出租车资源配置.docVIP

“互联网+”时代的出租车资源配置 摘 要 针对问题一，我们以青岛市为例，确定了车辆满载率、乘客满意度、出租车拥有数和9:00左右和18:00-19:00供求匹配程度最差、休息日打车需求较分散、休息日最大打车需求量小于工作日的结论。 针对问题二 针对问题三 本文用了简便、灵活而实用的多准则决策方法和微分方程模型，动态的分析了未打到车的乘客数与空车数之间的关系 关键字 1.问题重述 出租车是市民出行的重要交通工具，其面临着打车难的问题。进入互联网时代后，为了解决此问题，多家公司建立了打车软件服务平台，通过与乘客之间的信息我们需要问题 (1)建立合理的指标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对缓解打车难问题是否有帮助。 (3)设计补贴方案，并论证其合理性。 2.基本假设 1． 2．假设出租车只有载客和空车行驶状态，不在一处长久停留； 3．假设我们在网上获取的数据与真实数据没有太大出入。 3.通用符号说明 序号 符号 符号说明 1 车辆满载率 2 乘客满意度 3 出租车拥有数 4 乘客平均等待时间 5 乘车价格 6 供求匹配指数 7 总人口（万人） 4.问题一的模型建立与求解 4.1问题分析 我们打算以青岛市为例来分析此问题。 对于指标的确定基于出租车公司与乘客两大方面的考虑和对于不同时空的供求匹配问题 4.2模型的建立由问题分析我们建立四个指标如下 车辆满载率x1:青岛市载客出租车数1与总出租车数之比随x1 乘客满意度2:青岛市总出租车数居民需要出租车数2之比2的增加，供不应求的可能性减小，即供求匹配程度增大。 出租车拥有数x3:青岛市总出租车数N与总人口（万人）M之比。随x3的增加，供不应求的可能性减小，即供求匹配程度增大。 乘客平均等待时间x4:乘客等待出租车的时间min）。随4的增加说明供不应求的可能性增大 建立指标模型如下： 以出租车总体供求匹配程度A为比较准则x1、乘客满意度x2、出租车拥有数x3和4四个因素两两进行比较，并构造比较判断矩阵[1]，判断矩阵的合理性后，将青岛市出租车与居民的数据 定义四个指标的数据与权重的乘积和为供求匹配指数Q，它表示供求匹配的程度，随Q的增大，供求匹配的程度增大。 表1 出租车相关指标 满载率/% 满意度 出租车拥有数/辆/万人 平均等待时间/min 实际情况 均衡情况 分别为均衡情况下的四个指标的数值A形式，结合层次单排序权重向量W，得到供求匹配指数Q 代表四个因素的供求匹配指数 代表四个因素对供求匹配指数Q对于出租车在不同时空的供求匹配问题 我们以供求匹配指数Q4.3模型的求解 根据从对于.）： 我们对这四个因素进行层次单排序：判断矩阵A对应于最大特征值λmax的特征向量W，经归一化后,求得第二层次的车辆满载率x1、乘客满意度x2、出租车拥有数x3和4四个因素对于出租车总体供求匹配程度表2 层次单排序与一致性检验结果 B的最大特征根λmax 一致性指标CI 平均随和一致性指标RI 随机一致性指标CR 0.8880 0.1847 0.0869 0.4121 4.1170 0.039 0.9 0.0433 由上表可知CR小于0.1，符合一致性要求，说明此矩阵合理。 我们由网上所查的青岛市出租车与居民的数据 均衡即为理想情况下各指标的大小，我们定义供求匹配指数Q来表供求匹配的程度。对于车辆满载率x1和4，其供求匹配指数2和出租车拥有数x3，其供求匹配指数Q 我们将这四个指标转化成矩阵A形式，结合层次单排序权重向量W，得到供求匹配指数Q 我们以供求匹配指数Q 图1 图2 从时间方面由于6:00为夜间，打车量极少，所以我们不分析此时间段。其余时间段我们由上面两图可以看出，7:00-9:00和18:00-19:00是打车高峰时间段与上下班高峰期对应这个时候出租车需求量很大所以供求匹配指数很低从空间方面由图我们可以看出黄岛区的供求匹配程度最高市南区次之市北区最低原因可能是黄岛区的人数并不太多但经济较繁华出租车配备很足5.问题二的模型建立与求解 5.1问题分析 问题二需要我们分析各公司的出租车补贴方案是否对“缓解打车难”有帮助，我们拟选用现在比较流行的滴滴、优步公司和传统打车方式来进行分析。考虑到此问题的因素主观性很强，我们拟建立层次分析模型，打算采用定性与定量分析相结合的方法来解决此问题。 我们打算以缓解打车难的能力为目标层，车辆满载率、乘客满意度、出租车拥有数、乘客平均等待时间和乘车价格为准则层，滴滴、优步和传统打车方式的补贴政策[2-3]为决策层，建立层次分析模型，拟构造判断矩阵，验证完合理性后，归一化处理后可能得到滴滴、优步公司和传统打车方式的权值。我们拟通过权值大小对比，分析