“互联网+”时代的打车难补贴政策的 分析与探讨.pptx

“互联网+”时代的打车难补贴政策的分析与探讨 本文主要研究了基于打车软件下的出租车资源配置问题，建立了资源匹配规划模型、等待时长规划模型，利用 MATLAB、SPSS 软件，实现了对不同时空下出租车资源的“匹配程度”与不同打车软件的补贴政策对“缓解打车难”的帮助程度的问题的求解。 针对问题一，采用机理分析法，选取每名乘客的平均等待时长与司机的月收入两项指标来衡量出租车资源“供求匹配”程度，两项指标的可量化性使得模型结果可以被直观分析。基于 Floyd 算法求解了乘客平均等待时长和分析数据求得不同空驶率下的司机月收入，建立资源匹配规划模型，求解不同时空下的出租车资源“匹配程度”。以某市某经济开发区为例，求得该经济开发区使用打车软件下的乘客平均等待时长为 124.67 秒，司机月收入为 5463.5 元，将其与乘客可接受的最长等待时长与该市生活背景下的司机满意的最低收入进行比较，可知在该经济开发区内的出租车资源“匹配程度”良好。 针对问题二，搜集 Uber 和滴滴出行两大打车软件的补贴政策，从“打车难”问题的根本（需求大供应少）入手，选取在补贴政策变化下的打车需求量和出租车供应量两项指标的变化对乘客平均等待时长的改变来衡量该政策是否对“缓解打车难”有帮助。建立等待时长规划模型，通过比较补贴政策前后乘客平均等车时长的长短，求得 Uber 的“拼车”补贴与“私家车载客”补贴对“缓解打车难”有帮助，滴滴出行的“无差别”补贴对“缓解打车难”没有帮助。 针对问题三，分析Uber和滴滴出行两大打车软件的补贴政策下的不足之处，参考并改善 Uber 补贴政策，新增了对司机和乘客的双向“拼车”补贴、对长途接运拼车的大型出租车的“高峰期”补贴与能约束载客私家车数量的动态补贴的三项政策，从缓解“打车难”、实施可行性、用户满意度三方面论述该补贴政策是合理的。所建模型具有较好的实用性，适于推广至物流配送、快递员快递收发等运输行业。关键词： 互联网+ 打车难 供求匹配 补贴政策1 、 问题重述1.1 问题背景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。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。1.2 问题提出搜集相关数据，建立了数学模型研究了如下问题：（1）建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度；（2）分析各公司的出租车补贴方案是否对“缓解打车难”有帮助；（3）为一个新的打车软件服务平台设计有效“缓解打车难”的补贴方案并论证其合理性。2 、 模型假设（1）假设乘客的上下车与司机接单均在各标记处的主要路口；（2）假设司机收入均来自于出租车的运营，且合理收费，不出现接私活的现象；（3）忽略天气、节假日等原因使得地区的乘车需求量与出租车供应量发生重大改变的情况；3 、 符号说明dij：路口vi(i=1,2…n)到路口vj(j=1,2…n)的最短距离；xij：出租车从路口vi(i=1,2…n)到路口vj(j=1,2…n)接客的趟数； T：单位时间段所有乘客从下单起到乘上出租车的等待时长之和；t1：一名乘客在单位时间段一次从下单起到被接单的平均等待时长；K：单位时间段内的出租车平均空驶率；Li0：单位时间段内，第i辆出租车的总空载里程；Li1：单位时间段内，第i辆出租车的总载客里程；4 、 模型的建立与解 求解4.1 问题一的分析与建模为分析在不同时空出租车资源的“供求匹配”程度，作者选定某市某经济开发区作为采样点，搜集在某经济开发区一段时间内的每一天的各个时间段（包括高峰期、平稳期、低谷期）下的各交通路段的具备打车软件的出租车流量（下称出租车流量）、使用打车软件的客流量（下称客流量）以及客户的去向数据以及交通网络的各交通路段的路程长度。 以某经济开发区所有使用打车软件的客户平均等待时间总和与具备互联网打车功能的出租车的平均空驶率作为指标来衡量出租车资源的“供求匹配”程度。为计算客户的总等待时长，通过分析数据，将某经济开发区分为若干块（包括客流量密集、一般、稀少区），采用随机的方法为各交通路口安排相应的出租车流量，将出租车成功抢单后到达顾客所在点的最短时长作为客户的候车时长，计算出客户的总等待时长（候车时长与接单时长之和）；为计算出租车空驶率，采用IC 数据统计方法，计算在该时间段内的出租车使用率作为第二指标来衡量出租车资源的“供求匹配”程度。4.1.1 基于Floyd算法的候车时长计算在同一时间段，客户等待时长为客户下单后到上车之间总时长，分为两部分：下单后的司机接单时长与接单后去接客的时长。平均司机接单时长可查阅数据得出，为计算接客时长，作者将该问题转化为最短路问题进行求解最短的接客时长。 设图