搜索
1“互联网+”时代的出租车资源配置摘要本文讨论了“互联网+”时代的出租车资源配置问题。建立了出租车资源配置模型、补贴映射模型、订单质量评价模型，利用Matlab、SPSS软件，实现了对不同时空下的出租车资源的匹配程度、不同打车软件的补贴政策对“缓解打车难”帮助程度的问题求解。针对问题一，首先选取了西安的钟楼、大雁塔、火车站、北大街、小寨、西安交大和子午大道作为研究的七个地点。为了更好地分析出租车供求匹配程度，我们给出两个指标：服务满意度、被抢单时间，在此基础上使用主成分分析法建立出租车资源配置模型，分析不同时空下的供求匹配程度。从结果中可分析得到：从空间上看，西安不同地点的供求匹配程度有其各自鲜明的地域性特点；从时间上看，早高峰及晚高峰时各个地点0均表现出供求关系紧张的情况。针对问题二，搜索了滴滴和Uber两大主要的打车软件公司的补贴方案。建立补贴映射模型，观察出租车供应量、打车需求量、被抢单时间在补贴政策前后的变化，将变化后的值代入问题一建立的资源配置模型中，得到补贴后的出租车匹配程度。经计算，两家公司的补贴方案均起到了缓解“打车难”的作用。针对问题三，分析得到打车难的重要原因之一是：司机因为不同订单的利益不同而“挑单”。针对这种现象，我们建立了订单质量评价模型，得到司机不同订单的收益值，通过调整不同订单的补贴价格，使得每一订单的收益值基本相同，从根本上遏制了司机“挑单”的行为，缓解了“打车难”的现象。关键词：出租车资源配置主成分分析法SPSS补贴政策孟德尔遗传定律2一、问题重述1.1问题背景互联网正在改变人们的生产方式和生活方式，互联网的本质在于：利用网络平台上更高效率的信息沟通与分享，人们可以聚集和有效配置更多的生产要素，从而降低交易成本、提高生产效率。可以毫不夸张地说，互联网技术正在以多种方式对出租车行业进行重塑，它带来了新的机遇、也产生了新的问题，出租车是市民出行的重要交通工具之一，“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，有多家公司依托移动互联网建立了打车软件服务平台，实现了乘客与出租车司机之间的信息互通，同时推出了多种出租车的补贴方案。1.2问题提出(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概论目前城市“打车难”的社会问题导致越来越多的打车软件出现在市场上。以此为背景，我们需要首先分析影响出租车资源的“供求匹配”程度的因素，进而分析现已出台的补贴政策是否能够通过调整“供求匹配”程度进而缓解“打车难”的现象，并在最后提出了我们自己关于补贴方案的想法。2.2问题一分析问题一研究的是不同时空出租车资源的“供求匹配”，即分析在不同时间、不同地点出租车的供求关系。由于出租车始终处于动态变化中，为了简化模型，可选取不同时间段和地区进行对比研究。为了更好地分析出租车供求匹配程度，我们给出两个指标：服务满意度、被抢单时间。在此基础上使用主成分分析法建立模型，分析不同时空下的供求匹配程度。2.3问题二分析为解决问题二，首先要收集各依托移动互联网建立的打车软件平台的补贴方3案，本文选取所占时长份额最大的两家打车软件公司：滴滴、Uber的补贴方案来分析其是否对缓解打车难有帮助。其次，将打车难问题定量转化为：被抢单时间、出租车供应量、乘客需求量的关系，分析比较各补贴方案对这三个变量的影响，从而来分析其是否对缓解打车难有帮助。2.4问题三分析分析打车难的原因主要是出租车司机“挑单”，而“挑单”的主要原因是不同订单的收益不同，如果可以通过给予补贴来弥补这种收益差距，从而使不同订单的收益基本相同，那么就能从根本上防止打车难的现象发生。我们基于这种想法可以建立数学模型，调整不同订单的补贴价格。三、模型假设1.假设所用数据真实可靠。2.假设打车软件的使用率为80%。3.假设出租车司机不设置接单范围。4.忽略节假日等特殊原因使出租车供应量、需求量发生较大改变的情况。四、符号说明符号符号说明x打车总需求量打车软件使用率y出租车供应量Y服务满意度z打车需求量t被抢单时间0司机每单收益40M每单的直接收入0C每单的成本0T每单的消耗时间)(1FE结束上一订单后的空驶油耗)(1TE结束上一订单后的空驶时间五、模型建立与求解4.1问题一——出租车资源配置模型4.1.1研究对象的选取1.城市的选取在建立模型之前，我们应选取一个合适的城市进行深入调研。一个合适的城市，有利于提高模型的精确性，增强模型的广泛性。通过查阅资料，得到可以衡量城市间出租车供求关系的三大指标为：里程利用率、出租车万人拥有量、车辆满载率。结合这三个指标，我们进一步分析，选取西安为我们的研究城市，其优点有：（1）作为新一线城市，经济较为发达，有大量数据可供研究。（2）出租车万人拥有量、里程利用率及车辆满载率处于中等水平，具有整体代表性，可以进一步推广研究。（3）影响范围广，有足够空间进行问题分析与优化。2.城市内地点的选取为了充分反映西安整体的出租车供求关系，我们选取了具有代表性的景区钟楼、大雁塔，乘客量较大的火车站、北大街，重要的商业圈小寨，学生聚集区西安交大、子午大道。以上5个地点的选取，具有层次丰富的特点，是比较完善的数据样本点。4.1.2数据的基本处理从滴滴快的智能出行平台，我们可以获得西安24小时的出租车分布、打车难易程度、打车需求量、被抢单时间的数据，如图1所示。基于这样的大数据平5台，我们选取8月11日西安的五个数据样本点早高峰（7:00-9:00），晚高峰（16:00-18:00），平常时间（10:00、15:00、20:00）三个时间段进行分析。图1滴滴快的智能出行平台1.出租车服务满意度Y在滴滴快的打车智能出行平台上，基于需要研究的三个时间段，可以采集到西安的打车需求量z，假设打车软件的使用率为80%，则可得到总需求量x为zx基于上式，制作总需求量x及各时段平均总需求量)/(zE的表格如下：表1各样本点8月11日不同时段x的大小及其平均值时间段钟楼大雁塔火车站北大街小寨西安交大子午大道7:0031.2512.70121.2367.2362.1947.2143.988:00135.0056.90142.45107.5278.3182.3464.539:00497.50184.00219.4498.23103.20102.3465.92)/(zE221.2584.53161.0490.9981.2377.3058.1416:0063.7584.66210.2372.92136.25121.9467.7417:0045.00147.43231.6782.98178.27167.4293.0318:0093.7594.89278.93187.23162.73201.53127.93)/(zE67.50108.99240.28114.38159.08163.6396.2310:00221.25247.91198.6763.9583.82126.3245.3215:0016.2592.93245.92145.23103.2783.2154.9820:0043.75139.56221.3898.25121.9393.2862.87)/(zE93.75160.13221.99102.48103.01100.9454.396在滴滴快的打车智能出行平台上，基于需要研究的三个时间段，采集西安的出租车分布量y，制作表格如下：表2各样本点8月11日不同时段y的大小及其平均值时间段钟楼大雁塔火车站北大街小寨西安交大子午大道7:002542122569610394748:00237256292125134121989:0035416734616722113585E(y)281.67211.67298.00129.33152.67116.6785.6716:00346263253892611459717:0031531427811121421012118:00325246310283196231132E(y)328.67274.33280.33161.00223.67195.33116.6710:00143196223871061455315:00214201267211213926720:0026314624516713512387E(y)206.67181.00245.00155.00151.33120.0069.00定义服务满意度Y在一定程度上与总需求量成正比，与出租车供应量成反比，其关系式可表达为：)()(yExEY基于上式，我们可以得到服务满意度的表格如下：表3各样本点8月11日不同时段Y的平均值时间段钟楼大雁塔火车站北大街小寨西安交大子午大道7:000.790.400.540.700.530.660.688:009:0016:000.210.400.860.710.710.840.8217:0018:0010:000.450.880.910.660.680.840.7915:0020:0072.被抢单时间t被抢单时间t表示客户使用打车软件下单后被司机接单的时间，可在一定程度上反映打车难易程度。在滴滴快的打车智能出行平台上，基于需要研究的三个时间段，采集西安的被抢单时间t，制作表格如下：表4各样本点8月11日不同时段t的平均值时间段钟楼大雁塔火车站北大街小寨西安交大子午大道7:0076.4238.671.0067.831.001.0028.678:009:0016:0042.282.0026.0055.3374.5020.331.0017:0018:0010:0071.672.0012.009.891.0031.0006.1715:0020:004.1.3出租车资源配置模型基于上面的数据处理，现确定用于分析供求匹配程度的指标为：服务满意度Y，被抢单时间t。建立数学模型如下：btaYF其中，F是供求匹配程度函数，a，b分别为Y，t的权重系数，可由主成分分析法近似得到。用SPSS软件求解a，b，得到结果如下：表5解释的总方差成份初始特征值提取平方和载入合计方差的%累积%合计方差的%累积%11.53876.88476.8841.53876.88476.8842.46223.116100.000提取方法：主成份分析。8取累计方差率76.884%，23.116%作为权重，则有：tYF23116.076884.04.1.4问题一结果分析将Y和t代入到tYF23116.076884.0中可以得到下表：表6各地区出租车资源匹配程度F值钟楼大雁塔火车站北大街小寨西安交大子午大道早高峰27.50020.936835.556470.925554.369532.943694.3936晚高峰32.093513.529462.790337.8117162.528054.369560.8758平时7.93680.954323.240327.227035.735828.086781.7845整理数据，利用模糊综合评价法对将匹配程度函数值F分为以下5个等级，对应于不同的匹配难度：表7等级分配表等级1极易0-20等级2易20-35等级3中等35-70等级4难70-100等级5极难100依据等级分配表，可将表6转化为匹配程度等级表如下：表8各地区出租车资源匹配程度等级钟楼大雁塔火车站北大街小寨西安交大子午大道早高峰易极易中等难中等易难晚高峰易极易中等中等极难中等中等平时极易极易易易中等易难9（1）时间一定时，从不同空间分析西安出租车资源“供求匹配”程度。无论早高峰还是晚高峰，钟楼、大雁塔附近都是比较容易打到车的，说明该地区对旅游景区人流量大的特殊情况作了较好的安排，供求匹配度较好。火车站、北大街这种乘车人数较多的地方，呈现出明显的高峰期较难打车的特点，但供求匹配程度也并不是十分的紧张，可以保证市民的正常顺利出行。小寨是全市较大的商业圈，人流量很大，交通状况经常不好，因此