互联网时代出租车资源配置中的数学模型

彭雅兰

【摘 要】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。打车软件提供了乘客和司机之间的信息互通平台，并推出多种补贴方案吸引司机和乘客，实现了供求信息的匹配，缓解了“打车难”问题。因此，本文引入模糊数学理论，建立了一个吸引力模型刻画乘客和司机的心理变化，量化各种补贴方案对“打车难”的缓解程度。

【关键词】打车软件；补贴方案；模糊数学

一、研究背景

已有的统计数据表明，北京的出租车保有量保持在6.6万辆左右，对比其他国际大都市，纽约的出租车保有量约在1.2万辆左右，东京约1.1万辆，伦敦在1万辆以下。同时，北京的出租车空驶率超过40%。数据表明，北京的打车难问题并不是由人多车少造成的，造成“打车难”问题的根源在于出租车供应信息与乘客需求信息在一定时间内的“信息互通”情况不乐观。而使用打车软件的司机和乘客数量越多，供求双方的信息交流就越畅通，对于“打车难”问题的缓解程度就越大。因此，本文尝试对各补贴方案进行排名，量化其对“打车难”问题的缓解程度。

二、数据来源与指标的确定

（一）数据来源

本文分析的数据主要来源于“滴滴快的智能出行平台”，国家统计局数据

（二）评价指标的确定

心理因素是一个模糊的概念，根据模糊数学隶属度概念和心理学的相关知识，根据人们对一件事物心理变化的相关规律，定义乘客心理曲线为，定义司机的心理曲线为。由于不同收入人群的出行特征一季对补贴的敏感程度不同，本文根据国家统计局关于居民收入的数据，将居民分为高、中、低三个收入层次。其中补贴后低、中、高收入人群节省的月交通费，a为低、中、高收入人群月交通费，为分别在总人口中所占的比例，y为补贴后司机日均增加的收入，b为补贴前司机的日均收入。其中与出行次数，对补贴的敏感程度，以及乘坐出租车的概率有关，。其中其中为低、中、高收入人群月均出行次数，为补贴后三类人群出行选择乘坐出租车的概率，为三类人群对补贴的敏感程度，z为对乘客每单的补贴金额。结合北京的实际背景，出租车总体来说是供小于求的，因此补贴方案对乘客和司机的吸引力占有不同的权重。最终得分D=

三、分析过程与结果

（一）拟合北京市各收入人群出行情况

北京市民收入及交通费情况

拟合出日均交通费与日均出行次数之间的关系：，日均交通费与选择出租车出行概率之间的关系。

将北京市居民收入情况数据代入拟合出的公式，出行情况分为三种情况：

（二）不同收入等级人群对补贴金额的敏感度m：增加单位金额补贴对选择出租车出行概率的影响

可以看出，每增加单位金额补贴，低收入人群选择出租车出行的概率增加0.96%，由于低收入人群交通费较低，即使进行补贴，对于低收入人群来说，出租车仍然是较为奢侈的选择，因此，低收入人群对补贴并不敏感。

每增加单位金额补贴，中等收入人群选择出租车出行的概率增加7.83%。中等收入人群对出行工作安全性、舒适度、时效性要求较低收入人群大，收入又低于高收入人群，对优惠更敏感。因此，中等收入是对补贴金额最为敏感的一类。

每增加单位金额补贴，高收入人群选择出租车出行的概率增加0.68%。高收入人群经济实力强，对优惠并不敏感。

（三）补贴方案分析

将各方案代入公式直接进行计算，很容易能得到如下的补贴方案排名