機場情景模式下出租車司機決策策略研究

孫自強 蔣 楠 賈惠寧 劉文欣

(天津外國語大學，天津 300270)

1 研究背景、現狀和方法

1.1 研究背景

出租車是一種重要的交通工具，在城市公共交通體系中占據了十分重要的一環，其與公交、地鐵等公共交通相比，在便捷度、舒適度等方面，更能滿足人們的需求，同時出租車行業也為社會提供了大量的就業崗位。

然而，出租車行業的發展面臨一系列問題。在能源環保方面，國家大力提倡綠色出行，并且為了緩解交通擁堵問題，鼓勵多使用公共交通出行，這或多或少會對出租車發展產生一定的影響。在行業規范方面，因現存管理體制相對不完善，勢必存在一些問題。在社會現象方面，存在“打車難”“黑車”“拒載”等亂象，這也不利于出租車行業的健康發展。在出租車自身運營體系方面，也存在有效運力不足、供需不平衡、信息不對稱等一系列問題。

在上述一系列問題的影響下，出租車司機想要努力提高收益，就需要綜合考慮各方面的影響因素，做出合理決策。機場是出租車一個重要的接送客地點，所以本文以機場作為考慮情景，研究了出租車司機決策因素的影響機理，通過構建出租車司機的收益模型，為出租車司機選擇合適的運行方案提供決策幫助。

1.2 研究現狀

出租車行業發展歷史較長，就國外的出租車行業來說，從起步至今已有百余年歷史，所以對出租車行業進行研究的相關文獻較多。這些文獻主要研究方向有三類：第一類是對出租車行業現狀進行研究，針對出租車所處時代出現的相關熱點問題，進行一系列的原因分析，給出相關的解決對策，比如網約車對傳統出租車運營規律帶來的直接沖擊以及現在出租車行業普遍存在的“打車難”“空車率高”“供需不平衡”“有效運力不足”等問題；第二類是對出租車行業的相關行業規范進行研究，涉及到政策、法律、社會、生態等各個層面，比如出租車市場準入的政策限制；第三類是對經濟層面進行研究，主要是對出租車價格、服務彈性、市場供需等相關問題進行的研究。

與此同時，已有很多針對出租車相關問題的數學模型。例如其中著名的出租車市場集合模型，該模型由著名的經濟學家Douglas提出，體現了城市出租車總數、出租車空車數量、乘客等待時間等相關變量的關系。但是，上述相關模型研究的問題主要是在出租車定價、出租車資源配置、降低運營成本等方面進行研究，大多是針對社會整體，進行行業優化，提高整體效率，對個體的針對性研究較少，比如缺乏針對出租車司機個人收益方面的具體研究。

1.3 研究方法

本文運用了定性分析和定量分析的研究方法，將機場作為運行情景，建立出租車司機的收益模型，對出租車司機收益決策以及影響機理進行研究。首先，考慮相關影響因素，運用線性分析法明確變量之間的關系；然后用SPSS軟件進行數據分析，建立了一個出租車司機收益決策的多元回歸模型，得出出租車司機收益與各個影響因素的線性關系；最后對相關因素的依賴程度進行分析，從而為出租車司機運行決策提供參考。

2 模型假設及符號說明

2.1 前提假設

(1)假設機場送客(出發)與接客(到達)通道分開的。

(2)機場在某時間段抵達的航班數量和“蓄車池”里已有的車輛數是司機可觀測到的確定信息。

(3)如果乘客在下飛機后想“打車”，就要到指定的“乘車區”排隊，按先后順序乘車。

(4)機場出租車管理人員負責“分批定量”放行出租車進入“乘車區”，同時安排一定數量的乘客上車。

(5)送客到機場的出租車司機都將會面臨兩個選擇：前往到達區排隊等待載客返回市區或者直接放空返回市區拉客。

(6)如果司機選擇前往到達區排隊等待載客返回市區，則出租車必須到指定的“蓄車池”排隊等候，依“先來后到”排隊進場載客，等待時間長短取決于排隊出租車和乘客的數量多少，需要付出一定的時間成本。

(7)如果司機選擇直接放空返回市區拉客，出租車司機將會付出空載費用和可能損失潛在的載客收益。

2.2 模型假設

(1)出租車司機是理性的工作者，即無條件選擇收益最大的方案。

(2)出租車司機一旦在A、B方案中做出選擇，不得更改。

(3)蓄車池的容量為無限大，即出租車司機不會因為蓄車池容量已滿而不得不返回市區拉客。

(4)不考慮天氣等其他影響因素。

(5)出租車司機收入按正常打表計算，不考慮消費者額外給的小費。

(6)不考慮現實生活中的拼車情況。

3 模型的建立與求解

3.1 收益決策模型的建立

3.1.1 模型假設

(1)選擇B方案的司機回到市區內不再返回機場，即一直在市區范圍內拉客。

(2)假設A、B兩方案計算收益的時間段相同。

3.1.2 出租車司機選擇A方案的收益

(1)計費標準。

表1 計費標準

(2)選擇A方案時的收益。

(1)

3.1.3 出租車司機選擇B方案的收益

出租車司機選擇B方案在市區載客的時間為T-tc，用s表示出租車司機選擇A方案的載客行駛里程，則出租車司機選擇A方案的載客時間可以表示為s/v。

則出租車司機選擇B方案的收益可由載客時間和每小時平均收益求得，公式為：

(2)

3.2 模型求解

μ與機場的旅客吞吐量成正比，通過研究相關資料，可知在機場選擇以出租車為交通方式的乘客占總乘客人數的15%，每輛出租車的平均載客量為2.5人。利用北京首都國際的月旅客吞吐量，則：

即：

(3)

利用式(3)計算出μ，將μ代入Wq=N×1/u，可得出租車司機在蓄車池內等待時間Wq。利用MATLAB軟件對出租車行駛里程s進行隨機數模擬，得到出租車行駛里程s。最后得出收益TR。

4 收益對相關因素的依賴程度分析

使用SPSS軟件建立多元線性回歸模型，分析出租車司機的收益TR、航班數量AQ、旅客吞吐量PQ、行駛里程TL、蓄車池出租車數量TQ的線性關系。

4.1 結果分析

4.1.1 變量輸入與移除的情況

表2 變量輸入與移除結果表

a.應變量：出租車司機的收益。

表2給出了變量進入回歸模型或者退出模型的情況。因為模型采取的是逐步法，所以本例中顯示的是依次進入模型的變量以及變量進入與剔除的判別標準。

4.1.2 模型擬合情況

表3 模型擬合情況表

表3給出了隨著變量進入依次形成的3個模型的擬合情況。可以發現3個模型的可決系數都為1，所以模型的擬合程度很好。

4.1.3 方差分析

表4 方差分析表

表4給出了隨著變量進入依次形成的3個模型的方差分解結果。可以發現p都為0.000。所以模型是非常顯著的。

4.1.4 回歸方程的系數及系數檢驗結果

表5 回歸方程的系數及系數檢驗結果表

表5給出了隨著變量進入依次形成的3個模型的自變量的系數。可以發現最后成型的也就是第三個模型各個自變量系數是非常顯著的。

4.2 模型綜述

觀察結果我們分析容易發現：模型采用逐步法進行多重線性回歸，以出租車司機的收益(TR)為因變量，依次以蓄車池中車的數量(N)，蓄車池中車的數量(N)和出租車司機行駛里程(TL)，蓄車池中車的數量(N)、出租車司機行駛里程(TL)和機場旅客吞吐量(PQ)分別作為自變量，也就是把蓄車池中車的數量(N)、出租車司機行駛里程(TL)和機場旅客吞吐量(PQ)依次加入模型中，從而共形成了3個模型，最終的模型是模型3，也就是以出租車司機的收益(TR)為因變量，蓄車池中車的數量(N)、出租車司機行駛里程(TL)和機場旅客吞吐量(PQ)全部作為自變量。

(1)觀察結果并分析，最終模型的表達式(即模型3)為：

TR=18.300+0.652TQ+1.091TL+3.522E-6PQ

(2)觀察結果分析表4，最終模型的擬合優化很好，修正的決定系數超過0.9。

(3)觀察結果分析表5，模型是顯著的，模型整體的p值為0.000。

(4)觀察結果分析表6，模型中，常數項和三個自變量系數的顯著性都小于0.05，為顯著。

(5)結論：經過以上多重線性回歸分析，可以發現出租車司機的收益(TR)受蓄車池中車的數量(TQ)、出租車司機行駛里程(TL)和機場旅客吞吐量(PQ)影響，其中出租車司機行駛里程(TL)和蓄車池中車的數量(TQ)影響較大，機場旅客吞吐量(PQ)影響較小。

5 結論與建議

通過研究相關數據，我們可以得到客航班計劃是影響旅客動向的主要因素，在航班降落之后，出租車候車區會比較容易匯聚較多的乘客。由于乘客下飛機后需要辦理一系列的手續，所以造成乘客離開機場的時間要往后推遲近一個小時左右，即可以近似的認為機場出租車客流高峰是與到港航班數量的高峰相對應的。由多元線性回歸方程可得，機場旅客吞吐量(PQ)對出租車司機的收益有正向的影響。因此出租車司機可以結合到港航班數量的情況，當客流量較多時，選擇留在機場等待。

蓄車池中車的數量也會影響的司機的選擇，由本文所建模型可知，當蓄車池中車的數量較多時，出租車司機的等待時間較長，時間成本較高，可以通過上述模型中公式(1)和(2)來計算出兩種方案的收益，從而進行合理的選擇。另外，季節和特殊時段也會影響乘客的數量，進而影響出租車司機的選擇，如春運期間和學生往返程期間，乘客的數量也會增加，因此在這些時間段，司機可以傾向于選擇留在機場等待。