“互联网+”时代的出租车资源配置

单　欣，陆　玉，何　旭

(安徽财经大学统计与应用数学学院，安徽 蚌埠 233030)



“互联网+”时代的出租车资源配置

单欣，陆玉，何旭

(安徽财经大学统计与应用数学学院，安徽 蚌埠 233030)

摘要：目的研究“互联网+”时代打车软件服务平台下的出租车资源配置问题。方法首先使用多元统计方法对相关数据进行处理,其次综合运用数形结合、多元统计、相关分析、回归分析、灵敏度分析等方法和EXCEL、MATLAB、SPSS、STATA、EVIEWS等软件编程,构建出租车供需量的相关模型、不同时空出租车资源的供求匹配模型、多元线性回归模型、劣单拒载模型和出租车里程补贴规划等模型。结果通过出租车供需量的相关模型和不同时空出租车资源的供求匹配模型得出评价出租车供需量的合理指标有GDP、交通工具拥有量、居民等车时间和里程利用率等及时间上早晚高峰供需较为匹配,而中午出现供不应求的现象；空间上供需量均与经济发展程度呈正比,较为匹配等结论。然后从供给量不足和供需分布不均两因素出发,构建了多元线性回归模型和劣单拒载模型，得出影响供给的指标中,里程利用率和出租车万人拥有量对出租车拥有量的贡献率最大、司机的预期收入与拒载率呈正比和候时费与拒载率呈反比、现金补贴较积分补贴和高峰奖励补贴的有效性差等结论。结论结合各公司补贴政策的优缺点设计出分时段积分补贴和空车堵车“里程”补贴2种补贴方案,并从供求平衡和预期利润2个角度利用多元统计方法分别构建了出租车里程补贴规划模型和出租车经营利润模型来论证空车堵车“里程”补贴方案的合理性。

关键词：出租车资源配置；多元线性回归；劣单拒载模型；里程补贴规划；SPSS；MATLAB

出租车是市民出行的重要交通工具之一，“打车难”是人们关注的一个社会热点问题。随着“互联网+”时代的到来，有多家公司依托移动互联网建立了打车软件服务平台，实现了乘客与出租车司机之间的信息互通，同时推出了多种出租车的补贴方案。本文旨在分析不同时空下出租车资源供求匹配程度和各公司补贴方案的有效性，并针对出租车资源的有效配置提出合理方案。

1数据的获取及假设

本文数据来源于中国统计年鉴。为了便于解决问题，提出如下假设：①所给数据均真实可靠,具有统计意义和较强的代表性；②建立里程补贴模型时,假设天气状况、行车路况、司机驾车技术及出租车性能等均为理想化条件下；③分析出租车供需匹配情况时不考虑出租车市场中的“黑车”问题；④假设市场处于自由竞争中,没有任何一方拥有支配市场运作的能力,参与市场竞争的所有出租车公司的管理者都是理性的；⑤在分析补贴问题时,只考虑公司的补贴,不涉及政府和一些社会团体的补贴。

2不同时空出租车资源的“供求匹配”程度

2.1研究思路

图1　供求配置的影响因素图

首先，利用多元统计方法对相关数据进行搜集和整理。其次，从出租车的需求量和供给量2方面建立相关指标[1],利用SPSS软件编程对其进行定量分析,得出影响两者的合理指标。然后，通过数形结合的方法并利用EXCEL和MATLAB软件从时间和空间两方面定性分析出租车资源的“供求匹配”程度。

2.2影响出租车资源供求的合理指标

首先，通过对数据的整理分析，从需求和供应两方面分析影响出租车资源供求配置的因素，分析结果见图1。

然后，先从出租车的需求[2]方面进行分析,利用SPSS软件对其和建立的指标进行Pearson相关性和主成分分析,具体分析见表1和表2。

由表1、表2可知,GDP、交通工具拥有量和居民等车时间与主成分的相关性均在0.9以上[3],由此可知GDP、交通工具拥有量和居民等车时间与出租车需求量的相关性较高,所以影响出租车需求量的合理指标有GDP、交通工具拥有量和居民等车时间。

同理可得，影响出租车的供给量的合理性指标为城市GDP水平。

表1　相关分析矩阵表

表2　因子载荷矩阵表

2.3不同时空出租车资源的供求匹配模型

首先，分析不同时间下出租车资源的供求匹配情况，利用EXCEL和MATLAB软件建立出租车需求量和供给量的日变化，具体分析见图2、图3和图4。

由图可清晰地看出出租车的需求量有3个高峰期,分别在8点、12点和17点左右,而出租车的供给量有2个高峰期,由此可知两者均在早上8点左右和下午5点左右为高峰期,供需较为匹配,但是出租车的需求量在中午12点有一次高峰期,而供给量没有,出现供不应求的情况。

图2　出租车需求量的日变化图(a)　图3　出租车需求量的日变化图(b)　图4　出租车供给量日变化三维图

其次，从空间角度分析，利用SPSS软件对影响需求量的指标数据进行聚类分析[5],从而得出出租车需求量的空间分布情况，具体见图5。

图5　分层聚类分析中的树形图

根据影响需求量的指标数据进行聚类分析,聚类结果如下:

1类:北京、河北、辽宁、上海、浙江、福建、河南、四川

2类:吉林、黑龙江、安徽、江西、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆

3类:江苏、山东

根据以上结果,可以将1类和3类城市归为一类,基本为经济发展状况较好的省份,2类城市基本为内陆城市,经济发展相对较为缓慢。由此可知出租车在全国各省份的空间分布上供需较为匹配,出租车的供需量均与经济发展状况成正比,即在经济较发达的省份供需较大,在经济落后的内陆省份供需较小。

3各公司补贴方案的有效性分析

3.1研究思路

分析造成“打车难”的原因,将其归为供给量不足和供需的时空分布不均2大类,供给量不足方面运用多元线性回归分析从而得出各指标对出租车供给量的贡献率,供需的时空分布不均方面则分析出租车的交接班与高峰期时段的匹配情况[5]和出租车的劣单拒载情况，由此分析各公司补贴方案的有效性。

3.2模型的建立

首先，根据数据分析造成“打车难”的原因[6]，分析结果见图6。

图6　缓解“打车难”问题的思路图

其次，从供给量不足和供需的时空分布不均2个角度建立模型分析各公司补贴方案的有效性。

1)供给量不足

y=β1x1+β2x2+β3x3+β4x4+β5

结合相关的数据,利用Stata软件进行多元线性分析的结果见表3。

表3　多元线性回归分析表

ycoef.Std.Err.tP>|t|[95%Conf.Interval]x12.518217.53282064.730.0011.3310193.705415x2831.9597322.26792.580.027113.9021550.017x3-.9482439.6319397-1.500.164-2.356293.4598054x410797.8840179.620.270.794-78727.89100323.6cons-22414.9131660.93-0.710.495-92959.8548130.03

所以回归方程为:y=2.5182x1+831.9597x2-0.9482x3+10797.88x4-22414.91

由上表可以看出P值为0.003 1<0.05,可决数R2=0.770 8,则多元线性回归模型是较为合理的。

2)供需的时空分布不均

a.交接班与高峰期的时刻分布

图7　高峰期与交班期的出租车数量图

由图7可以清楚地看出出租车需求量的高峰期出现在早上6∶00～8∶00、晚上17∶00～20∶00,出租车交班高峰期出现在早上6∶00～8∶00和晚上23∶00到次日凌晨3∶00。可以看出出租车需求的高峰期与交班期有一个时间上的重合,即在早上的6∶00～8∶00,这时可能就会产生拒载的问题,从而加重了高峰期供小于求的问题。

b.劣单拒载模型[7]

在日常巡查环节，该校坚持开展定期与不定期相结合的日常巡查监管，做到了覆盖率每季度达100%、监管对象建档率达100%。

根据拒载率与价格、乘客等车时间、空驶数和期望利润等因素的关系,建立图8。

图8　拒载率的影响机制图

由图8可知,拒载率与出租车乘坐价格出租车司机的期望利润有直接影响。所以将“所获得收入小于预期收入”和“堵车路段的订单”称为劣单,而司机大多拒载的也是这两类劣单。采用Sigmoid函数来表示出租车的拒载行为,拒载函数I(P)表达式如下:

其中,c=p-mt,c为出租车的毛利润,s表示司机的期望利润,m表示出租车平均每小时的成本,t表示出租车运行的时间。

拒载主要发生在高峰时段,高峰时段主要体现是堵车时候所产生的候时费,候时费越高,拒载率越低。

3.3补贴方案的有效性评价

根据调查,可以了解到一些出租车公司的补贴政策,并结合以上模型对缓解“打车难”问题进行评价。以现金补贴和“滴米”补贴为例。

1)现金补贴。

通过前面建立的多元线性回归方程模型的建立可知,现金补贴影响到出租车单车净月营业额,但是其回归系数只有0.948 2,影响较小,而且该补贴方案只是单因素影响出租车数量,不能调节出租车时空分布不均衡问题。所以该补贴方案不能较好地缓解“打车难”问题,

2)“滴米”积分补贴[8]

“滴米”积分补贴是指当一个司机拿到劣单,就会获得滴米的奖励,滴米积累到一定数量,就会帮助司机在下一轮抢单时拿到好单。这种方法通过调节预期利润降低拒载率,从而提高里程利用率,其回归系数较大，为10 797.88,所以该方法能较好地缓解“打车难”问题。

4出租车资源优化配置的补贴方案

4.1研究思路

结合现有一些公司补贴方案的优缺点和以上问题的分析设计了一个合理有效的补贴方案,并从出租车供需平衡和预期营业利润2个角度建立模型进行合理论证。

4.2解决方案及合理论证

首先应用打车软件服务平台完成一单出租业务的运行模式[9]，如图9。

图9　打车软件的运营方式图

设计的方案主要针对司机面对道路比较堵或是道路稍微绕一点的地方的订单时会选择拒载的情况。即对司机空车时走的行程进行分段补贴,使得司机即使跑远路接单所获得利润也不会与正常赢利点差很多,这样就会减少拒载量,增加出租车的供量。

由此从供需平衡和经营利润合理两个角度建立里程补偿模型，具体论证该补贴政策的合理性。

例如假设出租车的起步价为6元,每公里1.5元,平均每次运程为9 km,拥堵时平均时速为每小时15 km,非拥堵时平均时速为每小时45 km,平均每小时的成本为30元。

图10　补偿费用的分段折线图

可知拥堵情况下多花费12元,所以每9 km补偿12元,但是考虑到拖延时间内的再接单问题,每9 km补偿费用增加一倍，具体结果补偿分段图见图10。

由此可知,该补贴方案有效地抵消了由于拥堵给司机造成的利润损失,消除了司机的顾虑,大大降低了出租车的拒载率,有效改善了出租车供需不均问题,所以具有合理性。

5结论

出租车资源的合理配置可以有效解决人们“打车难”的问题，同时可以提高资源的利用率，避免资源的浪费。本文从出租车资源匹配情况、造成“打车难”的原因及优化配置方案3个角度构建模型论述了该问题。模型可推广应用于其它公共交通的配置问题上。

参考文献：

[1]毛伟.基于旅客出行行为分析的通道客运分担率预测研究[D].成都：西南交通大学,2008.

[2]冯晓梅.供需平衡状态下的出租车发展规模研究[D].成都：西南交通大学,2010.

[3]庞皓.计量经济学[M].北京:科学出版社,2014:51.

[4]杨桂元.数学建模[M].上海:上海财经大学出版社,2015:106-108.

[5]孙蕊,于海涛,杜勇.北京出租汽车交接班时空分布特性研究[J].交通运输系统工程与信息,2014,(01):221-228.

[6]刘鸿婷.出租车运力规模评价与优化研究[D].大连：大连海事大学,2011.

[7]袁长伟,吴群琪,韦达利,等.考虑拒载的出租车市场平衡机制与优化模型[J].中国公路学报,2014,(06):91-97.

[8]唐学鹏,熊元,阿细,等.滴滴主义的崛起[J].二十一世纪商业评论,2015,(02):40-47.

[9]曹祎,罗霞.打车软件背景下出租车运营平衡模型[J].长安大学学报：自然科学版,2015,(S1):203-207.

[责任编辑：王荣荣英文编辑：刘彦哲]

Taxi Resource Allocation in Internet + Era

SHAN Xin,LU Yu,HE Xu

(School of Statistics and Applied Mathematics,Anhui University of Finance and Economics,Bengbu,Anhui 233030,China)

Abstract:ObjectiveTo investigate taxi cab resource allocation in“Internet +”era software services platform for the difficulty in taking taxies.MethodsFirst,the related data were processed with multivariate statistics.Number-shape combination,multiple statistics,correlation analysis,regression analysis,and sensitivity analysis were synthetically applied and EXCEL,MATLAB,SPSS,STATA,and EVIEWS were used to program.The taxi supply-demand model and supply-demand match model of different time-space taxi resources were built;then,from aspects of supply volume insufficiency and uneven supply-demand distribution,multiple linear regression model and inferior-deal rejection model were built.Finally,in combination with the advantages and disadvantages of the subsidy policy of the company,time-segmented subsidy scheme and empty-jam subsided by mileage scheme were designed,and from the balance between supply and demand and profit,a subsidized taxi mileage program model and the profit models were built to demonstrate the rationality of jam-empty mileage subsidy program.ResultsTaxi supply-related models and evaluation of the supply and demand matching model with different taxi resources lead to taxi supply reasonable indicators,such as GDP,vehicle ownership,residents waiting time and mileage efficiency.Then from multiple linear regression model and inferior-deal rejection model,mileage utilization and taxi number per 10,000 persons were proportional to maximum contribution rate of taxi ownership,and inversely proportional to the waiting time fee and refusing ownership rate.ConclusionAbout time,at morning and evening rush,supply and demand are comparatively matched,and at noon there is under-supply phenomenon;about space,the supply-need amount is proportional to and comparatively matched with the economic level;and compared with points subsidies and peak award subsidies programs,cash subsidies program has poor efficiency.

Key words:taxi resource allocation;multivariate linear regression;inferior single rejection model;SPSS;MATLAB

基金项目：国家自然科学基金项目(11301001);安徽财经大学教研项目(acjyzd201429)

作者简介：单欣(1993-)，女，河北沧州人，研究方向为经济统计学。

中图分类号：O 212.4

文献标识码：A

DOI：10.3969/j.issn.1673-1492.2016.03.010

来稿日期：2015-12-01