紐約計程車大資料探索

本文旨在探索紐約城市市民的叫車出行習慣，通過對145萬餘條資料的定量分析，針對提出的問題相應地得出了些許結論。並在文末分析了日後可以進一步擴充的探索方向。
資料來自於kaggle，選用train.csv中的資料記錄進行相關資料分析，使用Python作為分析工具。

資料來源：Kaggle|New York City Taxi Trip Duration

也可參考紐約市計程車和轎車委員會發布的歷史資料集： NYC|(TLC Trip Record Data

過程設計：

• 提出問題
• 理解資料
• 資料清理
• 資料分析
• 得出結論

---

一、提出問題

根據已有資料分析：

1、何時為叫車需求高發期？

2、居民夜生活活躍情況？

3、城市一天的什麼時候最為擁堵？

4、什麼時間容易接到長途單？

---

二、瞭解資料

表單說明：

id - 每次行程的唯一ID

vendor_id - 行程提供者的ID

pickup_datetime - 上車的日期和時間

dropoff_datetime - 停表的日期和時間

passenger_count - 車輛中的乘客數量（駕駛員輸入值）

pickup_longitude - 上車的經度

pickup_latitude - 上車的緯度

dropoff_longitude - 下車經度

dropoff_latitude - 下車的緯度

store_and_fwd_flag - 行程記錄是否為儲存轉發（或是直接傳送）– Y =儲存和轉發 N =沒有儲存

trip_duration - 行程持續時間（秒）

四、 資料分析與視覺化

分析一：何時為叫車需求高發期

在2016年1月至6月這段時期裡，月行程單數最多的月份是3/4/5月份，日均訂單最多的月份是4/3/2月份。

差異性說明了在分析月份相關的資料時要考慮到每月天數的影響。由於每個月的天數不一樣，分析時應以日為維度。

1、1月份和5月末出現了異常低值，需要找到其原因。

2、通過觀察可以看出，訂單數量隨日期的變換呈規律性的波動（不考慮異常值），但是根據右圖可以看出與日期為幾號相關性不大，據此推測訂單數量可能與星期幾有關。

“1、1月份和5月末出現了異常低值，分析其原因。”

—- 調查結果：

(1)美遭暴風雪襲擊 紐約時報廣場飛雪飄零_網易新聞

2016-1-24 · 當地時間2016年1月23日，美國紐約，美國遭遇暴雪天氣，暴雪中的時報廣場。

(2)突發！紐約地鐵一日接連發生兩起死亡事故 –國際–人民網

29日，紐約地鐵接連發生了兩起死亡事故，分別造成一名男性和一名女性死亡。

(3)陣亡將士紀念日 (5月的最後一個星期一)

中新網5月30日電 據美媒報導，美國迎來“國殤日”長週末，標誌著夏季的正式開始。

(4)紐約將迎“曼哈頓懸日”奇觀 夕陽餘暉盡染

與此同時，每年僅出現2次的盛景“曼哈頓懸日”(Manhattanhenge)也將光臨紐約。

接下來研究星期對乘車的影響：

上圖圖一展示了在2016年1月1日至2016年6月30日這半年內，每日訂單總量、每日乘客數隨日期的波動。

上圖圖二展示的是單均乘客數隨日期的波動。這說明在週期的某一階段，不僅訂單數量增多，而且人們偏向於結伴出行。

“2、推測訂單數量可能與星期幾有關”—- 分析結果：

圖一是星期一到星期日，訂單總數、乘客總數的變化趨勢，從中可以看出從週一到週六，訂單數量和乘客人數呈線性增長，週日回落至與週二同等水平，這說明市民在週五、週六叫車出行的頻次最高。這可能來自兩種原因：一種可能是人們在週五週六更願意出門，第二種可能是人們在週五週六更願意選擇叫車。

圖二是星期一到星期日，單均乘客數的變換趨勢，從中可以看出週六、週日為多人拼車高發期，據合理推測，應該是週末放假而導致的結伴出行的機率升高的緣故。

從圖中可以看出：

（1）早高峰表現不顯著，從早5點開始，訂單量由谷底回升，到達約早8點後訂單量開始趨於穩定，在一段時間內波動不明顯。

原因推測：1、市民上班的出行需求被公共交通、私家車等分擔，不會偏好於計程車出行；2、市民的上班時段不集中

（2）晚高峰表現顯著，從晚5點半開始訂單量有小規模增長，約晚7點進入叫車最高峰，且在23點之前的平均叫車量要高於白天時段。

原因推測：1、相比於早間，市民在晚間外出活動時更偏向於計程車出行。

（3）下午時段，16:40左右出現訂單量回落。

原因推測：1、司機交班；2、道路擁堵。

分析二：居民夜生活活躍情況？

紐約市民夜生活活躍情況：從23點開始，訂單量顯著下降，這一下降持續到約早5點，早5點是一天內訂單量最低的時刻。

分析三： 城市的一天什麼時候最為擁堵？

問題轉化為：行駛速度最高/低的時刻

由圖可以看出，行駛速度在一天內可以大致分為三個階段：

階段一：08:00-20:00
這段時間的車輛行駛速度是三個階段中最低的，這也是白天人們活動比較活躍的時段，速度基本穩定在同一水平，不存在明顯的極值。

階段二：20:00-03:00
這一階段開始，車輛的行駛速度有微弱的上升趨勢，階段的平均速度相較於階段一來說高出大概1/3的水平。

階段三：03:00-08:00
在這段時間，車輛的行駛速度先是明顯上升，在約5點的時刻顯著回落。這告訴我們清晨五點是紐約這座城市的甦醒時刻。

分析四：什麼時間容易接到長途單

時間和訂單路程距離是否有關係呢？接下來進入分析

分析結果：在凌晨時段最容易接到長途單，在5點左右最為明顯。

另外，看到圖形時有種似曾相識的感覺，原來與行駛速度的圖形十分相似。是相關關係還是因果關係呢？

總結

分析到此告一段落，其實這個資料還有值得分析的地方，比如，結合地理位置的資料，可以根據區域劃分出不同行政區的乘客行為特點。對城市有更為細緻的詮釋。

還可以分析哪些時段的哪些區域更容易發生訂單，這對出租排程來說是個有效資料。

從暴雪帶來的異常值可以推測，天氣與訂單量是有密切關係的，根據日期對應天氣資料，可以進一步分析天氣與訂單量的影響。結合位置資料，還可以分析哪些區域受天氣的影響較大，等等。

另外機場、車站，作為比較有特點的地理位置，也可以單獨作為一類來研究。

另外如果進一步獲取更多時間軸上的資料，也可探索更多例如同比分析、環比分析的方法，並且可以進一步提升結論的可靠性。

預留問題：

–上車位置最多的地方，下車位置最多的地方？人都去哪了？

–行旅出差人士行為偏好？