互联网+时代的出租车资源配置模型.pptx

互联网＋时代的出租车资源配置模型 杜剑平韩中庚 摘要 打车软件平台增加了乘客与出租车司机之间的信息透明度，“促进了供求匹配”在一定程度上缓解了打车难问题’，从另一个角度“出租车司机获得了乘客的需求信息后”可能出现挑单的现象，即是一些低收益的订单将会难以被接。 本文基于深圳市的实际数据分析了深圳市出租车供求关系时空分布并探讨了已有补贴方案对出租车资源配置的影响之后 给出了更合理的补贴方案的设计模型’从某种程度上“能够通过经济手段实现出租车资源的优化配置”有效缓解‘打车难’问题’ 引言 出租车现已成为市民出行的重要交通工具，打车难是人们关心的一个社会热点问题’随着互联网＋时代的到来，多家公司依托移动互联网建立了打车软件服务平台，从而使得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’ 多家公司：滴滴打车和Uber 提出问题 Q1：利用合理的指标分析不同时空出租车资源的供求匹配程度 Q2：分析各公司的出租车补贴方案是否有效缓解打车难问题 Q3：设计更为合理的方案 文章脉络 打车软件对出租车资源配置的影响 1. “增加了信息的透明性”，在出租车资源供大于求时，能够引导出租车司机尽快找到乘客；在出租车资源供不应求时，可以引导乘客前往更容易打到车的区域’ 2. “信息的过度透明性”，在出租车资源供不应求的情况下，出租车司机会出现“挑单”的现象，从而造成变相拒载，增加“打车难”。 文献综述 Q1：构建不同时空供求匹配模型 1. 数据采集 针对不同时空的处理 2. 时空数据的离散化 3 . 供求关系的指标 1. 需求量 用单位时间单位面积的订单发起数量作为出租车的需求度量指标 2. 供给量 以单位时间单位面积的出租车空驶里程作为出租车的供给量指标 3. 供求平衡指标 模型结果分析 1. （24h）全天的供求指数分布 2.（ 全部地区）供求指数随时间变化规律 3. 不同时段的供求指数分布 Q2：打车软件有效缓解“打车难”—系统仿真 假设 仿真准备过程 1. 系统初始化：将城市道路分为21*21的网格，每个格子的边长为200m,初始时刻有100辆空载出租车均匀随机分布在网格的边上, 每辆出租车的车速为10m/s,行驶方向是随机的。 2. 订单的生成：全市的需求订单产生过程服从泊松流，每次迭代产生新订单的概率为0.2；若本轮迭代产生新订单，则随机分布在道路网格线上，并随机产生一个目的地节点”将该数据添加到未接订单集合中。 3. 订单的完成：若出租车处于载客状态，则按照最短路线前往目的地节点，当到达目的地后出租车重新进入空载集合。 无挑单时的仿真 无“挑单” 时的仿真结果 有“挑单”的仿真 有“挑单” 时的仿真结果 有无“挑单”时的对比 从图7和图8可以看出：存在“挑单”的情况下，总体趋势和无”挑单“的情形类似。但是在有“挑单”情形下，相同的补贴额度使全部平均等待时间比无“挑单” 的情形更长，相应的载客率也略低。 因为如果司机“挑单”，部分“坏单”便无法通过打车软件打到车，只能依靠传统方式打车，从另一个角度看；相当于减少了打车软件的使用率。 Q3：新打车软件平台的补贴方案设计模型 挑单-好的订单 1. 单位时间的直接净收益高（直接评价） 2. 订单执行之后有高质量的下一个订单（间接评价） 补贴—针对的就是间接评价，使得收益率平衡 下一个订单的差异主要体现在到达目的地后的空驶距离 1. 直接收益率核算模型 a.订单收入 b.估计成本(主要是油耗） c.耗费时间（主要探讨到达目的地时间T2） 2. 间接收益率核算模型 新的补贴方案设计模型 THANKS FOR YOUR CAREFUL LISTENING 请多指教