网约车平台的比较与发展预测

丁斯昊

本文基于专车市场迅速发展的背景，通过建立综合评价模型对专车、出租車以及专车内部各种平台进行了评分与比较，并建立了司机盈利效率的优化模型，给出加入专车行业的合理建议。最后，通过灰度预测GM（1，1）模型和BP神经网络模型对专车产业的发展前景做出综合预测。

综合评价熵值法定权系数优化模型灰度预测神经网络模型

一、引言

随着“打出租车难”成为人们关注的一个社会热点问题，由于各种原因，近几年来越来越多的私家车加入了专车行列，专车已经逐步成为市民出行的重要交通工具之一。特别是随着“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，实现了乘客与专车司机之间的信息互通。那么网约车平台到底比传统的出租车好在哪些地方，各网约车平台之间又有什么优劣之分？网约车平台未来的发展前景又在何处？这些问题就成为了当下的焦点。

二、搭建从顾客角度分析的评价模型

（一）模型参数确定与求解

从顾客角度，本文选取了安全性、打车成功率、乘车费用、平均等待时间、顾客评价满意度五个指标因素，通过查询资料并通过相关计算得到北京市的相关数据，如下表（表1）：

对于各指标的权重，本文采用多指标综合评价的权重的综合分析方法，分别采用主观赋权法和客观赋权法进行分析。

（二）客观赋权法：熵值法

三、搭建灰度预测模型和神经网络模型预测网约车平台的未来发展

从公共交通与专车行业的合作发展角度来说，我国对于大城市出租车数量的要求是万人出租车拥有量不宜少于20辆。由统计数据作图可知，在中国境内仅北京和上海两个城市达到标准，其余城市有很大差距。所以中国境内的出租车市场还存在很大的缺口，而专车行业的发展和壮大可以很好的填补这一空白，和现有的公共交通形成互补，专车市场的潜力巨大。

从专车行业与轨道交通可能存在的竞争关系角度分析，建立了一种竞争分析模型：若专车的起点和终点都在轨道交通站点500m服务区范围内，则视为竞争，否则视为互补；根据该假设和上海市九月份某工作日滴滴出行早高峰订单数据，分析出专车和轨道交通的关系主体呈“互补”状态，结果如图11所示。本文对存在的约20%的竞争关系做进一步分析得到：在不足20%的竞争关系中，有72%的人因轨道交通需换乘，而选择专车，另外28%因主观选择的原因（比如更舒适，商务需要，报销等）选择了专车。结果如图12所示。由以上分析可知专车和公共交通主要呈现的是互补关系。因此专车的发展前景比较广阔。

为有效地对专车未来的发展做预测，选取专车日均订单成交量为参考变量，并分别采用灰度预测模型GM（1，1）和神经网络模型进行预测，并对比两种预测模型所得到的结果。

（一）网约车平台发展灰度预测模型的建立与求解

通过查阅相关资料本文得到从2015年8月到2015年12月全国专车市场日均订单成交量的统计数据，整理如下表（见表4）：

（二）网约车平台发展神经网络预测模型的建立与求解

通过查阅相关资料得到从2014年8月到2015年12月全国专车市场日均订单成交量的统计数据，整理如下表（见表5）：

采用神经网络模型中的BP算法，将该17组样本数据代入程序。进行100次模拟，预测未来12组数据，见下图：

（三）结果分析

对于专车未来的发展趋势，本文通过选取专车日均订单成交量为参考指标变量，分别采用灰度预测和神经网络模型进行预测，灰度预测适合于小样本数据的预测，侧重于对象未来发展总体趋势的刻画；神经网络模型适合多样本数据的预测，侧重于涵盖样本数据中的细节处理，对数据走势的波动性刻画较为清晰。之所以采用两种模型，一方面是更加全面地进行专车未来发展的趋势；另一方面，对比两种模型所预测的结果，可以检验我们的模型是否合理，两者结果的一致性或差异对模型的改进和预测结果的综合评价具有指导性意义。

对于灰度预测，见图13，通过GM（1，1）模型很好地预测了专车未来的发展前景。可以看出，专车日均订单成交量在未来12个月内呈上升趋势，平稳增长；而对于神经网络模型，见图15，可以得到：在未来12个月内，专车日均订单成交量在2015年12月到2016年3月时间段呈平稳增长趋势，而在2016年3月后达到平衡状态，基本不再继续增长。

对于两种预测结果的微小差异，是由于两种预测模型各自的特点所引起的。灰度预测模型侧重函数整体趋势的刻画，若函数先增长一定时间，然后达到平稳，则灰度预测的结果会呈现一直增长的态势，若函数先下降再平稳，那么同理预测结果会呈现出一直下降的趋势，这是由GM（1，1）模型中白微分方程的特点所决定的。

综合两种预测模型，得到结论：在2016年3月之前，专车的发展呈良好的增长趋势，大约在2016年3月之后，专车发展将达到一种平衡稳定的状态。

四、结语

本文基于专车市场迅速发展的背景下，从顾客的角度分别对专车与出租车、专车内部各种平台进行了综合评价，并建立了专车发展的预测模型。在使用综合评价模型时，对于权系数的确定，本文只采用了客观赋权法中的熵值法，可以在此基础上再选择一种主观赋权法，将两种模型的权重综合计算；另外，熵值法要求大量数据，这是该模型需要改进的地方。本文在第三部分使用的灰度预测模型和bp神经网络模型，不仅可以预测专车市场的未来发展趋势，还可预测出租车的发展前景。另外，也可把该预测模型推广到其他新兴产业的发展预测问题上。

参考文献：

[1]CNNIC.专车市场发展研究专题报告 [R].北京：中国互联网信息中心，2015.

[2]滴滴媒体研究院和第一财经商业数据中心[EB/OL].http：//mt.sohu.com/20160226/n438608627.shtml.

[3]中国专车市场分析报告[R].上海：罗兰贝格管理咨询公司，2016

[4]周品.MATLAB数值分析应用教程.北京：电子工业出版社，2014.

[5]宋叶志，贾东永.MATLAB数值分析与应用.北京：机械工业出版社，2009.