互聯網時代出租車資源配置中的數學模型

彭雅蘭

【摘 要】出租車是市民出行的重要交通工具之一，“打車難”是人們關注的一個社會熱點問題。打車軟件提供了乘客和司機之間的信息互通平臺，并推出多種補貼方案吸引司機和乘客，實現了供求信息的匹配，緩解了“打車難”問題。因此，本文引入模糊數學理論，建立了一個吸引力模型刻畫乘客和司機的心理變化，量化各種補貼方案對“打車難”的緩解程度。

【關鍵詞】打車軟件；補貼方案；模糊數學

一、研究背景

已有的統計數據表明，北京的出租車保有量保持在6.6萬輛左右，對比其他國際大都市，紐約的出租車保有量約在1.2萬輛左右，東京約1.1萬輛，倫敦在1萬輛以下。同時，北京的出租車空駛率超過40%。數據表明，北京的打車難問題并不是由人多車少造成的，造成“打車難”問題的根源在于出租車供應信息與乘客需求信息在一定時間內的“信息互通”情況不樂觀。而使用打車軟件的司機和乘客數量越多，供求雙方的信息交流就越暢通，對于“打車難”問題的緩解程度就越大。因此，本文嘗試對各補貼方案進行排名，量化其對“打車難”問題的緩解程度。

二、數據來源與指標的確定

（一）數據來源

本文分析的數據主要來源于“滴滴快的智能出行平臺”，國家統計局數據

（二）評價指標的確定

心理因素是一個模糊的概念，根據模糊數學隸屬度概念和心理學的相關知識，根據人們對一件事物心理變化的相關規律，定義乘客心理曲線為，定義司機的心理曲線為。由于不同收入人群的出行特征一季對補貼的敏感程度不同，本文根據國家統計局關于居民收入的數據，將居民分為高、中、低三個收入層次。其中補貼后低、中、高收入人群節省的月交通費，a為低、中、高收入人群月交通費，為分別在總人口中所占的比例，y為補貼后司機日均增加的收入，b為補貼前司機的日均收入。其中與出行次數，對補貼的敏感程度，以及乘坐出租車的概率有關，。其中其中為低、中、高收入人群月均出行次數，為補貼后三類人群出行選擇乘坐出租車的概率，為三類人群對補貼的敏感程度，z為對乘客每單的補貼金額。結合北京的實際背景，出租車總體來說是供小于求的，因此補貼方案對乘客和司機的吸引力占有不同的權重。最終得分D=

三、分析過程與結果

（一）擬合北京市各收入人群出行情況

北京市民收入及交通費情況

擬合出日均交通費與日均出行次數之間的關系：，日均交通費與選擇出租車出行概率之間的關系。

將北京市居民收入情況數據代入擬合出的公式，出行情況分為三種情況：

（二）不同收入等級人群對補貼金額的敏感度m：增加單位金額補貼對選擇出租車出行概率的影響

可以看出，每增加單位金額補貼，低收入人群選擇出租車出行的概率增加0.96%，由于低收入人群交通費較低，即使進行補貼，對于低收入人群來說，出租車仍然是較為奢侈的選擇，因此，低收入人群對補貼并不敏感。

每增加單位金額補貼，中等收入人群選擇出租車出行的概率增加7.83%。中等收入人群對出行工作安全性、舒適度、時效性要求較低收入人群大，收入又低于高收入人群，對優惠更敏感。因此，中等收入是對補貼金額最為敏感的一類。

每增加單位金額補貼，高收入人群選擇出租車出行的概率增加0.68%。高收入人群經濟實力強，對優惠并不敏感。

（三）補貼方案分析

將各方案代入公式直接進行計算，很容易能得到如下的補貼方案排名