基于“打車難”的現狀分析和打車軟件的優化問題

喬振華

摘要：隨著人們對出租車的需求量增加，“打車難”就成了當今人們出行所面臨的一個重要問題，針對打車難提出了三個問題，即不同時空出租車的“供求匹配”程度、各公司的出租車補貼方案是否對“緩解打車難”有幫助、如何設計合理的打車軟件補貼方案，并利用EXCEL和SPSS軟件對收集的數據進行建模分析，以提出相應解決方法。最后總結對所建立的模型和求解方法的優缺點給出了客觀的評價。

關鍵詞：打車難;建模分析;spss軟件

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）10-0254-03

出租車作為一種重要的交通工具，每日承擔了大量載客運輸工作，而由于城市人口規模以及出行率的擴大增加，人們對出租車的需求也逐漸增加。在路段擁擠的時候，上下班的高峰時期，節假日以及遇上惡劣天氣都會使出租車的需求量增加，使其供不應求[1]。“打車難”的問題也因此變成了熱點問題。近幾年由于各種打車軟件的興起，給予打車各種補貼優惠等政策，使近幾年的“打車難”的問題得到一些改善，但是仍然沒有解決這一問題[2]。因此從出租車供需平衡機理出發，基于對影響出租車供給與需求因素的分析，來對出租車供給機理和需求機理展開研究。

1 研究問題及解決辦法

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，實現了乘客與出租車司機之間的信息互通，同時推出了多種出租車的補貼方案[3]，以此通過搜集相關數據，利用數學模型對如下相關問題進行研究分析：不同時空出租車資源的“供求匹配”程度、各公司的出租車補貼方案是否對“緩解打車難”有幫助、新的打車軟件服務平臺應該設計什么樣的補貼方案。

在假定城市的總客運需求量不變、天氣問題都正常、交通環境穩定，沒有遇到事故以及道路維修等問題（不考慮節假日時候得客流量），針對這三個問題，分別提出不同的解決方案：

對于問題一，首先對相關數據進行收集，并利用EXCEL和SPSS軟件對車的“滿載率”和出租車“某一時間段的工作效率”，以及某時段出租車營業所走的路程等進行數據分析和處理，得出它們之間存在的函數關系，然后根據復合函數等關系用層次分析法建立線性規劃模型[4]，得出影響“供求匹配”的因素。

對于問題二，首先對出租車公司的補貼方案進行收集，然后用SPSS對相關數據（車補;油補，福利;沒打著車的人數;工作效率;車的滿載率;活動金額）進行數據擬合，找出沒打著車的人數與車補，油補等之間存在的相關性來判斷公司的出租車補貼方案是否對“緩解打車難”有幫助。

對于問題三，詳細分析造成打車難的各種原因和補貼方案所能對其做出的改變，預測可能帶來的結果。比如從出租車司機可能產生的心理現象分析，建立合理的補貼方案，對于偏遠地區的出租車司機采取獎勵制度，讓出租車司機不會拒載距離較近的乘客。

2 模型的建立與求解

2.1出租車的“供求匹配”問題

出租車資源的“供求匹配”程度分兩個方面，出租車的供需平衡和乘客的需求平衡[5]。出租車的出行總量V直接影響出租車流量F的變化，乘客等待的時間t直接影響出租車的服務水平S，等待的時間越長，即t越大，服務水平S越差;從而間接影響了出租車的需求量。繼而得到以下方程：

乘客的需求量與乘客的出行次數A有關，乘客的出行次數越高，對出租車的需求量越大，即：

一般情況下，乘客候車時間越長，就認為出租車服務水平越差;相反，則認為其服務水平越高 ，因此候車時間t與服務水平S成反比例關系。得到下圖：

2.1.1出租車工作效率

若忽略乘客的等車時間，則車輛利用率即為某一時段的可載出租車數與乘客所需出租車數的比值。可用公式：

2.1.2車輛滿載率

車輛滿載率則由某一時間段以及空間內得載客車輛數和所經過得出租車總數決定的[6]。則有

對于這一指標，出租車的滿載率決定了出租車的運載能力，若出租車載客率低于70%，限制出租車運力增加;若高于70%，則會使出租車運力增加。根據這兩個指標的建立，將出租車資源的“供求匹配”程度分為三個等級：高（出租車工作效率在40%～60%，車輛滿載率在70%以上）、中（出租車的工作效率在60%～70%、30%～40%之間，車輛滿載率在30%～70%之間）、低（出租車的工作效率在70%以上或30%以下;車輛滿載率在30%以下）

2.1.3模型求解

分析不同時空出租車資源的“供求匹配”程度，以北京、長春為例。

（1）北京屬一線城市，外來人口較多，居于全國首位，對出租車的需求量較多、消費比較高[7]。

所以要在北京主城區不同地方取10輛出租車進行研究，并且5號6號均在北京市中心，而從1號到5號，6號到10號出租車均離市中心較遠，以保證每輛出租車所在地對其需求量都是不同的。

用spss軟件對出租車的工作效率以及車輛滿載率進行分析，繪制出三個時間段的工作效率和車輛滿載率的分布圖，并求出其函數的曲線圖如下圖所示。

通過c語言編程計算該數據，得到以下結果：

在凌晨1：00-3：00時分出租車的工作效率為19.52%，車輛滿載率為32.88%。凌晨出租車較少，乘客也很少。這個時候出租車的滿載率低，空載率比較低，乘客打車也比較方便。但是對于出租車的經濟收益卻很低，供求匹配程度較低。

在7：00-9：00時分，出租車的工作效率為80.96%，車輛滿載率為75.1%。出租車的利用率較高，這一時間段是上班的高峰期，車輛的載客率很高，則會導致很多乘客打不到出租車，就會出現供不應求的現象。這時供求就會失衡。供求匹配程度為中。

在11：00-13：00時分，出租車的工作效率為61.35%，車輛的滿載率為75.19%。這一時間段外出的人較少，出租車的工作效率與滿載率都在正常范圍內，因此此時出租車的供求匹配程度較高。

（2）針對長春采用和上訴同意的方法搜集數據并整理得出：

長春凌晨一點到三點時分出租車的工作效率為11.32%，出租車的滿載率為22.42%。出租車的工作效率和滿載率都比較低，此時的供求匹配程度低。

在上午7：00-9：00的時候，出租車的工作效率為61.19%，出租車的滿載率為54.89%。這個時候是上班高峰期，塞車情況很嚴重，導致出租車的滿載率較低，嚴重影響了出租車運力的增加，但是出租車的工作效率是趨于穩定的，供求匹配程度為中。

在中午11：00-13：00的時候，出租車的工作效率為46.47%，出租車的滿載率為48.25%。根據數據顯示，中午乘客出行率低，搭乘出租車的人數較少，人們能很快打到車，但是無法滿足出租車工作的經濟效益。供求匹配不均衡，匹配程度為中等。

根據以上兩個實例的計算，可以看出，在凌晨出租車的需求量很少，出租車的經濟效益很低。但在上下班的時間，對出租車的需求量很大，屬于供不應求，而且塞車就會影響乘客的行程，乘客等待時間過長就會選擇其他出行工具代替出租車，這樣對乘客的需求有所緩解，但是對出租車的工作效率和經濟效益有很大的影響。

2.2各公司的出租車補貼方案對“緩解打車難”的影響

“打車難”一直是社會上一個熱點問題，油價的上調限制了出租車的出車率[8]。國家出臺了一些政策對其進行改善，有了明顯的效果[9]。各出租車公司也對這一問題提出了自己的解決方法。各個出租車公司對出租車的補貼是不同的。

針對長春市的各個公司對出租車司機的金額補貼進行數據收集，經過分析可以得出：油補很高，車補不是特別高，就會增加出租車的出車率，就會很大程度地緩解了“打車難”的問題;如果車補較高，油補較低，這樣會使出租車的出車率嚴重下降，影響乘客乘坐出租車;如果油補比較高，雖然已接近標準比值，車補的金額在可行范圍內，但是根據公司利益出發，這種方案影響了公司的收益且其對“打車難”的影響力并沒有很高，因此不是很合理。

2.3創建一種能夠解決打車難問題的補貼方案

（1）新創建的打車軟件補貼方案如下：

①每單給予司機補貼5元，乘客補貼5元。

②司機每日在城市各個城區分別完成訂單10次，當天獲得50元補貼。

③每一月季度下，司機被舉報拒載次數小于等于5，有一百元補貼。如被舉報次數，超過50次，則停止該司機使用打車軟件1周。

（2）對該打車軟件的合理性進行論證

在城市的某一范圍內，乘客所需要乘載的出租車的數量超過了此地可以載客的出租車的數量，從而造成乘客打不到車的情況[10]。

實際中，出租車司機往往會根據不同地段進行載客的利潤差異而選擇報酬好利潤高，乘客密度大，不堵車的地段。因此新制作的打車軟件需要通過它針對出租車司機載客不同情況所給予的獎勵或懲罰制度改變這一打車難的現象。

對于經常處在生意好的地段的出租車司機，新的補貼方案規定：如果出租車司機能夠一天內在不同城區開車進行載客，并使用此款打車軟件進行記錄，每當記錄數達到一定的接單數，將給予司機一定的補貼。例如將城市S分為A，B，C，D，E五個城區。如果司機能在一天內的這五個城區各能接單10個及以上，則給予該出租車司機50元的補貼。這種補貼的政策將能有效地解決出租車司機只在生意好的固定地區開車，從而造成個別生意不好較偏僻的地方的乘客打車難的問題[11]。

3 模型的評價

3.1模型的優點

①該模型的建立將復雜的問題數學化，建立的模型簡單明了，便于使用數學工具進行求解。而spss軟件的運用使問題更加清晰化，縮短了運行時間，提高了工作效率。

②對于建立的模型從不同的時間空間上進行模型的求解，使得出的答案更加具體化，更具有代表性。

③從社會效益和經濟效益對問題進行了分析，也表現出現實生活中政府在尋求兩者之間的平衡中做出的努力。

3.2模型的不足

該模型并未將天氣因素和節假日因素考慮進去，天氣惡劣以及節假日時乘客對出租車的需求量會很大。如何解決這一特殊時間點出租車的使用沒有具體體現出來，尚待改善。

符號說明：

Pi——出租車某一時間段的工作效率 （i表示1（1：00-3：00）;2（3：00-5：00）……12（23：00-1：00））

An——某時段出租車營業所走的路程（n表示第n輛車? i=1、2、3……）

Bn——某時段出租車一共走的路程（n表示第n輛車? i=1、2、3……）

Ci——某一時段載有客人的車輛數（i表示1（1：00-3：00）;2（3：00-5：00）……12（23：00-1：00））

Di——某一時段的出租車總量（i表示1（1：00-3：00）;2（3：00-5：00）……12（23：00-1：00））

S——出租車的服務水平? ? W——車輛滿載率? ?Q——油補金額? ? ? ?V——出租車的出行總量

E——沒打到車的人數? ? ? t——等待時間? ? A——乘客出行次數? ? M——車補金額

參考文獻：

[1] 楊澤民，石怡.基于數學建模的城市出租車供需分配方案設計[J].山西大同大學學報（自然科學版），2016，32（3）：1-4，16.

[2] 陳麗璐，聶文惠.基于出租車數據的載客熱點與打車熱點研究[J].計算機系統應用，2019，28（4）：32-38.

[3] Borowiak C，Ji M S.Taxi co-Ops versus Uber：Struggles for workplace democracy in the sharing economy[J].Journal of Labor and Society，2019，22（1）：165-185.

[4] 侯瑞.基于SPSS因子分析法的公共服務水平評價[J].科技與創新，2019（6）：35-37.

[5] 汪蕓芳，陳麗華，吳祈宗.城市非高峰期動態出行交通網絡均衡[J].數學的實踐與認識，2015，45（21）：7-13.

[6] 呂紀榮，劉昕，關凱霖，等.“互聯網+”時代的出租車資源配置[J].現代電子技術，2017，40（2）：69-72，77.

[7] 于左，高玥.出租車行業規制的困境擺脫及其走勢判斷[J].改革，2015（6）：119-129.

[8] 何林海.概率統計學中數學建模思想的融入分析[M].北京：科學出版社，2007.

[9] 馮凈，袁國強，李盼道.打車軟件利弊及其發展策略[J].合作經濟與科技，2019（6）：84-86.

[10] 周光偉.打車軟件的應用對出租車行業的影響及對策分析[J].交通財會，2014（8）：68-72.

[11] 賀銀鳳.從“打車軟件”的興起看出租車管理體制改革的必要性[J].經濟論壇，2015（4）：144-147.

【通聯編輯：唐一東】