智能打车软件的经济效益评价模型——以安徽省滁州市为例

董凤娇，胡贝贝，周露露，石秋乐

智能打车软件的经济效益评价模型
——以安徽省滁州市为例

董凤娇，胡贝贝，周露露，石秋乐

本文是在通过对滁州市出租车司机和乘客展开问卷调查所得的一手真实数据上，从经济效益视角出发，基于模糊数学综合评价方法对安徽省滁州市打车软件的经济效益研究，结果表明打车软件无论是对乘客还是对司机来说，总体经济效益还有很大的提升空间，这也为打车软件有效推广，提高出租车的整体营运能力提供了理论依据。

模糊数学；打车软件；经济效益

1 引言

随着移动互联网+时代的到来和智能移动设备的保有量不断増加，新兴技术在职能应用领域己经开始渗入到人们日常生活及工作的方方面面。打车软件就是在这样的大背景下，基于其互联网的信息优势，解决乘客与出租车司机的信息不对称的情况；然而，打车软件作为一种创新的O2O商务模式，就是从司机和乘客之间的信息不对称入手，在一定程度上缓解了都市出行“打车难”和出租车“空载率”居高不下的问题[1]。

为了解打车软件在安徽省滁州市的发展情况，我们对滁州市出租车司机和乘客展开问卷调查，此次调查以“滴滴打车”和“快的打车”两款打车软件为主，调查滁州市打车软件的使用情况，以及司机乘客对打车软件的评价。我们将滁州市分为五个地区进行调研，分别为南谯路、天长东路、来安路、丰乐大道和琅琊古道。本次调查采用一对一问卷调查的方法，进行为期五天的调查，共发放了400份乘客调查问卷和100份司机调查问卷，分别回收360份(其中有效的为334份)和86份(其中有效的为80份)，有效回收率为82.8%。

众所周知，智能打车软件现在还处于市场培育及完善的阶段，如何有效的推广，提高出租车的整体营运能力、管理水平和竞争力，增强用户粘性是打车软件服务提供商需面对和解决的问题[2]。本文就是在通过问卷调查所得的一手真实数据上，从经济效益视角出发，基于模糊数学综合评价方法对安徽省滁州市打车软件的经济效益研究，为打车软件有效推广，提高出租车的整体营运能力、管理水平和竞争力提供一些合理的依据。

2 模糊综合评价方法概述

模糊综合评价以模糊数学为基础，将待考察的模糊概念或模糊对象作为一定的模糊集合，建立适当的隶属函数，从而对模糊对象进行定量分析。其主要步骤如下[3]：

(1)确定评价对象的评价指标C。即打车软件对乘客或司机的效益评价指标，有一级指标和一级指标下的二级指标。

(2)确定评价集V。构造出一个评语级：

V=(V1,V2,V3,V4,V5)

=(很满意，满意，一般，不满意，很不满意)

(3)建立隶属度矩阵R。在构造等级模糊子集之后，要逐个对被评事物从每个因素上进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度，从而得到隶属度矩阵R，具体做法如下：

隶属度子集Ri

Ri=(ri1,ri2,…ri3)(i=1,2,…m)

其中，Ri指标评价因素中第i个指标对应评语集中的每个V1,V2,…,Vm的隶属度

(4)确定评价因素的权向量W。在模糊综合评价中，使用层次分析法确定评价因素的权向量，具体做法为：从层次结构模型的第2层开始，对于从属于(或影响)上一层每个因素的同一层诸因素，用成对比较法和1-9比较尺度构造成对比较矩阵，直到最下层；然后，对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验，若检验通过，特征向量(归一化后)即为权向量，若不通过，需重新构造成对比较阵，直到满足一致性检验为止。

(5)合成模糊综合评价结果矩阵S。由于运用最大隶属度原则方法的会损失很多信息，往往得出一些不合理的评价结果，而加权平均求隶属等级的方法可以对多个被评事物的等级位置进行排序，因此本文中模糊综合评价方法采用“加权平均型”模型，其原理是利用合适的算子将W与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量S从而对效益进行评价。

3 模糊综合评价

3.1 对乘客模糊综合评价

构建经济效益评价指标体系[4]：一级指标乘客效益C1包括四个指标：时间C11、风险C12、需求多样性满足C13、费用C14；时间C11包含二级指标为：司机接单时间C111、候车时间C112；风险C12包含二级指标为：司机违约风险C121、黑车安全风险C122；需求多样性满足C13包含二级指标为：上下班高峰期需求满足C131、偏远地区需求满足C132、恶劣天气需求满足C133、节假日需求满足C134、夜间需求满足C135、移动支付便利满足C136；费用C14包含二级指标为：支付小费C141、流量耗费C142。

通过比较指标间的重要性程度，构造乘客效益的判断矩阵A：

对判断矩阵A各列做归一化处理，得到权重向量

w1=(0.091,0.273,0.454,0.182)

借助MATLAB软件得最大特征根

λmax=4.0407

对结果进行一致性指标CI=0.136，查看平均一致性指标RI=0.9，所以

CR=CI/RI=0.01510.1

满足一致性检验，说明判断矩阵具有一致性，所得权重向量能够反映各指标间的重要程度。因此可以根据一级指标和二级指标的重要程度，得到

再根据实际调查数据可得

①乘客时间C11的隶属子集，也即模糊评价矩阵：

将R12与w12进行复合运算

s11=w11*R11=(0.103,0.295,0.409,0.137,0.057)

②乘客风险C12的模糊评价矩阵：

将R12与w12进行复合运算

s12=w12*R12

=(0.114,0.160,0.436,0.201,0.089)

③乘客需求多样性满足C13的模糊评价矩阵：

将R13与w13进行复合运算

s13=w13*R13

=(0.190,0.227,0.389,0.132,0.061)

④乘客费用满足C14的模糊评价矩阵：

将R14与w14进行复合运算

s14=w14*R14

=(0.198,0.137,0.323,0.180,0.163)

最后得到乘客效益的一级模糊评价矩阵：

S1=(s11,s12,s13,s14,s15)T

再根据w1进行模糊矩阵的复合与运算

=(0.163,0.199,0.392,0.160,0.087)

最后进行归一化处理得到乘客效益的模糊综合评价向量

Y1=(0.163,0.196,0.393,0.161,0.087)

3.2 对司机的模糊综合评价

司机效益是指司机在使用打车软件后所产生的经济效益。构建司机经济效益评价指标体系[4]：一级指标司机效益C2包括三个指标：福利C21、风险C22、自主选择C23；福利C21包含二级指标为：接单数C211、收入水平C212；风险C22包含二级指标为：乘客违约风险C221、黑车抢单风险C222、转移注意力风险C223；自主选择C23包含二级指标为：自主选择乘客C231、自主选择路线C232。

通过比较指标间的重要性程度，得到司机效益的判断矩阵B：

对判断矩阵B各列做归一化处理，得到权重向量

w2=(0.571,0.143,0.286)

用MATLAB求最大特征根，求出λmax=3.0183

对结果进行一致性指标CI=0.00915，查看平均一致性指标RI=0.58，所以

CR=CI/RI=0.01580.1

说明判断矩阵具有一致性，所得权重向量能够反映各指标间的重要程度。因此可以根据一级指标和二级指标的重要程度，得到

w21=(0.143,0.857);w22=(0.4,0.4,0.2);

w23=(0.25,0.75).

根据实际调查数据可得

①司机福利C21的隶属子集，也即模糊评价矩阵：

将R21与w21进行复合运算

s21=w21*R21

=(0.043,0.168,0.421,0.236,0.140)

②司机风险C22的模糊评价矩阵：

将R22与w22进行复合运算

s22=w22*R22

=(0.067,0.174,0.267,0.315,0.177)

③司机自主选择C23的模糊评价矩阵：

将R23与w23进行复合运算

s23=w23*R23

=(0.207,0.231,0.357,0.147,0.058)

最后得到司机效益的一级模糊评级矩阵

S2=(s21,s22,s23,s24,s25)T

再依据w2进行模糊矩阵的复合运算

=(0.093,0.187,0.381,0.222,0.122)

最后归一化处理得到司机效益的模糊评价综合向量

Y2=(0.093,0.186,0.379,0.221,0.121)

4 结论

基于上述计算结果，首先从时间、风险、需求多样性满足、费用四个指标的模糊综合评价模型对乘客经济效益进行分析；其次，从福利、风险、自主选择三个指标的模糊综合评价模型对司机经济效益进行分析；最后再对总体经济效益进行分析。

4.1 对乘客的经济效益分析

乘客时间的模糊评价矩阵是

s11=(0.103,0.295,0.409,0.137,0.057)

从效益结果来看，其满意度一般及以上的占了绝大部分，几乎没有很不满意的，整体来讲乘客的满意度还算不错，但满意度为一般的占了大部分，说明在时间效益上，滁州市乘客的满意度还有很大的提升空间。

关于风险模糊评价矩阵

s12=(0.114,0.160,0.436,0.201,0.089)

可以看出对风险收益的评价一般的比较多，一方面说明乘客的信赖度不是很好，对司机违约、黑车安全风险等有一定的担忧，从另一方面说明滁州市打车软件市场的运行需要加强管理。

需求多样性满足模糊评价矩阵

s13=(0.190,0.227,0.389,0.132,0.061)

从结果看滁州市乘客多样性需求的满足度还未达到最理想程度，但已达到了基本满足状态。

费用模糊评价矩阵

s14=(0.198,0.137,0.323,0.180,0.163)

说明滁州市乘客对需要支付消费等支出不是很满意，打车软件公司可以采取一定的奖励回馈措施以提高其满意程度。

乘客经济效益的模糊综合评价向量

Y=(0.163,0.196,0.393,0.161,0.087)

总体来看滁州市打车软件对乘客的经济效益评价，其经济效益是比较乐观的，对乘客来说有利可行，而且有很大的提升空间。

4.2 对司机的经济效益分析

同乘客经济效益分析，从司机福利模糊评价矩阵可以看出，滁州市司机福利评价水平最终在较低程度上，说明打车软件为司机带来的经济福利还较小，吸引力与激励强度较低。而在风险评价上，说明滁州市乘客违约、司机抢单等风险较高，需要进一步规范。在自主选择方面，可以看出司机的效益比较明显，说明这个指标成为打车软件吸引司机的一个优势，大多数司机很看重乘客的选择和路线的选择。

从司机总体的经济效益评价来看，滁州市司机的经济效益不是很高，这主要是由于对于滁州市这样的小城市来讲，“打车难，打车贵”等现象并没有一线大城市那么明显[5]。因此，这就需要国家政府或者软件公司对司机出台相关打车软件补贴政策，以促进打车软件市场经济良好的发展，优化出租车运行资源，建设美好社会。

4.3 打车软件总体经济效益评价

根据已经得到的乘客效益评价向量Y1和司机效益评价向量Y2，构造打车软件总的效益模糊评价矩阵Y=(Y1,Y2)T与w0=(0.5,0.5)进行模糊综合运算得到Z：

Z=w0*Y

=(0.128,0.191,0.386,0.191,0.194)

综上经济效益分析，可见打车软件不论是对乘客还是对司机来讲总体经济效益还有很大的提升空间。对于滁州市这样的三四线城市来讲，打车软件的有着巨大发展的市场，但对于打车软件的规范管理方面也需要加强，否则很难进行一步的推广。

[1] 李成功. 手机打车软件用户满意度实证研究[D]. 成都:西南交通大学, 2015.

[2] 兰海洋,胡刚,袁海平. 关于手机打车软件的思考[J]. 新西部, 2014(20):39-40.

[3] 陈长彬,陈功玉. 供应链中战略供应商选择的多级模糊综合评价[J]. 武汉科技大学学报, 2007(02):220-224.

[4] 孔繁敏,杨庆瑜,张亮. 打车软件的经济效益评价——基于AHP-模糊综合评价模型[J]. 科技和产业, 2015(04):52-56.

[5] 李继学,张柱庭. 关于促进打车软件发展的思考[J]. 交通运输部管理干部学院学报, 2015(01):24-27.

EconomicBenefitforIntelligenceCab-hailingAppsinChuzhou

Dong Fengjiao, Hu Beibei, Zhou Lulu, Shi Qiule

This paper is based on real data through the questionnaire survey of taxi drivers and passengers in Chuzhou City. The survey is organized by undergraduates of Chuzhou University. From the perspective of economic benefits, it researches the benefit evaluation of taxi software in Chuzhou based on the fuzzy mathematics evaluation method. The result of research shows that the economic benefit of taxi software could still improve much more for both drivers and passengers. This also provides a good theoretical basis to enhance the overall operating capacity of the taxi.

fuzzy mathematics; taxi software; economic benefit

O29；F014.35；O159

A

1673-1794(2017)05-0051-04

董凤娇，滁州学院信息学院教师;胡贝贝，周露露，石秋乐，滁州学院数学与金融学院(安徽 滁州 239000)。

安徽省教学研究项目(2016jyxm0729)；大学生创新训练项目(201610377012;2016CXXL015)

2017-05-22

责任编辑：李应青