[論文レビュー] OpenStreetCab: Exploiting Taxi Mobility Patterns in New York City to Reduce Commuter Costs

Vsevolod Salnikov, Renaud Lambiotte+2 more|arXiv (Cornell University)|Mar 10, 2015

Human Mobility and Location-Based AnalysisSocial Sciences参考文献 2被引用数 21

ひとこと要約

本論文では、2013年ニューヨークシティの黄色タクシーの公的データセットとUberのAPIを用いて、ニューヨーク市における黄色タクシーとUber Xのリアルタイム運賃を比較するモバイルアプリ「OpenStreetCab」を提案する。その結果、黄色タクシーは平均してUber Xよりも1.40ドル安かった。特に35ドル未満の短距離移動では顕著であり、都市移動行動パターンにおける短距離移動の頻度の高さを踏まえたUberの定価モデルの特徴が明らかになった。

ABSTRACT

The rise of Uber as the global alternative taxi operator has attracted a lot of interest recently. Aside from the media headlines which discuss the new phenomenon, e.g. on how it has disrupted the traditional transportation industry, policy makers, economists, citizens and scientists have engaged in a discussion that is centred around the means to integrate the new generation of the sharing economy services in urban ecosystems. In this work, we aim to shed new light on the discussion, by taking advantage of a publicly available longitudinal dataset that describes the mobility of yellow taxis in New York City. In addition to movement, this data contains information on the fares paid by the taxi customers for each trip. As a result we are given the opportunity to provide a first head to head comparison between the iconic yellow taxi and its modern competitor, Uber, in one of the world's largest metropolitan centres. We identify situations when Uber X, the cheapest version of the Uber taxi service, tends to be more expensive than yellow taxis for the same journey. We also demonstrate how Uber's economic model effectively takes advantage of well known patterns in human movement. Finally, we take our analysis a step further by proposing a new mobile application that compares taxi prices in the city to facilitate traveller's taxi choices, hoping to ultimately to lead to a reduction of commuter costs. Our study provides a case on how big datasets that become public can improve urban services for consumers by offering the opportunity for transparency in economic sectors that lack up to date regulations.

研究の動機と目的

• 公開利用可能な移動データおよび運賃データを用いて、ニューヨーク市における黄色タクシーとUber Xのコスト効率を比較すること。
• 人間の移動行動のパターン、特に短距離移動の頻度の高さを踏まえた、Uberの定価モデルの特徴を調査すること。
• リアルタイムの価格比較に基づき、通勤者が最も安価なタクシーサービスを選べる実用的なモバイルアプリの開発をすること。
• オープンデータを活用して消費者を支援することで、都市交通の定価に関する透明性を高めること。
• ビッグデータが、意思決定を支援することで都市サービスの改善と通勤コストの削減にどのように寄与できるかを示すこと。

提案手法

• 本研究では、2013年のニューヨーク市黄色タクシーの移動データ（出発・到着座標および合計運賃、チップを含む）を含む縦断的データセットを用いる。
• 各移動について、同じ出発地・目的地ペアに対して、UberのAPIを用いて推定された運賃と比較する。
• UberのAPIは運賃の範囲を返すが、その最小値と最大値の平均値を比較に用いる。
• 100m×100mのグリッドセルを用いた空間インデックス化により、任意のユーザーのクエリに対して類似した移動を効率的に検索可能となる。
• OpenStreetCabアプリは位置情報を利用して、データセット内の近隣のタクシー移動を特定し、APIを介して対応するUber Xの運賃推定値を取得する。
• 本システムはリアルタイムの価格比較を提供しており、今後のアップグレードでは時間帯や交通状況を考慮した価格推定を計画している。

実験結果

リサーチクエスチョン

• RQ1 同じ出発地・目的地ペアについて、ニューヨーク市における黄色タクシーの運賃とUber Xの運賃はどのように比較されるか？
• RQ2 Uberの定価モデルは、都市部の短距離移動の統計的パターンをどの程度活用しているか？
• RQ3 リアルタイムでタクシー運賃を比較するモバイルアプリは、都市環境における通勤コストを削減できるか？
• RQ4 歴史的タクシーデータとリアルタイムAPIクエリを組み合わせた価格推定システムの正確性とスケーラビリティはどの程度か？
• RQ5 オープンデータは、都市移動サービスにおける透明性と競争を高めるためにどのような役割を果たせるか？

主な発見

• 中央値の運賃比較に基づき、黄色タクシーは同じ移動について平均して1.40ドル安かった。
• 35ドル未満の移動の70％において、Uber Xは黄色タクシーよりも高価であり、短距離移動ではコスト面で不利であることが示された。
• ニューヨーク市の平均移動距離は2.09キロメートルであり、都市移動行動における短距離移動の優位性が裏付けられた。
• 本研究は、移動距離の重尾分布を特徴とする人間の移動行動パターンが、短距離移動に対して高い基本運賃を課すUberのような定価モデルに有利に働くことを確認した。
• OpenStreetCabプロトタイプは、歴史的タクシーデータとリアルタイムのUber APIクエリを組み合わせたリアルタイム運賃比較を成功裏に実証した。
• このアプリケーションはモバイルプラットフォームにデプロイ可能であり、通勤者がコストを意識した交通選択を下すための実用的ツールを提供している。