基于投入產(chǎn)出模型對機(jī)場出租車決策的研究

高志旭 何則滸

摘? 要：針對機(jī)場出租車司機(jī)決策及資源配置問題，文章綜合考慮出租車司機(jī)和乘客雙重效益，把出租車司機(jī)的決策過程看作對投入產(chǎn)出預(yù)估進(jìn)而決策的過程，建立投入產(chǎn)出系統(tǒng)及向量法決策模型，應(yīng)用Poisson分布、基于Delphi法改進(jìn)后的AHP等方法量化各指標(biāo)，分析得到?jīng)Q策方案。并選取2017年首都機(jī)場的實(shí)際相關(guān)數(shù)據(jù)，結(jié)合圈層外推法，對模型進(jìn)行檢驗(yàn)，驗(yàn)證了模型的有效性。該模型可更好地對機(jī)場出租車司機(jī)的決策進(jìn)行量化研究，也可以為機(jī)場制定相關(guān)政策提供可靠依據(jù)。

關(guān)鍵詞：向量法決策模型;改進(jìn)AHP法;Poisson分布;選擇策略

中圖分類號：U492.41? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2020）16-0066-03

Abstract： Aiming at the problem of airport taxi driver decision-making and resource allocation， this paper comprehensively considers the dual benefits of taxi driver and passenger， regards the taxi driver's decision-making process as the process of input-output prediction and decision-making， establishes the input-output system and vector decision-making model， quantifies each index by using Poisson distribution and improved AHP based on Delphi method， and analyzes the decision-making scheme. The actual data of the Capital Airport in 2017 was selected， and the model was tested in combination with the sphere extrapolation method to verify the validity of the model. The model can better quantify the taxi driver's decision at the airport， and can also provide a reliable basis for the airport to formulate related policies.

Keywords： vector method decision model; improved AHP method; Poisson distribution; selection strategy

1 概述

出租車作為機(jī)場運(yùn)輸?shù)闹饕煌üぞ咧?，對機(jī)場的客運(yùn)起著至關(guān)重要的作用。大多數(shù)乘客抵達(dá)機(jī)場后可通過乘坐出租車到達(dá)目的地，而出租車司機(jī)可以選擇在機(jī)場蓄車池等待接客，也可以選擇空載回到市區(qū)載客，而在現(xiàn)實(shí)情況中，有諸多因素會影響出租車司機(jī)的決策。由于出租車司機(jī)是獨(dú)立的實(shí)體，其決策會影響機(jī)場的出租車供應(yīng)，因此，有必要深入分析影響出租車司機(jī)決策的因素及其機(jī)理，找出最佳選擇策略，提高機(jī)場運(yùn)輸效率。

國外對出租車司機(jī)決策問題的研究較早，提出的研究方法和模型相對較多。如：M. Anil提出一種基于大型出租車GPS數(shù)據(jù)集的邏輯回歸模型，量化各參數(shù)的潛在影響。Saiedur針對機(jī)場出租車和乘客排隊(duì)環(huán)境的不平衡性，提出了融合三個現(xiàn)實(shí)世界數(shù)據(jù)集的隊(duì)列預(yù)測模型。R.C.P. Wong提出一種采用順序logit方法對客戶搜索中的空乘出租車駕駛員的雙層決策建模方法。隨著國內(nèi)機(jī)場的不斷建設(shè)和服務(wù)設(shè)施完善，機(jī)場運(yùn)輸越來越規(guī)范化和智能化。黃巖[1]提出一種出租車上客點(diǎn)系統(tǒng)的設(shè)計(jì)及現(xiàn)場組織管理方法。耿中波[3]建立了基于VISSIM微觀交通仿真的比選方法。吳嬌蓉[2]抽象出3種典型的出租車管理模式，分析了不同模式的特點(diǎn)、運(yùn)行效率和設(shè)置方式。

本文為對不同決策的有效性進(jìn)行評估，選擇投入、產(chǎn)出和不均衡性三類一級指標(biāo)建立決策選擇模型。通過對決策模型三個指標(biāo)的量化，確定決策向量，從而選擇出最優(yōu)決策方案。并結(jié)合圈層外推法、改進(jìn)AHP法進(jìn)行實(shí)例分析，給機(jī)場出租車司機(jī)提供決策選擇方案，根據(jù)實(shí)際數(shù)據(jù)對模型的合理性以及相關(guān)因素的依賴性進(jìn)行分析。

2 模型建立

通過查閱相關(guān)資料[3]以及結(jié)合機(jī)場實(shí)際情況得知，即使全國各個地區(qū)經(jīng)濟(jì)發(fā)展水平、交通運(yùn)輸能力、機(jī)場年均航班數(shù)普遍存在差異，但影響機(jī)場出租車司機(jī)決策的主要因素卻大致相同，且所選指標(biāo)應(yīng)具有科學(xué)性、代表性、全面性，因此本文提出一種基于投入產(chǎn)出系統(tǒng)的出租車司機(jī)決策模型，即將司機(jī)的決策過程看作一個對投入產(chǎn)出預(yù)估計(jì)后進(jìn)行決策的過程，建立此系統(tǒng)的一級評價(jià)指標(biāo)為投入（成本）、產(chǎn)出（收益）、不均衡性，此處不均衡性為客觀隨機(jī)的對司機(jī)決策產(chǎn)生影響的因素;再在這三類一級指標(biāo)基礎(chǔ)上建立各個二級評價(jià)指標(biāo)，并通過對這些評價(jià)指標(biāo)的量化，得到投入產(chǎn)出系統(tǒng)定性定量的綜合評價(jià)體系，進(jìn)而分析研究與出租車司機(jī)決策相關(guān)因素的影響機(jī)理[4]。

2.1 基于Poisson分布對投入指標(biāo)的量化

根據(jù)實(shí)際情況，采取排隊(duì)論中的等待制模型M/M/S/∞，該模型中出租車到達(dá)規(guī)律服從參數(shù)為？姿的Poisson分布，在[0，t]時(shí)間內(nèi)到達(dá)的出租車數(shù)x服從的分布為：

2.2 對產(chǎn)出指標(biāo)的量化

因?yàn)樵诖四Ｐ椭谐鲎廛囁緳C(jī)的產(chǎn)出即盈利主要來源于拉送顧客所得直接盈利額，所以設(shè)單次任務(wù)所產(chǎn)生的直接盈利額為h，則單次任務(wù)產(chǎn)出P（h）=h。

2.3 改進(jìn)AHP方法對不均衡性指標(biāo)的量化

本文采用改進(jìn)AHP方法對不均衡性指標(biāo)進(jìn)行量化。首先根據(jù)各指標(biāo)之間的層次關(guān)系，利用相關(guān)數(shù)據(jù)進(jìn)行擬合得到各因素圖像，并通過文獻(xiàn)中專家的意見來確定不均衡因素的各個二級指標(biāo)對影響司機(jī)決策因素的影響程度，以此構(gòu)造判斷矩陣。但由于沒有完善、統(tǒng)一的模型來對指標(biāo)做出合理性的分析，各種模型的分析評價(jià)都存在著對指標(biāo)分析的不準(zhǔn)確性，因此本文利用Delphi法對數(shù)據(jù)進(jìn)行篩選，結(jié)合多位專家意見選取影響出租車司機(jī)決策的指標(biāo)，避免決策的片面性。模型表示為：

2.4 決策向量評價(jià)體系

3 實(shí)例分析

利用2017年首都機(jī)場的相關(guān)數(shù)據(jù)[3]，采取上述模型進(jìn)行評估決策，進(jìn)而給出首都機(jī)場出租車司機(jī)的決策選擇方案，并通過數(shù)據(jù)檢驗(yàn)分析上述模型的合理性和對相關(guān)因素的依賴程度。

因?yàn)楸本┦兴谐鲎廛囕v不可能都開往首都機(jī)場，因此結(jié)合圈層外推法確定首都機(jī)場吸引出租車的有效半徑為18.6524km。采用改進(jìn)AHP法所得最終確定加權(quán)后的不均衡性指標(biāo)為：I=0.1356x1+0.3845x2+0.0862x3+0.3937x4。

對2017年首都機(jī)場相關(guān)數(shù)據(jù)分析如下：

（1）天氣因素

第I類天氣下的日均進(jìn)港旅客數(shù)相對其它三類天氣多了約11%，而另外三類天氣下的日均進(jìn)港數(shù)之間差異很小，這主要是因?yàn)榈谝活愄鞖鈱桨嗉奥每统鲂袔缀鯚o影響，而第II、III、IV類天氣較惡劣，對航班降落影響較大，容易造成航班延誤、滯客等情況，間接影響了出租車乘車點(diǎn)的顧客人數(shù)。

（2）不同季節(jié)進(jìn)港人數(shù)

雖然進(jìn)港旅客數(shù)春季（3、4、5月）較少，夏季（6、7、8月）較多，但不同季節(jié)之間進(jìn)港旅客數(shù)并無顯著差異，因此季節(jié)對機(jī)場乘坐出租車的人數(shù)影響較小。

（3）不同時(shí)間段的進(jìn)港人數(shù)

旅客進(jìn)港人數(shù)在早上8：30后劇增，并分別在11：30、16：30、23：30附近形成高峰期，隨后在23：40后銳減，因此一天中各時(shí)段旅客進(jìn)港情況對出租車司機(jī)決策的影響較大

（4）產(chǎn)出收益

由北京市出租車收費(fèi)情況可知雖然單次任務(wù)平均耗油費(fèi)波動很小，但也是出租車司機(jī)時(shí)常關(guān)注的因素;由其影響因素作用機(jī)理分析可知上述影響因素對不均衡性指標(biāo)的影響程度與量化的不均衡性指標(biāo)符合得很好，驗(yàn)證了該模型的合理性。

所以依據(jù)投入產(chǎn)出系統(tǒng)模型基于不均衡性指標(biāo)最小、資源績效比最大使該系統(tǒng)向量模值最小的原則，該機(jī)場出租車司機(jī)的決策方案應(yīng)為：

在第I類天氣、節(jié)假日、11：30-23：30時(shí)間段、夏季等條件下選擇前往蓄車池等待載客更優(yōu)。

在第II、III、IV類天氣、工作日、23：30-11：30時(shí)間段、春秋冬季等條件下選擇空車返回市區(qū)拉客更優(yōu)。

由以上數(shù)據(jù)分析及驗(yàn)證可知該模型具有優(yōu)良的魯棒性，且對節(jié)假日、天氣、不同時(shí)間段、消耗油費(fèi)、單次直接盈利額、司機(jī)完成單次任務(wù)所需時(shí)間成本等因素具有很強(qiáng)的依賴性，而對季節(jié)等因素則依賴性較低。

4 結(jié)束語

（1）通過分析研究與出租車司機(jī)決策相關(guān)因素的影響機(jī)理，綜合考慮了機(jī)場乘客數(shù)量的變化規(guī)律和出租車司機(jī)的收益，建立了基于投入產(chǎn)出系統(tǒng)的出租車司機(jī)決策模型以及向量評價(jià)體系，將抽象系統(tǒng)影響因素可視化和量化，便于定性定量分析。

（2）通過實(shí)例研究驗(yàn)證了模型的有效性，能夠?yàn)槌鲎廛囁緳C(jī)作出更有利的決策。

參考文獻(xiàn)：

[1]黃巖，王光裕.虹橋機(jī)場T2航站樓出租車上客系統(tǒng)組織管理優(yōu)化探討[J].城市道橋與防洪，2014（12）：7-9+35-36.

[2]吳嬌蓉，李銘，梁麗娟.綜合客運(yùn)樞紐出租車上客點(diǎn)管理模式和效率分析[J].交通信息與安全，2012，30（04）：18-23.

[3]耿中波，宋國華，趙琦，等.基于VISSIM的首都機(jī)場出租車上客方案比選研究[J].中國民航大學(xué)學(xué)報(bào)，2013，31（06）：55-59.

[4]范筱潔，王園園.圈層外推法在交通影響分析中的應(yīng)用[J].交通與計(jì)算機(jī)，2007（03）：137-140+145.