“互联网+”时代的出租车资源配置模型.pdf

“互联网+”时代的出租车资源配置模型 摘 要 本文紧紧围绕“不同时空下出租车‘匹配程度’的衡量标准及打车软件补 贴对‘打车难’的影响”的主题，在通过利用GooSeeker 软件抓取流通数据等 方式对出租车出行的数据进行提取后，采用DP 算法等方法对数据进行预处理， 使统计数据较为准确可信后，基于隐马尔科夫链、支持向量机、BP 神经网络等 具有坚实理论基础的方法分别建立模型，依次给出问题一、二、三的解决方 案。其主要内容如下： 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： 本文首先基于历史数据建立空载出租概率分布的隐马尔科夫模型和XXX， 间接地得到了出租车的供给量；然后以供给量相对于需求量的变异程度建立不 同时空供求匹配程度指标的模型；再利用GooSeeker 软件获取杭州市出租车出 行情况的数据，并基于杭州市区域范围、DP 优化算法对其进行预处理，以剔除 数据中超出区域的部分和GPS 飘移数据；最后，结合前面构建的衡量不同时空 供求匹配程度的指标对杭州市的出租车供求匹配程度进行实例分析。 2.分析各公司的出租车补贴方案对“缓解打车难”的影响： 本文首先基于马歇尔模型建立出租车的供求曲线，根据供求弹性的差异定 性分析出出租车的需求具有在短期上升，中期下降，长期稳定的规律。然后利 用支持向量机模型对杭州市出租车供需匹配程度的时空分布进行聚类，从而划 分出影响打车难易程度的六项因素：时间上的高峰期、平稳期、低谷期和空间 上的热点区、过渡区、偏远区的供求匹配程度；再获取10 座城市的出租车出行 数据，结合BP 神经网络模型分析出影响打车难易程度的六项因素的贡献率；最 后综合定性分析的挤过比较不同阶段各因素贡献系数的相对评价得分，从而得 出补贴实际上扩大了“供不应求”的局面的结论。 3.为创建一个新的打车软件服务平台设计补贴方案，并论证其合理性： 本文直接从第一二问的结论出发，考虑到现有补贴方案的存在没能合理配 置资源并解决高峰期 “打车难”的问题，先根据logit 模型等相关知识提出了 最去偏远地区和高峰时段载客的司机提供相应补贴的两种方案，并对其进行定 性论证；再根据博弈论的相关知识，基于现金补贴的弊端对上述模型进行了进 一步优化得到对司机载客具有促进激励作用的第三个方案——虚拟币充值方 案。上述方案对解决现实问题均有一定的帮助，不单从补贴现金的层面考虑了 该问题，还从利用虚拟币间接增加司机的收入的角度考虑补贴方案，较为全 面。 关键词：供求匹配 补贴 打车软件 隐马尔科夫模型 支持向量机 神经网络 1 问题重述 1.1 问题背景 “互联网+”是创新2.0 下的互联网发展新形态、新业态，是知识社会创新 2.0 推动下的互联网形态演进及其催生的经济社会发展新形态，是互联网思维 的进一步实践成果。它代表一种先进的生产力，推动经济形态不断的发生演 变，从而带动社会经济实体的生命力，为改革、创新、发展提供广阔的网络平 台。 “互联网+”就是 “互联网+各个传统行业”，是利用信息通信技术以及互 联网平台，让互联网与传统行业进行深度融合，充分发挥互联网在社会资源配 置中的优化和集成作用，将互联网的创新成果深度融合于经济、社会各领域之 中，提升全社会的创新力和生产力，形成更广泛的以互联网为基础设施和实现 工具的经济发展新形态。 几十年来， “互联网+”已经改造及影响了多个行业。而国内传统出租车行 业在由于信息不对称长期遭遇“载客难”、“打车难”等问题时，亟需属于自己 的“信息共享”平台。互联网+打车软件的出现，对传统出租车行业的运营模式 造成了巨大的影响。 1.2 问题提出 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。 我们搜集相关数据，建立数学模型研究如下问题： (1) 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) 为创建一个新的打车软件服务平台设计补贴方案，并论证其合理性。