技术保护点】
一种基于大数据分析的出租车驾驶员收入‑压力评估方法，其特征在于，包括如下步骤：步骤1、获取分析数据，包括出租车的GPS数据和计价器数据，所述GPS数据包括出租车的车牌号、行驶轨迹经纬度、行驶轨迹时间、营运状态和营运速度；所述计价器数据包括驾驶员姓名、车牌号、订单金额、订单上下车时间和订单里程；步骤2、预处理上述分析数据：过滤掉部分数据属性，消除漂移数据并删除错误数据；步骤3、构建以工作时间空驶率、驾驶速度、加减速次数和停车次数为投入，以收入为产出的分析模型；步骤4、采用所述分析模型和分析数据计算出租车驾驶员的收入‑压力指数，通过获得的收入‑压力指数评估驾驶员的工作状态。

【技术特征摘要】
1.一种基于大数据分析的出租车驾驶员收入-压力评估方法，其特征在于，包括如下步
骤：
步骤1、获取分析数据，包括出租车的GPS数据和计价器数据，所述GPS数据包括出租车
的车牌号、行驶轨迹经纬度、行驶轨迹时间、营运状态和营运速度；所述计价器数据包括驾
驶员姓名、车牌号、订单金额、订单上下车时间和订单里程；
步骤2、预处理上述分析数据：过滤掉部分数据属性，消除漂移数据并删除错误数据；
步骤3、构建以工作时间空驶率、驾驶速度、加减速次数和停车次数为投入，以收入为产
出的分析模型；
步骤4、采用所述分析模型和分析数据计算出租车驾驶员的收入-压力指数，通过获得
的收入-压力指数评估驾驶员的工作状态。
2.如权利要求1所述的基于大数据分析的出租车驾驶员收入-压力评估方法，其特征在
于，步骤2中消除漂移数据的过程具体为：
判断漂移数据点是否处于可容许的最大距离误差，即判断某个GPS数据点到与之相邻
的两个GPS数据点所在直线的距离h是否满足：
h＝2s/c<derror；
其中，s为GPS数据点及与之相邻的两个GPS数据点所组成的三角形面积，c为电磁波速
度，derror是由地图精度、GPS接收机精度和道路宽度之和计算允许的最大偏移值。
3.如权利要求2所述的基于大数据分析的出租车驾驶员收入-压力评估方法，其特征在
于，步骤2中删除错误数据具体包括：
删除与预定格式不符的GPS和计价器数据记录；删除经纬度越界的GPS数据记录；删除
时间格式不正确、时间属性错误及不完整的数据记录；删除GPS营运状态数值无效的记录。
4.如权利要求3所述的基于大数据分析的出租车驾驶员收入-压力评估方法，其特征在
于，步骤3中的分析模型为：
min[θ-ϵ(Σr=1tsr++Σi=1msi-)]]]>Σj=1nλjxij+si--θxij0=0]]>Σj=1nλjyrj-sr+=γrj0,(j=1,2,...,n)]]>λj≥0si-≥0]]>si-≥0;]]>式中，λj为相对于决策单元DMUj重新构造的一个决策单元DMU组合中第j个决策单元DMU
的组合比例；
n为决策单元DMU的个数；
m和t分别为投入指标和产出指标；
xij为第j个决策单元对第i种类型投入的投入量；
yrj为第j个决策单元...

【专利技术属性】
技术研发人员：张永，冯冬焕，江云剑，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32