打車軟件緩解打車難問題的效果研究

2015-03-22 09:56:09王學莎付佳蓮趙佳昱買阿麗孫國偉

運城學院學報 2015年6期

關鍵詞：模型

王學莎，付佳蓮，趙佳昱，買阿麗，孫國偉

(運城學院應用數學系，山西運城 044000)

打車軟件緩解打車難問題的效果研究

王學莎，付佳蓮，趙佳昱，買阿麗，孫國偉

(運城學院應用數學系，山西運城 044000)

運用層次分析法對“打車難”進行因素分析，建立問題解決程度檢測模型。分析滴滴打車、政府、Uber提供的3種補貼方案在緩解打車難問題中所占的比重。計算三者對緩解打車難的對比權重為43.26%，26.56%，30.18%。并提出新的補貼方案，給出方案設計依據，用解決程度檢測模型，論證了其合理性。計算四種方案對比權重為：25.90%，16.12%，19.66%，38.32%。

空駛率；出租車資源配置；打車軟件；層次分析法(AHP)補貼方案

0. 引言

出租車是市民出行的重要交通工具之一，但是出租車行業經歷一段時間的發展后，會出現出租車乘客等車時間較長，出租車行業服務水平降低，出租車經營者收入降低等問題，增加了出租車行業的不穩定性和不安全性。進而造成“打車難”這一人們關注的社會熱點問題。

隨著“互聯網+”時代的到來，為了解決“打車難”，出現了大量的打車軟件。有多家公司依托移動互聯網建立了打車軟件服務平臺，實現了乘客與出租車司機之間的信息互通，同時這些公司也推出了多種出租車的補貼方案，來吸引用戶進而推廣自己的軟件。

為了分析打車軟件對解決打車難問題的效果，需搜集相關數據，建立數學模型研究如下問題：

(1)分析各公司的出租車補貼方案是否對“緩解打車難”有幫助？

(2)為打車軟件平臺設計一種更優的出租車補貼方案，并論證其合理性。

1. 補貼方案對緩解打車難程度的量化

1.1 打車難原因分析

打車之所以難，有很多具體原因如：人多車少司機挑活、司機收車換班常現空當、禁限行路段寧愿空跑、車輛調配效率差、整治放松挑課拒載、部分區域“黑車”當道、道路擁堵、新手不認路效率太低等[1]。在對大量的原因進行分析、篩選、歸類后，得出打車難的四個主要方面[1]：一、司機拒載；二、出租車供給不足；三、特殊時段；四、出租車調配問題。

通過數據[2]收集，得到2012全國出租汽車總量1026678輛,2013年全國出租汽車總量1053580輛。各打車軟件在2013年面市，通過對比，發現2013年全國出租汽車總量比2012年增加了26902輛，緩解了由供應不足造成的“打車難”問題。對緩解打車難有幫助。

但是，緩解打車難并不能僅僅靠出租車的供應量的提升，還應該解決造成打車難的重要原因。因為各打車軟件從2013年開始出現，所以收集2012年和2013年的全國出租汽車總量數據，并以空駛率為衡量出租車的供求關系的指標，分析補貼方案的效果。

為此，搜集了空間上不同等級的城市北京、蘇州、蚌埠的數據[2-8]，空駛率分別為48.91%，62.84%，61.07%[6,8]。搜集了蘇州市平時、雙休、五一三個不同時段的數據，得到空駛率分別為62.84%、59H30%，63.04%。也收集了滴滴打車、Uber優步、政府各自的補貼方案[2-4]。經過對比分析，這三種具有代表性的補貼方案都只是針對造成打車難的四個方面中的某些方面。對此運用層次分析法,建立問題解決程度檢測模型，確定這三種方案對解決打車難問題的有效程度比例,分析補貼方案在緩解打車難問題中的貢獻。

1.2 層次分析法計算

1.2.1 層次分析法

層次分析法(又稱AHP分析法)的基本原理是：

首先，將復雜的問題層次化，即根據問題的性質和要達到的目標，將問題分解成為不同的組成因素，按照因素間的相互影響和隸屬關系將其分層聚類，形成一個遞階的、有序的層次結構模型。

然后，根據系統的特點和基本原則，對各層的因素進行對比分析，引入1—9比率標度方法構造出判斷矩陣。判斷矩陣各元素的確定如表1所示。

再用求解判斷矩陣最大特征根及其特征向量的方法得到各因素的相對權重；最終通過計算最低層相對于最高層的相對重要性次序的組合權值，以此作為評價和選擇方案的依據。

AHP分析問題的基本步驟為：(1)建立層次結構模型；(2)構造判斷矩陣；(3)層次單排序并檢驗一致性；(4)層次總排序并檢驗一致性[9]。

1.2.2 車補貼方案

通過分析，總結造成打車難的四個主要方面為：(1)司機拒載，(2)出租車供給不足，(3)特殊時段，(4)出租車調配問題，將滴滴打車、Uber優步、政府三種補貼方案歸納為表2。

表1 判斷矩陣中各元素的取值

表2 方案歸納表

不同方案中的不同補貼針對造成打車難四個主要方面中的一個或幾個方面。對此運用層次分析法計算確定這三種方案對解決打車難問題的有效程度比例。

1.3 模型建立

方案一的補貼主要緩解車輛調配和司機拒載造成的打車難；方案二主要緩解供給不足和特殊時段造成的打車難；方案三主要解決特殊時段和拒載造成的打車難。具體而言，構建的層次結構模型如圖1所示。

圖1 基于層次分析法建立的問題解決程度檢測模型

(1)根據層次結構模型構造第一層判斷矩陣

根據評估判斷及表1中的規定，確定C層的司機拒載C1、供給不足C2、特殊時段C3、車輛調配C4相對于O層打車難的相對重要性權重，形成判斷矩陣如表3所示。

表3 準則層C對于目標層O的成對比較矩陣表

用矩陣A表示準則層C對目標層O的成對比較矩陣。

將矩陣每一列歸一化，然后按列相加再歸一化后得到:

WA=(a1a2a3a4) =(0.056 0.122 0.288 0.533)

記最大特征根為λmax，且λmaxWA=AWA，由:

一致性檢驗過程為:由表4找出n=4時隨機一致性指標RI=0.9。再計算，矩陣A的一致性指標CI為，

(2)構造第二層判斷矩陣

依據評估判斷及表1中的規定，同樣可以構造出第二層判斷矩陣，第二層判斷矩陣一共有4個B1，B2，B3，B4,分別為

分別表示方案層P對準則層C1、C2、C3、C4的成對比較矩陣。經過歸一化，得到方案層P對準則層C的計算結果如表5所示。

表5 方案層P對準則層C的計算結果

其中wB1、wB2、wB3、wB4分別表示P層中的3種方案相對于C層中的司機拒載C1、供給不足C2、特殊時段C3、車輛調配C4的相對權重向量。根據層次分析法理論，當CR<0.10時，認為排序結果具有滿意的一致性。這里，故認為4個判斷矩陣B具有滿意的一致性。

(3)求出各因素對于總目標的權重

wB=(wB1wB2wB3wB4)

w表示層次結構模型P層中的3種方案對于總目標層O層的相對權重向量。計算總排序權向量并做一致性檢驗，利用總排序一致性比率：

根據層次分析法理論，CR<0.10，認為判斷具有滿意的一致性。

1.4 補貼方案對比結果

由此可得：

方案一對緩解打車難的比重占43.26%

方案二對緩解打車難的比重占26.56%

方案三對緩解打車難的比重占30.18%

說明各公司的出租車補貼方案對“緩解打車難”有幫助，且不同的方案解決“打車難’問題的程度不同，本文中的方案一滴滴打車的補貼方案權重最大，更好的解決了問題。打車軟件的補貼方案比政府的補貼方案更為有效。

2. 更優補貼方案及評價模型

2.1 問題分析

打車軟件公司發放補貼是為了讓更多的人使用該軟件，達到推廣軟件的目的。同時，打車軟件的推廣能改善出租車市場的信息不對稱、不匹配的情況。但是，目前有的打車軟件補貼方案都只是針對造成打車難的四個方面中的某些方面，并不能兼顧到所有。為了設計更好的補貼方案，先根據造成打車難問題的四個方面，探討既能有效緩解打車難問題，又能將打車軟件公司的收益更大化的方法。結合對已有方案的研究，可在補貼方案設計時考慮緩解打車難的四個主要方面，設計出新補貼方案。然后對方案的可行性進行分析，最后建立基于層次分析法的方案評價模型，論證方案的合理性。

2.2 新的補貼方案(方案四)的具體內容

(1)發放打車紅包

用戶通過分享朋友圈的方式，得到打車紅包；請國內明星給用戶發紅包；通過企業冠名方式發放紅包；在電視臺發紅包。(紅包用于抵用打車費)

(2)發放虛擬貨幣與現金紅包

一個用戶叫車，如果三個或三個以上司機響應，根據虛擬貨幣擁有量，決定有哪位司機接單；如果用戶叫車3分鐘或以上才有司機響應，則發放虛擬貨幣；如果用戶呼叫三次以上，且累計呼叫時間超過5分鐘，則發放現金紅包。

(3)新用戶獎勵

新司機在激活賬號的七天內完成5單，即可獲得新司機首周獎勵200元。新客戶在激活賬號的首單可享受50元紅包獎勵。

(4)成單數量獎勵

如果每周線上成單數量達到30單，現金紅包獎勵80元；達到60單，獎勵180元；達到90單，獎勵280元。

(5)最佳服務獎

當周評分在4.8分以上且周成單率在60%以上，每周完成訂單最多的100名司機，可再獲得300元最佳服務獎。

(6)特殊時段獎勵

一周內在高峰時段(早高峰7∶00—10∶00；晚高峰20∶00—23∶00)累積成單率達到60%及以上，高峰時段最高獎金為100元，根據成單率的高低按照以下計算方法獲得獎金：獲得獎金=最高獎金*成單率。

注：除1、2、3外，獲得以上任何獎勵的前提條件為：當評分高于4.6分，當成單率高于45%，且當周至少完成10單。成單率等于當周完成的訂單數/當周系統拍單的訂單數。

2.3 方案設計依據

就現在的情況我們可以初步推斷，打車軟件上的廣告、軟件產生的大數據、與軟件關聯的理財產品以及軟件使用費等都可能成為打車軟件未來的一種贏利模式。目前軟件剛推行出，開發商為了搶占市場份額，大額補貼使用自己軟件的司機和乘客。怎樣發放補貼能盡可能大的搶占市場和緩解打車難問題呢？

(1)發紅包是一個不錯的社交激勵方式，也是與別人聯絡的最好工具。因此，我們設計打車紅包。打車紅包通過用戶在朋友圈的發放，請國內明星發放，企業冠名發放，電視臺發放等多種方式，推廣軟件，吸引很多人使用，緩解車輛調配問題。

(2)打車軟件的產品邏輯是如何讓用戶打到車，如何激勵司機讓打不到車的用戶打到車，這就要靠虛擬貨幣與現金紅包，這種交叉的補貼很好的解決了司機拒載與挑單的問題。

(3)新用戶獎勵能吸引更多的司機、乘客，更多的司機、乘客通過軟件大數據的匹配，完成了供求交易，有效緩解了車輛調度問題。

(4)成單數量獎勵，鼓勵司機要多接單，有效的緩解拒載問題，在大額補貼的誘惑下，吸引部分人從事出租車行業，緩解供給不足問題。

(5)最佳服務獎獎金的多少由用戶評分與成單率共同來決定，通過用戶評分及成單率督促司機提高服務的質量，鼓勵司機多接單，預防司機挑單，緩解司機拒載的問題。

(6)特殊時段獎勵，鼓勵司機在特殊時段接單，預防在特殊的時段出現無車可打的情況，緩解特殊時段打車難的問題。補貼方案中的一半補貼都與用戶評價、成單率掛鉤，起到預防司機拒載和挑單的作用，同時督促司機要提高服務質量。

2.4 層次分析評價模型

圖2 加入新方案后基于層次分析法建立的問題解決程度檢測模型

如上所述，打車難問題主要司機拒載、出租車供給不足、特殊時段、出租車調配四個方面造。方案一的補貼主要緩解車輛調配和司機拒載造成的打車難；方案二主要緩解供給不足和特殊時段造成的打車難；方案三主要解決特殊時段和拒載造成的打車難；方案四主要緩解司機拒載、出租車供給不足、特殊時段、出租車調配造成的打車難。具體而言，構建的層次結構模型如圖2所示。

(1)根據層次結構模型構造第一層判斷矩陣

同1.3(1)

(2)構造第二層判斷矩陣

依據評估判斷表1中的規定，同樣可以構造出第二層判斷矩陣,分別為B1、B2、B3、B4