互联网+”时代的出租车资源配置

 1 “互联网+”时代的出租车资源配置摘要本文围绕最优补贴方案问题,建立了模糊评价模型和层次分析模型,分别分析了在;合理指标下,不同时空出租车供求匹配程度和各公司的补贴方案并针对实际问题，最终制定出合适的打车补贴方案。针对问题一：通过不同城市和同一城市一天不同时间段的里程利用率，万人出租车拥有数 ，实载率三大指标和需求/供应量建立模糊综合评价体系来求得不同时空供求匹配程度。 针对问题二：以“滴滴打车”和“快的打车”为例，对比传统出租车，建立了两个关于乘客效益和司机效益的层次分析模型。从乘客效益和司机效益这两个角度出发，进而分析出打车软件补贴方案对缓解打车难有明显帮助。 针对问题三：通过第三方手机打车软件公司代管电调和数据共享解决了老年人不会用手机软件打车和乘客安全问题。建立层次分析模型对乘客，出租车公司和第三方打车软件公司的利益分析进行论证得出方案可以解决上述问题。     关键词：层次分析模型  模糊评价模型  供求匹配程度   指标   2一、问题重述“打车难”是人们关注的一个社会热点问题。随着“互联网+”时代的到来,多家公司依托互联网建立了打车软件服务平台，推出了多种出租车的补贴方案。 搜集相关数据，建立数学模型来分析下列问题：  (1) 试建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度。  (2) 分析各公司的出租车补贴方案是否对“缓解打车难”有帮助？  (3) 如果要创建一个新的打车软件服务平台，你们将设计什么样的补贴方案，并论证其合理性。  二、问题分析2.1 问题一分析 不同时空下供求匹配程度跟里程利用率，万人出租车拥有率，实载率和一定区域内需求量和供应量的比率密切相关，分别收集一线（比如北上广），二线（比如西安），通过几个城市的不同指标来求得不同空间的共求匹配程度。通过分析几个城市早（7:00—9:00）中（12:00-2:00）晚（18:00-19:00）和平时时段的打车的供求情况这就是第一问中的“时”搜集指标数据建立模糊评价体制。最后求得不同时空供求匹配程度。2.2问题二的分析先从网络上查找出出租车公司的补贴方案，以“滴滴打车”和“快的打车”为例对比传统出租车，建立关于乘客效益和司机效益的层次分析模型来分析这两个公司补贴方案是否对“缓解打车难”有帮助。 2.3问题三的分析手机打车软件的使用出现了老年人不会用其打车，乘客安全受到威胁和自主加价冲击市场的问题。为了解决这些问题让第三方手机打车软件公司代管电调与出租车公司分 3享出租车司机信息就可以解决这些问题，并且对于乘客，出租车公司，第三方手机打车软件公司都能取得更大的利润，为了论证方法的正确与否采用层次分析法进行论证。三、模型的假设与符号说明3.1模型假设1.司机接单不违约，乘客利用打车软件一定有空闲司机接单2.获得数据真实且可靠。3.出租车行驶过程中，不考虑交通限制，突发情况的影响。4.各个指标相互独立，互不影响。3.2符号说明符号意义U评判因素组成的集合V评语等级组成的集合R评判结果B综合评判结果M供求匹配程度B评判结果的归一化结果 4四、模型的建立与求解4.1问题一的模型建立与求解以里程利用率，满载率，万人拥车数，供应量，需求量为指标来建立模糊综合评价模型求得不同时空的供求匹配程度。表1里程利用率万人拥有量满载率需求量/供应量北京68%3468%10%西安70%2572%2.50%青岛64.51%2270%4.10%建立三级评价体系（好，一般，差）来评估分别对应（0.5,0.3,0.2）表2里程利用率70-100%好0.3565-70%一般0.360-65%差0.2万人拥有量30以上好0.525-30一般0.325以下差0.2满载率75%以上好0.570-75%一般0.370%以下差0.2需求量/供应量3%以下好0.53-4%一般0.34%以上差0.2 5以表中的数据来求得北京地区供求匹配成度1234, UUUUU1U=0.32U=0.53U=0.24U=0.2123VVVV10.5V20.3V30.2V0.150.090.060.250.150.10.250.150.10.10.060.040.10.060.04R0.30.30.30.1A*0.180.0960.064BAR把结果化一得640.62525B1*0.404MBV10.30.5M从而得到北京的供求匹配程度介于一般和好之间西安的匹配度10.5U20.3U30.5U40.5U10.5V20.3V30.2V0.250.150.10.150.090.060.250.150.10.250.150.1R0.30.30.30.1A*0.220.1320.088BAR把结果归一得：0.50.30.2B2*0.38MBV20.30.4040.5M 6西安的供求匹配度在一般和好之间但是低于北京同理可求青岛的数据为30.32M30.30.380.4040.5M在一般和好之间但是供求匹配度低于西安和北京在不同地域的供求匹配度：北京西安青岛4.1.2探究在上海市不同时间段的供求匹配度表3[5]时间里程利用率满载率需求/供应1：00-7:7000.570.525.27%8:00-9:000.640.72316.19%10:00-12:000.6860.73414.7%13:00—14:000.720.7314.56%15:00-18:000.7480.72523.44%19:00-20:000.7330.72136.18%21:00-24:000.540.63619.81%建立评价标准（好，一般，差）对应的比率（0.5,0.3,0.2）。表4里程利用率70%以上好0.560-70%一般0.360%以下差0.2满载率70%以上好0.560-70%一般0.360%以下差0.2需求/供应10%以下好0.510-20%一般0.320%以上差0.2 71:00-7:00点的上海供求匹配程度：1234UUUUU123VVVV10.2U20.2U30.5U10.5V20.3V30.2V0.10.060.040.10.060.040.250.150.1R0.40.40.2A*MBVB=A*R=0.18,0.078,0.052把结果化一0.580.250.17B*MBV=0.339-由此同理可得:表5[2]时间M8：00-9:000.3910:00-12:000.3913:00-14:000.37415:00-18:000.3819:00-20:000.3821:00-24:000.359由此根据我们建立的评价标准可以看出上海的供求匹配程度在上班的高峰期8:00-9:0012:00-2:0018:00-20:00相对于其他时段较低整体上海的供求匹配程度在（0.3,0.5）属于一般水平。4.2问题二的模型建立和求解  84.2.1建立层次结构 首先建立第一个关于乘客效益的层次分析模型（M），共分三层： 最上层为目标层（A）：从乘客效益的角度选择补贴方案；第二层为准则层（B）：共有以下11个准则：司机违约风险（B1）、黑车安全风险（B2）、移动支付模型（B3）、移动支付便利（B4）、节假日需求（B5）、偏远特殊地区需求（B6）、早高峰需求（B7）、恶劣天气需求（B8）、候车时间（B9）、车费返现（B10）、流量耗费（B11）;最下层为方案层（C）:“传统出租车”（C1）、“滴滴打车”（C2）和“快的打车”（C3）三个方案供选择。     再建立第二个关于司机效益的层次分析模型（N），共分三层： 最上层为目标层（E）：从司机效益的角度选择补贴方案；第二层为准则层（F）：共有以下7个准则：流量电话费耗费（F1）、奖励制度（F2）、收入水平（F3）、乘客违约风险（F4）、转移注意力安全风险（F5）、自主选择路线（F6）、自主选择时间段（F7）；最下层为方案层，有“传统出租车”（G1）、“滴滴打车”（G2）和“快的打车”（G3）三个方案供选择。 4.2.2确定准则层对目标层的权重 4.2.2.1针对模型M，确定准则层（B）对目标层（A）的权重W1  再分析准则层对目标层的影响，然后根据Saaty等人提出的1-9尺度（见附录  ），构出成对比较矩阵A=，A是11阶正互反矩阵，矩阵A如下所示：  9111111122227354527155332377711111111112253545321111111111225243432111133212223223155421224553111144313442222155421214553111123331237434111111122122725452111111111112722254532A 然后利用MATLAB求解矩阵A的最大特征值得： =11.853，对正互反矩阵进行一致性检验，采用T.L.Saaty一致性指标：/1CInn  根据Saaty的随机一致性指标表格:     表6  随机一致性RI 的数值   n    1   2   3     4    5     6    7     8    9     10    11 RI   0   0   0.58  0.90  0.12  0.24  0.32  0.41  1.45  1.49   1.51   得RI=1.51 一致性比例   /0.8528/1.510.07420.1CRCIRI ，即通过了一致性检验。 最后通过归一化，得到归一化特征向量10.042,0.250,0.086,0.090,0.082,0.153,0.105,0.153,0.069,0.038,0.024TW 。  4.2.2.2针对模型N，确定准则层（F）对目标层（E）的权重W2  10同以上解决模型N的权重W2相同道理相同，可得出成对比较矩阵77ijEe，E是7阶正互反矩阵，矩阵E如下所示： 1111111373422113122253751534411131112541434133311121112431112111243E  特征值与特征向量分别为：27.028 ，20.041,0.119,0.391,0.077,0.22,0.076Tw .  4.2.3确定方案层对准则层的权重及综合评价 用同样的方法构造方案层对准则层的成对比较矩阵。对于M矩阵，不妨设C1，C2，C3……C11的矩阵都为： 11122211111nC ，（n=1,2,3..7）,所以方案C1在目标中的组合权重应为它们相应项的  两两乘积之和，即(0.0420.2500.0860.0900.0820.1530.1050.1530.0690.0380.024)0.20.2184同样可以算出P2，P3在目标中的组合权重为0.4368和0.4368，于是组合权向量0.2184,0.4368,0.4368TaW  ，结果表明P2 ，P3在补贴方案的选择中占得权重近于0.5，远大于P1，所以应选择P1。  11 同理，对于N矩阵，不妨设G1，G4，G5，G6，G7的矩阵都为 11122211111nG，（n=1,4，5，6，7）， G2，G3的矩阵都为111323121212mG ,m=(2.3).得到的组合权向量为0.167,0.427,0.317Tew 结果表明P2在补贴方案的选择中占得权重近于0.5，远大于P1，而P3仅次于P2，所以应选择P2。