基于“互聯網+”時代下的出租車資源優化配置研究

姜寶勝 張建建 喬亞娟

【摘要】 基于“互聯網+”的融合，對出租車資源配置進行了優化研究. 通過建立改進的多邊匹配因素分析模型，將出租車與乘客供求匹配因素分為必須要滿足的硬度因素和可協調的軟度因素，得到不同時空出租車匹配程度. 將優勢補貼方案和公司資本相結合，確定打車軟件公司、司機和乘客三者之間的利益平衡點，借助整數規劃實現模型的優化.

【關鍵詞】 多邊匹配；滿意度；整數規劃

引 言

隨著我國城市化進程的加速，城市交通問題已經成為許多城市面臨的難題，而作為主要交通工具的出租車，“打車難”問題日益突出. 在“互聯網+”時代的大背景下，運用互聯網技術解決打車難問題尤為重要.

一、雙邊匹配模型的建立與求解

在日常生活中，很多市場都存在一項重要功能，即把市場一方與另一方匹配起來，在經濟體系中，一方與另一方之間會形成“集團”或“對”.

如果將乘車供求關系看成是“商品”交換的話，則可以將影響出租車供求信息匹配程度的因素分為兩大類：硬性因素和軟性因素.

對于乘客硬性因素：必須在規定的時間內到達目的地D 軟性因素：等待時間C 費用較小D

對于司機硬性因素：收益最大D 軟性因素：乘客所在的區間D 打車時的時間D

圖1 屬性因素分類分級圖

為了能夠得到匹配過程中的每對供求信息之間的相對評價信息，也就是說在搜尋匹配供求信息時，一方需要對對方信息進行評價，那么評價指標如何描述和量化，這時可以用“滿意度值”來表示，通過滿意度的量化，從而得到“供求匹配”程度的高低. 把供應信息對需求信息的滿意度用G表示，需求信息對供應信息的滿意度用X來表示.確定這個滿意度值實際上是一個多目標決策過程，要考慮多種因素，只有當一條供應信息滿足了另一條需求信息的硬性期望值，那么，這條供應信息才有可能與需求信息進一步匹配，否則，就會破壞其匹配的穩定性，即“供求匹配”程度低.

現有假設：乘客需求信息集合R={r1，r2，r1，rn}，其中ri表示集合中R第i個信息. 司機供應信息集合S = {s1，s2，…，si，…，sn}（j，m？哿N），其中sj表示集合S中第i個信息.

乘客需求信息的影響因素個數為pr；乘客需求信息ri對司機供應信息sj的總體滿意度為Dij；乘客需求信息ri對司機供應信息sj的第k個因素的滿意度為D ；乘客需求信息ri對司機供應信息sj的第k個因素的期望值為E ，司機供應信息給出的相應值C .

司機需求信息的影響因素個數為ps；司機供應信息sj對乘客需求信息ri的總體滿意度為Dji；司機供應信息sj對乘客需求信息ri的第k個因素的滿意度為D ；司機供應信息sj對乘客需求信息ri的第k個因素的期望值為E ，乘客需求信息給出的相應值為C . 討論乘客需求信息對司機供應信息的滿意度值X表示方法：

（1）對于硬度因素D 的滿意度值表示方法：

D = 1，滿足硬度因素0，否則

（2）對乘車區間因素D 的滿意度值表示：

D = ，E ≥C 1，E ≤C

（3）對打車時間因素D 的滿意度值表示：

D = ，E ≥C 1，E ≤C

根據雙邊匹配理論的要求，司機在搶單之前，需要對顧客整體信息集合進行滿意度值排序，在這個集合中，排序越靠前，說明與其匹配的可能性就越大. 本文將供應信息sj對需求信息ri的總體滿意度值表示為Dji，需求信息ri對供應信息sj的總體滿意度表示為Dij，則有：

Dij = ViD ，Dji = VjD .

其中Vi表示需求信息給出的權重 Vi = 1，Vi > 0，表示需求信息屬性因素的個數，Vj表示供應信息給出的權重 Vj = 1，Vj > 0，ps表示供應信息屬性因素的個數.

二、多邊匹配模型的建立與求解

在互聯網的背景下，打車軟件與傳統的招手打車有很大差別. 乘客通過在網絡發布自己的乘車信息，司機尋找適合自己的乘客. 這實際上是多對多的關系，彼此雙向選擇如圖2.

對城市繁華程度數據進行分析，通過Matlab軟件對數據進行三維坐標處理，得到圖3.

結 論

分析選取的清晨0點到12點數據，結果顯示出租車匹配數據三維圖中，區間繁華程度一定時，上班高峰期（8點到9點）的出租車供求匹配程度為求大于供，且匹配程度低，而7點則相對持平. 其他時段匹配程度為供大于求，且匹配程度高. 時間一定時，繁華地段求大于供且匹配程度高，而較荒涼地區匹配程度低.

結合北上廣深四大城市打車難衡量標準，對主流打車軟件“滴滴、快的”服務平臺進行對比，最終得到緩解打車難的影響值，從而確定打車補貼方案對“緩解打車難”有幫助，但并不長遠.