“互聯網+”時代的出租車資源配置

◎陳博源 鄭亦斕

“互聯網+”時代的出租車資源配置

◎陳博源 鄭亦斕

伴隨著國民經濟的迅猛發展，人們的出行量及對交通的需求也日益增加。然而社會交通資源如出租車的配置仍具有極大的提升空間，信息與數據處理技術的發展為提高資源效率提供了前所未有的可能性。

首先利用Matlab對交通數據進行多元線性回歸分析，比較各種交通工具所占權重，初步推測出租車供給整體存在短缺問題，其次運用所得數據進行多向比較，尤其是通過三維圖能看出打車軟件進入市場后，不同時空的出租車供需比不均衡問題有了顯著的改善。最后我們建立了AHP層次分析模型，尤其是比例標度法，對可能會對出租車運營產生影響的幾大因素進行相關的計算，最后得出這幾大因素彼此之間的重要性比較，從而分析出對出租車運營產生影響的最大因素，并且針對不同重要性的因素設計不同的補貼方案，以滿足不同情況下出租車運營的需要。

短缺分析

回歸分析。我們假定出行需求與人口數直接相關，而交通工具數量又極大地為需求量所影響，因此我們將北京人口數（1999-2013）作為主變量，將民用汽車擁有量、公共汽（電）車運營數和出租車運營數作為自變量，分析出租車的供應關系是否處于短缺。

y=北京人口數目、x1=民用汽車擁有量、x2=市轄區年末公共汽（電）車運營數、x3=市轄區年末出租汽車運營數。

可見，隨著人口增長和經濟發展，私家車數量的增幅遠高于公用汽車和出租車。

可見私家車與出租車的長期消費都需要一定的經濟條件，私家車的增長遠遠超過出租車，可推測出出租車的增長有一定的滯后。出租車與公共汽車的一大部分客流來源于外來人口，而公交汽車可通過密集班次或滿載有效解決需求量上升的問題，而出租車平均載客數較低，增幅度不明顯，有可能存在供給量不夠的問題。人均收入水平的增加可能致使出租車對公共汽車的替代性增強，進而加重出租車供給短缺。

需求估計。分析供需問題先從北京市出租車需求量入手，以下是經統計平均載客量和運營時間計算出的需求量公式：

平均運營速度v＝34km/h，北京市的空載率基本維持在k=40%, 出租車的運營比率取b＝70%,居民一年的出行次數為3099萬人次，乘坐出租車的相對占比為6.4%,每次乘坐的平均距離D= 8km,每車平均載客數為 q=1.5。估算得北京市最佳出租車量即出租車需求量大約為 N=74075輛。

可視化分析。通過蒼穹數據的可視化分析，將數據用MATLAB繪制成三維圖像，X軸代表時間，Y軸代表不同區域，Z軸代表打車人數，可看出北京市各區域的出租車分布極為不均衡，城區的出租車供求比遠大于其他區域，即意味著城區打車的難度在其他區域之上。究其原因，可能是由于城區道路過于擁堵，時長費用無法彌補出租車司機因為行駛路程有限，堵車等待時間過長而受損失。

打車軟件的出現使出租車的資源配置問題有了極大的改善。一方面以互聯網為依托的打車軟件為信息交互提供了良好的平臺，有效的降低了空載率即資源的浪費情況；另一方面打車軟件有強制接單的政策，極大地緩解了北京地區的“打車難”問題。

補貼設計

AHP分析。經過對出租車運營情況的數據分析，我們發現有以下幾點因素對出租車運營影響較大，分別為：P1乘車人乘車距離、P2出租車工作時間的長短、P3出租車司機工作的時間、P4出租車乘客的評價。我們利用相關運籌學理論——AHP層次分析法，將與決策總是有關的元素進行分解，并在此基礎之上進行定性和定量分析。底層為P1、P2、P3、P4，上層是C1工作時間、C2載客路程、C3評價，頂層為最優配置。

運用AHP中常用的比例標度法，根據網上的相關數據，我們可以得出結論：定義第i個因素和第j個因素的重要性之比為aij，在重要性方面C2是C1的3倍，C2是C3的9倍，C1是C3的5倍。根據比例標度法的相關規定，我們可以得出結論：在重要性方面，C2因素比C1因素稍重要，C2因素比C3因素極端重要，C1因素比C3明顯重要。故，C2載客路程對于出租車運營情況的影響來最大。

經過相關matlab的處理，可以得到以下結果：CR=0.0251,CI=0.0145滿足一致性。假設：

通過以上相關數據可以了解到，P1按距離補貼對于打車影響程度最大，其次為P2按工作時間長短補、P3按何時工作補貼，影響最小的因素為P4按客戶評價補貼。經過以上分析，我們可以根據每個因素不同的重要程度，設計出一套多種補助方式結合、更加完善的補助方案。首先，根據上述的影響權重可以看出，對出租車運營情況影響最大是打車距離，其次是工作時間長短以及何時工作，最小的是客戶評價。所以，在補貼方案之中，占據最重要地位的是用戶的打車距離因素，這要求我們區分用戶打車距離來進行相應補貼，并且該補貼應該占整個補貼中最重要的部分。

最優方案設計。根據相關數據表明，北京市出租車單程平均距離為8km。因此，若乘客的乘車距離低于平均距離，則只補貼給司機5元；若乘客的乘車距離在8～15km之間，則超出8km部分每公里補貼1元，8km內里程按照原計劃補貼；若乘客的乘車距離在15km以上，則按照超過15km部分每公里補充2元（為超過單價，因為有空駛費），15km內里程按照原計劃補貼，且最高單程補貼100元。

接下來需要制定根據出租車司機工作時長進行補貼的政策。為了鼓勵出租車司機每天工作更長時間，緩解乘客打車難的問題，我們決定對工作時間較長的出租車司機進行補貼。若出租車司機工作超過3小時，則在超過3小時之后的每小時中，出租車司機都將獲得2元的補貼，而且每接一單出租車司機將獲得2元返現，該小時內前3單乘客將獲得3元優惠。

模型的評價

首先利用多元回歸模型分析出出租車增加相對于人口增長滯后是一個突發奇想的創意。其次，AHP模型在處理因素相對重要性方面具有獨特的優勢。具有系統性，推理邏輯嚴謹，可以通過對決策特性的分析較為全面地評價決策，適用于簡潔的決策，所需的量化數據少。

AHP方法最大的缺點是只能計算出多個方案的相應影響力權重的大小，而并不能量化計算出這個影響力的數值大小，需要與其他更多、更豐富的數學模型相結合，才能真正量化出“影響力”數值。

（作者單位：對外經濟貿易大學）