关于互联网+时代的出租车资源配置的研究.docx
- 文档编号:7906587
- 上传时间:2023-01-27
- 格式:DOCX
- 页数:56
- 大小:531.77KB
关于互联网+时代的出租车资源配置的研究.docx
《关于互联网+时代的出租车资源配置的研究.docx》由会员分享,可在线阅读,更多相关《关于互联网+时代的出租车资源配置的研究.docx(56页珍藏版)》请在冰豆网上搜索。
关于互联网+时代的出租车资源配置的研究
关于“互联网+”时代的出租车资源配置的研究
摘要
随着社会发展与人们生活水平的提高,出租车在城市交通中扮演着重要的角色。
应运而生了出行打车难,交通堵塞等一系列亟待解决的问题。
本文通过分析出租车出行特征和规律,运用层次分析数学模型和模糊评价数学模型,以及利用“互联网+”对出租车资源优化配置进行了简要的分析研究,在已有的供需平衡理论的基础上,设计出了新的补贴方案,该方案在一定程度上缓解了交通压力。
针对问题一,本文通过里程利用率、车辆空载率、万人拥有量、出租车出行结构比重、候车时间这五个指标来定性的分析问题,再运用层次分析法分析深圳市不同时空出租车资源的“供求匹配”程度。
通过对各项权重的计算,可得出候车时间在高峰期的权重系数为0.6521、平峰期的权重系数为0.5144、繁华街区的权重系数为0.6413、普通街区的权重系数为0.5056。
得出结论:
无论是在不同时间(高峰期,平峰期)还是在不同空间(繁华街区和普通街区),候车时间对供求匹配程度的影响都是最大的。
针对问题二,本文通过建立模乘客满意度的模糊评价模型分析了不同的补贴方案对于“缓解打车难”的帮助程度。
用SPSS求解模型后,得出深圳南山区的最终等车状态的综合等级为满意等级状态,对应的满意等级为4,从而说明出租车的补贴方案是有帮助的。
乘客和出租车司机双方都得到补助,除了节省了乘客的时间,还降低了出租车空驶率,在一定程度上缓解了打车难的问题。
针对问题三,鉴于交通状况的复杂性,设计出对于不同时空出租车和乘客不一样的补贴方案,分别有路径补贴、时间补贴、高峰期补贴、偏远地区的补贴和繁华地区的补贴。
出租车资源配置的衡量指标众多,结合问题一,在纷杂的海量指标中,提取出最主要的影响指标是非常必要的,通过层次分析模型来分析供求匹配程度得出结论。
主要运用SPSS软件处理数据,分析得到的模型是否是最优的,通过优化使建立的模型是最为精确的,从而提高准确度。
方法简单明了,结果比较准对于不同时空出租车和乘客不一样的补贴方案,考虑到补贴条件的复杂性,我们加入系数对目标函数进行调整,系数值由因子分析法得到。
为论证了补贴方案的合理性。
分别从乘客角度、司机立场、以及能否“缓解打车难”等方面进行了合理性的分析,定性的得出结论。
如果要创建一个新的打车软件服务平台,考虑所设计的补贴方案一定会行之有效。
最后,本文对模型进行了检验及评价分析。
模型一层次分析法的权重及组合权重都通过一致性检验。
同时,本文对出租车的供需平衡分析可以推广应用到需要供需平衡调节的资源。
关键词:
互联网+打车难层次分析法模糊评价模型
一、问题重述
随着社会经济的发展,出租车已逐步成为受市民欢迎的重要交通工具之一,然而“打车难”该社会热点问题一直备受关注。
随着“互联网+”时代的到来,多家公司利用移动互联网建立了打车软件服务平台,不仅实现了乘客与出租车司机之间的信息互通,还提高了整个出租行业的服务质量。
各打车软件服务平台还推出多种出租车的补贴方案来改善软件的实用效果,增加软件的使用人数,同时缓解“打车难”的局面。
围绕市民“打车难”这一热点问题以及随互联网发展而崛起的打车软件服务平台的相应补贴方案,建立数学模型研究如下问题:
(1)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,要求设计出相应的补贴方案,并论证其合理性。
二、问题分析
2.1问题一的分析
问题1要求建立合理的指标体系来评价不同时空出租车资源的“供求匹配”程度。
影响供求匹配的主要因素有出租车供给量,城市人口对出租车的需求,不同时段,客流量,交通状况等情况。
为了对匹配程度进行分析,本文从以下几个指标来描述:
1.里程利用率,能够反映出租车车辆的载客效率。
2.车辆空载率,体现出运力与运量的平衡,即出租车与需要搭乘出租车的人数之间的平衡。
3.万人拥有量,由每一座城市的人口规模以及所提供服务的出租车数量所决定,从而作为城市人口需求与出租车供给的一项指标。
4.出租车出行结构比重,人口所选择的出行方式决定对出租车的需求。
5.候车时间,候车时间是出租车供给量的间接表示,候车时间长,代表出租车供应不足,候车时间短,乘客的需求较快的呗满足,代表满意度高。
虽然这些指标都可以来衡量出租车供给与需求,但并不能单个简单的分析“供求匹配”,因此需要运用层次分析模型定性与定量的对“供需匹配”分析。
以供求匹配程度为目标,以五个指标作为准则层。
运用9标度法求解模型。
将五项指标的权重值在不同时空相比较,最终汇总各项指标对供求匹配做出定量与定性分析综合分析。
2.2问题二的分析
打车软件的应用,在一定程度上建立了乘客与出租车之间的互动,首先,节省了双方的时间,使候车率与空车率一定程度上的减小,但是,也出现了出租汽车驾驶员为追求打车软件提供的额外收入而普遍拒载扬招乘客的现象,会使很多不使用打车软件的市民打车更难。
由此,分析补贴方案对“打车难”的影响,把“打车难”原因与补贴方案做具体分析。
本文建立基于乘客的满意度的模糊评价模型,按照乘客满意度程度,将满意度划分五个级别,分别是很满意,满意,一般,不满意和很不满意。
以此作为评照的标准。
搜集滴滴打车软件公司对于出租车的补贴方案,发现补贴方案复杂,所以选取代表性的三个补贴方案。
分别是“乘客立减十元,司机奖励十元”,“乘客返现0到20元”,“取消对司机的补贴”为评价因素分析补贴方案对于乘客打车是否有帮助。
2.3问题三的分析
从第一二问可知,不同时空出租车资源的“供求匹配”程度是不一样的,互联网模式下出租车补贴对于“缓解打车难”有一定的帮助,则需采取对于不同时空出租车和乘客不一样的补贴方案,考虑到补贴条件的复杂性,我们加入系数对目标函数进行调整,系数值由因子分析法得到。
三、模型假设
(1)假设司机始终勤恳的工作,在乘客减少的情况下仍然积极寻客。
(2)假设城市人口,规模,交通不发生大的变动。
(3)假设短期内不会出现对出租车影响较大的政策。
(4)假设不考虑通货膨胀对出租车价格的影响。
(5)假设其居民的总体生活习惯短期内不变。
四、符号的说明
符号
意义
相对尺度
为乘客抽取红包得到的金额
为出租车司机抽取红包得到的金额
指标隶属度
评判决策矩阵
特征向量
排序权重向量
评价因数集
为出租车司机得到红包总金额
为乘客得到红包总金额
评判集
一致性指标
一致性比率
随机一致性指标
A的最大特征值
五、模型建立及求解
5.1模型一的建立
5.1.1选取合理指标
判定“供求匹配”的主要指标有:
(1)里程利用率
里程利用率:
即营业里程与行驶里程之比,一般以一辆车为单位。
(1)
里程利用率这一指标能够反映出租车车辆的载客效率。
如果比例高,说明车辆行驶中载客比例高,空驶比较低,对于有需求的乘客来说可供用的车辆不多,乘客等待时间增加,供求关系比例紧张,则会加剧打车难的现状,影响交通堵塞,给各类乘客造成不便,违背服务行业的宗旨。
如果比例低,则车辆空驶比例高,出租车供给大于需求,车辆租用比较方便,但会造成资源浪费,出租车的经济效益下降,造成客运出租车行业的不稳定。
(2)车辆空载率
车辆空载率:
通过在车流量较大的客流集散较为集中的地点选取几个长期观测点,单位时间通过道路的未载有乘客的出租汽车数量与总通过出租汽车数量之比。
(2)
车辆空载率是城市较为集中地点人口对出租车的需求的表征,体现出运力与运量的平衡。
国家有关部门以出租车空载率30%的运力控制标准,在中心城市,当出租汽车空载率高于30%时,对乘客而言等待时间在可接受范围之内,不会出现打车难的状况,但对出租车而言,会造成载客效率低的局面,应限制出租汽车运力增加;当车辆空载率低于30%,表示出租车车辆的载客效率高,对于要乘车的乘客来说对出租车的需求增大,乘客的等待时间也相对增多,出租车供应不足,应增加出租车供给,提高城市的交通服务质量。
图5-1不同时间段的出租车空载率
(3)万人拥有量
万人拥有量:
指人均拥有量指标,用来描述一定城市规模内车辆的占有量。
(3)
按照现行《城市道路交通规划设计规范》,大城市出租车每万人拥有量不少于20辆,小城市每万人拥有量不少于5辆,中等城市可在其间取值。
(4)出租车出行结构比重
出租车出行结构比重:
随着经济的发展,出租车在公共交通的地位越来越重要。
在许多城市,出租车完成的客运量占公共交通的10%,有的城市达到20%。
(5)候车时间
候车时间:
指乘客有需求时等待出租车的时间。
根据搜集到的数据显示,各观察点不同时段的平均候车时间达16.2分钟,该数据便体现出“打车难”的状况。
各地的交通状况,人口状况均有差异,导致候车时间也不尽相同。
分析深圳市主要影响候车时间的相关因素:
一是深圳出租车存在的“拉载联客”现象;二是深圳近年来大力开展基础交通设施建设。
这两个因素都有利于了候车时间的缩短。
具体候车时间如下图所示:
图5-2平均候车时间图
各种评判指标的权重及具体系数如表4-1所示,通过查阅文献可知,深圳地区出租车完成的客运量占公共交通的20.7%,这里我们取值0.2,其余的值也同理,小数点后保留一位小数从而简化接下来的计算过程,具体数据如下表所示:
表5-1出租车运力规模综合评价功效系数
指标
权重
指标值
功效系数
出租车万人拥有量(辆/万人)
0.1
0-10
0.5
10-20
0.7
20-30
1.0
30-40
0.7
>40
0.5
出租车出行结构比重
0.2
0.0-0.05
0.5
0.05-0.1
0.7
0.1-0.2
1.0
0.2-0.3
0.7
0.3-0.8
0.5
里程利用率
0.2
>0.8
1
0.7-0.8
0.7
<0.7
0.5
出租车空载率
0.2
0-0.2
0.5
0.2-0.3
0.4
0.3-0.4
1.0
0.4-0.5
0.7
0.5-1.0
0.5
乘客候车时间(min)
0.3
<2.5
1
2.5-5.0
0.8
5.0-7.5
0.7
7.5-10
0.6
>10
0.5
5.1.2建立层次分析模型
本文运用层次分析法来分析深圳市不同时空出租车资源的“供求匹配”程度。
层次分析法是将决策总是有关的元素分解成目标层、准则层、方案层,在此基础之上进行定性和定量分析的决策方法。
层次分析法的基本步骤:
1.建立层次分析结构模型
2.构造成对比较阵
3.层次单排序并作一致性检验
4.层次总排序并作一致性检验
根据专家分析及题中要求,以出租车资源的供求匹配程度最高为目标层,以五个特定指标为准则层,往下又分子准则层。
运用YAAHP软件,建立不同时空出租车资源的“供求匹配”程度的递阶层次结构如图5-3所示:
图5-3层次分析递阶图
其中:
不同时间段包括节假日与工作日,以及一天中的高峰期,低谷期。
5.1.3模型求解
根据9标度法来定性的成对比较,确定相对尺度aij的值,9标度法的含义如表4-2所示:
表5-29标度法
含义
xi与xj同样重要
xi比xj稍重要
xi比xj重要
xi比xj强烈重要
xi比xj极重要
取值
13579
2468
1.准则层
以里程利用率,车辆空载率,出行结构比,万人拥有量,候车时间为准则层,根据实践经验和分析的结果,得图5-4,如以下成对比较阵:
图5-4成对比较阵
出租车资源的匹配程度A的各个特征向量:
对向量M归一化:
第二层对目标层的排序权重向量为:
W
(2)=(0.5443,0.1968,0.1559,0.0735,0.0295)
成对比较阵A的最大特征值
=
=
(4)
A的最大特征根:
一致性指标:
C.I.=
(5)
随机一致性指标:
R.I.=1.12(经查表得)(6)
一致性比率:
C.R.=C.I./R.I.=0.0443/1.12=0.0395<0.1(7)
因为一致性比率C.R小于0.1,认为A的不一致程度在容许范围之内,一致性检验通过,所以成对比较矩阵为一致性矩阵,其特征向量可用作为权向量。
2.方案层
第3层对第2层各因素的层次单排序权重向量分别为:
对成对比较阵B1
C1,C2,C3对准则B1的排序权重向量为
W13=(0.7986,0.1049,0.0965)T
CR13=0.0068<0.1
所以成对比较阵B1有满意一致性。
同理,对成对比较阵B2和B3,B4,B5可分别求出层次单排序权重向量,并进行一致性检验。
C3,C4,C5对准则B2的排序权重向量为
W23=(0.118,0.5910,0.2910)
CR23=0.00017<0.1
所以成对比较阵B2有满意一致性。
C2,C4,C5对准则B3的排序权重向量为
W33=(0.1365,0.6250,0.2385)
CR33=0.0176<0.1
所以成对比较阵B3有满意一致性。
C1,C6,C7对准则B4的排序权重向量为
W43=(0.0974,0.3331,0.5695)
C.R.43=0.0236<0.1
所以成对比较阵B4有满意一致性。
C6,C7,C8对准则B5的排序权重向量为
W53=(0.2426,0.0879,0.6694)
CR53=0.0068<0.1
所以成对比较阵B5有满意一致性。
第三层因素对目标层的层次总排序权重向量为
决策层对总目标的权值分别为:
{0.5215,0.1766,0.0692,0.1842,0.0243,0.0243},且通过检验,一致性比率CR<0.1,层次总排序通过一致性检验。
组合权重值{0.5215,0.1766,0.0692,0.1842,0.0243,0.0243}可作为最后的决策依据。
得图5-5,如下图所示:
图5-5匹配程度图
对于高峰期供求匹配的数据,准则层的权重值如图5-6所示:
图5-6高峰期供求匹配的权重值图
汇总供求匹配的各项指标权重值如表5-3所示:
表5-3五项指标的权重值
匹配程度
万人拥有量
车辆空载率
里程利用率
出行结果比重
候车时间
高峰期
0.201
0.1896
0.1027
0.0355
0.6521
平峰期
0.201
0.3327
0.1006
0.0322
0.5144
繁华街区
0.225
0.2013
0.1080
0.0277
0.6413
普通街区
0.201
0.3376
0.1013
0.0357
0.50563
由上述的结果可知,无论是在不同时间(高峰期,平峰期)还是在不同空间(繁华街区和普通街区),显然候车时间对供求匹配程度的影响都是最大的,而对于不同时间,车辆空载率对于供求匹配程度差距较大,这也是由于高峰期空载率会明显降低所致。
对于繁华街区和普通街区,虽然万人拥有量的值相差较大,但是对于供求匹配的影响差距并不大。
5.2建立模糊评价模型求解乘客满意度问题
打车软件的应用,从一定程度上方便了使用打车软件的市民约车,以此来缩短等待时间,但与此同时,也出现了出租汽车驾驶员有了更多的选择,为追求打车软件提供的额外收入而出现拒载扬招乘客的现象,会使很多没有使用打车软件的市民打车更难。
基于此,本文建立基于乘客的满意度的模糊评价模型,以滴滴打车软件公司对于出租车的补贴方案为例,研究对于乘客打车是否有帮助。
分析对于出租车的不同补贴方案,我们可以得知,各个补贴方案在乘客中的满意度的影响程度是不同的,对于出租车延误等级的综合评价是一个多目标决策问题,往往需要考虑多个目标,即各个指标在出租车延误中的影响程度。
一般情况下,其相对影响程度是由一组规范化的优先权来给定的,即有k个目标,一组权是
且满足:
在很多情况下,对目标的相对影响程度很难做出定量的测量,只能给出定性的比较判断,因此,在处理实际问题时,就不好解决。
目前,人们提出了一些方法,常用的有专家咨询法、层次分析法、加权最小二乘法、成对比较法等。
本文选用专家咨询法来确定各个指标的权重。
通常情况下,先聘请专家对各影响事件的因素进行比较判断,再运用对这种定性判断的结果量化。
将各专家作为特征样本,将各评价指标作为事件进行处理,这样得出的修正权重可以较大的提高各个权重指标的客观性。
5.2.1评价标准的选择
按照顾客满意程度的不同,我们将满意度程度划分为五个级别,分别为很满意、满意、一般、不满意和很不满意五个指标,如下:
表5-4满意程度级别表
等级
程度
等车时间
一级
很不满意
超过20分钟
二级
不满意
15到20分钟
三级
一般
10到15分钟
四级
满意
5到10分钟
五级
很满意
5分钟之内
通过本文搜集到的数据,并参考相关的标准,分别确定五个评价指标不同评价等级的值。
按照打车软件对出租车的补贴情况变化进行整理,由于补贴情况太过复杂,本文只选取取“乘客立减10元,司机奖励10元”、“乘客返现0到20元”、“取消对司机的补贴”三个主要指标作为顾客满意度的评价指标。
5.2.2模型的建立
(1)确定评价因素集与评语集
根据以上评价指标的选取和乘客满意度级别的划分,确定评价因素集为
,分别对应于“乘客立减10元,司机奖励10元”、“乘客返现0到20元”、“取消对司机的补贴”。
同时,确定评判集
,分别对应于很满意、满意、一般、不满意和很不满意五种评价等级。
(2)确定评价指标权重向量
a)给定初始的样本矩阵
,对原始数据进行标准化处理,得到数据矩阵
。
c)统计
的特征根和相应的特征向量
,将特征根按大小顺序排列,则第
个主成分的方差贡献率为
前
个主成分的累计贡献率为
。
d)选择n个主成分,通常所取得累计贡献率85%以上,即
;
e)前n个主成分对总体方差的贡献矩阵
,同时得到各指标在前n个主成分上的贡献矩阵
,
则各指标对总体方差的贡献率矩阵为:
(8)
W中各元素的值即为相应指标的权重。
根据以上权重确定方法,计算“乘客立减10元,司机奖励10元”、“乘客返现0到20元”、“取消对司机的补贴”三个指标的权重向量为:
(9)
(3)确定指标隶属度
在确定指标隶属度时,对于越大越优指标,采用升半梯形法,对于越小越优指标,采用降半梯形法。
其中路段平均行程速度属于越大越优指标,其他两个评价指标属于越小越优指标。
越大越优隶属度函数为:
(10)
越小越优隶属度函数为:
(11)
(4)模糊综合评价
通过以上分析,确定的模糊评价矩阵为:
(12)
在模糊评价矩阵构建的基础上,对所得矩阵和权重向量做合成运算,最终得到(13)式:
(13)
式中,
。
令
,取值为[0,1],
越接近1,乘客等车时间越长,越不满意;反之,等车时间越短。
其中分值区间与满意程度的对应关系如下表所示:
表5-5满意度与分值区间对应关系表
满意度
很不满意
不满意
一般
满意
很满意
分值区间
5.2.3模型的求解
建立单因素模糊评判矩阵的前提是通过检查单或者调查表的方式进行调查获得第一手资料,有5位商务人士、公司职员和学生组成专家组,对深圳市南山区2014年1到8月份的出租车平均等车统计情况进行评判,评判时分别在五个评判等级上对某项评估要素作出逻辑判断,即当认为该要素属于该等级时记l,否则记0。
根据五位专家的判断,统计结果如下表所示:
表5-6深圳市南山区等车情况综合评价表
因素集
评价集
影响打车情况的因素
专家判断各要素所处理等级概率统计
评价指标
权重
评价要素
权重
很不满意
不满意
一般
满意
很满意
滴滴打车乘客车费立减10元、司机立奖10元
0.3426
车辆空载率
0.1021
0.1
0.2
0.1
0.3
0.3
候车时间
0.2895
0.1
0.3
0.2
0.2
0.2
万人拥有量
0.1717
0.3
0.2
0.1
0.3
0.1
地区发达程度
0.1711
0.2
0.2
0.3
0.1
0.2
不同时段
0.1570
0.1
0.2
0.1
0.2
0.4
客流量
0.1122
0.1
0.3
0.1
0.2
0.3
滴滴打车乘客返现12至20元
0.2546
里程利用率
0.2235
0.2
0.2
0.1
0.1
0.4
车辆满载率
0.4458
0.1
0.1
0.1
0.5
0.2
万人拥有量
0.3307
0.1
0.2
0.3
0.2
0.2
滴滴打车取消对司机接单的常规补贴
0.3124
候车时间
0.2145
0.1
0.1
0.2
0.3
0.3
车辆满载率
0.1001
0.1
0.1
0.1
0.2
0.5
出行结构比重
0.1456
0.1
0.1
0.3
0.3
0.2
不同时段
0.3456
0.1
0.2
0.2
0.3
0.2
客流量
0.1942
0.1
0.1
0.1
0.2
0.5
打车软件乘客补贴“归零”
0.0028
旅客自身原因
0.5987
0.2
0.2
0.3
0.2
0.1
等重要旅客
0.4013
0.1
0.1
0.2
0.2
0.4
软件司机端补贴降为2元/单
0.0876
天气状况
0.3546
0.3
0.2
0.2
0.1
0.2
突发事件
0.2548
0.1
0.2
0.2
0.2
0.3
候车时间
0.3906
0.2
0.3
0.2
0.1
0.2
根据上表数据,我们可以得到以下矩阵:
模糊综合评价的顺序是由低层次向高层次逐层进行的,因此其评价顺序是先进行第二层评价,然后进行第一层评价。
第二层的计算采用如上评估模型,经过合成运算,得到第二层次的综合评判结果如下所示:
由此得出第一层的评判决策矩阵为:
(14)
第一层的计算结果为:
(15)
根据最终的计算结果
,依据最大隶属度原则,取隶属度最大的评估作为最终的结果,所以得出深圳南山区的最终等车状态的综合等级为满意等级状态,其所对应的满意等级为4。
综上所述,打车软件公司对于出租车的补贴方案的出台,乘客和出租车司机得到一定的补助,让出租车能够更快的找到乘客,方便了乘客还有实际的利益,在一定程度上缓解了打车难的问题,对于乘客打车是有一定帮助的。
5.3设计补贴方案并论证其合理性
5.3.1运用SPSS软件进行设计补贴方案
(1)根据路径补
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 关于 互联网 时代 出租车 资源配置 研究