“互聯網+”時代的出租車資源配置

安曉丹，趙杰，章林楓，王濟榮

(運城學院 應用數學系，山西 運城 044000)

“互聯網+”時代的出租車資源配置

安曉丹，趙杰，章林楓，王濟榮

(運城學院 應用數學系，山西 運城 044000)

主要研究“互聯網+”時代的出租車資源配置。首先，基于“互聯網+”時代的出租車資源配置的指標體系，結合所統計的深圳市的相關數據，建立閥值函數討論不同時空出租車資源的供求匹配程度等級。其次，通過建立層次分析模型，經過數據分析，得出各公司的出租車補貼方案對“緩解打車難”是有積極作用的。最后，針對現有補貼方案的不足，設計出新的補貼方案，并建立滿意度模型進行合理性論證。

出租車；互聯網+；信息服務平臺；資源配置

1. 問題的提出與分析

2015年全國大學生數學建模競賽B題。是關于“互聯網+”時代的出租車資源配置問題。出租車是市民出行的重要交通工具之一，“打車難”引起了人們的廣泛關注。隨著“互聯網+”時代的到來，許多公司依托互聯網建立了打車軟件服務平臺，實現了乘客與出租車司機之間的信息互通，并推出了多種出租車的補貼方案。

問題一：關于出租車資源“供求匹配”程度的研究。以“互聯網+”時代搶單時間、車費、打車需求量和出租車分布這四個指標量，根據滴滴、快的智能軟件平臺所統計的深圳市9月5日到9月11日的相關數據，計算出的空車率，建立閥值函數分析“供求匹配”程度。

問題二：第一問中建立的四個指標，同時也是“緩解打車難”的影響因子，以此作為準則層，通過應用層次分析法，研究滴滴打車軟件、快的打車軟件和不使用打車軟件的出租車補貼方案，對緩解打車難是否有幫助。

問題三：針對現有軟件服務平臺的不足，試圖創建一個新的打車服務平臺的補貼方案，以此激勵出租車司機的“出車率”。并就其合理性和可行性進行理論上和實踐上的分析。

2. 模型的假設

假設所研究對象全部使用打車軟件；假設收集的數據真實可靠；假設評價指標合理；

3. 模型的建立與求解

3.1 關于問題一的討論

通過滴滴、快的智能出行平臺對數據的提取、統計，獲得了深圳市出租車供需時空分布特征，主要從時間需求分布、空間需求分布兩個方面進行分析。首先，由收集到的數據分別作搶單時間、車費、打車需求量和出租車分布這四個指標在時間上的分布圖。

其次，根據出租車的分布情況，選取深圳市幾個出租車載客出行聚集的典型區域，將其分為龍華鎮、布吉鎮、西鄉鎮、南山區、福田區、羅湖區，分析出租車載客空間分布圖。

最后，建立“供求匹配”程度的刻畫，計算出不同時空的空車率

其中n表示出租車分布總數，m表示總的訂單數，而上文中打車需求量就是指總的訂單數，a表示訂單成功率。

打車需求量矩陣

設空車率矩陣

為了簡便計算，將上述矩陣轉化為“供求匹配”矩陣Y，選取適當的閥值α，選取標準如下表：

空車率范圍α>0．950．90<α<0．950．85<α<0．90α<0．85等級1234“供求匹配”程度好較好較差差

使用Matlab軟件將空車率矩陣Z轉化為矩陣

由于堆積數據點折線圖可以在同一分類(或時間上)進行累計，這樣可以顯示兩個數據系列在同一分類(或時間上)的值的總和的發展變化趨勢。所以將矩陣Y分別做成不同時間和不同地點的堆積數據點折線圖，見下圖：

圖1 周末不同時間堆積數據點折線圖

圖2 工作日不同時間堆積數據點折線圖

由圖1可知，在周末9:00～10:00和20:00～21:00處于低谷，空車率大，“供需匹配”程度較好；全天曲線的起伏波動比較平緩且數值較高，說明周末出租車的“供求匹配”程度總體上是不太好的。

由圖2可知，在工作日1:00～6:00，“供求匹配”程度最好，而在6:00到9:00出現陡然上升，表明“供求匹配”程度較差。

對比圖1和圖2可得：在1:00～6:00工作日的“匹配需求”程度要比周末好。

圖3 周末不同地點堆積數據點折線圖

圖4 工作日不同地點堆積數據點折線圖

由圖3和圖4對比可得：龍華鎮、布吉鎮和南山區無論在周末還是在工作日，訂單成功率都比較高，需求量大，“供求匹配”程度較差；而西鄉鎮、福田區和羅湖區周末的訂單成功率比工作日高。

3.2 關于問題二的討論

通過對滴滴打車、快的打車、非軟件公司打車補貼方案的研究，建立層次結構模型如下：

構造判斷矩陣

①目標層與準則層的判斷矩陣如下：

②各補償方案層與指標層的判斷矩陣如下：

方案層對搶單時間的判斷矩陣

用yaahp軟件算得權向量w1=(0.3496，0.5801，0.0703)T，最大特征值λm=3.0325，CI=0.0312<0.1

方案層對車費的判斷矩陣

用yaahp軟件算得權向量w2=(0.2344,0.6877,0.7780)T，最大特征值λm=3.0775，CI=0.0745<0.1

方案層對打車需求量的判斷矩陣

用yaahp軟件算得權向量w3=(0.5485,0.2106,0.2409)T，最大特征值λm=3.0183,CI=0.0176<0.1

方案層對出租車分布的判斷矩陣

用yaahp軟件算得權向量w4=(0.3338,0.1416,0.5247)T，最大特征值λm=3.0538，CI=0.0517<1

各出租車公司采用滴滴打車軟件、快的打車軟件和不使用打車軟件得到的相應的補貼方案對“緩解打車難”所占比重分別為0.3718，0.4415，0.1867，由于0.3718>0.1867,0.4415>0.1867，因此各軟件公司補貼方案在一定程度上對“緩解打車難”是有幫助的。

3.3 關于問題三的討論

設計出一個新的出租車補貼方案如下[8]：

打車軟件服務平臺出租車補貼方案

(1)補貼開始時間

新的補貼方案從9月14日凌晨開始實施。

(2)補貼辦法

①補貼金額為每單減免3元，每天2單。

2018年1月，《普通高中生物學課程標準(2017年版)》(簡稱《新課標》)的頒布，昭示著凝練核心素養的新一輪課程改革的全面實施。深刻領會新課標的價值內涵，精準把握新課程標準的教育教學目標要求，是構建核心素養教育的高效課堂、有效達成教育教學目標的基本保證。在此，筆者就新課標背景下的高中生物學教學認知進行探討交流。

②新的補貼方案除了補貼金額的變化外，增加同一乘客、同一司機每人每天僅首單可享受減免，且一周內只有三單可享受減免。

③對沒有違反交通規則的司機實行額外補貼，按工作日進行統計，如果一個月沒有發生交通違規，給予100元補貼。

(3)具體實施細則

①北京、上海等一線城市每單補貼6元至10元，但每天僅補貼2單。

②二三線城市乘客每單補貼“起步價-20元”不等。

③針對各城市的具體情況，對邊遠市區補貼，根據偏遠程度和交通環境不同分別實行線性和平方補貼。

④在高峰期若出租車能在路上接到招手的顧客，司機每接一位乘客增加5元補貼，同時對使用打車軟件的乘客補貼2元；

⑤實行好評返現措施，若乘客對打車軟件滿意且對出租車司機服務滿意，則每次好評返現1-3元。

⑥給租車司機分發積分卡，得到1次好評記1分，成功接單記0.5分,年終根據積分多少進行分級獎勵。

(4)獎勵政策

①每完成一單任務將獲得獎勵，出租車司機完成每天規定的任務單后，就可享受高額補貼，最高限額200元。

②司機在進行每單任務時，可享受抽獎，每搶到一單都有機會抽獎，搶單可以累加，最高限額100元。

××軟件服務平臺

2015年×月×日

方案的合理性論證:

通過比較原來的補貼方案，可以發現新的補貼方案具有以下優點：

①新的打車軟件服務平臺為出租車提供需求熱點和最優線路等信息指導，出租車司機可以據此選擇最有利的工作方式，大幅降低空駛率、增加收入。

②使用打車軟件服務平臺，對乘客而言，可以有效降低候車、逆向和繞行帶來的不必要的時間成本和經濟成本。

③對沒有發生事故的司機實行額外補貼，可以減少交通事故，保障用戶出行。

④新的打車軟件服務平臺鼓勵出租車搭載招手乘客，很好地解決了高峰期沒有使用打的軟件人群打車難問題；

⑤新平臺通過對行駛邊遠市區的不同路況補貼，可有效解決邊遠市區打車難問題；

⑥好評返現與給出租車分發積分卡可調動出租車司機與乘客使用軟件的積極性；

⑦對使用軟件乘客使用次數進行補貼可有助于防止乘客流失。

另外，從實踐過程中可以看出，建立滿意度模型把顧客和出租車司機應用打車軟件服務與心理感知結合起來，可以有效的將理論上論證得到實際檢驗。滿意度模型如下[9]:

每個時段乘客的不滿意度：

每個時段出租車司機的不滿意度：

顧客的總體不滿意度：

出租車司機的總體不滿意度：

其中，ki表示第i時段上的平均每輛車的載客量，E表示顧客的不滿意程度，G表示出租車司機的不滿意程度，k*表示出租車收益載客量

4. 結束語

出租車資源配置是人們關注的焦點，互聯網時代的到來更是對出租車市場提出新的挑戰，本文研究了深圳市的六個地區出租車的時空分布，采用了堆積折線點折線圖，簡潔明了，更加強調幾組數據和的變化趨勢。對補貼方案的合理性論證時，建立滿意度模型能夠很好地反映乘客和出租車司機對新的補貼方案的滿意程度，保證了補貼方案的實用性。

盡管如此，該模型還存在以下缺點：

(1)第二問采用層次分析法，定量數據較少，定性成分多，不易令人信服。

(2)雖然建立了滿意度模型，但是沒有得到數據的支撐，還沒有進行實際的應用。

因此，本文對于“互聯網+”時代的出租車資源配置問題，分析不同時空出租車資源配置程度、分析不同補貼方案對打車難的幫助、以及設計補貼方案并論證其合理性。這將對研究互聯網時代下出租車配置問題有一定的借鑒作用。

[1]Douglas，G．W．Priceregulationandoptimalservicestandards：Thetaxicabindustry[J]．JournalofTransportEconomicsandPolicy．1972，20：l16～127.

[2]Yang，H．，Wong，S．C．，(1998)．Anetworkequilibriummodelofurbantaxiservices[J]．TransportationResearchPanB32(4)：PP．235-246．

[3]張錚．基于浮動車數據的城市分區出租車出行供需水平研究[D]．上海：同濟大學交通運輸工程學院．2009.

[4]網易新聞.如何理解滴滴快的“動態調價”的預判價格差異[DB/OL].http://help.3g.163.com/15/0812/18/B0RC41ER00964KE0.html．

[5]姜啟源等．數學建模[M]．北京：高等教育出版社，2011．

[6]朱道元等．數學建模案例精選[M]．北京：科學出版社，2003．

[7]時佩．基于雙邊市場理論的打車軟件競爭策略研究[D]．北京：北京工商大學經濟學院．2015．

[8]出租汽車油價改革財政補貼資金方案http://www.chexun.com/2012-12-04/101587161.html．

[9]李成功等．公交車調度優化模型[J]．蘭州工業高等專科學校學報，2002(3)．

[10]齊魯晚報．出租車“互聯網+”尷尬了誰http://epaper.qlwb.com.cn/qlwb/content/20150604/ArticelA09002FM.htm．

【責任編輯 荊 瑤】

2015-08-21

國家級大學生創新創業訓練項目(201510123002)；運城學院科研基金項目(XK-2012005，XK-2014031)

安曉丹(1991-)，女，山西天鎮人，運城學院應用數學系1202班學生。

TP

A

1008-8008(2015)06-0034-04