杭州出租车资源配置研究.docVIP

杭州出租车资源配置研究 　　【摘要】 利用层次分析法建立了不同时空出租车供求匹配程度的评价模型，通过判别分析法对杭州进行区域划分，分析了其不同时间和地域的出租车资源配置情况。 　　【关键词】 供求匹配 层次分析法 判别分析法 　　一、问题简述 　　“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，多家公司依托移动互联网建立了打车软件服务平台。当前城市出租车资源分布不均衡，通过选取合理的指标，分析杭州不同时间和地域的出租车资源的“供求匹配”程度。 　　二、模型的建立 　　2.1供求匹配指标体系构建 　　本文选用满意度来衡量出租车资源供求匹配程度[2]。将一个地区的供求匹配程度作为目标层，由于影响供求匹配跟两方面有关，一方面是城市基本状况，一方面是满意度，满意度分为乘客满意度和司机满意度。因此本文从司机满意度，乘客满意度并结合宏观数据来评价供求匹配程度。司机满意度选取实载率，乘客需求量来描述；乘客满意度选取出租车供应量，平均等待时间，空载率来描述。宏观数据选取杭州城市出租车万人拥有量，人口数量，人均居民消费指数（CPI）来进行描述。建立的层次结构表：如表1供求匹配程度评价体系： 　　式（1）中W i表示各指标权重，Cj表示各指标数据。 　　2.3基于判别分析法的数据分块 　　在苍穹平台上抓取的数据中，地理位置的表示方法为经纬度并精确到千分位，并且获取到的大量数据不能直观的表现出地点，因此本文用判别分析法对数据进行分块，从而对杭州不同地域的出租车资源配置程度进行研究。 　　判别分析法的数学模型[1]：记p维总体G：（X1，X2，…，Xp），G可分为m类G1，G2，…，Gm对于已经获得n个样本（Xk1，Xk2，…，Xkp），k=1，2，…，n，据某分类标准把这n个样本归类到m类G1，G2，…，Gm中去的统计方法，称为判别分析。 　　由于样本只有经纬度一种类型的数据，他们大小相似，有一定“集群”现象，本文选取欧式距离判别法进行划分。距离判别是让指标大小比较接近一类，根据杭州的情况我们选取8个区域经纬度作为几何中心。 　　设p为欧式空间Rp中两点 　　本文在滴滴快的的苍穹平台上，通web控制台抓取了9月10号24h的杭州出租车分布、打车需求量、抢单时间共10000多个原始数据，利用判别分析法将从苍穹平台获取的数据数据划分为8个区域：拱墅区、西湖区、上城区、下城区、滨江区、江干区、萧山区、余杭区。 　　3.1基于时间维度的供求匹配程度分析 　　利用层次分析模型和上述获取的数据得出各指标权重系数向量为：Weight=（0.066，0.0222，0.1112，0.1113，0.2916，0.0637，0.1998，0.1332） 　　从而得到杭州一天的匹配程度图。 　　从图1中看出凌晨3点匹配度开始降低，到凌晨4点达到第一次低谷，从出租车的数量关于时间的分布来说，主要是出租车的数量减少，可能是由于换班或者出租车司机休息，导致一部分乘客难打到车。 　　7点处达到第二次低谷，主要原因是上班出现早高峰，交通比较拥堵，导致许多出租车司机为了避免早高峰，选择不出行或者不接单。 　　过了早高峰以后，出租车的数量急剧增加，且道路也相对通畅，需求也相对比较多，所以9点到下午4点间的匹配程度较好。 　　傍晚6点匹配程度出现第三次低谷，主要原因是下班高峰期，所以匹配程度较低。总体来说匹配程度与出租车数量有较大的关联。 　　3.2基于空间维度的供求匹配程度分析 　　对于同一时间不同地区的分析，本文选取2个具有代表性的时间段分别为：6：00-8：00，10：00-13：00，因为6：00- 8：00是上班的高峰期，出租车数量，乘客需求都有较大的波动，而10：00-13：00是错开高峰时段的非高峰时间段。 　　上班高峰时间段： 　　选取一天中6：00-8：00上班高峰时段，8个地区的对应的8个指标的数据导入MATLAB进行处理程序见附件，匹配程度的曲线图如下，并对其进行分析。 　　对各城区匹配度的大小进行比较图2可以看出，下城区，萧山区和江干区的匹配程度较好，西湖、上城区匹配程度一般，拱墅区、滨江区和余杭区匹配程度较差。 　　非高峰时间段： 　　选取10：00-13：00时间段8个地区的数据。得到的顾客满意度，司机满意度，供求匹配程度变化。 　　从出租车的数量数据上看，江干区、萧山区和下城区的出租车数量较多，需求较少，而其他的地方出租车数量较少，需求量较大，从平均等待时间来看，拱墅区平均等待时间最长，江干区平均等待时间最短。由此可以说明，需求量高的地点，出租车供应量少；而需求量高的地点，出租车供应量多。杭州整体的出租车资源从时间和空间上看，分配不均匀，存在一定的不合理性，需要进行合理配置。