互联网+时代的出租车资源配置推荐.docxVIP

“互联网+”时代的出租车资源配置摘要本文通过搜集相关数据、建立数学模型，描述了在不同时空下影响出租车供求的各变量间的内在关系，并在此基础上构造出合理的指标，定量分析出租车资源的“供求匹配”程度。而后，在此基础上分析了现行各出租车补贴方案是否对“缓解打车难”，即提高出租车资源“供求匹配”程度有所帮助。最后，以提高早晚高峰拥堵时期的供求匹配度为出发点，提出了新的补贴政策。对于问题(1)，本文对两个环境变量——时间和地点进行了分段和分块处理，并对其编号，既在一定程度上平滑了数据、简化了计算，又方便在建模比较过程中控制变量。而后，用其他内部变量分别构造了需求函数和供给函数，利用多元线性回归模型解得二者的参数并进行显著性检验。其中，为了将线段化的出行量点阵化，先利用Dijkstra最短路算法求得最佳出行路径,进而求出各路段平均出行量和平均空驶率。最后，将供给函数与需求函数之差选作了衡量供求匹配程度的指标。随机挑选了两个不同的时段和地段进行实证分析，发现供求匹配程度最好的地址恰巧是，北京市海淀区玉渊潭公园附近，该地是著名休闲旅游区，供需两旺。对于问题(2)，在研究了目前各大打车软件常见的补贴方式，及其对供求函数的自变量产生的影响后，本文对问题（1）中的模型进行了适当改进。重新回归并求出参数后，将不同补贴比例和数额的匹配度指标值进行比较，可以看出对司机的补贴政策确实可以提高供求匹配程度，但对乘客进行数额补贴却会使匹配程度降低。对于问题（3），本文的着眼点在于如何提高早晚高峰拥堵期间出租车的供求匹配程度。首先利用经济学原理进行了简单预测，而后利用改进后的供求匹配程度模型进行定量检验，证明了在高峰时段对司机发放额外补贴，和在软件中增加小费功，虽无法完全抵消高峰拥堵期增加的供求差，但确实有改善作用。关键词：出租车供求匹配程度 定量分析 补贴方案最短路算法 高峰拥堵一、问题重述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。要求建立数学模型研究如下问题： (1) 搜集相关数据并建立合理的指标，分析不同时空下出租车资源的“供求匹配”程度。 (2) 分析现行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，设计并论证合理的补贴方案。二、问题分析本题要求我们搜集相关数据并建立合理的指标，分析不同时空下出租车资源的“供求匹配”程度。然后，在此基础上分析各公司的出租车补贴方案是否对“缓解打车难”，即提高出租车资源“供求匹配”程度有帮助。最后，尝试创建一个新的打车软件服务平台，设计合理的补贴方案，并论证其合理性。因为城市出租车运营属于公共事业，其收费标准及投放数量都是由各市政府统一规划的，所不同城市的出租车基础运价和出租车保有量存在较大差异，因此在建模分析时应当具体城市具体分析。2.1问题(1)的分析问题(1)目前可收集到的数据有：9月4日0时至9月11日24时，北京市不同地点（经纬度坐标）的出租车数、打车需求量、从下单到接单所需等候的时间、车费、出行起始点及对应出行量。根据生活经验，用时段及车费构造出租车数的函数，用时段、车费及下单到接单所需等候时间构造打车需求量的函数，利用多元线性回归模型解得二者的参数并进行显著性检验。根据出行起始点及对应出行量和北京市交通轨道图，利用Dijkstra最短路算法[1]求得起始点间的最佳路径,进而求出各路段平均出行量，得到该时段不同地点的空载出租车数作为供给量。将供给函数与需求函数之差作为衡量供求匹配程度的指标。2.2问题(2)的分析问题(2)要求分析补贴方案对“缓解打车难”的作用，即在打车软件补贴政策下，乘客打车时的供求匹配程度是否发生变化。目前，各大打车软件最常见的补贴方式是，每完成一笔订单，分别对乘客和司机补贴一定数额，即需求函数中的车费变量降低，供给函数中的车费变量提高。利用问题(1)中模型的变形解出匹配度指标并观察变化情况。2.3问题(3)的分析我们在问题(2)中所分析的补贴政策是以完成的订单数来计量的。现实中还存在另外一种情况，行车高峰时期的道路拥堵使得出租车司机为节约成本而放弃出车，但此时乘客对于出租车需求却相比非高峰时期有大幅度提升[2]。因此，为了提高高峰时段的供求匹配程度，可以考虑在高峰时段对司机发放额外补贴，或在软件中增加小费功能。三、模型假设1. 本文以北京市为例，且只统计北京市主城区（116.21°E-116.56°E，39.78°N -40.02°N）内的数据。2. 假设出租车选择最佳路径时只会选择城市主干道和快速路。3. 假设用城市道路的设计最大时速作为计算最短路时该路段的权，不