“互联网+”时代的出租车资源配置问题研究

李小春

摘 要：以长沙市某个时间早晚出行高峰时间段的用户数量和空出租车数量的比值，即用户需求满足率来反映乘客与出租车的匹配程度。分析发现，两个时间段的需求满足率均值都在0.73左右，进一步以北京市某出租车公司实施补贴方案前2013与实施补贴方案后2015的数据做对比分析，发现现有的补贴方案能缓解“打车难”问题，但效果不大。于是，对现有的补贴方案进行优化，新的补贴方案的需求满足率明显高于原来补贴方案的需求满足率。

关键词：“互联网+”;出租车;资源配置

中图分类号：F27 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.11.039

1 引言

随着我国社会经济的发展，城市规模的日益扩大，人们对于出行的要求也是日益提高。在过去的改革开放中，出租车是人们出行的重要工具，在人们的出行中有着重要的作用。但是随着城市人口规模的不断扩大，人们的出行却变得日益不便，“打车难”成为人们所关注的一个社会热点问题，也是政府亟需解决却一直难以解决的问题之一。

2012年发布的《公共服务蓝皮书》中，首次提到的“打车难”问题是公众最为关注的九个热点民生问题之一。蓝皮书发布后，迅速成为央视、新华网等重大媒体所关注的热点。2013年2月8日，中共中央总书记习近平在视察北京祥龙出租车公司时，着重强调要解决好“打车难”问题。随着科技与经济的飞速发展，“互联网+”战略的影响已经深入各行各业。面对“打车难”现象的社会压力，2014 年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，进一步加强了“互联网+”战略与传统出租车行业的融合，优化了出租车资源配置。本文就“互联网+”时代下的打车软件，通过打车软件数据，分析不同时空下出租车资源配置问题，并对补贴方案是否缓解“打车难”问题进行实证分析，为出租车公司优化补贴方案提供理论依据。

2 模型构建与数据来源

2.1 数据来源

本文所用的数据来源于两个方面：一是嘀嘀打车平台的数据：用户版App搜集到的实时附近出租车数量以及嘀嘀打车司机版App搜集到的实时附近乘客数量。为反映现有的补贴方案是否缓解“打车难”问题，我们搜集到补贴方案实施前的2013年北京市出租车公司与补贴实施方案后的2015年北京市出租车公司具有可比性的6649辆出租汽车有关数据，采集到这两个时间段的日均载客次数、运营里程、车辆里程空驶率、不同运距样本分布、出车时间样本，将这两个数据进行比较，分析在相同时间的数据之间的差异，来分析该公司的出租车补贴方案是否对“缓解打车难”有帮助。

2.2 模型构建

不同时空下出租车资源配置问题的本质就是不同时空出租车的“供求匹配”程度，其中“供”就是说的空出租车，而“求”就是用户的需求量。对于用户来说，当然希望需要打车就有空出租车可以坐，即发布信息到出租车来之间这一段等待时间越短越好，因此等待时间是其最關心的问题;对出租车司机来讲，其到一个地方，就有用户需要打车，即自己的空载率越低越好，因此周围的用户数量是其最关心的问题。综合考虑乘客与出租车司机的意愿，决定以用户需求满足率（不同时空出下租车数量占用户需求量的百分比）来反映不同时空下出租车的“供求匹配”程度：

P=H/N    （1）

其中N、H是同一时间同一地点的需要打车的用户数量和空出租车数量。

现有的出租车补贴方案是否缓解“打车难”问题，我们以北京市出租车公司2013年与2015年的数据做对比分析，从日均载客次数、运营里程、车辆里程空驶率、不同运距样本分布、出车时间样本等数据，绘制excel图片等形式，来描述性分析两个数据的差异性，从而来讨论现有的补贴方案是否缓解“打车难”问题，对乘客的出行是否有帮助。

接下来我们要讨论的是现有的补贴方案能否优化的问题，我们还是以用户需求满足率为目标建立模型。主要考虑：

（1）出租车的可乘坐空间是否得到很好的利用。

（2）发布起终点信息是否提高里程利用率。

因此，我们设定优化的补贴方案。考虑乘客合乘出租车，对乘客来说，减少费用，对出租车司机来说，在不增加成本的情形下，可以多赚一份拼车补贴，对社会来说，减少油耗，有利于环境，还能缓解交通压力，有利于乘客的出行。根据滴滴平台的数据，如果乘客合乘出租车，只需支付合乘路段费用的 60%即可。建立优化的模型如下：

P=H/N=K₂U/N    （2）

根据同一地区空出租车存在量和该地区司机的平均单程收入成正比：

H=K₂U  （3）

这里，如果只有一人乘坐时K2=1，两人乘坐时K₂=2×60%。

由于拼车后，将会使得出租车司机前后两次载客空驶距离减小，也就是增加了空出租车的基数。

H₁=K₃*H    （4）

这样，得出优化了的补贴方案模型：

P=（K₂×U+K₃×H）/N    （5）

3 结果与讨论

早晚出行是车辆高峰时期，也是最难打车的时间段，故我们随机抽点，分别采集滴滴平台中长沙火车站某一天的早上7：30到9：30与晚上17：00到19：30的需要打车的用户数量和空出租车数量，把数据代入到公式（1）中，可得到两个高峰时间段的出租车与用户之间的“供求匹配”程度（图1，图2）。

根据定义，需求满足率越接近1，则说明“供求匹配”程度越接近饱和，越能满足需求，但从图1、图2来分析，两个时间段的需求满足率的数值大多数都低于0.9，还有少数部分的时间点的数值低于0.5，这说明某些时刻的需求是严重不满足，用户很难打到车。为进一步分析，我们把两个时间段的需求满足率取平均化，得出如表1的数值。从表1可以看出，两个时间段的需求满足率都在0.73，这也表明，在高峰时间出行，用户是很打到出租车的。从司机角度来说，高峰时期与正常时期的出租车价格是一样，司机就缺乏激励效应，不愿意花更多的时间去满足用户的需求;对用户来说，高峰时期本就是“打车难”时刻，如果能够在此时刻打到车，即使比平时多花费一些费用，但是能够早点回家，用户也是愿意的，乘客多出来的这部分费用，大部分给予司机进行补贴，提高司机的载人次数，少部分用于出租车的管理。但这样的补贴效果如何，还需要进一步的分析。

根据北京市出租车公司2013年与2015年的数据进行分析，从日载客次数来看，日均减少了大约0.9运次，降幅约为3.9%。说明出租汽车载客次数受到影响，但影响幅度不大。从日均运营里程来看，出租汽车每日平均运营里程均未受影响，始终保持在293公里/车左右;但在每日总运营里程中，载客里程相对增加，即车辆运营效率提高了，载客距离变长，空驶减少（里程空驶率减少了大约1个百分点）。从里程利用率来看，空驶时间没有改变，但空驶距离由2013年的3.45公里缩短到3.38公里。也就是说，出租汽车乘车需求不变（空驶时间不变）的情况下，车辆减少了空驶扫马路的比例，提高了里程利用率。

把滴滴平台中长沙火车站某一天的早上7：30到9：30与晚上17：00到19：30的需要打车的用户数量和空出租车数量代入新的补贴方案模型中得到用户需求满足率（图3，图4）。

从图3、图4可以看出，与原来的补贴方案相比，新的补贴方案的需求满足率都要高于原来补贴方案的需求满足率，说明新的补贴方案优于原来的方案，基本达到了优化的目的，对于打车难的问题具有一定的意义。

参考文献

[1]杨雪琦，张世霖，韩亚飞.“互联网+”时代出租车资源配置问题[J].现代商贸工业，2016，37（31）.