基于不同補貼方案的武漢市出租車資源優化配置研究*

陳柄堯　黃怡瑩　李明銘　龔貞桃　邵優陽

(海軍工程大學電子工程學院　武漢　430033)

?

基于不同補貼方案的武漢市出租車資源優化配置研究*

陳柄堯黃怡瑩李明銘龔貞桃邵優陽

(海軍工程大學電子工程學院武漢430033)

針對目前社會中廣泛存在的“打車難”問題,以供求比Φ作為衡量出租車供求關系的指標,對現有的打車補貼方案在不同時空條件下進行了評價。首先建立了出租車的供求比和打車補貼方案模型,其次基于現有的兩種打車軟件提出了四種新的打車補貼方案,最后基于C++設計了相應的仿真軟件,在此基礎上,研究了在不同補貼方案下武漢市出租車資源配置優化后的供求匹配程度,對武漢市出租車在不同條件下的資源優化配置具有一定的參考意義。

供求比; 資源優化配置; 數據采集; 補貼方案

Class NumberTP391

1　引言

出租車的資源配置一直是困擾整個出租車行業的關鍵因素,中心城區的出租車需求量在上下班等時段仍遠大于供給量。打車之所以難,不考慮管理因素,主要因為以下三點：一是出租車絕對數量供給不足。二是出租車相對數量供給不足,這是個摩擦性問題,其根本原因在于信息不對稱。三是出租車利益供給不足,部分司機選擇性停運[1]。

針對以上分析,作者首先基于GooSeeker(以火狐瀏覽器為依托的數據采集器)采集數據,其次運用Matlab編程處理分析武漢市區的出租車供求比；最后運用Microsoft Visual C++基于大數據并依托數據庫設計了相應的四種補貼方案來改善出租車的供求比指標,以達到緩解“打車難”的目的。

2　原因分析

針對“打車難”的原因一和二,在時間上,劃分為工作日和休息日兩個不同時段進行研究,并以2小時為單位,將一天劃分為12個時間段；在空間上,以武漢作為研究對象,將武漢劃分為武昌地區、漢口地區和漢陽地區三個區域進行討論。以出租車的供求比Φ作為衡量指標,當Φ值在1附近波動時,此時出租車處于基本滿足供求關系狀態；當Φ值大于1時,此時出租車的供給量大于需求量；當Φ值小于1時,此時出租車的供給量小于需求量。供求比Φ的大小與該地區出租車的實際需求量和該地區出租車擁有量有關。針對原因三,打車軟件公司的補貼方案分為兩個部分,一是乘客返現,二是對司機的金額獎勵[2]。乘客返現金額會影響乘客以出租車方式出行的比例,對司機的獎勵金額則會影響出租車的平均運營時間。

文章假設國家整體發展規劃對于城市發展狀況的影響在一定時間內穩定不變。城市所處地理位置、旅游吸引能力等自然因素短期內不會有明顯變化。認為在一座城市中從需求角度出發的出租車總有效行駛里程和從供給角度測算的出租車總有效行駛里程是影響供求匹配關系的主要因素,城市規模、出租車千人擁有量和其它彈性因素等視為次要因素。

3　出租車供求比及補貼方案的模型設計

3.1供求比模型設計

出租車的實際擁有量n與需求量n′之比即為供求比Φ:

(1)

式中,n可參考目前網絡已有數據獲得[3]。

(2)

式中,X1,X2分別為固定長住居民和其他外來人口乘坐出租車時平均載客人數。t為出租車的平均運營時間(h)；v為出租車的平均運行車速(km/h)；δ為出租車平均空駛率；G1,G2分別為出租車承擔固定長住居民和其他外來人口的出行轉移量:

G1=H1·d1·ρ1·D1

(3)

G2=H2·d2·ρ2·D2

(4)

式中,H1,H2分別為固定長住居民和其他外來人口總量；d1,d2分別為固定長住居民和其他外來人口在2小時內的出行次數；ρ1,ρ2分別為固定長住居民和其他外來人口選擇出租車出行在所有的出行方式中所占的比例；D1,D2分別為固定長住居民和其他外來人口以出租車方式出行時的平均路程。以上數據均通過網絡采集[4]。

出租車空駛率也是供給量的一個重要參數,可用式(5)表示：

(5)

在第2節對出租車資源供求匹配程度影響因素分析中,城市規模、千人擁有量和其它彈性因素等都會對出租車資源供求匹配程度產生影響。

綜合考慮以上因素,將計算結果進行數據修正,此處引入一個平衡系數α,其目的是為了滿足正常所需利潤的同時,讓出租車盡量滿足人們的需求。α值應該是一個稍大于1的值,其值調整得越大,出租車的供給就越能適應在突發情況下出租車的客運需求。但α取值不宜過大,否則會導致大量出租車處于空駛狀態。綜合考慮后,確定α的范圍在1.1～1.4[5],則出租車合理規模為

(6)

3.2補貼方案模型設計

通過對現有通用的兩款打車軟件補貼方案的數據收集[7],可看出打車軟件公司在補貼方案的變化上非常相似,故可將兩份補貼方案結合為一份概括兩者的補貼方案,擬定每單補貼方案如下：

方案1:乘客平均返現10元,司機平均獎勵10元；

方案2：乘客平均返現13元,司機平均獎勵8元；

方案3：乘客平均返現16元,司機平均獎勵10元；

方案4：乘客平均返現4元,司機平均獎勵2元。

當乘客平均返現金額多時,乘客以出租車方式出行的比例就會增加；當司機平均獎勵金額多時,出租車的平均運營時間就會增加。故需建立乘客平均返現金額與乘客以出租車出行的比例函數,司機平均獎勵金額與出租車平均運營時間的函數,得到它們之間的定量關系,從而進一步求出出租車的供求比。

假設實施補貼方案后,乘客以出租車出行的比例為[8]

(7)

式中,M為一天內乘客搭乘出租車的平均車費,由數據統計得M=40.7元[9]；m為乘客平均返現金額；ρ′為實施補貼方案后乘客以出租車出行的比例。當乘客平均返現金額占平均車費的比重越大時,乘客就越愿意選擇出租車作為自己的出行方式。

假設實施補貼方案后,出租車的平均運營時間為

(8)

式中,C為出租車司機每次載客時所要支付的平均成本。根據資料[3],武漢市出租車平均每公里的燃油費為0.6元,載客時的平均行駛里程為8.1km,故C=4.86；c為平均獎勵金額；t′為實施補貼方案后出租車新的平均運營時間。

根據上文建立的兩個函數模型,可以求出每一個補貼方案在同一天同一地區不同時段的新的出租車供求比。選擇武昌某一工作日作為研究對象,若實施補貼方案后原來供求比小于1的時間段內供求比得到提升且達到一定的標準(供求比在1附近波動),即可說明該方案對緩解“打車難”有幫助,否則說明沒有幫助。

補貼方案計算軟件的窗口設計如圖1所示。

圖1　補貼方案計算軟件窗口

4　結果分析

4.1未考慮補貼方案的出租車供求比計算

取2015年9月8日武昌地區0～2點鐘時段作為研究對象,此時d1,d2分別為0.06、0.01,出租車平均運營時間t=1.0h。(統計數據來源于對統計網站原始數據的抓取[10])代入3.1節建立的模型,求得n′=4727。武昌區0～2時段實際需求的出租車的數量為4727輛,但實際擁有量為8325輛[3],以此計算出出租車供求比例為Φ=176.1%。

按以上方法,計算出不同時段、不同地區的供求比如圖2、3。

根據圖2、3,可得到如下結論：

1) 對于同一天同一地區不同時間段

0～6h：出租車的供給量遠大于乘客的需求量；

6～10h：第一次打車高峰期,出現嚴重的供不應求；

10～16h：基本可以達到供求平衡；

16～20h：第二次打車高峰期,乘客對出租車的需求量增加但增加的幅度較小,會出現出租車供應緊張的情況；

20～24h:出租車供應緊張情況會得到緩解,但乘客的需求量仍較大。

圖2　9月8日(工作日)不同地區不同時段供求比

圖3　9月5日(休息日)不同地區不同時段供求比

2) 對于同一天同一時間段不同地區

武昌地區：人口數量較多,擁有的出租車數量較大,出租車供求比例不穩定,波動較大；

漢口地區：人口數量適中,擁有的出租車數量適中,供求比例的變化比較穩定；

漢陽地區：人口數量較少,擁有的出租車數量適中,在凌晨時段會出現出租車供給量遠大于需求量的情況。

3) 對于同一地區同一時間段不同日期

9月5日(休息日)：打車高峰期相對于工作日出現延遲,夜晚出租車的需求量相對于工作日增加,并且大部分時間段出租車的供給量大于需求量；

9月8日(工作日)：會出現上下班兩個打車高峰期,且大部分時間出租車的供給量是較為緊張的。

通過以上結論,可看出供求比Φ能夠較好地反映不同時間、不同空間出租車的供求關系,也能較好地衡量不同時空條件下出租車資源的供求匹配程度。

4.2考慮補貼方案的出租車供求比計算

根據第3節所建立的函數模型,分別對采用四種補貼方案的出租車供求比進行計算,并與未采用補貼方案的出租車供求比對比,具體數據如表1所示,其中Φ為未采用補貼方案的出租車在各時段的供求比,Φ1、Φ2、Φ3、Φ4分別為采用補貼方案1、2、3、4后出租車在各時段的供求比。

表1　不同補貼方案對應的出租車供求比指標

以一天12個時段內出租車的平均供求比作為指標進行對比,對比結果如表2所示[8]。

表2　出租車平均供求比對比

通過以上計算結果,可以看出補貼方案2、方案3和方案4對出租車供求比指標的改善有積極作用,方案1對出租車供求比指標的改善起消極作用,所以補貼方案的選擇尤為重要,不能單純地追求高返現的補貼方案,也要考慮補貼成本及供求比改善程度等因素,綜合考慮后,得出補貼方案4為最佳方案,該方案不僅對出租車供求比進行了有效的改善(改善程度最大),且成本最低。對于其他特定問題的研究,也可根據本文所設計模型進行科學合理的分析和計算,以此確定一個行之有效的補貼方案來改善出租車的供求比指標。

5　結語

文章通過建立出租車供求比及補貼方案模型,結合武漢市出租車的實際供給量和需求量,在不同時段,不同地區對出租車的供求比指標進行了討論,并結合提出的四種補貼方案,分別分析了它們對出租車供求比的影響程度,得出不同的補貼方案是影響出租車供求比的一個重要因素。文中的建模和計算方法對出租車資源優化配置具有一定的參考意義。

[1] 帥朝暉.城市出租車資源配置研究——以浙江嘉興為例[D].上海:上海交通大學,2011.

SHUAI Zhaohui. Study on Resource Allocation of Urban Taxi Setting Jiaxing, Zhejiang for Example[D]. Shanghai: Shanghai Jiao Tong University,2011.

[2] 杜劍平,韓中庚. “互聯網+”時代的出租車資源配置模型[J].數學建模及其應用,2015,4(4)：40-50.

DU Jianping, HAN Zhonggeng. Taxi Resource Allocation Model in Internet-of-things Era[J]. Mathematical Modeling and Application,2015,4(4):40-50.

[3] 武漢的士網[EB/OL]. [2015-09-03]. http://www.whtaxi.com.

Wuhan Taxi Web[EB/OL]. [2015-09-03]. http://www.whtaxi.com.

[4] 武漢本地寶.武漢出租車價格計算[EB/OL]. [2015-09-08]. http://www.wuhan.baixing.com.

Wuhan Bendibao. Wuhan taxi price calculation[EB/OL]. [2015-09-08]. http://www.wuhan.baixing.com.

[5] 戴建軍.基于浮動車數據的出租車運行研究[D].上海:上海交通大學,2011.

DAI Jianjun. Study on Taxi Operation Based on Floating Car Data[D]. Shanghai: Shanghai Jiao Tong University,2011.

[6] 汪滟清.出租車行業的政府監管問題研究[D].長春:吉林大學,2015.

WANG Yanqing. Research on Government Regulation of the Taxi Industry[D]. Changchun: Jilin University,2015.

[7] 江世宏.MATLAB語言與數學實驗[M].北京：科學出版社,2007：47-48.

JIANG Shihong. MATLAB Language and Mathematics Experiment[M]. Beijing: Science Press,2007:47-48.

[8] 司守奎,孫璽菁.數學建模算法與應用[M].北京：國防工業出版社,2014:133-135.

SI Shoukui, SUN Xijing. Mathematical Modeling Algorithm and Application[M]. Beijing: National Defence Industry Press,2014:133-135.

[9] 董文永,劉進.最優化技術與數學建模[M].北京：清華大學出版社,2010:246-247.

DONG Wenyong, LIU Jin. Optimization Technique and Mathematical Modeling[M]. Beijing: Tsinghua University Press,2010:246-247.

[10] 蒼穹智能出行平臺[EB/OL]. [2015-09-13]. http://v.kuaidadi.com.

Intelligent Travel Platform of Kuaidi & Didi Group[EB/OL]. [2015-09-13]. http://v.kuaidadi.com.

Wuhan Taxi Resource Optimization Allocations Based on Different Subsidy Schemes

CHEN BingyaoHUANG YiyingLI MingmingGONG ZhentaoSHAO Youyang

(College of Electronic Engineering, Navy University of Engineering, Wuhan430033)

Aiming at the widespread problem of “hard to call a taxi” in our society at present, the supply-demand ratio Φ was used as the index to measure supply and demand of taxi, and pros and cons of current subsidy schemes at temporal and spatial multi-scale were evaluated. First the taxi supply-demand ratio model and the subsidy schemes of hailing a taxi model were built. Second four new subsidy schemes were promoted based on the two existing taxi booking apps. At last, simulation software was designed based on C++ accordingly. Then on this basis, the optimized matching degree under different subsidy schemes of Wuhan taxi resource supply and demand was studied. This paper had certain

ignificance for allocating Wuhan taxi resource optimally under various situations.

supply and demand ratio, resource optimization allocation, data collection, subsidy schemes

2016年4月13日,

2016年5月23日

陳柄堯,男,研究方向:電氣工程。黃怡瑩,女,研究方向:信息與通信工程。李明銘,女,研究方向:寬帶天線,天線理論研究。龔貞桃,男,研究方向:管理工程與科學。邵優陽,男,研究方向:指揮信息系統工程。

TP391

10.3969/j.issn.1672-9722.2016.10.005