“互联网”时代的出租车资源配置资料下载.pdf
- 文档编号:5980564
- 上传时间:2023-05-05
- 格式:PDF
- 页数:26
- 大小:909.13KB
“互联网”时代的出租车资源配置资料下载.pdf
《“互联网”时代的出租车资源配置资料下载.pdf》由会员分享,可在线阅读,更多相关《“互联网”时代的出租车资源配置资料下载.pdf(26页珍藏版)》请在冰点文库上搜索。
(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。
二模型假设
(1)假设只考虑西安市注册的出租车数量;
(2)假设不同时空即放假日和工作日、西安市的不同城区;
(3)假设车租车只有载客状态和空驶状态,不存在停留等候时间;
三符号说明符号意义M车辆满载率指标N乘客满意度评价指标R里程利用率评价指标E评价总指标Y总的补贴价格四问题分析快的和滴滴是目前最大的打车软件服务平台。
两者的运营方式基本相同:
乘客在需要坐车的地方通过软件平台下订单,由附近的司机接单,将乘客送至目的地,乘客在线支付,完成交易。
针对出租车资源配置问题的分析如图1所示。
问题一,在运营过程中,出租车资源的“供求匹配”程度,有很多影响因素,比如居民收入、所处地段、出租车万人拥有量等等。
考虑到“互联网+”时代的信息化特征,和收集数据的复杂性,选择用车辆满载率、乘客满意度、以及里程利用率这三个指标来衡量供求匹配程度。
对于车辆满载率可以参考传统的评定方式,对于满意度可以考虑供应车辆和需求量的直接关系来反映,对于里程利用率可以考虑实际行驶的距离和有效行驶距离的关系。
考虑到车辆满载率太高太低都不合理,原因在于利用率过高虽然可以增加有效行驶距离但是必然会导致乘客等待时间变长,也就是“打车难”的一个因素,而且满意度主要站在顾客角度,这也正是社会所提倡的。
与此同时也不能忽略公司和司机的效益问题等各个方面。
所以必须建立一个综合的指标来考虑满载率,满意度,里程利用率问题。
问题二,考虑到这一个需要考虑不同层面的问题,是否缓解不能用单一的指标考虑3也不能仅仅根据现有的数据做纯理论的分析,需要考虑到乘客和司机的共同关心的问题和他们之间存在的矛盾,所以这一题需要收集市民对打车中主要关心的问题。
通过这些指标做一个定性的综合考虑是一个比较合理的方案。
问题三,要建立一个新的打车软件必须要考虑市场现状,即市场目前存在的不合理性和需求的不连续性,市场上大部分软件的补贴方案都是为了抢占市场和吸引顾客,没有考虑长久的发展,在很大的程度上就会引起社会发展的不稳定,这是一个不合理的供求匹配。
要通过长久的考虑,分析不同情况制定不同的补贴方案是一个合理的方式。
可以从目前人们关心和面临的问题入手,首先分析市场的需求,分析获取的数据的主要特征和社会存在的主要矛盾,建立一个综合的补贴指标系统。
即根据所处的地点、时间的不同设有不同的补贴方式来稳定消费市场。
图1出租车资源配置五模型的建立和求解5.1问题一5.1问题一5.1.1“供求匹配”资源评价模型。
对于出租车的“供求匹配”程度的评价,常见的指标有很多,经过分析、归纳、筛选,可选择车辆满载率,满意度以及里程利用率来度量“供求匹配”的程度。
车辆满载率指标车辆满载率指标M:
车辆的满载率为载客车数与该地区的总车数之比,该值越接近最优值,进而M越大,表明该地区出租车的载客情况越良好,匹配程度越高。
pM-1该地区总车数载客车数(辆)
(1)式中p为车辆满载率的最优值,一般认为取值为0.651最为合理。
乘客满意度评价指标乘客满意度评价指标N:
定义为车辆供应数与车辆需求量的比值,它的值越高,表明车辆满足乘客的需求就越高,因此乘客的满意度就越高。
4车辆需求量车辆供应数(辆)N
(2)里程利用率评价指标里程利用率评价指标R:
即营业里程数和行驶里程的比值,它的大小反映了也反映了对车辆的需求,这个指标具有不确定性的特点。
行驶里程(公里)营业里程数(公里)R(3)评价总指标评价总指标E:
RNME(4)其中,0,,且1。
由于打车软件的特征,实现了乘客与出租车司机之间的信息交流,即出租车司机通过打车软件可以清楚的知道乘客的需求,如当出租车司机将一个乘客送达目的地之后,通过打车软件可以知道附近地区乘客的需求量,就近接客,如此循环,减少了由传统寻找乘客车方式(招手拦车)的盲目性,因此近似的认为一天中都在营业,即里程的利用率为1。
定义其权重系数为0。
对于满载率,满意度两个评价指标分别是站在出租车司机以及乘客的角度考虑的,比重是一样的,因此定义其权重系数,分别为0.5,0.5。
5.1.2模型的求解1)综合网上数据搜索方式,考虑到一天的出租车需求量以及地区特点,选定抓取“苍穹智能出行平台”中西安市2015.9.39.10的数据进行具体分析,数据见附件1。
图2西安市主城区按纬度分区示意图5根据题目要求,考虑不同时空的“供求匹配”程度。
从西安市的城市功能区分布特点,综合获得的数据,以纬度作为划分标准,将西安市划分为四大主要分区,如图2所示:
2)不同时空的出租车需求量综合西安市各个城区在2015.9.89.10的汽车需求量,进行统计分析,得到工作日期出租车的需求量,如下表所示:
表1工作日期间每天的出租车需求量需求量日期一区二区三区四区未央区新城区/莲湖区碑林区/雁塔区长安区2015.9.813333280102717552015.9.917944183119618882015.9.102447632620792782利用上述数据画出工作日的出租车需求量对比图3如下:
图3各分区工作日的出租车需求量对比由上图可以得到如下结论:
位于第2分区的新城区和莲湖区,占有西安市主城区出租车需求量的一半。
因其占地面积大,范围广,且人口数众多,所以出租车的需求量大;
位于第1、4分区的未央区和长安区,分别属于工业开发区和文化开发区;
位于第3分区的碑林区和雁塔区虽然同属于城市核心区,但因为相关文化景点设施占地面积小,范围小,各点之间的联系紧密,且公交和地铁线路众多,所以出租车的需求总量相对而言就比较少。
综合西安市各个城区在2015.9.39.5的汽车需求量,进行统计分析,得到节假日期出租车的需求量,数据如下表2所示:
地区6表2节假日期间每天的出租车需求量需求量日期一区二区三区四区未央区新城区/莲湖区碑林区/雁塔区长安区2015.9.33293042125312372015.9.4598315669427866882015.9.5108329348671065利用上述数据画出工作日的出租车需求量对比图4如下:
图4各分区节假日的出租车需求量对比针对图3和图4的对比分析可得:
不同点在于节假日的时候,各区需求量相对于工作日有所增加,而且“9.3阅兵国假”对当天的需求量影响比较明显。
而共同点在于每个分区相对于西安市整体的出租车需求量的比例分布是一样的,即2分区最多,1、4分区次之,3分区最少。
3)各区载客车数求解由于出租车运行的随机性,设有固定的起点和运行路线,给定量分析带来一定的困难。
本文从宏观的角度引入出租车出行的概念,运用Logit概念选择模型,得出总体出租车交通分布预测的方法【1】,得出载客出租车的出行分布与城市总人口数的分布关系2smqqijijij/(5)式中,ijq为载客出租车从i区到j区的总出行量(辆);
ijq为城市总人口从i区到j区的出行总量(辆);
ijm为从i区到j区出租车交通方式分担率(即交通系统中出租车出行量占总出行量的比率);
s为出租车平均有效载客人数(个)。
ijq数据见表3:
地区7表3各分区之间的出行总量ijq一二三四一240960760380二9604561319575三7601319256780四38057578087(数据源自“苍穹滴滴快的智能出行平台”抓取)查找网上关于出行距离与出行方式的分担率关系图,如下所示:
图5出行距离与出行方式分担率的关系由上图可得出行方式分担率随出行距离的变化趋势,选取出租车的分担率进行分析可知,在中程距离的情况下,出租车对于出行的分担率是相对较高的。
根据各分区的位置特点,得到表4:
表4各分区之间出租车的分担率ijm一二三四一0.20.40.30.1二0.40.20.30.1三0.30.30.20.2四0.10.10.20.2上述数据反映了任意两分区之间出租车的分担率,相邻分区之间分担率较高,车辆需求量大的地方分担率高。
j区i区j区i区8根据表三和表四,利用出租车的出行量和分担率,通过公式(5),计算ijq(程序见附录1),可得表5:
表5各分区之间的载客车数ijq一二三四一48.0384.0228.038.0二384.091.2395.7172.5三228.0395.751.2312.0四38.0172.5312.017.4总的载客车数/辆698.0928.4830.9539.9上表的数据描述了各分区之间的实际载客车数的值。
4)各区市民以乘坐出租车方式出行的计算如表6所示表6各分区人口数与出行量分区一区二区三区四区未央区新城区莲湖区碑林区雁塔区长安区人口数/万人80.681158.973969.851361.4710117.8529108.3285每个区总人口数/万人80.6811128.8252179.3239108.3285出行率27%27%27%27%出行量21.784034.782848.417429.2486(数据源自2010年人口普查)5)对各分区出租车总数的求解根据城市出租车拥有量的确定方法研究3可知i区出租车的总量为:
总QEEQiiii41(6)式中:
iQ指i区出租车总的通行量;
iE指i区人均出行次数;
总Q指西安市总的车辆数为11720辆。
根据表6可得出行量iE=21.7840,34.7828,48.4174,29.2486.利用Matlab软件编程可得下表7,程序见附录2:
j区i区9表7各分区车辆总数分区一二三四车辆比例p0.16230.25910.36070.2179各区车辆总数iQ1902303742272554综上所述,可以得到每个分区的出租车的需求量、载客车数、市民出行量。
由公式(4)计算可得下表8,9,程序见附录5:
表8工作日各个分区的匹配度1E2E3E4E9月8号0.53380.42131.03750.50839月9号0.46040.38130.92120.48789月10号0.40390.33220.62100.4009表9节假日各个分区的匹配度1E2E3E4E9月3号1.40460.43580.88900.63029月4号0.31200.27490.41190.29379月5号0.36230.42940.25530.3007根据上表的匹配度的大小,分析得到如下结论:
在工作日的时候,第3分区的碑林区和雁塔区的匹配度相对最高,因为碑林区和雁塔区为城市文化核心区,而城市的核心区又具有一定的集聚效应,这就导致了这个区域的交通的发达,所以“供需匹配”程度相对最高;
第1、4分区的未央区和长安区,“供需匹配”程度次之,因为这两个地方属于城市的开发区,一般需要坐车的乘客要去的地方都比较远,这也使得有的司机会倾向于选择“长途”的乘客,但其匹配程度相对于城市核心区还是不够好;
第2分区的新城区和莲湖区虽然对出租车的需求量最大,但其匹配程度最小。
在这个区域内设有诸多长途汽车站,有数十条公交线路通过,以及地铁1号线贯穿,虽然需求量大,但竞争力也很大,再加上出租车司机不愿接短距离的小单子,只看重远距离的大单子,这些都是其匹配程度小的重要因素。
在节假日的时候,出行人口大幅增加,会发生堵车的情况,这使得乘客等待的时间成本增加,直接影响各个城区的匹配度。
在工作日匹配度最好的第三分区的堵车情况相对最严重,而堵车的情况也影响着匹配度的大小。
其他城区的匹配度一般,发生堵车的情况不多,所以其匹配度大小变化范围较小。
在某些特殊情况出现的时候,对“供需匹配”程度的大小影响比较大。
比如特殊的节假日,发生特殊事件而临时引起的路段封闭,或者天气的突然变化等等都是对匹配度影响比较大的因素。
匹配度日期匹配度日期105.2问题二5.2问题二5.2.1模型的建立对于是否缓解需要考虑各方面的原因,不能仅仅考虑数据数据呈现的特点,再加上由于收集的数据有限,评价各个公司的补贴方案是否缓解打车难得问题的指标难以量化,因此本题我们采用定性和定量相结合的AHP综合评价模型4对全国各个打车软件(以滴滴打车、快的打车、传统打车)推行的补贴方案进行评估。
首先,将问题转化为以下模型:
目标层补贴方案对缓解市民打车难是否有帮助;
评价细化指标层万人拥有量,满载率,里程利用率,等车时间,乘车价格;
决策层321,PPP:
滴滴打车补贴方案、快的打车补贴方案、传统打车补贴方案。
1)建立层次结构模型如下图:
图6层次结构模型2)构造成对比较矩阵(S1)通过主观定义比较各个指标对于目标的权重,构造目标层A对准则层54321,BBBBB,的成对比较矩阵为:
ijjiijnnijaaaaA1,0,(7)上式中A称为正互反矩阵,显然有1iia。
如用54321,BBBBB依次表示万人拥有量、满载率、里程利用率、等车时间、乘车价格5个指标,综合考虑西安市区的特点,定义每个指标的权重比例,西安市是一个介于一线与二线城市之间的省会城市,居民的收入水平是相对集中在一个中等水平,而出租车的消费群体主要集中在中高段收入,经济发展水平对市民选择出行的方式起着很大的调控作用。
把乘车费用的权重指标定义为最大的,其次是等车时间,随着城市生活节奏的加快,市民的时间观念越来越强。
万人拥有量、满载率、里程利用率是衡量资源配置的三大指标,三者之间的权重比定义为同一等级,最后得出五大指标的权重排序为乘车价格、等车时间、满载率、里程利用率、万人11拥有量,赋予其具体的权重系数,得到的成对比较矩阵如下。
133571/312351/31/21221/51/31/5121/71/51/21/21AA矩阵中2/112a表示满载率2B与万人拥有量1B对目标层的重要性之比为1:
2;
751a表示乘车价格5B与万人拥有量1B之比为7:
1,定义价格是缓解打车难的一个相对最重的指标。
(S2)构建准则54321,BBBBB相对于321,PPP的成对比较矩阵,根据市场上打车软件的需求量所占的比例(滴滴打车与快的打车市场份额的比值约为3:
2)5来定性的定义三种补贴方案各个指标的重要性之比,得到方案层的成对比较矩阵54321,BBBBB,见附录5。
3)计算特征值和特征向量利用“和法”求A的特征向量nWWW1和特征根max。
(S1)将nnijWA的元素按列归一化得0.49760.59600.44780.43480.41180.16590.19870.29850.26090.29410.16590.09930.14930.17390.11760.09950.06620.02990.08700.11760.07110.03970.07460.04350.0588nnijWA(S2)将nnijWA中元素ijW按行求和得各元素之和可得njijiWW1(8)WWATi0000.193333.118333.57333.33429.2(S3)再将上述矩阵向量归一化得到特征向量近似值:
TniiiWWW4498.02683.01381.00884.00555.0112其中2428.420000.193333.118333.57333.33429.21niiW(S4)计算与特征向量相对应最大的特征根(近似值):
niniiiiiWWanWAWn11max11(9)故有最大特征根0143.5max,TW4498.02683.01381.00884.00555.0。
同理可计算得出成对比较矩阵54321,BBBBB的最大特征根及权向量,见表10:
表10权向量与检验表1B2B3B4B5B组合权向量0.05550.08840.13810.26830.44981P0.57010.60540.52940.52940.51720.5332P0.32070.29150.30880.30880.36950.3353P0.10930.10310.16180.16180.11330.1319max3.00543.05543.01123.01123.0432CI0.00270.02770.00560.00560.0216RI0.580.580.580.580.58综合上表,可求得层次总排序,组合权向量为:
1319.0335.0533.0WP。
(S5)组合一致性检验:
由5,4,3,2,1,1.00251.05151jRIBCIBCRjjjjjj,故一致性检验通过。
根据组合权向量WP各个方案的比值,可以得出1P的组合权值最大可超过50%。
当下针对打车软件的补贴方式主要是金钱的补贴,在出租车乘车价格指标权值最大的条件下,市场份额比重最大的滴滴打车软件是人们采用软件打车的最优选择。
因为打车软件的补贴方案可直接调动司机的积极性,这对缓解市民打车难起到一定的帮助作用。
但由于打车软件是一个新兴的产业,其运营模式还不够成熟,也为人们的生活带来了一定的困扰,如信息互通的实现,使得出租车司机的挑客现象增多,拒载率提高等。
根据自然规律,任何事物都具有两面性,可行的标准便是利大于弊。
目前打车软件的初准则层权值决策层13期推行,市场并不稳定且未实现其利益最大化,因此只有给予其一定的发展时间,当其稳定之后再进行定量分析,才能真实的判断其是否会为打车难问题的缓解有明显的帮助。
5.3问题三5.3问题三5.3.1对打车补贴的分析打车软件的兴起,给人们出行方式提供了新的选择,根据市场上的打车软件运行状态的反馈信息,可以发现大部分的打车软件都不够完善,存在许多的问题。
如:
1)司机短距离不接单的“挑肥拣瘦”现象;
2)等待时间成本引发乘客与司机的矛盾;
3)黑车司机的存在;
4)补贴方案极其不合理;
5)自愿加价的混乱现象;
这些现象对现有的出租车市场造成了恶劣的影响,市民在得到方便的同时,也会因为各种现象的引起不满,增加了市民对社会的抱怨度。
针对上述问题,可以通过一天内市民需求量的随时间的关系建立合理的方式,通过苍穹数据抓取,得到西安市9月3号到9月10号的需求量,利用Excel软件提取每天每个小时的需求量,数据见附件(9.3-9.10),通过Matlab绘制每天的需求量与时间的关系图7如下所示,程序见附录8:
图7每天需求量与时间的关系由上图西安市一天内需求量随时间的变化曲线可知,每天需求高峰有两个,第一个高峰出现在上午7:
00-9:
00,第二个高峰出现在晚上20:
00-23:
00。
第一高峰比较集中,集中在8:
00左右,这是上班高峰引起的。
第二个高峰相对较宽,21:
00到22:
00需求量很大,这是公交系统下班的原因引起的。
还可以发现工作日早高峰和晚高峰比较稳定,节假日可能没有早高峰,如上图的9月3号抗战胜利阅兵放假而没有早高峰。
由打车软件存在的优缺点和出行需求高峰可以制定一个新的方案,同时考虑出行距离、每个司机接单的好评度、以及出行的时间来对司机进行补贴。
5.3.2补贴方案的建立与求解鉴于“互联网+”时代信息获取的便利性,通过GPS定位技术和手机打车软件比较14容易得到以下三个变量:
乘客距离要达到目的地行的距离,乘客对司机服务的好评率,乘客的乘车时间。
利用这三个变量建立综合补贴计价系统,如下图8所示:
图8综合补贴计价系统整个系统包含三个部分321yyy、,其计算公式如下:
3,230,1xxaxay(10)6.0,6.0,02ggbgy(11)2412,121121,183ttcttcy(12)321yyyY(13)(10)式中1y为距离补贴,x为乘车距离(km),a为距离补贴系数;
(11)式中2y为评价补贴,g为好评率,b为好评补贴系数;
(12)式中3y为时间补贴,t为乘车时间(h),c为时间补贴系数;
15(13)式Y为总的补贴价格。
结合上面建立的补贴计价系统,利用Matlab编程可以得到总补贴金额关于时间、距离和好评率的关系,下表11为好评率为60%时的补贴金额,程序见附录9。
表11好评率为60%的补贴关系34567894a+1/5*c1/2*a+1/5*c1/3*a+1/5*c1/4*a+1/5*c1/5*a+1/5*c1/6*a+1/5*c1/7*a+1/5*c5a+1/4*c1/2*a+1/4*c1/3*a+1/4*c1/4*a+1/4*c1/5*a+1/4*c1/6*a+1/4*c1/7*a+1/4*c6a+1/3*c1/2*a+1/3*c1/3*a+1/3*c1/4*a+1/3*c1/5*a+1/3*c1/6*a+1/3*c1/7*a+1/3*c7a+1/2*c1/2*a+1/2*c1/3*a+1/2*c1/4*a+1/2*c1/5*a+1/2*c1/6*a+1/2*c1/7*a+1/2*c8a+c1/2*a+c1/3*a+c1/4*a+c1/5*a+c1/6*a+c1/7*a+c9a+1/2*c1/2*a+1/2*c1/3*a+1/2*c1/4*a+1/2*c1/5*a+1/2*c1/6*a+1/2*c1/7*a+1/2*c10a+1/3*c1/2*a+1/3*c1/3*a+1/3*c1/4*a+1/3*c1/5*a+1/3*c1/6*a+1/3*c1/7*a+1/3*c11a+1/4*c1/2*a+1/4*c1/3*a+1/4*c1/4*a+1/4*c1/5*a+1/4*c1/6*a+1/4*c1/7*a+1/4*c12a+1/5*c1/2*a+1/5*c1/3*a+1/5*c1/4*a+1/5*c1/5*a+1/5*c1/6*a+1/5*c1/7*a+1/5*c经过各个打车软件公司的补贴情况和可接受价格,结合西安市的具体情况可以设定补贴系数3,2,2cba。
通过Matlab编程可以得到下表,并且绘制了补贴曲线见
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 互联网 时代 出租车 资源配置