出租车打车问题.docxVIP

“互联网+”时代的出租车资源配置摘要 本文针对出租车打车难问题，建立了综合评价模型与出租车市场集合模型，求出了不同时空出租车资源“供求匹配”程度值，肯定了补贴方案对打车难的缓解。对于最佳补贴方案问题建立了多元规划模型，并根据北京的具体情况，得出了最佳方案。针对问题一，本文选取了万人拥有率、乘客平均等车时间、空驶率作为评价指标，建立起一个综合评价模型。首先采用基于客观定权思想的夹角余弦法来确定各指标权重。之后进行各指标数据的处理，通过一致化和极差化方法，得到可度量的无量纲数据。然后把处理后的数据与确定出的权重相结合，得到“供求匹配”程度。最后以北京市为例，将北京市2006~2011年的“供求匹配”程度作为决策方案进行分析，得到2006~2011年的“供求匹配”程度值分别为0.49,0.50,0.52,0.65,0.42,0.74。针对问题二，本文把乘客平均等车时间作为衡量“打车难”的唯一因素。查阅文献，考虑乘客平均等车时间，建立新的出租车市场集合模型。由该模型得知：乘客平均等车时间与空驶率成反比；空驶率由其他因素决定，并且函数表达式已知。把分析补贴方案是否能够“缓解打车难”转化为判断空驶率变化量是否大于0。然后以滴滴打车推出的补贴方案对北京市“打车难”的影响为例，比较补贴前后北京市的出租车空驶率。最后得出结论：滴滴打车推出的补贴方案对北京市“缓解打车难”确实有帮助。针对问题三，本文通过分析出租车市场的供需关系，建立了一个多目标规划模型并最终巧妙地转化为单目标规划的模型，来求解新的打车软件服务平台的最佳补贴方案。并以北京为例，求得最佳补贴方案为对打车用户立减13元，对司机立奖16.7元。最后，本文对模型的优缺点进行了评价，并提出了模型改进的方向。关键词：综合评价 夹角余弦法 出租车市场集合模型 多目标规划问题的提出出租车是市民出行的重要交通工具之一，“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，有多家公司依托移动互联网建立了打车软件服务平台，实现了乘客与出租车司机之间的信息互通，同时推出了多种出租车的补贴方案。请你们搜集相关数据，建立数学模型研究如下问题： (1) 试建立合理的指标，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，你们将设计什么样的补贴方案，并论证其合理性。模型的假设及符号说明3.1 模型的假设万人拥有量、乘客平均等车时间和空驶率3个指标之间相互独立。每个打车软件平台的注册司机只有一辆车。打车软件平台的用户组成比例在全国范围内都一样。北京人口在短期范围内保持不变。出租车司机不会拒载乘客。平均等待时间与单位时间内市场上所有出租车的空驶时间成反比。3.2 符号说明符号描述第j个方案关于评价因素的指标值向量评价因素的指标矩阵集合各方案中最优方案各方案中最劣方案极大型指标、极小型指标、居中型指标的相对偏差矩阵的相对偏差矩阵R的行向量与对应的行向量的夹角余弦评价指标的权向量原始指标值经过一致化后的指标值中第i行的最大值中第i行的最小值经过标准化后的指标值第个评价方案的“供求匹配”程度单位时间内乘客需要出租车服务的次数每次服务的平均价格乘客的平均等待时间单位时间内市场上所有出租车的空驶时间平均每辆出租车每天的行驶小时数平均每次出租车服务的持续时间城市中出租车的总数乘客等待成本司机利润乘客的单位时间价值P平均一次乘车每人花费的打车费司机每通过打车软件打车一次的补贴单位时间内潜在的顾客群数量需求系数N城市人口数平均每人每天的出行次数市民靠出租车出行量占总出行量的比例模型的建立4.1 问题一的求解4.1.1 问题一的分析问题一要求建立合理的指标，使这些指标能够分析不同时空出租车资源的“供求匹配”程度。供求匹配程度是反映出租车市场中，乘客的乘车需求与出租车资源供给相匹配的程度。如图1所示，当供求匹配程度降低时，一方面使乘客等车时间变长，乘客需求得不到满足；另一方面也会使出租车空驶率过大，降低出租车资源供给效率的同时，也降低了出租车经营者的经济效益。图 1 供求匹配程度效应图查阅相关资料可以得出，在某个城市中，平均每万人拥有的出租车量越大、平均等车时间越短，越能满足乘客的乘车需求；出租车的空驶率越低，出租车资源供给效率越高。于是，我们选取万人拥有量、乘客平均等车时间和空驶率作为指标，建立评价模型。不同时间，不同空间，其对应指标的指标值会发生变化，所以得出的供求匹配程度也会不同，这就能衡量不同时空出租车资源的供求程度。图 2 出租车供求匹配指标图对不同时空出租车资源的“供求匹配”程度进行分析时，以不同时空出租车资源的“供求匹配”程度作为决策方案，以选取的指标作为评价因素，建立多目标决策的综合评价模型，是为模型一。