共享经济中智能推荐系统的应用与分析

韩宝燕

摘 要：本文绍了智能推荐系统的原理和拼车搭载系统的原理，探讨了通过数据挖掘以及运用数学方法来为乘客和司机推荐最佳途径。最后指出了移动出行应用可能面临的一系列难题并对移动出行的未来进行了预测。

关键词：智能推荐系统；拼车搭载系统

一、需求分析

对于车主用户：系统可以根据车辆当前所在的位置和时间等信息，向车主推荐距离车辆所在位置最近范围内的乘客，使车主可以迅速接单。车主还可以设定其想要到达的目的地范围，比如在北京海淀区的司機想要回大兴区的家，滴滴出行会设置大兴区方向，自动接单大兴区方向的单子，这样就降低了车辆的空载率，提高了司机的承载率，减少了能源浪费，还缓解了交通拥挤的状况。除此之外，如果当天汽车限号，司机可以根据需要把接单范围限制在五环外，有些竞争对手的司机在限号日都会成为滴滴平台的忠实用户。对于乘客用户：系统根据乘客当前的时间和位置信息，能迅速为乘客寻找车辆，不再为在马路上半天拦不到一辆出租车而发愁，并推测附近车辆到达打车地点的大概时间，让乘客心中有数，好做其他安排。此外，打车软件中还有查询功能，只要输入目的地，软件就会显示最合适的行驶路线，避免司机绕道花费不必要的钱。同时，使用打车软件的手机付费模式，也很大程度解决了没有小额现金的尴尬。打车软件给乘客的补贴，也减轻了乘客的出行成本。

二、智能推送系统子系统结构

智能推送系统主要分为两个子系统，分别为数据挖掘处理子系统和客户端信息发送接收子系统。数据挖掘处理子系统：数据挖掘处理子系统是将车辆GPS轨迹数据导入Oracle数据库，然后用Matlab进行数据处理，最终得出推荐路径。其中涉及到的算法有热点推荐算法和路径推荐算法。客户端信息发送接收子系统：客户端信息发送接收子系统会向将用户的位置以及时间信息发送给据挖掘处理子系统，同时数据挖掘处理子系统也会将车辆实时信息发送给客户端信息发送接收子系统。客户端信息发送接收子系统由网页部分、MySQL数据库和PHP代码三个部分组成，热点推荐数据和路径推荐数据储存在MySQL数据库中，然后数据和网页部分通过PHP进行信息交互，其中网页部分用于显示系统所推荐的路径和热点。

三、拼车搭乘系统分析

私家车搭乘系统是一个提供拼车出行服务的智能平台，它能够实现拼车对象的智能匹配、拼车过程实现以及拼车信息记录等功能。本节主要对拼车出行的行为进行分析，并结合现有的技术条件提出了拼车系统的功能需求和体系结构的设计方案。搭乘问题分类：私家车拼车是指在自愿情况下，在相近的路线上车主与搭车乘客经过协商，在出行时间、上下车地点和补偿方式等约束达成一致，车主在合适的地点让乘客上车，并顺路搭载其他乘客最终到达各自约定地点的一种行为。

根据不同的约束条件和应用背景，搭乘行为可以按照以下情况分类：1.从搭乘出行的实时性角度，能够分为实时搭乘服务和非实时搭乘，实时搭乘是指当用户发布拼车需求时，拼车系统能够迅速对其需求进行相应处理，及时找到合适的拼车对象，立即完成搭乘出行。2.从搭乘过程的状态角度，可以分为静态搭乘和动态搭乘行为：静态搭乘是指搭乘双方确定好出行需求后，根据确定的出行路线搭乘出行，在搭乘行驶过程中不再变动，也不再途中增加第三方搭乘者的行为。动态搭乘和静态模式的主要区别在于，出行路线和人数不固定，行驶途中如果有其他的搭乘需求，可以临时改变路线去接载第三方用户。3.从搭乘费用的角度来看，可以分为无偿和有偿两种搭乘方式

搭乘对象匹配方法：在现有的大部分拼车搭乘网站和应用中，用户需要在大量的搭乘需求中去寻找合适的搭乘出行对象去联系协商，不够方便和快捷。因此在搭乘系统中设计搭乘对象的智能匹配算法，能够根据用户的搭乘需求参数，智能的筛选出合适的搭乘对象给用户，会大大提高用户的使用便捷性和搭乘出行的配对成功率。

（1）匹配要素

拼车出行实现的关键就是要选择好合适的搭乘对象，搭乘系统对象的匹配要素通常包括：车主、乘客、搭乘车辆、约束条件和搭乘目标。1.车主要素：车主的匹配属性主要包括车主的地理位置（包括出发地和目的地）、出行行驶路线和出行时间窗等。2.搭乘车辆要素：主要包括搭乘车辆的类型、车辆最大容量、车辆行驶时间和乘车的要求等。3.乘客要素：乘客的匹配属性主要包括搭乘者的地理位置（包括出发地和目的地）、出行时间窗和对车主及车辆的具体要求等。4.匹配约束条件：常见的约束条件包括出行时间窗约束、车辆容量约束、搭乘双方地理位置的距离约束、行驶路线约束等，可根据用户需求设置不同的约束条件。5.搭乘匹配目标：搭乘匹配的目标通常有行驶距离最短、车主绕行最少、出行时间最短、出行总费用最少、搭载率最高等。

（2）匹配算法

搭乘对象匹配算法就是对带约束条件的搭乘目标函数进行最优求解的过程，实际应用中，搭乘双方地理位置、出行时间时最常考虑也是最重要的两大约束条件。因此，将这两个要素作为约束条件，将搭乘对象匹配算法转化成以下求解问题：1.车主信息：A1（Lon1，Lat1，T1），B1（Lon12，Lat12，T12），其中A1表示车主的起点经纬度和出发时间，其中B1表示车主的重点经纬度和到达目的地的时间。2.搭乘者信息：A2（Lon2，Lat2，T2），B2（Lon22，Lat22，T22），其中A2表示搭乘者的起点经纬度和出发时间，其中B2表示搭乘者的重点经纬度和到达目的地的时间。3.约束条件和目标函数：双方起点、终点距离根据经纬度来计算，分别记为RA和RB，用户允许的最大偏差距离为R，允许的最大时间差为T，求解目标为J，第一个式子表示搭乘对象筛选满足的约束条件，第二个式子表示目标函数。

（3）目标求解

搭乘对象匹配算法就是在满足约束条件的前提下，求得使目标函数J值最小的若干个用户信息。在系统进行匹配时，根据车主或者乘客的搭乘需求，结合数据库中已有的信息进行筛选求解，求解流程如图4-1所示。先根据第一个式子筛选符合条件的对象，再根据第二个计算目标值J，用该值与上一个目标值进行比较，若此次目标值小于上次的，则将此目标值的优先级提前，依此类推。最终得到按优先级排列的符合条件的目标集合，供用户选择满意的搭乘对象。

四、移动出行应用的前景分析

（1）移动出行高速发展面临的难题

互联网企业往往倾向于先占领市场再逐步完善，滴滴出行、Uber等应用在占领市场时，用的方法是发放大量的优惠券和进行大量的补贴，使得快车的价位低于普通出租车，吸引了一大批没有接触过移动出行领域的人们。但当他们占领了市场后，打完了价格战，用车的价格势必会高上去，那时是否还有真么高的市场占有率和用户粘性呢？这是一个移动出行领域应该思考的问题，除了价格，自己还能为乘客和司机提供什么便捷之处，通过什么亮点来让人们选择快车专车而不是相对便宜一点的出租车。这是移动出行需要在大数据方面下功夫的一个重要原因，提高自己的定位能力和乘客出行路线分析能力，使得出行更加高效便捷。

移动出行高速发展面临的另一个难题是，虽然交通部出台的《管理办法》明确了“网约车”的合法地位，但是还是需要一定的资质来运营“网约车”，到底需要达到一个什么样的标准才能发放运营资质，不会使得车辆泛滥，司机质量良莠不齐。同时《管理办法》要求“网约车”司机必须通过出租车驾驶员从业资格考试，沿用了出租车的思路来管理网约车，这会阻碍分享经济的发展。然而，私家车的大量从事网约车，是否会对传统出租车行业带来打击。

（2）移动出行应用的前景分析

在移动出行不断发展的进程中，创新总是走在监管前面。共享经济虽然还处在不稳定的发展阶段，但变个性的力量和影响已经显现出来。随着共享模式的不断特所，出行行业中的消费者、企业和政府的关系都将被改变。对传统出行行业而言，新的消费方式产生的替代显影随着科技进步的不断加快。不断冲击传统出行产业，这势必要度过一段艰难的时期。未来移动出行的发展机会，落在消费者、移动性和环境与城市友好能力上。

在保持基础不断更新的前提下，成功的移动出行平台必须要理解新的政府法规和全球化，经济环境持续发展的需要。政府也要因地制宜，结合需求，科学监管。实践表明，已经有越来越多的消费者参与到共享模式中，作为相关政府或者政策制定者更应该以消费者需求为中心做好管理转型。适应共享經济发展的行业监管与行业管理改革，基本原则是几部扼杀共享模式创新，同时也提供最低限度的法律要求，为未来共享经济的发展提供开放规则。

移动出行应用应当顺应分享经济的发展潮流，用新的适应当今发展的模式来代替传统的僵硬固化的监管模式，坚决不能采取一刀切的管理模式。

移动出行顺应了当今绿色出行的发展理念，尤其是拼车应用，减少了车辆的空座率，提高了人们的出行效率，较少了汽车的排放量。同时越来越多的人放弃自己开车，而选择专车、拼车，使得路上出行的车辆减少，缓解了交通拥挤的问题。

由于移动出行平台具有较高的灵活性，进入门槛相对较低，使得大量有私家车的人士从事这一行业，也大大降低了就业难度，提高了就业率。

移动出行不单单在汽车方面有了发展，近几个月出现的共享单车也延续了这个理念，主要有ofo共享单车、摩拜单车等，它们的理念是“最后一公里”，更加方便了人们出行。未来，共享单车很可能会变身为弟弟生态中的末端触角，助力滴滴完成“滴滴打人”和“滴滴打货”的便道升维战略，以后很有可能出现人们骑着共享单车去接代驾单，然后帮忙把客户的车开回家，再骑车共享单车接下一单。

五、总结与展望

随着数据挖掘技术的发展，各行各业的数据每天都在呈指数级增长，合理的利用这些数据，发现隐藏在其中有价值的能为商业行为带来指导作用的信息极其重要。本论文所讲的智能推送系统基于车辆和用户的GPS信息，使用Oracle数据库、MATLAT软件和百度地图等工具，得出了一个推荐模型，以这个模型来为司机和用户提供热点和路线推荐，并可以在网页版的应用上，随时可以看到这新信息

今后的工作还要进行一定的改善，GPS轨迹的提取算法有待改进，要尽量减少那些异常数据点，使得到的结果更为精确。还有对GPS信号的接受和处理工作有待进一步的完成。

总之，随着研究开发的深入，智能推荐系统会逐步完善，使用大数据进行数据挖掘，会得到更多对我们有用的信息，移动出行平台会愈加完善。

参考文献

[1]李鹏.互联网开启智能出行新时代[N].鹤壁日报，2015-12-21（2）.

[2]蒋菡.智能出行报告：滴滴去年完成14.3亿个订单[N].工人日报，2016-6-7（3）.

[3]冉元元.共享经济下的移动出行[N].生产力研究，2016-9-11（5）.

[4]陆均.基于里程互换的家用车辆智能搭乘系统研究[D].南京信息工程大学，2014：22-24.