毕业论文城市交通管理中的出租车规划

城市交通管理中的出租车规划摘要：一个好的出租车规划方案首先应该结合该城市的经济发展和自身的特点，在对资源消耗和环境污染最低的条件下，配合城市的发展目标，最大限度的满足居民的出行需求；同时不让出租车空载率过高，控制好出租车的数量，不给交通带来过多负担。另外要尽可能协调好司机和居民之间的利益关系，既要让出租车司机劳动强度适当，得到满意的净收入，又要使价格能够为居民所接受，愿意去做出租车，有效的提高空载率，活跃出租车市场。本文问题一首先要建立一个预测该城市居民出行强度pA和出行总量nA的数学模型，并以此为基础，进一步建立出居民乘坐出租车人口的预测模型。在此用灰色系统模型对其他城市进行居民出行总量的预测并通过类比得出题中城市居民出行总量的预测。再根据附录中的三年居民数量的数据建立该城市的人口预测模型，居民出行总量除以居民数量便得到居民出行强度的预测模型。最后由交通规划中的相关模型得出该城市乘坐出租车比例的预测模型，用此比例乘以居民出行总量再除以居民出行强度便可得到乘坐出租车人口N的预测模型。本文问题二是依据问题一中所建立的乘坐出租车人口的预测模型以及附录中提供的一些相关数据建立出该城市出租车最佳数量TN的预测模型，由于相关模型维数较高，非线性程度大，还受到多方面的约束，本文采用人工神经网络对模型求解。本文问题三考虑价格是空载率η的制约因素，在此建立出租车司机收入以及居民的单次乘车消费与出租车价格的（基价F、超过基价公里的每公里价τ、基价公里数L）关系模型。以居民的单次乘车消费尽可能低，司机的净收入超过其期望值的目标优化模型，协调了双方的利益。本文问题四对附录中给出的数据，判断其合理性，并结合前面所建模型，进一步提出了合理且可行的数据采集方案。本文问题五根据前面所建立的所有模型和数据采集方法的基础上，结合所研究的成果提出一套规划出租车市场的方案，提供给公用事业管理部门予以参考，希望能改变现在出租车市场的不景气状况。关键词：出租车规划、出行强度、出行总量、出租车最佳数量、空载率、灰色系统模型、神经网络1一、问题的重述“城市交通管理中的出租车规划”是要针对现在出租车行业不景气，提出如何有效地进行出租车的规划，使得出租车能配合城市将来的发展；满足居民的出行需要；同时要协调好司机和乘客的利益关系，最大程度制定出使得出租车司机能够尽可能多的得到收入和乘客满意的价格体系；同时要尽可能的减少对环境的污染和资源的消耗。此类出租车规划不善的问题在现在的许多城市中普遍存在，如不能妥善解决，不仅对国家的经济造成一定的损失，而且会引起司机罢工，顾客抱怨，严重时将会对社会的稳定也造成影响，因此如何有效的对出租车进行规划，是很值得我们做进一步的研究和关注的。下面我们分步骤来解决出租车规划的问题：问题一：首先建立一个预测该城市居民出行强度和出行总量的数学模型，对该城市居民未来几年的出行需求有一个大致的估计，以此为基础，进一步建立出居民乘坐出租车人口的预测模型，并能够对该城市居民对出租车的需求有了基本的了解，为下一步确定出租车数量奠定基础。这个问题的模型建立非常重要，不仅要考虑该城市经济发展和自身的特点，而且还要通过国内外城市的类比来确定出一个比较完善的模型。问题二：在对出租车需求有了大致的估计之后，这里就要据此建立一个该城市出租车最佳数量的预测模型。从而既不会对城市交通和环境污染造成影响，也最大程度的满足了市民的需求。问题三：在现在出租车管理中的争论比较多的问题就是如何定价，才能够使得司机和顾客双方都能比较满意，特别是在油价调价后（从原来的3.87元/升到现在的4.3元/升），司机能够赚取的利润更少了，而顾客依然在抱怨现在的价格太高，因此在这里希望能确定一个最优方案，使双方能够得到双赢。问题四：在附录中给出了很多的数据给予我们建模提供了帮助，但是数据的采集是否有冲突、遗漏、多余、合理？对此我们应该妥善分析，如不合理，我们则应该建立一套更合理切高效可行的数据采集方法。问题五：结合上述的所有问题的分析结果、已经建立的数学模型、制定的数据采集方法等等，在该城市公用事业管理部门的立场上分析我们的研究成果，给予一整套关于出租车规划问题的方案。二、问题的假设(1)所采用的数据具有较好的可信度和典型性。(2)城市的出租车数量与其影响因素具有普遍性。(3)各城市的出行总量，出行强度具有可比性。(4)人口的发展符合logistic模型规律(5)油价调整不影响该城市居民的出行总量和出行强度。(6)出租车90%的收入来源于白天的运营时间。(7)乘坐出租车的数量与价格的关系符合经济学中价格弹性系数规律，且各个城市的弹性系数具有可比性。(8)乘客对出租车的满意程度用乘坐出租车单位距离的花费作为指标来评价。(9)出租车司机的满意程度用其净收入来衡量。(10)载客趟次仅受出租车价格影响。(11)选择出租车为出行方式的乘客的乘坐距离满足正态分布(μ,σ)，其均值为e。2(12)乘坐出租车的数量与价格的关系符合经济学中价格弹性系数规律，且各个城市的弹性系数具有可比性。三、符号的约定符号含义R城市居民人口数量cA城市居民平均日出行次数P城市居民人口出行方式结构中出租车所占的比例PA城市居民平均日出行强度nA城市居民平均日出行总量e出租车载客的单次出行距离的期望h出租车每天的总行程L出租车起租的基价公里数F白天基价租费白天超过基价公里后每公里车价空载率C出租车每天的成本M乘客做出租车的单次平均花费N每辆出租车每天的乘客总数n每辆出租车每天的乘客趟次id各乘客的单次出行距离1I驾驶员的每天收入dI驾驶员的每天固定工资pO油价NO出租车每公里耗油量NT出租车数量V出租车平均运营车速T出租车一天平均运营时间taxi出租车出行比例3四、模型的分析、建立与计算（一）问题一：城市居民出行强度和出行总量的预测模型1、出行总量的预测A、思路分析要预测该城市未来几年的出行强度（PA）和出行总量(nA)，首先要对它们之间的关系来做一个分析。出行总量是指每天该城市的居民用各种交通方式（步行、自行车、公交、出租车等等）出行总的次数，量纲是‘人次’；出行强度是指出行总量与该城市的总的居民人数的比值，量纲是‘次/人日’，其表示每人日平均出行次数。在附录中给出了2004、2010、2020年这三年的居民数量（附表1），以及2004年该城市居民的出行总量和出行强度（附表5），要预测该城市未来几年的出行强度和出行总量。考虑到数据的缺乏，在建立模型时，采用其他相似城市的数据，在类比的基础上得出该城市的出行强度和出行总量的预测模型。B、模型的建立通过查阅资料，考虑数据的完整性，采用上海作为类比对象，找出了其近五年的数据（出行强度、城市居民人口），用灰色系统模型对它未来几年的出行强度进行了预测，得出了它的出行强度预测模型。图1-1（1）、灰色系统模型灰色系统（Graysystem、简称G系统）是指，相对于一定的认识层次，系统内部的信息部分已知，部分未知，即信息不完全。灰色模型（GrayModel）简称GM模型，是灰色系统理论的基本模型，它是以灰色模块（所谓模块是时间数列在时间数据平面上的连续曲线或逼近曲线与时间轴所围成的区域）为基础，以微分拟合法而建成的模型。GM模型有以下特点：a.建模所需信息较少，通常只需4个以上数据即可建模（查阅相关资料得到四年数据）；b.不必知道原始数据分布的先验特征，对无规或服从任何分布的任意光滑离散的原始序列，通过有限次的生成即可转化成有规序列（出行强度为无规序列）；c.建模的精度较高，可保持原系统的特征，较好的反映系统的实际状况。（2）、求解思路灰色预测就是对灰色系统问题进行未来的预测，由于灰色系统理论是一种研究包含确知、未确知系统的理论，目前经常被用于交通运输客运量的预测模型，故本文采用该模型，利用GM（1，1）进行建模。预测流程图见下(图1-1)。对于给定的一组数据选择预测技术建立预测模型评价模型利用模型进行预测分析预测结果输出预测结果确定预测目标收集处理资料不可用可用4))(),......,2(),1(()0()0()0()0(nXXXX，1）做1-AGO（一次累加生成，即对原始数列中各时刻的数据依次累加，从而形成新的序列，如：对X(0)作一次累加生成，即令ikkitXtX1)0(0)()（）（))(),......,2(),1(()1()1()1()1(nXXXX))()1(),......,2()1(),1(()0()1(0)1()1(nXnXXXX）（新生成的数据列为一条单调增长的曲线，增加了原始数据列的规律性，而弱化了波动性。此时就可以把时间序列转化为微分方程，从而建立抽象系统的发展变化动态模型。建立如下微分方程：uaXdtdX)1()1((1-1)按最小二乘法得到11')(YBBBaTT其中：:1))()1((5.0::1))3()2((5.01))2()1((5.01)1(1)1(1)1(nXnXXXXXB）（）（）（)(:)3()2(0001nXXXY）（）（）（Tuaa),('2）建立预测模型易求得上述微分方程的解为：aueauXkXak))1(()1)0(1（）（(1-2)3）还原数据))1)1110kXkXkX（（（）（）（）（(1-3)由此得到了城市居民出行强度的预测模型，有了初始年的出行强度值）（）（10X就可以用上述模型算出未来几年的)11kX（）（，然后通过累减生成（累加操作的逆操作）便可得到未来几年的)10kX（）（，其中a和u是参数。4）类比假定认为题中所提到的城市的a和u两个参数与其它城市存在一定的类比关系，这样在研究其它城市数据的基础上建立类比关系就可得到该城市未来几年居民出行强度的预测值，在以后每一年中可以得到实际的出行强度的值，并用这5些值不断的返回去修正a和u这两个参数，这样的预测模型将会越来越准确。C、模型求解编制matlab程序，把查得的上海市综合交通大调查的数据（见表1-1）：表1-1上海近几年出行强度与城市居民数表上海各年份19861995199820002001200220032004出行强度1.911.972.21缺失缺失缺失2.292.36城市居民（万人）缺失缺失缺失1673.771614.001625.001711.001742.15先对数据进行插值，获得连续五年的出行强度和城市居民人口数，代入得出：11')(YBBBaTT=)3337,0443.0(200020012002200320042005200620072008200920103500400045005000550020002000.520012001.520022002.520032003.52004360038004000420020002000.520012001.520022002.520032003.5200400.511.52x104上海2000~2004年出行强度分布图出行强度一次累加曲线以后几年出行强度的预测图1-2上海出行强度预测图而经过类比，上海的居民数量是题中所提到城市居民数量的9.4倍，分析uaXdtdX)1()1(可知a是一个无量纲的系数，而u是一个有量纲的系数（量纲为：万人次），这就说明u是和人口规模有关的一个系数，因此应该给予调整0.3554.9/'uu，从而得到：0443.03550000)043.035500003561565())1(()10443.0)0(1kakeaueauXkX（）（进而做一次累减生成，得到最后的出行总量预测模型为：6)2,1,0()()1()1()1()1()0(kkXkXkX(1-4)其中)0()0(X代表该城市2004年出行总量。以2010年为例，预测得其出行总量为14657130.14)5()6()6()1()1()0(＝XXX（人次）2、出行强度的预测在得到居民出行总量的预测模型基础上，便可以进行居民出行强度的预测，两者有如下的关