目 录
相关服务：香港CN2服务器租用
6.2.4 高度整合各种出行方式的数据实现“一站式”出行服务
摘 要
随着互联网技术和移动设备在我们的日常生活中不断的普及，交通出行类App已经成为了当下生活中不可或缺的组成部分。交通出行类App为我们的日常生活提供了丰富的出行方式以及便捷的服务，为其使用者提供了实时的交通出行信息、出行线路规划、交通乘车码服务等多种功能。随着市场之间竞争的不断加剧，交通出行类App效能的表现情况对于用户的选择和使用起到了决定性的作用，因此对交通出行类App的效能进行评估分析与研究可以为使用者提供更加全面的参考依据。
本文对交通出行类App的开发背景、国内外研究现状以及研究意义进行了总结概述，强调了App在当下日常生活中的重要地位并明确了对交通出行类App的效能进行评估的目的和意义，进而确保了对其研究的科学价值和社会价值。总体采用了定量分析、专家访谈以及用户调研等多种研究方法，通过指定一系列合理的评估指标体系，对多款主流的交通出行类App进行了全面评估。在功能性方面提供完整的出行服务功能;在可靠性方面检查交通出行类App的运行稳定性、数据安全性以及故障的修复能力等;在效率性方面检测App对于用户请求的处理以及提供服务时的响应速度和对资源的消耗量。
经过对交通出行类App深入的分析和研究后得到了一系列重要的结论，部分App在软件界面的设计方面和用户的体验方面表现的非常优异，但是在对交通数据的处理和反馈方面以及在反应速度上存在着许多的不足，另一部分App则恰好相反。因此在设计交通出行类App时不但需要保持交通出行数据的处理能力，而且需要加强对界面的优化设计、服务器的维护和升级以及反馈响应速度。通过此次分析与研究为用户提供有价值的参考，进一步拓展评估分析的维度，更加全面的反映交通出行类App的效能，进而推动交通行业的持续发展和创新。
关键词：交通出行类；效能评估；效能分析；故障修复；深度优化
1 绪论
1.1 交通出行类App研究背景
随着互联网技术和移动智能设备[1]在我们的日常生活中不断的普及，城市化水平和人们生活质量在加速发展，人们对出行方式的需求也逐渐变的多样化和个性化。公共汽车、地铁、出租车等一系列传统的交通出行方式，虽然可以在一定的程度上满足人们对日常生活的出行需求，但是任然存在着出行数据信息[2]不对称、出行服务不便捷等出行弊端。而互联网技术的高速发展和移动智能设备的快速运用为交通出行领域的巨大变革带来了机遇，在该背景下交通出行类App应运而生，通过对交通出行过程中产生的各种交通资源[3]进行不断地整合，进而不断的提供和输出实时性的、个性化的出行服务信息，极大程度上改善了当下人们对于日常出行的体验。
1.2 交通出行类App国内外研究现状
交通出行类App在国内和国外都受到了极大的关注，在国外的一些发达国家由于所接触到的互联网技术[4]相对于国内发展的要早，交通出行类App的研发与研究也相对比较成熟，形成了Uber、Lyft等一系列具有代表性的成功案例。这些App通过创新式的服务模式和高超的技术手段实现了对人们日常生活出行需求的高效匹配。
国内交通出行类App的研发虽然相对于国外起步的比较晚，但是最近几年也取得了比较显著的进展和成效。以滴滴出行[5]为主要代表的国内交通出行类App，通过不断的深入挖掘当地城市日常出行的数据记录和用户的使用需求，结合先进的互联网技术以及移动智能设备，快速的从众多交通出行类App中崛起并一举成为全球最大的交通出行平台。同时国内的学术界对交通出行类App进行了广泛的研究[6]，其中涉及和覆盖了用户行为模式、服务模式架构以及算法优化处理等多个方面。
1.3 交通出行类App的研究意义
1、交通出行类App的研究与研发对于我们当下的日常生活具有着极其重要的理论指导效用和实践操作意义。
2、在理论指导层面，通过对交通出行类App的研究可以不断地深化对共享经济发展、移动互联网技术、智能交通出行[7]等领域的理解，为相关学科的发展和崛起提供了一定的研究视角和设计思路。
3、在实践操作意义方面，对交通出行类App的研究可以为当地的政府部门机关、企业公司以及App开发者提供足够的决策支持和扶持。政府部门可以通过深入了解交通出行类App在日常生活中的运行作息规律和影响因子，从而制定更加科学合理的交通出行政策以及交通管理措施[8]。企业公司和App开发者则可以通过该软件不断地收集用户的一些需求建议和日常动作行为来极大程度上的优化其产品的设计模式和服务处理机制，提高市场之间的竞争力。
4、交通出行类App的研究可以一定程度上推动城市交通运输行业以及日常出行的智能化发展，营造可持续的、绿色环保的当代模范城市，提高当地城市交通运行的整体效率和环境的高质量保护。
2 交通出行类App的关键技术
2.1 交通出行类App的构成
1、用户界面是用户和App进行交互的直接接触方，通过用户界面向用户传输和显示当下的位置地图、合理的交通出行路线[9]、出行需支付的费用以及用户对App的评价与反馈信息。
2、后端服务器负责对App的出行数据信息进行处理和管理，进而更好的对用户作出的请求进行及时高效的响应。
3、数据库用于对出行过程中用户的个人信息、交通的拥堵概况[10]、订单的详细信息以及对订单的支付信息进行数据存储和逻辑管理。
4、通过GPS定位服务对用户的当前位置进行及时的捕获和反馈，进而为其提供更加合理的交通出行方案及其出行服务。
5、使用第三方的数据平台直接通过App对出行过程中的费用进行支付，完成出行的一整套服务。
6、交通信息数据源负责不断地收集身边的交通概况信息，进而对相关的数据信息进行实时[11]的反馈，从而为其用户提供准确的出行建议。
7、App中包含了强大的安全保障和安全处理系统，对用户的个人隐私以及出行的数据信息进行保护，进而防止用户信息数据的泄露。
2.2 交通出行类App的数据清洗
2.2.1 交通出行存在大量的脏数据
交通出行领域时常会因为设备出现故障、传输的数据出现错误、记录的信息出行偏差等一系列原因造成大量脏数据的存在。通过对无效数据[12]、漂移数据[13]、“乒乓效应”数据[14]以及异常数据进行清洗，进而提高其数据信息的质量，确保交通出行类App提供更加准确、可靠的信息数据传输反馈和出行服务质量。
2.2.2 交通出行数据量庞大
交通出行领域的数据量非常的庞大，在带来出行数据处理和分析挑战的同时涵盖了交通领域的巨大价值。通过大量的出行数据可以为App开发者提供有利的数据支持，进而为用户提供更加细致和深入的交通出行方案和措施。通过数据清洗可以去除大量的冗余数据[15]，进而对后续的出行数据分析提供强有力的基础支持。
2.2.3 交通出行数据时间间隔不均匀
在对交通出行数据的收集过程中往往会因为其交通的动态变化性和交通行驶的不确定性造成时间间隔不均匀的问题。在对数据进行分析处理和预测[16]的过程中产生偏差数据结果，造成数据信息的不准确。通过对数据信息进行时间序列分析和平滑处理可以让用户获得更加具有代表性的交通出行数据，进而提高其对数据分析处理的准确性。
2.3 基于DBSCAN的交通出行停留点提取算法
通过采用基于DBSCAN[17]的空间停留点提取算法对出行数据进行停留点数据的提取，该算法是在传统的DBSCAN空间聚类算法的基础之上进行了改进操作，对空间维度和时间维度进行了兼顾分析。其主要的思路是遍历其中的数据源，然后通过遍历的数据源找到数据源中的核心对象，接着以该核心对象为中心继续上述操作，将与核心对象密切相关的对象划分到一个簇中，进而保证该簇[18]的周围没有其核心对象。
2.4交通出行停留点划分
由于大多数的居民早晨6点都在家中，10点左右在各自的单位上班，使用该时间段的首尾作为两个停留点簇，分别为居住停留点簇和就业停留点簇。在得到居民们的停留点簇后，可以通过停留点簇提取出对应的出行距离，并使用ArcGIS[19]作出对应的居民停留点划分示意图，对应如图2-1所示。
图2-1 停留点划分示意图
3 交通出行类App的特征提取模型
3.1 交通出行类App的数据再处理
通过借助SQLServer2012数据库[20]对出行数据进行处理，得到一系列对应的停留点簇以及停留点的数据信息。当Stay=1时表示用户当前处于停留状态，反之当Stay=0时表示用户当前处于出行的状态。Lon和Lat字段分别表示停留点所在簇的经度和纬度。使用以下公式记为停留点簇代表经纬度点，以此点的纬度代表所在停留点簇中的所有停留点的经纬度，对数据进行再处理后的结果为图3-1所示。
图3-1 数据再处理示意图
通过对出行数据经过一系列的再处理，可以获得对应用户的相关出行识别数据，如表3-1所示。
表3-1 用户出行识别表
3.2 交通出行类App的出行特征提取
3.2.1 交通出行次数
通过上述处理得到的用户出行识别表[21]可以看出，当Stay为0时说明手机用户处于移动状态；当Stay为1时说明手机用户处于停留状态；当Stay的数值由1变为0或者由0变为1都表示用户完成了一次有效的出行，通过下述公式进行一天之内所有人均出现次数的计算。
3.2.2 交通出行距离
将停留点之间的直线距离作为用户出行的有效距离，利用下述公式计算停留点簇代表点和就业停留点簇代表点之间的直线距离，即表现为用户有效出行的距离。
3.2.3 交通出行时耗
居民的有效出行时间可以通过出行过程中的起止停留点时间变化为表征，通过下述公式计算居民平均出行的时耗。
3.2.4 交通出行速度
通过上述计算得到的出行距离和出行时耗，利用下述公式对所有用户的平均出行速度进行计算。
4 基于随机森林回归的交通出行影响模型
4.1 交通出行影响因素的筛选和关联度验证
交通运行状况包括路段交通量、路段速度、公交客流量、公交车流量﹑路段饱和度等;公交专用道设计形式包括公交专用道的设置形式。设置时段﹑设置宽度、隔离形式、设置长度以及公交专用道的断点密度[22]等。综合考虑不同公交专用道之间相关影响因素的差异性，选取8个关键影响因素，如图4-1所示。同时通过相关性检验，8个指标与多个公交专用道效能评价指标[23]均具有高相关性。
图4-1 公交专用道效能影响因素
4.2 交通出行影响模型和参数选择
在影响模型的选择方面，考虑到公交专用道的效能影响因素不仅包含道路交通运行状态等连续变量，如路段交通量﹑路段速度等，还包含公交专用道设置形式，道路等级等分类变量，拟选用因素适应性良好的机器学习类算法[24]。其中基于随机森林回归模型的机器学习方法，具有较高精度，不用提前选定函数类型，不用分析自变量间的相关关系，且可以更精准地反映输入变量与输出变量间的内在联系，随机森林回归模型示意图如图4-2所示。
图4-2 随机森林回归模型示意图
4.3 交通出行影响因素的重要性评估
随机森林回归模型基于自变量的重要性评分来衡量每个自变量对因变量的影响程度，自变量的重要性是使用袋外数据[24]来进行评估,公交专用道实际效能与模型评估结果对比如图4-3所示。
图4-3 公交专用道实际效能与模型评估结果对比
4.4交通出行影响模型的评估精度验证
将公交专用道区间早晚高峰的效能值和影响因素数据用来训练模型[24]和测试模型的准确度,公交专用道效能影响模型评价结果与实际值如表4-2所示，基于随机森林回归的城市公交专用道效能影响模型具有较高的评估精度。
表4-2 效能影响模型评估结果的误差对比
5 国内交通出行类App效能对比
5.1 总体全过程交通出行效率
从居民全过程平均出行距离、出行耗时和出行速度三个指标来看，城市交通出行效率从高到低依次排序为深圳、上海、广州和北京，并且在一定程度上也反映了上海、深圳、广州城市集约化发展程度高于北京，或者说北京出行空间尺度更大，对应的全过程交通出行对比如表5-1所示。
表5-1 全过程交通出行对比
5.2 主体全过程交通出行效率
5.2.1 小汽车全过程交通出行效率
从小汽车全过程平均出行距离、出行耗时和出行速度三个指标来看，总体出行效率从高到低依次排序为上海、广州、北京和深圳，如图5-1所示。
图5-1 小汽车全过程出行效率对比
5.2.2 地铁全过程交通出行效率
从地铁全过程平均出行距离、出行耗时和出行速度三个指标来看，总体出行效率从高到低依次排序为深圳、上海、广州和北京，如图5-2所示。
图5-2 地铁全过程出行效率对比
5.2.3 公交汽车全过程交通出行效率
从常规公交全过程平均出行距离、出行耗时和出行速度三个指标来看，总体出行效率从高到低依次排序为深圳、广州、上海和北京，如图5-3所示。
图5-3 公交汽车全过程出行效率对比
5.2.4 机动车全过程交通出行效率
以常规公交、地铁、小汽车三种机动化方式的出行耗时为基础，以三种交通方式的出行量为权重，测算四个城市的出行效率其计算模型如下所示。
6 对交通出行类App的反思及改进措施
6.1 对交通出行类App的反思
6.1.1 注重交通出行类App的“服务”而非“覆盖”
城乡规划目标是公平、效率、可持续，核心服务仍然是以人为本，规划应该更加关注人的出行。以城市轨道交通规划为例，广州市轨道交通线网总长度390.5 公里、站点199 个，实际调查的服务人口为251 万人，而按照轨道交通站点800 米覆盖人口473 万人，即实际服务是城乡规划预计的53%。因此城乡规划更加注重规划的“服务”而非“覆盖”。
6.1.2 完善交通出行类App的细节设计提升可靠性
据调查广州市常规公交与地铁全过程出行平均时间分别为45 分钟、49 分钟，低于北京的63.2 分钟、68.1 分钟和上海的49 分钟、62 分钟，但常规公交出行在车外时间和地铁在地铁系统外时间占全过程时间的比例分别为52%、49%，远远高于北京的35%、41%，上海的43%、44%，说明居民在使用公共交通系统出行时，有大量的时间是用在到达车站和从车站到达目的地上。公共交通两端出行时间比例较高，优化公共交通系统的“可达性”是提升公共交通吸引力关键一环。在今后的规划中，需要合理规划地铁线路布局、站点出入口以及常规公交站点站间距，提升公共交通系统的交通“可达性”。
6.1.3 理清公共优先与私人交通之间的平衡关系
对于城市道路运行速度或城市拥堵排名绞尽脑汁，挖空心思的进行道路基础设施提供交通供给，并且采取“限购”、“限行”等措施来缓解城市交通拥堵。地方政府制定的政策或措施既希望提倡“公交优先”，让更多的人选择乘坐公共交通，又要保证小汽车运行速度；但如果城市道路上小汽车能够快速行驶，在社会经济持续发展和居民购买力增强的背景下，又有多少人放弃小汽车而选择公共交通，那又谈何“公交优先”？从出行效率的角度来讲，城市运行速度的提高应该是优先保障运输更多出行者的交通工具的速度来提高城市出行效率。
6.1.4 重视交通出行效率指标而非统计指标
从承担人和货物运输的角度来讲，交通系统在一定时间内运输的人或货物越多、且占用交通资源供给较少，表明其运输效率较高。据调查，广州市常规公交客运量（630 万人次/日）低于地铁（768 万人次/日），但常规公交出行量（583 万人次/日）是地铁出行量（451万人次/日）的1.3 倍，说明常规公交服务人群比地铁广，或者说从服务人群数量的角度来讲公交出行效率较地铁高。
6.2 对交通出行类App的改进措施
6.2.1 构建紧凑的交通出行模式提高交通可达性
在前面的规划反思中，广州市轨道交通实际服务人口仅仅是规划覆盖人口的53%，并且常规公交和轨道交通出行两端接驳时间占全过程时间的比例分别为52%、49%，需要合理的规划和精细化设计来提高交通可达性，从而提高出行效率。因此将商业、住宅、办公楼、公园和公共建筑设置在步行可达的公共交通站点开发的范围内，减少“门到门”服务的出行距离、出行耗时，提高交通可达性和交通出行效率。比如，香港公共交通沿线覆盖了大量的人口和就业岗位，全港45%的人口居住在地铁站500m 范围内，其中九龙、香港岛等地铁站点服务的居民高达65%，并且凭借完善的步行连廊，实现公共交通占机动化出行分担率约为90%，从整体上提高了城市的出行效率。
6.2.2 建立和完善交通规则范式
随着城市特别是特大城市、超大城市社会经济的快速发展，交通供需不平衡、不充分问题将日趋严重。面对空间资源和环境资源的紧约束，探索建立一套新的交通规划范式，实现“以车位本→以人为本→以生活质量为本”的转变。比如，实施可持续城市移动性规划，促进交通规划更加关注多群体公众和相关利益群体的参与，更加关注城市的可持续性、经济活力、社会公平、公众健康和生态环境质量，更加关注人的出行，确保交通的可达性和安全性，减少空气和噪音污染、温室气体排放和能源消耗，提高人员和货物运输的出行效率和成本效益，提高城市环境的吸引力和质量。
6.2.3 优先提高绿色交通的可达性和出行速度
当城市空间布局和城市形态结构发展相对稳定后，出行距离会保持在一定的范围，提高城市的出行效率的本质就是提高交通可达性和出行速度，或减少出行耗时。然而，交通的本质是实现人和物的移动，保障大运量交通的路权和两端接驳的可达性、便捷性，即提高集约交通出行速度、绿色交通分担率以及货物集约运输效率，与“公交优先”、“低碳出行”理念相辅相成，也体现出社会公平的价值观，从而提高城市的出行效率以及城市向着绿色、可持续方向发展。
6.2.4 高度整合各种出行方式的数据实现“一站式”出行服务
从居民出行感受来讲，出行效率低于预期感受的出行耗时或出行速度时，则证明在整个“出行链”过程中产生交通延误或拥堵，造成出行效率下降，从而导致居民出行时间价值的损失，影响城市社会经济的健康发展。随着互联网、大数据等信息技术的快速发展，居民的全过程出行可以通过信息化平台、APP 等提前感知信息，提高了出行效率。比如，通过信息平台、APP（如广州市“行讯通”）获取公交到站时间信息，通过互联网地图、可变信息版、信息平台获取道路运行情况和“最佳”行驶路径，通过智能电召系统、信息平台、APP 等可以与出租汽车、网约车、顺风车、共享单车等交互，实现这些交通工具与市民需求的智能匹配等。
7 结语
在评估了交通出行类App的效能后，能够成功地满足不同类型用户的需求，通过提供各种功能，如实时交通信息、出行路线查询和预订服务，使用户能够更加便捷地规划和管理自己的出行。这些App不仅提供了高效的服务，同时也改善了用户体验，使人们出行更加轻松愉快。
在高峰期一些App可能会出现崩溃或卡顿等现象，这不仅影响了用户的使用体验，也可能会造成一定的不便。此外部分App的广告投放过于频繁，这可能会对用户体验造成一定的干扰，因此我们建议相关企业加强技术研发和维护，提高App的性能和稳定性，同时优化广告投放策略，减少对用户体验的影响。
针对数据安全和隐私保护问题，强调企业应加强数据安全防护措施，确保用户数据的安全性和隐私不受侵犯。随着大数据技术的快速发展，交通出行类App在收集和分析用户数据方面具有巨大的潜力，然而这也带来了数据安全和隐私保护的挑战。因此企业在加强数据利用的同时也要重视数据安全和隐私保护问题。
随着科技的不断进步和创新，我们可以预见更多的智能化、个性化服务将出现在此类App中。例如，通过引入人工智能技术，可以为用户提供更加个性化的推荐和服务；通过加强与其他行业的合作，可以为用户提供更加多元化的服务选择，同时拓展国际市场也将为这些企业带来更多的机遇和挑战。
交通出行类App在满足用户需求、提高出行效率和改善用户体验方面发挥了重要作用。然而仍需关注并解决一些现存问题，这些App有巨大的发展潜力，通过持续的优化和完善，它们将在交通出行领域发挥更积极的作用，推动行业的持续发展与创新，同时我们也期待着这些App能够在未来的发展中带来更多的惊喜和便利。
参考文献
- 严亚丹，崔璨，王东炜. 基于导航App推荐路径和道路功能等级的路网运行分析[J]. 北京工业大学学报，2022，48(10):1046-1055. DOI:10.11936/bjutxb2021040018.
- 才溢. 基于不同刷闸动作的轨道交通闸机通过能力研究[J]. 铁道经济研究，2023(1):49-55. DOI:10.3969/j.issn.1004-9746.2023.01.009.
- 邓昭，宋佳琪. 后疫情下轨道交通App分流设计研究[J]. 设计，2023，36(10):23-27. DOI:10.3969/j.issn.1003-0069.2023.10.008.
- 孙海鸿，董依颖，陆颖. 基于手机端智能时间管理App界面设计研究[J]. 时尚设计与工程，2022(4):6-9.
- 叶小利，许懋琦. 基于用户体验的轨道交通类App情感化设计研究[J]. 工业设计，2020(10):155-156. DOI:10.3969/j.issn.1672-7053.2020.10.072.
- 王蕊. 基于Android的城市智能停车App设计[J]. 软件，2020，41(7):216-219. DOI:10.3969/j.issn.1003-6970.2020.07.044.
- 刘圣月，张红丽，萧家恒. 定制公交线网动态规划方法研究[J]. 黑龙江交通科技，2019，42(4):190，192. DOI:10.3969/j.issn.1008-3383.2019.04.100.
- 徐春红. 浅析移动互联网终端路况App的优势[J]. 通讯世界，2021(3):48-49. DOI:10.3969/j.issn.1006-4222.2015.03.034.
- 周崇华，高作刚，徐琛，等. 基于智能手机App的交通信息服务系统规划研究[J]. 交通与运输，2022(z1):76-79.
- 游晓飞. 交通事故案件中App平台公司的责任承担规则——以余学锋诉王刚领、北京小桔科技有限公司等机动车交通事故责任纠纷案为例[J]. 法律适用，2021(4):60-66.
- 薛磊，易晓，周立佳，等. 中荷城际列车交通系统移动App产品的差异化研究[J]. 装饰，2022(3):90-91.
- 汤绘晔. 路边智能停车设备App开发设计研究[D]. 兰州交通大学，2022.
- 郑海燕. A市轨道交通乘车App营销策略改进研究[D]. 四川:电子科技大学，2022.
- 高琪. 网约私家车App出行平台事故责任认定研讨[J]. 淮南师范学院学报，2020，20(6):14-21. DOI:10.3969/j.issn.1009-9530.2018.06.004.
- 瞿绪方. 宁波公共自行车手机App的研究及应用[J]. 人民公交，2020(1):79-81. DOI:10.3969/j.issn.1674-8050.2018.01.021.
- 如之. 2019出行管理App排行[J]. 互联网周刊，2019(10):44-45.
- 郑懋. 低碳理念导向的出行管理App界面设计研究[D]. 四川:西南交通大学，2020.
- 陈烨菲. 浅析公共交通类App的用户体验设计[J]. 文艺生活·文艺理论，2021(4):55-55.
- 王新宇. 面向Android平台的App隐私信息泄露风险分析关键技术研究[D]. 中国科学院大学，2022.
- 陈跃文. 携程旅行App中张家界旅游形象呈现研究[D]. 湖南:湖南大学，2019.
- 尹珍珍. 城市多模式出行App的设计与开发[D]. 兰州交通大学，2020. DOI:10.7666/d.Y3444039.
- LIU MEIJIE. 基于城市特色文化的掌上公交App界面视觉设计研究[D]. 河北:河北工业大学，2021.
- 王腾跃. 打车类手机App用户体验研究[D]. 北京:对外经济贸易大学，2021.
- 重庆大学. 基于轻量级神经网络的驾驶姿态识别与管理系统及App应用:CN201910589091.X[P]. 2022-10-01.