1、 . 41 / 43關(guān)于“互聯(lián)網(wǎng)+”時代的出租車資源配置的研究摘要隨著社會發(fā)展與人們生活水平的提高，出租車在城市交通中扮演著重要的角色。應(yīng)運而生了出行打車難，交通堵塞等一系列亟待解決的問題。本文通過分析出租車出行特征和規(guī)律，運用層次分析數(shù)學(xué)模型和模糊評價數(shù)學(xué)模型，以與利用“互聯(lián)網(wǎng)+”對出租車資源優(yōu)化配置進行了簡要的分析研究，在已有的供需平衡理論的基礎(chǔ)上，設(shè)計出了新的補貼方案，該方案在一定程度上緩解了交通壓力。針對問題一，本文通過里程利用率、車輛空載率、萬人擁有量、出租車出行結(jié)構(gòu)比重、候車時間這五個指標來定性的分析問題，再運用層次分析法分析市不同時空出租車資源的“供求匹配”程度。通過對各項權(quán)重的

2、計算，可得出候車時間在高峰期的權(quán)重系數(shù)為0.6521、平峰期的權(quán)重系數(shù)為0.5144、繁華街區(qū)的權(quán)重系數(shù)為0.6413、普通街區(qū)的權(quán)重系數(shù)為0.5056。得出結(jié)論:無論是在不同時間（高峰期，平峰期）還是在不同空間（繁華街區(qū)和普通街區(qū)），候車時間對供求匹配程度的影響都是最大的。針對問題二，本文通過建立模乘客滿意度的模糊評價模型分析了不同的補貼方案對于“緩解打車難”的幫助程度。用SPSS求解模型后，得出南山區(qū)的最終等車狀態(tài)的綜合等級為滿意等級狀態(tài)，對應(yīng)的滿意等級為4，從而說明出租車的補貼方案是有幫助的。乘客和出租車司機雙方都得到補助，除了節(jié)省了乘客的時間，還降低了出租車空駛率，在一定程度上緩解了打

3、車難的問題。針對問題三，鑒于交通狀況的復(fù)雜性，設(shè)計出對于不同時空出租車和乘客不一樣的補貼方案，分別有路徑補貼、時間補貼、高峰期補貼、偏遠地區(qū)的補貼和繁華地區(qū)的補貼。出租車資源配置的衡量指標眾多，結(jié)合問題一，在紛雜的海量指標中，提取出最主要的影響指標是非常必要的，通過層次分析模型來分析供求匹配程度得出結(jié)論。主要運用SPSS軟件處理數(shù)據(jù)，分析得到的模型是否是最優(yōu)的，通過優(yōu)化使建立的模型是最為精確的，從而提高準確度。方法簡單明了，結(jié)果比較準對于不同時空出租車和乘客不一樣的補貼方案，考慮到補貼條件的復(fù)雜性，我們加入系數(shù)對目標函數(shù)進行調(diào)整，系數(shù)值由因子分析法得到。為論證了補貼方案的合理性。分別從乘客角度

4、、司機立場、以與能否“緩解打車難”等方面進行了合理性的分析，定性的得出結(jié)論。如果要創(chuàng)建一個新的打車軟件服務(wù)平臺，考慮所設(shè)計的補貼方案一定會行之有效。最后，本文對模型進行了檢驗與評價分析。模型一層次分析法的權(quán)重與組合權(quán)重都通過一致性檢驗。同時，本文對出租車的供需平衡分析可以推廣應(yīng)用到需要供需平衡調(diào)節(jié)的資源。                        

5、60; 關(guān)鍵詞：互聯(lián)網(wǎng)+ 打車難 層次分析法 模糊評價模型一、問題重述隨著社會經(jīng)濟的發(fā)展，出租車已逐步成為受市民歡迎的重要交通工具之一，然而“打車難”該社會熱點問題一直備受關(guān)注。隨著“互聯(lián)網(wǎng)+”時代的到來，多家公司利用移動互聯(lián)網(wǎng)建立了打車軟件服務(wù)平臺，不僅實現(xiàn)了乘客與出租車司機之間的信息互通，還提高了整個出租行業(yè)的服務(wù)質(zhì)量。各打車軟件服務(wù)平臺還推出多種出租車的補貼方案來改善軟件的實用效果，增加軟件的使用人數(shù)，同時緩解“打車難”的局面。 圍繞市民“打車難”這一熱點問題以與隨互聯(lián)網(wǎng)發(fā)展而崛起的打車軟件服務(wù)平臺的相應(yīng)補貼方案，建立數(shù)學(xué)模型研究如下問題：（1）建立合理的指標，并分析不同時空出

6、租車資源的“供求匹配”程度。（2）分析各公司的出租車補貼方案是否對“緩解打車難”有幫助。（3）如果要創(chuàng)建一個新的打車軟件服務(wù)平臺，要求設(shè)計出相應(yīng)的補貼方案，并論證其合理性。二、問題分析21問題一的分析問題1要求建立合理的指標體系來評價不同時空出租車資源的“供求匹配”程度。影響供求匹配的主要因素有出租車供給量，城市人口對出租車的需求，不同時段，客流量，交通狀況等情況。為了對匹配程度進行分析，本文從以下幾個指標來描述：1. 里程利用率，能夠反映出租車車輛的載客效率。2. 車輛空載率，體現(xiàn)出運力與運量的平衡，即出租車與需要搭乘出租車的人數(shù)之間的平衡。3. 萬人擁有量，由每一座城市的人口規(guī)模以與所提供

7、服務(wù)的出租車數(shù)量所決定，從而作為城市人口需求與出租車供給的一項指標。4. 出租車出行結(jié)構(gòu)比重，人口所選擇的出行方式?jīng)Q定對出租車的需求。5. 候車時間，候車時間是出租車供給量的間接表示，候車時間長，代表出租車供應(yīng)不足，候車時間短，乘客的需求較快的唄滿足，代表滿意度高。雖然這些指標都可以來衡量出租車供給與需求，但并不能單個簡單的分析“供求匹配”，因此需要運用層次分析模型定性與定量的對“供需匹配”分析。以供求匹配程度為目標，以五個指標作為準則層。運用9標度法求解模型。將五項指標的權(quán)重值在不同時空相比較，最終匯總各項指標對供求匹配做出定量與定性分析綜合分析。22問題二的分析打車軟件的應(yīng)用，在一定程度上

8、建立了乘客與出租車之間的互動，首先，節(jié)省了雙方的時間，使候車率與空車率一定程度上的減小，但是，也出現(xiàn)了出租汽車駕駛員為追求打車軟件提供的額外收入而普遍拒載揚招乘客的現(xiàn)象，會使很多不使用打車軟件的市民打車更難。由此，分析補貼方案對“打車難”的影響，把“打車難”原因與補貼方案做具體分析。本文建立基于乘客的滿意度的模糊評價模型，按照乘客滿意度程度，將滿意度劃分五個級別，分別是很滿意，滿意，一般，不滿意和很不滿意。以此作為評照的標準。搜集滴滴打車軟件公司對于出租車的補貼方案，發(fā)現(xiàn)補貼方案復(fù)雜，所以選取代表性的三個補貼方案。分別是“乘客立減十元，司機獎勵十元”，“乘客返現(xiàn)0到20元”，“取消對司機的補貼

9、”為評價因素分析補貼方案對于乘客打車是否有幫助。23問題三的分析從第一二問可知，不同時空出租車資源的“供求匹配”程度是不一樣的，互聯(lián)網(wǎng)模式下出租車補貼對于“緩解打車難”有一定的幫助，則需采取對于不同時空出租車和乘客不一樣的補貼方案，考慮到補貼條件的復(fù)雜性，我們加入系數(shù)對目標函數(shù)進行調(diào)整，系數(shù)值由因子分析法得到。三、模型假設(shè)（1） 假設(shè)司機始終勤懇的工作，在乘客減少的情況下仍然積極尋客。（2） 假設(shè)城市人口，規(guī)模，交通不發(fā)生大的變動。（3） 假設(shè)短期不會出現(xiàn)對出租車影響較大的政策。（4） 假設(shè)不考慮通貨膨脹對出租車價格的影響。（5） 假設(shè)其居民的總體生活習(xí)慣短期不變。四、符號的說明符號意義相對尺

10、度為乘客抽取紅包得到的金額為出租車司機抽取紅包得到的金額指標隸屬度評判決策矩陣特征向量排序權(quán)重向量評價因數(shù)集為出租車司機得到紅包總金額為乘客得到紅包總金額評判集一致性指標一致性比率隨機一致性指標A的最大特征值五、模型建立與求解5.1模型一的建立 5.1.1選取合理指標判定“供求匹配”的主要指標有：（1）里程利用率里程利用率：即營業(yè)里程與行駛里程之比，一般以一輛車為單位。 （1）里程利用率這一指標能夠反映出租車車輛的載客效率。如果比例高，說明車輛行駛中載客比例高，空駛比較低，對于有需求的乘客來說可供用的車輛不多，乘客等待時間增加，供求關(guān)系比例緊，則會加劇打車難的現(xiàn)狀，影響交通堵塞，給各類乘客造成

11、不便， 違背服務(wù)行業(yè)的宗旨。如果比例低，則車輛空駛比例高，出租車供給大于需求，車輛租用比較方便，但會造成資源浪費，出租車的經(jīng)濟效益下降，造成客運出租車行業(yè)的不穩(wěn)定。（2）車輛空載率車輛空載率：通過在車流量較大的客流集散較為集中的地點選取幾個長期觀測點，單位時間通過道路的未載有乘客的出租汽車數(shù)量與總通過出租汽車數(shù)量之比。 （2）車輛空載率是城市較為集中地點人口對出租車的需求的表征，體現(xiàn)出運力與運量的平衡。國家有關(guān)部門以出租車空載率30%的運力控制標準，在中心城市，當出租汽車空載率高于30時，對乘客而言等待時間在可接受圍之，不會出現(xiàn)打車難的狀況，但對出租車而言，會造成載客效率低的局面，應(yīng)限制出租汽

12、車運力增加；當車輛空載率低于30%，表示出租車車輛的載客效率高，對于要乘車的乘客來說對出租車的需求增大，乘客的等待時間也相對增多，出租車供應(yīng)不足，應(yīng)增加出租車供給，提高城市的交通服務(wù)質(zhì)量。 圖5-1 不同時間段的出租車空載率（3）萬人擁有量 萬人擁有量：指人均擁有量指標，用來描述一定城市規(guī)模車輛的占有量。 （3） 按照現(xiàn)行城市道路交通規(guī)劃設(shè)計規(guī)，大城市出租車每萬人擁有量不少于20輛，小城市每萬人擁有量不少于5輛，中等城市可在其間取值。（4）出租車出行結(jié)構(gòu)比重出租車出行結(jié)構(gòu)比重：隨著經(jīng)濟的發(fā)展，出租車在公共交通的地位越來越重要。在許多城市，出租車完成的客運量占公共交通的10，有的城市達到20。（

13、5）候車時間候車時間：指乘客有需求時等待出租車的時間。根據(jù)搜集到的數(shù)據(jù)顯示，各觀察點不同時段的平均候車時間達16.2分鐘，該數(shù)據(jù)便體現(xiàn)出“打車難”的狀況。各地的交通狀況，人口狀況均有差異，導(dǎo)致候車時間也不盡一樣。分析市主要影響候車時間的相關(guān)因素：一是出租車存在的“拉載聯(lián)客”現(xiàn)象；二是近年來大力開展基礎(chǔ)交通設(shè)施建設(shè)。這兩個因素都有利于了候車時間的縮短。具體候車時間如下圖所示：圖5-2 平均候車時間圖 各種評判指標的權(quán)重與具體系數(shù)如表4-1所示，通過查閱文獻可知，地區(qū)出租車完成的客運量占公共交通的20.7，這里我們?nèi)≈?.2，其余的值也同理，小數(shù)點后保留一位小數(shù)從而簡化接下來的計算過程，具體數(shù)據(jù)如

14、下表所示：表5-1 出租車運力規(guī)模綜合評價功效系數(shù)指標權(quán)重指標值功效系數(shù)出租車萬人擁有量（輛/萬人）0.10-100.510-200.720-301.030-400.7>400.5出租車出行結(jié)構(gòu)比重0.20.0-0.050.50.05-0.10.70.1-0.21.00.2-0.30.70.3-0.80.5里程利用率0.2>0.810.7-0.80.7<0.70.5出租車空載率0.20-0.20.50.2-0.30.40.3-0.41.00.4-0.50.70.5-1.00.5乘客候車時間（min）0.3<2.512.5-5.00.85.0-7.50.77.5-100.

15、6>100.55.1.2建立層次分析模型本文運用層次分析法來分析市不同時空出租車資源的“供求匹配”程度。層次分析法是將決策總是有關(guān)的元素分解成目標層、準則層、方案層，在此基礎(chǔ)之上進行定性和定量分析的決策方法。層次分析法的基本步驟：1. 建立層次分析結(jié)構(gòu)模型2. 構(gòu)造成對比較陣3. 層次單排序并作一致性檢驗4. 層次總排序并作一致性檢驗根據(jù)專家分析與題中要求, 以出租車資源的供求匹配程度最高為目標層，以五個特定指標為準則層，往下又分子準則層。運用YAAHP軟件，建立不同時空出租車資源的“供求匹配”程度的遞階層次結(jié)構(gòu)如圖5-3所示：圖5-3 層次分析遞階圖其中：不同時間段包括節(jié)假日與工作日，

16、以與一天中的高峰期，低谷期。5.1.3 模型求解根據(jù)9標度法來定性的成對比較，確定相對尺度aij 的值，9標度法的含義如表4-2所示：表5-2 9標度法含義xi 與xj 同樣重要xi 比xj 稍重要xi 比xj重要xi 比xj 強烈重要xi 比xj 極重要取值1357924681.準則層以里程利用率，車輛空載率，出行結(jié)構(gòu)比，萬人擁有量，候車時間為準則層，根據(jù)實踐經(jīng)驗和分析的結(jié)果，得圖5-4,如以下成對比較陣：圖5-4 成對比較陣出租車資源的匹配程度A的各個特征向量：對向量M歸一化：第二層對目標層的排序權(quán)重向量為：W(2) =(0.5443，0.1968，0.1559，0.0735，0.0295

17、)成對比較陣A的最大特征值= = （4）A的最大特征根：一致性指標： C.I.= （5）隨機一致性指標： R.I.=1.12 （經(jīng)查表得）（6）一致性比率： C.R.=C.I./R.I.=0.0443/1.12=0.0395<0.1（7）因為一致性比率C.R小于0.1，認為A的不一致程度在容許圍之，一致性檢驗通過，所以成對比較矩陣為一致性矩陣，其特征向量可用作為權(quán)向量。2. 方案層第3層對第2層各因素的層次單排序權(quán)重向量分別為：對成對比較陣B1C1 ，C2 ，C3對準則B1的排序權(quán)重向量為W13（0.7986，0.1049，0.0965）TCR1 3 0.0068<0.1所以成對比

18、較陣B1 有滿意一致性。同理，對成對比較陣B2 和B3 ，B4 ，B5 可分別求出層次單排序權(quán)重向量，并進行一致性檢驗。C3 ，C4 ，C5 對準則B2 的排序權(quán)重向量為W23 （0.118，0.5910，0.2910）CR2 3 =0.00017<0.1所以成對比較陣B2 有滿意一致性。C2 ，C4，C5 對準則B3 的排序權(quán)重向量為W33 （0.1365，0.6250，0.2385）CR3 3 =0.0176<0.1所以成對比較陣B3有滿意一致性。C1 ，C6 ，C7 對準則B4 的排序權(quán)重向量為W43 （0.0974，0.3331，0.5695）C.R.4 3 =0.0236

19、<0.1所以成對比較陣B4有滿意一致性。C6 ，C7 ，C8 對準則B5 的排序權(quán)重向量為W53 （0.2426，0.0879，0.6694）CR5 3 =0.0068<0.1所以成對比較陣B5有滿意一致性。第三層因素對目標層的層次總排序權(quán)重向量為決策層對總目標的權(quán)值分別為：0.5215，0.1766，0.0692，0.1842，0.0243，0.0243 ，且通過檢驗，一致性比率CR<0.1，層次總排序通過一致性檢驗。組合權(quán)重值0.5215，0.1766，0.0692，0.1842，0.0243，0.0243 可作為最后的決策依據(jù)。得圖5-5，如下圖所示：圖5-5 匹配程度

20、圖對于高峰期供求匹配的數(shù)據(jù)，準則層的權(quán)重值如圖5-6所示:圖5-6 高峰期供求匹配的權(quán)重值圖匯總供求匹配的各項指標權(quán)重值如表5-3所示：表5-3 五項指標的權(quán)重值匹配程度萬人擁有量車輛空載率里程利用率出行結(jié)果比重候車時間高峰期0.2010.18960.10270.03550.6521平峰期0.2010.33270.10060.03220.5144繁華街區(qū)0.2250.20130.10800.02770.6413普通街區(qū)0.2010.33760.10130.03570.50563由上述的結(jié)果可知，無論是在不同時間（高峰期，平峰期）還是在不同空間（繁華街區(qū)和普通街區(qū)），顯然候車時間對供求匹配程度的

21、影響都是最大的，而對于不同時間，車輛空載率對于供求匹配程度差距較大，這也是由于高峰期空載率會明顯降低所致。對于繁華街區(qū)和普通街區(qū)，雖然萬人擁有量的值相差較大，但是對于供求匹配的影響差距并不大。5.2建立模糊評價模型求解乘客滿意度問題打車軟件的應(yīng)用，從一定程度上方便了使用打車軟件的市民約車，以此來縮短等待時間，但與此同時，也出現(xiàn)了出租汽車駕駛員有了更多的選擇，為追求打車軟件提供的額外收入而出現(xiàn)拒載揚招乘客的現(xiàn)象，會使很多沒有使用打車軟件的市民打車更難。基于此，本文建立基于乘客的滿意度的模糊評價模型，以滴滴打車軟件公司對于出租車的補貼方案為例，研究對于乘客打車是否有幫助。分析對于出租車的不同補貼方

22、案，我們可以得知,各個補貼方案在乘客中的滿意度的影響程度是不同的,對于出租車延誤等級的綜合評價是一個多目標決策問題,往往需要考慮多個目標，即各個指標在出租車延誤中的影響程度。一般情況下,其相對影響程度是由一組規(guī)化的優(yōu)先權(quán)來給定的,即有k個目標,一組權(quán)是,且滿足:在很多情況下,對目標的相對影響程度很難做出定量的測量,只能給出定性的比較判斷,因此,在處理實際問題時,就不好解決。目前,人們提出了一些方法,常用的有專家咨詢法、層次分析法、加權(quán)最小二乘法、成對比較法等。本文選用專家咨詢法來確定各個指標的權(quán)重。通常情況下，先聘請專家對各影響事件的因素進行比較判斷，再運用對這種定性判斷的結(jié)果量化。將各專家作

23、為特征樣本，將各評價指標作為事件進行處理，這樣得出的修正權(quán)重可以較大的提高各個權(quán)重指標的客觀性。5.2.1評價標準的選擇按照顧客滿意程度的不同，我們將滿意度程度劃分為五個級別，分別為很滿意、滿意、一般、不滿意和很不滿意五個指標，如下：表5-4滿意程度級別表等級程度 等車時間一級很不滿意超過20分鐘二級不滿意15到20分鐘三級一般10到15分鐘四級滿意 5到10分鐘五級很滿意5分鐘之通過本文搜集到的數(shù)據(jù)，并參考相關(guān)的標準，分別確定五個評價指標不同評價等級的值。按照打車軟件對出租車的補貼情況變化進行整理，由于補貼情況太過復(fù)雜，本文只選取取“乘客立減10元，司機獎勵10元”、“乘客返現(xiàn)0到20元”、

24、 “取消對司機的補貼”三個主要指標作為顧客滿意度的評價指標。5.2.2模型的建立(1) 確定評價因素集與評語集根據(jù)以上評價指標的選取和乘客滿意度級別的劃分，確定評價因素集為，分別對應(yīng)于“乘客立減10元，司機獎勵10元”、“乘客返現(xiàn)0到20元”、 “取消對司機的補貼”。同時，確定評判集，分別對應(yīng)于很滿意、滿意、一般、不滿意和很不滿意五種評價等級。(2) 確定評價指標權(quán)重向量a）給定初始的樣本矩陣，對原始數(shù)據(jù)進行標準化處理，得到數(shù)據(jù)矩陣。c）統(tǒng)計的特征根和相應(yīng)的特征向量，將特征根按大小順序排列，則第個主成分的方差貢獻率為,前個主成分的累計貢獻率為。d）選擇n個主成分，通常所取得累計貢獻率85%以上

25、，即；e）前n個主成分對總體方差的貢獻矩陣，同時得到各指標在前n個主成分上的貢獻矩陣，則各指標對總體方差的貢獻率矩陣為：（8）W中各元素的值即為相應(yīng)指標的權(quán)重。根據(jù)以上權(quán)重確定方法，計算“乘客立減10元，司機獎勵10元”、“乘客返現(xiàn)0到20元”、 “取消對司機的補貼”三個指標的權(quán)重向量為：（9）(3) 確定指標隸屬度在確定指標隸屬度時，對于越大越優(yōu)指標，采用升半梯形法，對于越小越優(yōu)指標，采用降半梯形法。其中路段平均行程速度屬于越大越優(yōu)指標，其他兩個評價指標屬于越小越優(yōu)指標。越大越優(yōu)隸屬度函數(shù)為：（10）越小越優(yōu)隸屬度函數(shù)為：（11）(4) 模糊綜合評價通過以上分析， 確定的模糊評價矩陣為：（1

26、2）在模糊評價矩陣構(gòu)建的基礎(chǔ)上， 對所得矩陣和權(quán)重向量做合成運算，最終得到（13）式：（13）式中，。令，取值為0，1，越接近1，乘客等車時間越長，越不滿意；反之，等車時間越短。其中分值區(qū)間與滿意程度的對應(yīng)關(guān)系如下表所示：表5-5滿意度與分值區(qū)間對應(yīng)關(guān)系表滿意度很不滿意不滿意一般滿意很滿意分值區(qū)間5.2.3 模型的求解建立單因素模糊評判矩陣的前提是通過檢查單或者調(diào)查表的方式進行調(diào)查獲得第一手資料，有5位商務(wù)人士、公司職員和學(xué)生組成專家組，對市南山區(qū)2014年1到8月份的出租車平均等車統(tǒng)計情況進行評判，評判時分別在五個評判等級上對某項評估要素作出邏輯判斷，即當認為該要素屬于該等級時記l，否則記0

27、。根據(jù)五位專家的判斷，統(tǒng)計結(jié)果如下表所示：表5-6市南山區(qū)等車情況綜合評價表因素集評價集影響打車情況的因素專家判斷各要素所處理等級概率統(tǒng)計評價指標權(quán)重評價要素權(quán)重很不滿意不滿意一般滿意很滿意滴滴打車乘客車費立減10元、司機立獎10元0.3426車輛空載率0.10210.10.20.10.30.3候車時間0.28950.10.30.20.20.2萬人擁有量0.17170.30.20.10.30.1地區(qū)發(fā)達程度0.17110.20.20.30.10.2不同時段0.15700.10.20.10.20.4客流量0.11220.10.30.10.20.3滴滴打車乘客返現(xiàn)12至20元0.2546里程利用率

28、0.22350.20.20.10.10.4車輛滿載率0.44580.10.10.10.50.2萬人擁有量0.33070.10.20.30.20.2滴滴打車取消對司機接單的常規(guī)補貼0.3124候車時間0.21450.10.10.20.30.3車輛滿載率0.10010.10.10.10.20.5出行結(jié)構(gòu)比重0.14560.10.10.30.30.2不同時段0.34560.10.20.20.30.2客流量0.19420.10.10.10.20.5打車軟件乘客補貼“歸零”0.0028旅客自身原因0.59870.20.20.30.20.1等重要旅客0.40130.10.10.20.20.4軟件司機端補貼

29、降為2元/單0.0876天氣狀況0.35460.30.20.20.10.2突發(fā)事件0.25480.10.20.20.20.3候車時間0.39060.20.30.20.10.2根據(jù)上表數(shù)據(jù)，我們可以得到以下矩陣：模糊綜合評價的順序是由低層次向高層次逐層進行的，因此其評價順序是先進行第二層評價，然后進行第一層評價。第二層的計算采用如上評估模型，經(jīng)過合成運算，得到第二層次的綜合評判結(jié)果如下所示：由此得出第一層的評判決策矩陣為：（14）第一層的計算結(jié)果為：（15）根據(jù)最終的計算結(jié)果，依據(jù)最大隸屬度原則,取隸屬度最大的評估作為最終的結(jié)果,所以得出南山區(qū)的最終等車狀態(tài)的綜合等級為滿意等級狀態(tài)，其所對應(yīng)的滿

30、意等級為4。綜上所述，打車軟件公司對于出租車的補貼方案的出臺，乘客和出租車司機得到一定的補助，讓出租車能夠更快的找到乘客，方便了乘客還有實際的利益，在一定程度上緩解了打車難的問題，對于乘客打車是有一定幫助的。5.3設(shè)計補貼方案并論證其合理性5.3.1運用SPSS軟件進行設(shè)計補貼方案（1）根據(jù)路徑補貼：建立基于最短路徑的打車優(yōu)化軟件，根據(jù)軟件上不同道路車的數(shù)量與擁擠程度選擇最優(yōu)化的形式道路，按照優(yōu)化路徑行駛補貼司機2元。（2）一般時間的補貼：一般時間，供求基本相當，因此對于乘客和司機的補貼金額一樣即可，即乘客和司機均補貼3元。（3）高峰期補貼：由于高峰段和一般時候的出租車空載率與需求情況的不同，

31、要分時間段進行補貼。高峰期時顧客的需求大于出租車的供應(yīng)，因此對于司機的補貼要更高一些，高峰期司機補貼6元，乘客補貼由3元降至2元。但是如果駕駛員使用軟件過程對駕駛造成影響就取消高峰期補貼。（4）繁華地段補貼：對于繁華地段，由于交通流量很大，堵車的可能性會增加，高峰期段打車乘客車費返現(xiàn)5元，司機獎勵5元。而其他時間根據(jù)道路擁擠程度補貼510元。（5）偏遠地區(qū)補貼：本文所說的偏遠地區(qū)是距離繁華地段3km以上的地區(qū)，由于司機到達這樣的地區(qū)會導(dǎo)致里程利用率降低，因此給司機獎勵紅包10元，從而方便偏遠地區(qū)打不到車的乘客，又分散了繁華地區(qū)的車輛，進而緩解交通阻塞的問題。（6）為了鼓勵廣大用戶使用打車軟件，

32、對于新注冊的用戶給予15元的獎勵。其次，為了促進消費，老用戶每次用完軟件之后都會獲得1到5元不等的紅包。 考慮到補貼條件的復(fù)雜性，我們加入系數(shù)對目標函數(shù)進行調(diào)整，系數(shù)值由因子分析法得到。則：（17） 其中為出租車司機抽取紅包得到的金額，Y1為出租車司機得到紅包總金額，則：（18） 其中為乘客抽取紅包得到的金額，Y2為乘客得到紅包總金額。 運用SPSS軟件對地區(qū)各小區(qū)出租車的分布數(shù)據(jù)進行提取并處理，簡化數(shù)據(jù)并得到各因素的權(quán)重，其中總方差如下表5-7所示：表5-7 解釋的總方差成份初始特征值提取平方和載入合計方差的 %累積 %合計方差的 %累積 %11.22761.35261.3521.22761

33、.35261.35220.77338.648100.000相關(guān)性矩陣如表5-8所示：表5-8 相關(guān)性VAR00001VAR00002出租車司機補貼Pearson 相關(guān)性1-.227顯著性（雙側(cè)）0.713平方與叉積的和38.800-6.000協(xié)方差9.700-1.500N55乘客補貼Pearson 相關(guān)性-.2271顯著性（雙側(cè)）0.713平方與叉積的和-6.00017.999協(xié)方差-1.5004.500N55根據(jù)層次分析法得出的決策目標各種參數(shù)如下表5-9所示。其中正互反矩陣一致性比例為0.0976。表5-9 決策目標權(quán)重表決策目標路徑一般時間高峰期偏遠地區(qū)繁華地區(qū)路徑17585一般時間0.

34、142910.210.25高峰期15187偏遠地區(qū)0.12510.12510.1667繁華地區(qū)0.240.142961進而得出的A1、A2、A3、A4、A5值為如下表5-10所示：表5-10 不同時空占比重表含義數(shù)值A(chǔ)1路徑0.3429A2一般時間0.0475A3高峰時間0.4524A4偏遠地區(qū)0.0388A5繁華地區(qū)0.1183則最終得到的出租車司機和乘客的補貼解析式為：（19） 其中為出租車司機抽取紅包得到的金額，Y1為出租車司機得到紅包總金額，則：（20）其中為乘客抽取紅包得到的金額，Y2為乘客得到紅包總金額。M值與國各城市的發(fā)達程度與人口密集程度等因素有關(guān)。表5-11 全國不同城市補貼

35、方案表城市M1M2M3M4M5227.226.575.74121.901.657.50122.681.707.501.51.51.811.56.33123.001.207.48123.332.207113.371.787.87222.971.537.651.521.941.735.00211.120.6511.401.525.602.089.121.213.071.507.031.413.091.529.94237.373.5110112.642.318.675.3.3補貼方案的合理性分析1從乘客角度看補貼合理性 乘客獲得補貼的額度與路段繁華程度相關(guān)性最大。從第一問可知出租車資源的供求匹配程度

36、與候車時間的相關(guān)性最大，進而驗證系數(shù)A4的取值合理。2從出租車司機角度看補貼合理性 對于出租車司機而言，系數(shù)A1的權(quán)重最大，這也可以有效的促進出租車司機按照軟件提供的行駛路徑進行駕駛，有效的避免了交通阻塞的問題。此外，有了打車軟件作為與乘客之間互動溝通的紐帶，也可以有效的避免了交通不繁華地區(qū)的人們打車難的問題。3從緩解交通堵塞問題看補貼合理性 沒有打車軟件，出租車司機的行駛地點是無目的的隨機的，空載時只能根據(jù)經(jīng)驗選擇駛?cè)氲攸c，而乘車軟件的使用使得供與求之間得到了良好的結(jié)合，這樣使得偏遠地區(qū)的乘客可以打到車，又分散了繁華地區(qū)的車輛，進而緩解交通阻塞的問題。此外，打車軟件的使用使得的地點，減少了大

37、批出租車的空載率與里程利用率，因此對于緩解交通阻塞問題是合理的。4從總成本角度分析補貼的合理性使用打車軟件，出租車司機的里程利用率與車輛空載率有了明顯的提升，減少了不必要的車程，從而省油也減少了尾氣對空氣的污染。但是對于補貼總金額與節(jié)省的時間汽油之間的關(guān)系還沒有具體值可以查證，因此在總成本角度，只能說相對合理。5從“打車難”問題論證補貼合理性乘客打車難，等不到出租車，出租車四處巡游，尋不到乘客。而使用打車軟件，乘客定位出發(fā)地，出租車司機可以就近選擇就近的拉載乘客，不在漫無目的的巡游，減少了空載率，乘客的等待時間也縮短。進而有利于減緩打車難。六、 模型評價6.1模型的優(yōu)點1、本文容豐富，模型多樣

38、，以出租車資源為主線較為系統(tǒng)的對問題進行了研究。定性與定量的方法結(jié)合，從實際利益考慮，增加了解決現(xiàn)實問題的有效性。2、論文給出了大量圖形表格，條分縷析，圖文并茂，雖直觀易懂，但推理嚴謹，深入淺出，準確地分析各個問題。模型可操作性強，推廣應(yīng)用起來也很方便。3、將數(shù)學(xué)模型與實際生活相結(jié)合，從各方面利益分析，不僅從出租車司機的角度思考問題，同時也把自己當做一名需求者對待，同時又從國家考慮，出租車客運服務(wù)面廣,直接關(guān)系到城市的聲譽和整體形象。因此 ,它具有公益事業(yè)的性質(zhì) , 在兼顧經(jīng)濟效益的同時還要注重社會效益。6.2 模型缺點1、在建模與收集收據(jù)過程中，使用的數(shù)據(jù)只是現(xiàn)實數(shù)據(jù)的一種近似，因而得出的結(jié)

39、果可能與現(xiàn)實情況有一定的差距。 2、論述帶有一定的主觀性，人為主觀因素大。3、所建立的模型有諸多變量影響，而由于變量因素過于復(fù)雜，只通過主要因素考慮某些模型的建立。七、模型改進與推廣7.1問題二模糊評價模型改進本模型中僅選取了三個補貼方案作為評價因素集，而實際上補貼方案大于三個，但從以實際分析過程可以看出，滿意度與補貼方案有很大的關(guān)系，對乘客的補貼費用越多，乘客越滿意。所以，該模型具有一定的局限性。模型改進可從以下幾個方面改進：1、需要對實際的補貼方案進一步細化統(tǒng)計，精確地找出乘客滿意度與補貼的關(guān)系；2、針對多變量的選擇問題，可以考慮主成分分析法、因子分析、典型相關(guān)分析等方法。7.2 推廣與應(yīng)

40、用本文中的層次分析模型可以推廣到任一多個指標衡量的評價問題，本文對出租車的供需分析可以推廣應(yīng)用到市場中的物品，或者需要供需平衡調(diào)節(jié)的資源，如醫(yī)院的病床與住院患者，必需品的供應(yīng)量與人們的需求量之間的關(guān)系。若推廣用于實際需求分析，更加貼近生活，也能為我們的日常生活服務(wù)。八、參考文獻1煒，羅霞，打車軟件背景下出租車運營平衡模型N,長安大學(xué)，2015.12曉梅，供需平衡狀態(tài)下的出租車發(fā)展規(guī)模研究C,西南交通大學(xué)，2010.06.013譚照軍，出租汽車打車難分析J,市運輸管理處，（42）20124仲敏，天鍵，龍昭鵬，強，基于互聯(lián)網(wǎng)技術(shù)的出租車調(diào)度系統(tǒng)設(shè)計A，大學(xué)通信與電子工程學(xué)院，2014.85王皓，光

41、潔，云峰，城市交通管理中的出租車規(guī)劃D,師大學(xué)，2006.76我國出租汽車行業(yè)管理和發(fā)展面臨問題與對策建議J,國務(wù)院發(fā)展研究中心發(fā)展戰(zhàn)略和區(qū)域經(jīng)濟研究部課題組，2008（174）7汪曉波，城市出租車資源移動分享App的設(shè)計與實現(xiàn)D,大學(xué)，2014.68耀霞，出租車行業(yè)利益主體關(guān)系研究D,西南交通大學(xué)，2008.12九、附錄附錄一某城市3.13.16日不同時刻車輛空載率統(tǒng)計67891011123月1日27.829.232.233.42931.538.93月2日29.827.828.928.329.129.231.13月3日28.927.130.227.331.930.530.83月4日25.52

42、4.926.130.327.328.832.53月5日39.128.829.729.432.530.435.13月6日30.632.731.329.627.334.235.13月7日28.924.929.828.528.728.431.43月8日18.526.532.827.726.230.930.33月9日37.331.230.828.228.129.832.73月10日28.831.533.528.232.926.231.93月11日22.722.924.430.229.331293月12日23.724.726.22625.931.828.33月13日34.128.826.627.628.

43、225.730.33月14日27.732.529.131.531.530.434.13月15日34.432.232.231.530.33537.93月1日131415161718193月2日34.934.23642.734.829.943.23月3日28.727.131.236.727.320.136.63月4日302525.130.228.224.235.13月5日34.5313130.224.134.558.13月6日38.536.836.135.437.947.659.63月7日33.835.340.437.834.927.243.43月8日29.828.835.242.532.428.

44、445.33月9日29.62325.624.920.121.436.73月10日34.732.936.542.834.128.8493月11日31.527.829.529.427.423.836.23月12日2824.522.623.224.626.443.53月13日3235.139.841.540.147.654.73月14日33.435.337.740.233.925.142.83月15日33.336.539.143.338.736.651.53月16日36.135.24347.73931.952.7附錄二：某地里程利用率統(tǒng)計序號車牌號行駛里程（km/日）載客里程(km/日）每日載客次數(shù)

45、（次/日）空駛率(%)1E3C963546.67 205.37 31.77 62.43 2ESL178376.84 138.01 19.58 63.38 3ESL213516.81 171.34 26.03 66.85 4E3C964282.98 94.31 9.74 66.67 5ESL248421.33 159.98 29.45 62.03 6ESL283295.50 112.71 13.81 61.86 7E3C965353.55 126.21 24.52 64.30 8ESL318123.38 44.01 2.87 64.33 9ESL353345.02 130.57 21.52 62

46、.16 10E3C966407.69 100.90 12.35 75.25 11ESL388415.94 156.95 22.00 62.27 12ESL423375.96 126.66 22.29 66.31 13E3C967514.91 176.34 31.71 65.75 14ESL458258.90 99.49 25.23 61.57 15ESL493520.58 177.15 28.14 65.97 16E3C968497.09 185.54 21.87 62.67 17ESL528263.59 79.35 10.32 69.90 18ESL563440.94 165.46 17.9

47、6 62.48 19E3C969498.09 138.74 11.84 72.14 20ESL598418.70 154.01 18.85 63.22 21ESL633323.93 107.00 8.25 66.97 22E3C970539.11 160.39 12.52 70.25 23ESL668304.73 104.79 11.71 65.61 24ESL703516.22 183.77 16.96 64.40 25E3C971342.56 101.76 6.00 70.30 26ESL738457.86 166.54 14.84 63.63 27ESL773491.94 172.51

48、13.77 64.93 28E3C972503.72 189.80 25.67 62.32 29ESL808494.04 179.43 16.44 63.68 30ESL843398.01 140.69 19.94 64.65 31E3C973510.41 194.36 24.81 61.92 32ESL878279.54 108.56 20.69 61.16 33ESL913490.87 188.61 20.00 61.58 34E3C974262.33 97.49 8.86 62.84 35ESL948167.17 47.75 5.38 71.44 36ESL983275.62 69.20

49、 5.00 74.89 37E3C975363.35 135.91 15.57 62.60 38ESL1018278.71 77.86 11.58 72.06 39ESL1053274.40 86.79 5.41 68.37 40E3C976231.32 92.01 8.42 60.22 41ESL1088282.13 112.74 8.40 60.04 42ESL1123293.15 101.05 7.77 65.53 43E3C977264.54 83.54 6.40 68.42 44ESL1158243.70 79.33 9.05 67.45 45ESL1193416.12 125.63 9.17 69.81 46E3C978410.76 155.47 10.54 62.15 47ESL1228508.18 152.57 10.65 69.98 48ESL1263200.87 63.39 5.00 68.44 49E3C979454.82 138.37