_互联网+_时代的出租车资源配置论文.doc

“互联网+”时代的出租车资源配置 摘 要 本文就打车软件服务平台的运行及补贴模式进行了深入研究。对“打车难”、“出租车补贴”等社会关注问题进行量化，描绘了出租车资源的供求匹配程度；通过数学模型优化现有的补贴模式，使得补贴比例在合理范围内取得最优值，从而尽可能高效利用资源并实现打车软件利益最大化。 对于问题一，我们搜集了在打车公司发放补贴前，某市出租车在A,B两个路口附近街道的供需相关数据，并进行预处理得到有效数据；针对“供求匹配程度”建立了市场聚合条件下的均衡计量模型,并使用CES型指数聚合方程和双曲线型聚合方程分别计算出宏观市场偏离短边规则指标ρA=1.411,ρB=1.039及宏观市场结构摩擦率rA=0.486，rB=0.5252，并定义了子市场出租车供求匹配率y。利用处理的数据计算出每段时间的y(i)；然后利用matlab进行三次样条插值拟合函数，通过图像对比，得出在不同空间下出租车匹配程度率有一定差异的结论（A路口供求匹配率高于B路口），并且找到了一天内出租车供求匹配率的变化规律。 对于问题二，我们获取了滴滴打车和快的打车的补贴方案及同一天内的供需相关数据，利用问题一中的子市场出租车供求匹配率模型、CES型指数聚合方程、双曲线型聚合方程分别计算不同补贴措施下的出租车供求匹配程度刻画指标，得到以下结论：ρA1′=1.869, rA1′=0.309，ρA2′=1.826，rA2′=0.315，对比问题一中未采取任何补贴措施的情况，各个公司的补贴措施的确可以有效解决“打车难”的问题，并且合理配置市场资源。对比两大打车软件公司出租车供求匹配指标，可以看出滴滴打车公司的补贴措施比快的打车的措施更加有效，在产业竞争中处于优势。 对于问题三，我们先进行了广义倾向评分匹配，研究了企业补贴力度对出租车供求配比率的因果效应大小与企业补贴力度之间的关系，结果发现出租车供求配比率主要跟企业补贴力度有关。首先定义补贴程度，即为司机每单成交额获取的百分比，这里为了合理性不妨设置在0到1之间。紧接着，我们查阅得到：制定补贴的主要目的是使得供求匹配程度增加的同时，使得司机的收益也增加。所以我们定义补贴方案合理程度指标随着城市规模的不断扩大，城市内交通变得越来越必要，出租车就是这样一种提供快捷便利交通服务的交通工具。然而“打车难”却也一直困扰着人们。随着“互联网+”时代的到来，许多公司利用移动互联网纷纷建立了打车软件服务平台，用来实现乘客与出租车司机之间的信息时时互通，使得乘坐出租车更加方便。于此同时，打车软件运营公司推出了多种出租车的补贴方案用来优化出租车市场。??搜集相关数据，建立合理的数学模型研究如下问题：??(1)建立合理、客观且全面的指标和评价模型，并分析不同时间、空间差异下出租车资源的供求匹配程度。??(2)分析国内主要打车软件运营公司的出租车补贴方案，并判断这些措施是否对“缓解打车难”有帮助？??(3)若要创建一个新的打车软件服务平台，请设计合理的补贴方案，并论证其合理性。 D 出租车需求量 h 每单补贴比例 出租车供给量 每单车费（随机量） 出租车实际交易量 匹配变量 子市场出租车供求匹配效率 影响需求的外生变量的向量 ρ 宏观市场偏离短边规则指标 影响供给的外生变量的向量 r 宏观市场结构摩擦率 随机误差项 补贴方案合理程度指标 需求方程：(t = 1,2,...,T) 供给方程： (t = 1,2,...,T) 交易量方程： 其中：Dt 为t时期的需求量；St 为t时期的供给量；Xdt为影响需求的外生变量的向量，Xst为影响供给的外生变量的向量；α、β为待估计的参数；udt ,ust 是方程的随机误差项，假定均值是0、方差是常数，序列不相关，与Xdt ,Xst 互相独立。（可以放到符号说明中）在均衡市场中，有Dt =St =Qt 。而在非均衡体系下，需求量与供给量并不相等。市场交易量并不同时等于需求量和供给量，而是等于两者中的较小者。该方程也被称为最小原则方程。以上三个方程构成一个最基本的非均衡模型。 （以下图1-图4均由曲线三次样条法绘制，具体的曲线三次样条系数请参照附录表3-表8） 图1 2013年9月8号A、B街口出租车供车数量时空对比 由此可以看出，A、B两个街口的供车数量随时间的变化规律存在一定差异，A街口的供车高峰主要在10-12h、13h，而B街口地供车高峰主要在8h附近及19-22h。这说明了两点：首先，对于同一地区出租车供车量是随着时间不断变化的，并且主要集中在人们的出行高峰期，这一点与现实相符；其次，对于两个不同街口，由于地理位置变换、地区人员成分不同、区位性质差异，造成出租车供车数量和变化规律有一定差异，这就要求我们在考虑某地区的供求匹配效率时，需要把各个小地区作为子市