大數(shù)據(jù)平臺下出租車資源配置的分析及優(yōu)化

張定川 何旭東 王欣婷

摘要：隨著人民生活水平的提高，出租車已經(jīng)成為城市居民重要的交通工具，但出租車資源供求匹配矛盾也日益突出。大數(shù)據(jù)時代的到來為解決出租車資源配置問題提供了新思路。本文選取蒼穹滴滴快的智能出行平臺、高德LBS開放平臺、易觀智庫等大數(shù)據(jù)平臺，結(jié)合一些大數(shù)據(jù)研究機(jī)構(gòu)對當(dāng)今出租車資源配置問題的判斷，對出租車資源配置情況進(jìn)行了分析，并提出優(yōu)化方案。

關(guān)鍵詞：大數(shù)據(jù)平臺；出租車行業(yè)；資源配置優(yōu)化

隨著我國城鄉(xiāng)居民整體生活水平的提升，出租車在城市交通中所占份額不斷提高，呈現(xiàn)與公共汽車等其他交通工具競爭的趨勢。此外，隨著科技的不斷進(jìn)步，打車軟件如滴滴打車、Uber等已被大范圍推廣與接受，移動互聯(lián)網(wǎng)實現(xiàn)了司機(jī)與乘客的信息互通。然而，由于出租車行業(yè)面臨著巨大的資源配置問題，“打車難”的現(xiàn)象隨處可見，諸如司機(jī)拒載、惡意抬價、出租車調(diào)配系統(tǒng)落后等問題更是惡化了供需矛盾。

大數(shù)據(jù)時代的到來為解決出租車資源配置問題提供了新思路。通過分析大數(shù)據(jù)，構(gòu)建出租車資源配置模型，平衡資源配置，可以緩解人們“打車難”的問題。根據(jù)比達(dá)（BDR）數(shù)據(jù)中心數(shù)據(jù)，滴滴和快的公司占據(jù)互聯(lián)網(wǎng)軟件服務(wù)平臺90%以上的市場，故此我們選取蒼穹滴滴快的智能出行平臺、高德LBS開放平臺、易觀智庫等大數(shù)據(jù)平臺，結(jié)合一些大數(shù)據(jù)研究機(jī)構(gòu)對當(dāng)今出租車資源配置問題的判斷，對出租車資源配置情況進(jìn)行了分析，并提出優(yōu)化方案。

蒼穹滴滴快的智能出行平臺含有全國用車情況和重要城市情況兩大部分，每部分又可以查詢相關(guān)城市的打車難易度、打車需求量和被搶單時間。除此之外，它還提供了十大重要城市的車費(fèi)及出租車出行軌跡。平臺下方展示了近一周來城市的打車情況，時間精確到小時。由于僅從網(wǎng)頁只能看到平臺所展示的眾多表象，我們無法直觀地看到原始數(shù)據(jù)并進(jìn)行更多研究。

為了滿足對時間和空間分布的需求，我們選取北京、上海和西安三個主要城市2015年9月5日～9月11日且每個城市每天均選取100、800、1200、1800、2200這五個時間段進(jìn)行分析。

對散點數(shù)據(jù)進(jìn)行面差值并匯出熱力圖，我們可以得出以下結(jié)論：

1.1：00和22：00這兩個時間段的匹配度明顯高于8：00、12：00和18：00這三個時間段的匹配度。由此可以看出，早中晚的上下班高峰時間由于乘客需求量變大，出租車的資源匹配程度往往低于一般的時間段。

2.2015年9月5日和9月6日的出租車匹配程度略低于其余時間。由此可見，由于假期出行人員數(shù)量增多，雙休日出租車的供求匹配度低于工作日。

3.北京、上海的出租車匹配程度相當(dāng)，而西安的匹配度明顯高于前兩個城市。這說明了即使北京上海經(jīng)濟(jì)發(fā)展比西安更迅速，但是伴隨而來的商業(yè)繁華地區(qū)出租車供不應(yīng)求的問題卻困擾著這類大型都市。

為解決現(xiàn)實生活中“打車難”的問題，各大公司紛紛推出打車服務(wù)軟件，致力于解決司機(jī)與乘客之間關(guān)聯(lián)匹配的問題。下面通過蒙特卡洛模擬實驗來說明打車軟件對出租車資源配置的影響。

該模擬滿足如下幾個條件：

1.在未使用打車軟件時，由于司機(jī)無法判斷乘客所在地，只能采取隨機(jī)游走路線。

2.使用打車軟件后，司機(jī)能夠采取最佳路線駛向乘客。

3.假設(shè)出租車速度基本一致，出租車每小時能行駛的最大路程為R。

下面闡述試驗步驟：

1.不使用打車軟件時，在以乘客所在點為圓心的單位圓內(nèi)隨機(jī)取10個點，即為出租車的分布點。

2.以上述步驟中每個點為圓心，做半徑為R的圓，即為出租車單位時間后所在位置。

3.計算以乘客為圓心，半徑為r的圓內(nèi)出租車數(shù)量，記為d1。

4.在使用打車軟件時，在以乘客所在點為圓心的單位圓內(nèi)隨機(jī)取1個點，重復(fù)步驟2-3的內(nèi)容。并計算以乘客為圓心，半徑為r的圓內(nèi)出租車數(shù)量為d2。

5.統(tǒng)計d2>d1的次數(shù)，對比其與d1

通過求解模型后我們可以發(fā)現(xiàn)：

由于d1>d2的次數(shù)占全部情況的大半部分且?guī)缀鯖]有d1

除去我們分別采用傳統(tǒng)研究方法和大數(shù)據(jù)平臺挖掘方法得到的結(jié)論，一些大型研究機(jī)構(gòu)也對當(dāng)今出租車資源配置做出了如下的判斷：

自打車軟件出現(xiàn)以來，社會上存在的一個普遍問題是：司機(jī)都不愿意接受打車距離過近、打車路段偏遠(yuǎn)或者是易堵車路段的訂單，這給處于最差處境的乘客們帶來了很多困擾，“打車難”問題沒有得到解決。因此，2014年12月滴滴打車推出滴米調(diào)度系統(tǒng)，該系統(tǒng)可以補(bǔ)償司機(jī)接受的這類被認(rèn)為是“差”的訂單所帶來的損失，該措施一定程度上緩解了此類社會問題。

參考文獻(xiàn)：

[1]K.I.Wong、S.C.Wong、Hai Yang， Modeling urban taxi services in congested road networks with elastic demand， Transportation Research Part B：Methodological，第35卷，第9期，819-842頁，2001（11）

[2]趙延剛.建模的數(shù)學(xué)方法與數(shù)學(xué)模型.北京：科學(xué)出版社，2011.

[3]傅新平，胡伶俐.基于物元分析法的綜合交通系統(tǒng)服務(wù)水平評價.武漢理工大學(xué)學(xué)報，交通科學(xué)與工程版，2007年第4期，580-583頁.

[4]《中國主要城市交通的分析報告》.http：//www.analysys.cn/report/detail/9957.html

[5]帥朝暉.城市出租車資源配置研究.