基于灰色關聯神經網絡的出租車資源配置供求匹配研究

賀小麗+郭歡+樂朦+李明+李家越

摘 要：本文通過對某打車軟件后臺所抓取的數據信息為依據，采用灰色關聯度分析、神經網絡算法等理論知識，借助MATLAB軟件編程，以武漢市為例對出租車市場的相關問題進行了系統分析研究。

關鍵詞：空駛率；灰色關聯分析；神經網絡模型

中圖分類號：U492 文獻標識碼：A

1.出租車市場供求匹配灰色關聯度模型和神經網絡模型

1.1 灰色關聯度分析理論

灰關聯分析是基于灰關聯空間而建立的一種分析方法，較好地融合了距離空間與拓撲空間的特點。對一個抽象的系統或現象進行分析，首先確定反映系統行為特征的數據序列，還需進一步明確影響系統主行為的有效因素。有了系統行為特征數據和相關因素的數據，即可作出各個序列的圖形，從直觀上進行分析。具體數學描述如下：

1.2 神經網絡理論

人工神經元的結構模型，它是一個多輸入單輸出的非線性閾值器件，其中x1，x2，…xn表示神經元的n個輸入信號量；w1，w2，…，wn表示對應輸入的權值，它表示各信號源神經元與該神經元的連接強度；A表示神經元的輸入總和，它相應于生物神經細胞的膜電位，稱為激活函數；y為神經元的輸出；θ表示神經元的閾值。

2.實例分析

2.1 數據的抓取和數據分析

數據采集步驟：

第一步，下載安裝Firefox瀏覽器。

第二步，打開Firefox瀏覽器的菜單欄，在窗口最上方，點擊鼠標右鍵，選擇“菜單欄”。

第三步，選擇工具——Web開發者——瀏覽器控制臺，點擊“網絡”，則會顯示所有Firefox的通信消息。

第四步，打開Firefox瀏覽器，輸入滴滴快的智能出行平臺網址（v.kuaidadi.com），點擊重要城市情況，選擇武漢城市，在可視化維度選擇中會出現出租車分布、打車難易度、打車需求量、被搶單時間、車費、出行軌跡以及時間這幾個選項。

第五步，選擇出租車分布，在窗口下方時間軸的自動掃描下，瀏覽器控制臺中會顯示所有Firefox的通信消息，只有標志成XHR的通信消息才含有ZIP數據。

第六步，點擊其中一條消息，使用鼠標右鍵，選擇菜單中“在新的瀏覽器標簽頁中打開”，即可以得到最近一周內某一天24小時出租車分布的數據。

其中114.2732，30.5772分別代表經緯度，163代表出租車分別數量。

第七步，在可視化維度選擇中依次點擊打車難易度、打車需求量、被搶單時間、車費、出行軌跡，使用相同的方法，得到各個數據。

2.2 神經網絡模型具體計算

將城市居民年人口總量、城市居民人均出行次數、城市居民人均出行距離、出租車平均營運時間、出租車平均車速出租車保有量作為輸入數據，以空乘率作為輸出來構建出租車供求匹配程度分析的神經網絡模型。采用的神經網絡結構為6-7-1，輸入層為6個神經元，作用函數為線性傳遞函數（purelin），對應輸入的權值w1，w2，...，w6分別用其對應指標與空駛率的關聯度；隱含層有7個神經元，作用函數為對數S型傳遞函數（sigmoid）；輸出層為1個神經元，作用函數同隱含層一樣為對數S型傳遞函數（sigmoid）。

2.3 模型檢驗

以武漢市三環以內城區為研究對象，根據附件四（滴滴打車智能平臺武漢市信息統計表）和相關資料得到以下數據：武漢市一天內平均運行的出租車數量，并可得到武漢市出租車的平均運營時間。得到一天內統計的1643次乘車中共行駛10179km，平均每次出行里程D=6.195375。同時根據相關數據統計可以得到：

即9月6日武漢市出租車資源整體上處于供應平衡的狀態。再利用同一地點9月4日的數據得到K=37.4252%以上2組結果表明武漢市出租車市場供需關系整體上處于平衡狀態。

2.4 分時段計算

據調查數據分析，得出了每一時刻的出租車空駛率，在8點9點早上班高峰空駛率呈負數，表明當前情況出租車市場極度不平衡，中午12點午休時間及下午4至6點下班高峰期都屬于同一種情況；晚10點以后至早上7點以前空駛率極高最高峰可達90%；其余時間空駛率基本穩定在30%～50%表明出租車市場供需基本平衡或供略大于需。利用上述數據按出租車分布100輛以上的為繁華區、60～100輛的為一般地區、60輛以下的偏遠地區。假設繁華區、一般區、偏遠區分擔城市出行量分別為50%，30%，20%。計算得空駛率為

其結果表明繁華區供需極度不平衡，一般區需求略大于供，偏遠區供大于求。

結語

本文的神經網絡模型使用了較為大量的數據作為系統輸入，因此在擁有足夠數據庫的情況下可以直接進行其他市場或系統的相關計算，應用面廣，拘束力不強，模型可以向同樣有多重因素相互作用和影響的事件推廣。

參考文獻

[1]帥朝暉.城市出租車資源配置研究[D].上海交通大學，2011.