網約車平臺的比較與發展預測

丁斯昊

本文基于專車市場迅速發展的背景，通過建立綜合評價模型對專車、出租車以及專車內部各種平臺進行了評分與比較，并建立了司機盈利效率的優化模型，給出加入專車行業的合理建議。最后，通過灰度預測GM（1，1）模型和BP神經網絡模型對專車產業的發展前景做出綜合預測。

綜合評價熵值法定權系數優化模型灰度預測神經網絡模型

一、引言

隨著“打出租車難”成為人們關注的一個社會熱點問題，由于各種原因，近幾年來越來越多的私家車加入了專車行列，專車已經逐步成為市民出行的重要交通工具之一。特別是隨著“互聯網+”時代的到來，有多家公司依托移動互聯網建立了打車軟件服務平臺，實現了乘客與專車司機之間的信息互通。那么網約車平臺到底比傳統的出租車好在哪些地方，各網約車平臺之間又有什么優劣之分？網約車平臺未來的發展前景又在何處？這些問題就成為了當下的焦點。

二、搭建從顧客角度分析的評價模型

（一）模型參數確定與求解

從顧客角度，本文選取了安全性、打車成功率、乘車費用、平均等待時間、顧客評價滿意度五個指標因素，通過查詢資料并通過相關計算得到北京市的相關數據，如下表（表1）：

對于各指標的權重，本文采用多指標綜合評價的權重的綜合分析方法，分別采用主觀賦權法和客觀賦權法進行分析。

（二）客觀賦權法：熵值法

三、搭建灰度預測模型和神經網絡模型預測網約車平臺的未來發展

從公共交通與專車行業的合作發展角度來說，我國對于大城市出租車數量的要求是萬人出租車擁有量不宜少于20輛。由統計數據作圖可知，在中國境內僅北京和上海兩個城市達到標準，其余城市有很大差距。所以中國境內的出租車市場還存在很大的缺口，而專車行業的發展和壯大可以很好的填補這一空白，和現有的公共交通形成互補，專車市場的潛力巨大。

從專車行業與軌道交通可能存在的競爭關系角度分析，建立了一種競爭分析模型：若專車的起點和終點都在軌道交通站點500m服務區范圍內，則視為競爭，否則視為互補；根據該假設和上海市九月份某工作日滴滴出行早高峰訂單數據，分析出專車和軌道交通的關系主體呈“互補”狀態，結果如圖11所示。本文對存在的約20%的競爭關系做進一步分析得到：在不足20%的競爭關系中，有72%的人因軌道交通需換乘，而選擇專車，另外28%因主觀選擇的原因（比如更舒適，商務需要，報銷等）選擇了專車。結果如圖12所示。由以上分析可知專車和公共交通主要呈現的是互補關系。因此專車的發展前景比較廣闊。

為有效地對專車未來的發展做預測，選取專車日均訂單成交量為參考變量，并分別采用灰度預測模型GM（1，1）和神經網絡模型進行預測，并對比兩種預測模型所得到的結果。

（一）網約車平臺發展灰度預測模型的建立與求解

通過查閱相關資料本文得到從2015年8月到2015年12月全國專車市場日均訂單成交量的統計數據，整理如下表（見表4）：

（二）網約車平臺發展神經網絡預測模型的建立與求解

通過查閱相關資料得到從2014年8月到2015年12月全國專車市場日均訂單成交量的統計數據，整理如下表（見表5）：

采用神經網絡模型中的BP算法，將該17組樣本數據代入程序。進行100次模擬，預測未來12組數據，見下圖：

（三）結果分析

對于專車未來的發展趨勢，本文通過選取專車日均訂單成交量為參考指標變量，分別采用灰度預測和神經網絡模型進行預測，灰度預測適合于小樣本數據的預測，側重于對象未來發展總體趨勢的刻畫；神經網絡模型適合多樣本數據的預測，側重于涵蓋樣本數據中的細節處理，對數據走勢的波動性刻畫較為清晰。之所以采用兩種模型，一方面是更加全面地進行專車未來發展的趨勢；另一方面，對比兩種模型所預測的結果，可以檢驗我們的模型是否合理，兩者結果的一致性或差異對模型的改進和預測結果的綜合評價具有指導性意義。

對于灰度預測，見圖13，通過GM（1，1）模型很好地預測了專車未來的發展前景。可以看出，專車日均訂單成交量在未來12個月內呈上升趨勢，平穩增長；而對于神經網絡模型，見圖15，可以得到：在未來12個月內，專車日均訂單成交量在2015年12月到2016年3月時間段呈平穩增長趨勢，而在2016年3月后達到平衡狀態，基本不再繼續增長。

對于兩種預測結果的微小差異，是由于兩種預測模型各自的特點所引起的。灰度預測模型側重函數整體趨勢的刻畫，若函數先增長一定時間，然后達到平穩，則灰度預測的結果會呈現一直增長的態勢，若函數先下降再平穩，那么同理預測結果會呈現出一直下降的趨勢，這是由GM（1，1）模型中白微分方程的特點所決定的。

綜合兩種預測模型，得到結論：在2016年3月之前，專車的發展呈良好的增長趨勢，大約在2016年3月之后，專車發展將達到一種平衡穩定的狀態。

四、結語

本文基于專車市場迅速發展的背景下，從顧客的角度分別對專車與出租車、專車內部各種平臺進行了綜合評價，并建立了專車發展的預測模型。在使用綜合評價模型時，對于權系數的確定，本文只采用了客觀賦權法中的熵值法，可以在此基礎上再選擇一種主觀賦權法，將兩種模型的權重綜合計算；另外，熵值法要求大量數據，這是該模型需要改進的地方。本文在第三部分使用的灰度預測模型和bp神經網絡模型，不僅可以預測專車市場的未來發展趨勢，還可預測出租車的發展前景。另外，也可把該預測模型推廣到其他新興產業的發展預測問題上。

參考文獻：

[1]CNNIC.專車市場發展研究專題報告 [R].北京：中國互聯網信息中心，2015.

[2]滴滴媒體研究院和第一財經商業數據中心[EB/OL].http：//mt.sohu.com/20160226/n438608627.shtml.

[3]中國專車市場分析報告[R].上海：羅蘭貝格管理咨詢公司，2016

[4]周品.MATLAB數值分析應用教程.北京：電子工業出版社，2014.

[5]宋葉志，賈東永.MATLAB數值分析與應用.北京：機械工業出版社，2009.